Cabinet ou PME. Google Drive ou SharePoint. ATS dernier cri ou Excel bricolé. Recruteuse solo ou équipe de cinq. Il existe autant de contextes de recrutement que d’entreprises, et ce serait prétentieux de prétendre qu’il existe une clé unique pour ouvrir toutes les serrures.
Ce qu’on peut faire en revanche, c’est poser une méthode universelle de réflexion. Une marche à suivre qui fonctionne quel que soit ton contexte, tes outils ou ton volume de recrutements. Ce que tu vas lire ici n’est pas un tutoriel technique. C’est une méthode stratégique pour concevoir ton agent IA de manière solide, rentable et maîtrisée.
Et avant d’aller plus loin : créer un agent IA, ce n’est pas « installer ChatGPT ». C’est choisir les bonnes tâches, les structurer, choisir les bons outils, et les assembler dans le bon ordre. C’est tout, mais c’est déjà beaucoup.
Étape 1 : Comprendre ton propre métier avant d’automatiser quoi que ce soi
Le point de départ, c’est une cartographie honnête de tes tâches. Pas ce que tu devrais faire en théorie, ce que tu fais vraiment, semaine après semaine. Sourcing, tri de CV, messages d’approche, réponses aux candidats, préparation d’entretien, comptes-rendus, relances managers, reporting… Plus tu décris précisément, plus tu vas voir apparaître trois choses : le temps réel passé sur chaque tâche, les irritants du quotidien, et les goulots d’étranglement.
Si tu n’as pas le temps de tout cartographier, commence par une liste courte : les tâches qui t’énervent, celles qui mangent ton temps, et celles que tu fais en mode pilote automatique tellement elles sont répétitives. Relancer des managers qui ne répondent pas, trier des centaines de candidatures, répondre aux mêmes questions basiques, reformuler dix fois la même annonce, c’est souvent là que se cache ton futur agent IA.
Étape 2 : Vérifier si la tâche vaut vraiment le coup
Toutes les tâches ne méritent pas d’être confiées à une IA. Pour le savoir, on passe par trois filtres.
Le premier, c’est la récurrence. Une tâche faite une fois par an ? Inutile d’automatiser : tu mettras plus de temps à construire le système qu’à la faire toi-même. Une tâche hebdomadaire ou quotidienne, en revanche, est une candidate idéale.
Le deuxième filtre, c’est ta maîtrise de la tâche. L’IA ne sait que ce que tu lui enseignes. Si tu ne sais pas toi-même expliquer comment tu fais ton sourcing, comment tu structures ta trame d’entretien ou comment tu évalues un profil, l’IA va improviser. Et quand elle improvise, elle hallucine.
Le troisième, c’est le ROI. En moyenne, l’IA peut faire gagner environ deux heures par semaine, soit huit heures par mois. Si ton coût chargé est de 2 000€ net, ça représente environ 240€ de valeur mensuelle, à comparer avec le coût des outils et le temps de mise en place. Une stack IA sérieuse coûte environ 100€ par mois. Sans budget, on bricole. Et en recrutement, on sait où ça mène.
Étape 3 : Prioriser avec le modèle IER
Une fois tes tâches candidates identifiées, encore faut-il savoir par laquelle commencer. C’est là qu’intervient le modèle IER : on note chaque tâche sur trois critères, de 0 à 3.
L’Impact d’abord : que se passe-t-il concrètement si cette tâche est automatisée ? Le scoring automatique de CV, la synthèse de profils pour les managers, la préparation structurée d’entretien … ce sont des tâches à fort impact parce qu’elles libèrent du temps de décision.
L’Effort ensuite : un prompt simple, c’est un effort faible. Un workflow multi-outils, c’est moyen. Une automatisation complexe avec plusieurs systèmes connectés, c’est élevé.
Le Risque enfin : que se passe-t-il si l’IA se trompe ? Une décision finale d’embauche, un message envoyé sans relecture, un élément à portée juridique : risque élevé. Un pré-scoring indicatif, un brouillon à relire : risque faible.
La formule de priorisation : Impact × 2 – Effort – Risque. Les tâches avec le score le plus élevé passent en premier.
Exemple concret | Screening LinkedIn Impact = 3, Effort = 1, Risque = 0 → Score = 5. Priorité forte.
Étape 4 : Assembler les 3 briques techniques
Un agent IA repose toujours sur les mêmes trois éléments, quel que soit le contexte.
La base de données | La matière première
C’est là que vivent tes données : ATS, Google Drive, Notion, SharePoint, Google Sheets… La question clé n’est pas « quel outil j’utilise ? » mais « où l’IA va-t-elle chercher l’information dont elle a besoin, et est-ce que ces données sont propres et exploitables ? » Un agent IA mal nourri est un agent IA inefficace, aussi sophistiqué soit-il.
Le système d’exploitation | Le cerveau
C’est le LLM (le modèle de langage) qui exécute la logique via un prompt : ChatGPT, Claude, Gemini, Copilot, Le Chat, DeepSeek. Tous ne sont pas équivalents. ChatGPT est polyvalent, Claude est particulièrement performant sur le rédactionnel, Gemini est très structuré. Le choix dépend de la tâche. Et petite astuce utile : tu peux demander au LLM lui-même de t’aider à rédiger le prompt dont tu as besoin.
L’interface d’exécution | L’automatisation
C’est ce qui fait circuler l’information entre les outils : Zapier, Make, n8n. Un exemple simple : quand un nouveau CV arrive dans l’ATS, générer automatiquement une synthèse avec trois points forts et trois points faibles, et l’envoyer par email au manager. Pour 80% des besoins en recrutement, Zapier suffit largement.
Étape 5 : Construire, et tester. Vraiment tester.
C’est ici que la méthode universelle s’arrête, parce que chaque contexte est unique. Un chatbot de prise de brief n’a rien à voir avec un outil de préqualification CV, ni avec un assistant rédactionnel. La construction dépend de toi, de tes outils, de tes données.
Ce qui ne dépend pas du contexte, en revanche, c’est la rigueur du test. Avant d’industrialiser quoi que ce soit : vérifie sur un échantillon d’une dizaine de profils, utilise une moyenne plutôt qu’un résultat isolé, configure l’IA pour qu’elle pose des questions quand elle ne sait pas plutôt que d’inventer une réponse, et stabilise les résultats avant de déployer à grande échelle.
L’IA ne remplace pas les recruteurs. Elle structure et accélère une méthode déjà solide. Si la méthode est bancale au départ, l’IA va juste aller plus vite dans la mauvaise direction.
Et si on prenait 30 minutes pour comprendre ce qui bloque tes recrutements, et trouver ensemble la meilleure façon d’avancer ?
Prendre RDV ici avec l’équipe LEDR !
Les commentaires