Modélisation d’offres d’emploi et de curriculums vitæ en vue d’un processus de présélection automatisée de candidats

Modeling of job advertisements and resumes for an automated pre-selection process of candidates

• Auteur / Autrice : Albeiro de Jesus Espinal Pulgarin
• Direction : John Puentes, Yannis Haralambous
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 11/12/2023
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et le numérique
• Partenaire(s) de recherche : Entreprise : DSI Global Services (Le Plessis Robinson, France)
• Partenaire(s) de recherche : Laboratoire : Equipe DECIDE - Département lmage et Traitement Information - Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
• Jury : Président / Présidente : Basel Solaiman
• Jury : Examinateurs / Examinatrices : John Puentes, Yannis Haralambous, Célia Da Costa Pereira, Juan-Manuel Torres-Moreno, Alexandre Voisin, Philippe Lenca, Peggy Cellier
• Jury : Rapporteurs / Rapporteuses : Célia Da Costa Pereira, Juan-Manuel Torres-Moreno

Mots clés

Mots clés contrôlés

Recrutement

Curriculum vitae

Traitement automatique du langage naturel

Modélisation des données (informatique)

Mots clés libres

Correspondance curriculum vitae - offre d’emploi

Présélection de candidats en recrutement

Modélisation curriculum vitae - offre d’emploi

Incertitude dans la présélection automatique de candidats

Contextualisation de la correspondance curriculum vitae - offre d’emploi

Intérprétabilité de la correspondance curriculum vitae - offre d’emploi

Resume - job advertisement matching

Candidate preselection in recruitment

Resume - job advertisement modeling

Uncertainty in automated candidate preselection

Contextualization of resume - job advertisement matching

Interpretability of resume - job advertisement matching

Résumé

Dans le contexte de la présélection des candidats lors du recrutement, cette thèse explore la modélisation des offres d’emploi et des curriculums vitae en vue d’une correspondance automatique plus robuste entre ces documents. Malgré les avancées significatives engendrées par l’intelligence artificielle pour l’appariement automatisé, plusieurs défis subsistent, tels que la gestion des données non structurées des CV, la prise en compte de l’incertitude lors de l’extraction des informations des offres d’emploi, la nécessité de garantir la transparence et l’interprétabilité des méthodes employées, et la considération des avis et du contexte organisationnel des recruteurs. Pour adresser ces enjeux, nous introduisons une méthodologie orientée à l’intégration des stratégies des recruteurs, la représentation de l’incertitude et l’interprétabilité des traitements automatiques de la langue. L’approche proposée combine l’extraction d’informations saillantes et l’annotation sémantique des offres d’emploi grâce à un modèle possibiliste basé sur des ontologies. Elle intègre également les grands modèles de langage, tels que BERT, ainsi que la représentation grapholinguistique du texte pour une analyse approfondie des curriculums vitae. Mise en œuvre au sein du département de recrutement de DSI Group, une société française de conseil en Technologies de l’Information et de la Communication, cette méthodologie a révélé une capacité accrue à identifier des informations essentielles des offres d’emploi et à segmenter de manière efficiente les curriculums vitae contemporains. Cela contribue à la construction de processus de correspondance automatique plus robustes et sensibles au contexte. Notre travail met en lumière les défis et opportunités contemporains de la correspondance entre ces documents, et suggère des solutions novatrices intégrant des méthodes traditionnelles et récentes. Ces perspectives peuvent intéresser chercheurs, professionnels du recrutement et décideurs.

In the context of pre-selecting candidates during recruitment, this thesis explores the modeling of job advertisements and resumes with the objective of defining a more robust automatic matching between these documents. Despite the significant advancements brought about by artificial intelligence for automated matching, several challenges remain. These include managing unstructured data from resumes, accounting for uncertainty during the extraction of information from job advertisements, ensuring the transparency and interpretability of the methods used, and considering the opinions and organizational context of recruiters. To address these challenges, we introduce a methodology oriented towards integrating recruiter strategies, representing uncertainty, and interpreting automatic language processing. The proposed approach combines the extraction of salient information and the semantic annotation of job advertisements through a possibilistic model based on ontologies. It also incorporates major language models, such as BERT, as well as grapholinguistic representation of text for an in-depth analysis of resumes. Implemented within the recruitment department of DSI Group, a French consulting company in Information and Communication Technologies, this methodology has demonstrated an increased ability to identify essential information from job advertisements and efficiently segment contemporary resumes. This contributes to the construction of more robust and context-sensitive automatic matching processes. Our work highlights the contemporary challenges and opportunities of matching these documents and suggests innovative solutions integrating traditional and recent methods. These insights may be of interest to researchers, recruitment professionals, and decision-makers.