I.1.2 Diplôme : Master en gestion des ressources
humaines, à finalité spécialisée en "politique et
management RH" [2].
1. Identification des lacunes en matière de
recherche ou de mise en oeuvre
En parcourant les travaux existants, notamment celui de
Martins et Mariana (2022),plusieurs limites apparaissent dans les approches
actuelles d'automatisation du recrutement par le traitement du langage naturel.
Ces recherches, bien qu'intéressantes, restent souvent
éloignées des réalités du terrain dans des
contextes comme celui de Lubumbashi.
Premièrement, la majorité des
études s'appuient sur des données provenant de grandes
entreprises internationales, avec peu de prise en compte des
spécificités locales. Or, dans des villes comme Lubumbashi, les
candidatures présentent une grande diversité de formats parfois
non structurés, manuscrits ou scannés et les entreprises
disposent rarement des moyens techniques nécessaires pour
intégrer des solutions complexes.
Deuxièmement, bien que des
modèles avancés de NLP tels que BERT soient
évoqués, leur application concrète dans l'analyse de CV,
notamment en langue française, reste encore limitée. Leur
potentiel est loin d'être pleinement exploité, surtout dans des
contextes à faible ressource.
Par ailleurs, les systèmes proposés sont
généralement peu personnalisés. Ils utilisent des scores
standards de similarité(TF-IDF), sans véritablement tenir compte
des attentes spécifiques du recruteur ou des exigences du poste à
pourvoir.
6
Ces constats soulignent la nécessité de
concevoir une solution innovante, à la fois intelligente, éthique
et réellement adaptée au contexte local.
Synthèse
L'article explore l'utilisation des outils de traitement
automatique du langage naturel (NLP) dans le domaine des ressources humaines,
notamment pour l'analyse de CV et l'appariement aux offres d'emploi. Il passe
en revue plusieurs systèmes, outils, et méthodes existantes,
comme le TF-IDF ou encore les moteurs de recommandation classiques.
Analyse critique
L'examen du document de référence fait
apparaître plusieurs limites notables dans les approches existantes de
l'analyse automatisée des candidatures.
D'abord, les solutions reposent encore largement sur des
représentations textuelles traditionnelles, comme le modèle
TF-IDF, qui reste limité. Même si des modèles plus
avancés comme BERT sont mentionnés, leur intégration est
encore incomplète ou expérimentale, ce qui réduit leur
impact réel sur la qualité de l'analyse.
Ensuite, on constate un manque de personnalisation et de prise
en compte du contexte. Les systèmes évalués se contentent
souvent d'un appariement générique, sans s'adapter aux
spécificités d'un poste, d'une entreprise, ou aux
préférences individuelles des recruteurs. Cette approche
compromet la pertinence des résultats proposés.
Contextualisation
Dans un monde du travail en pleine transformation
numérique, les départements des ressources humaines cherchent
à moderniser leurs outils pour gagner en efficacité et en
objectivité. Le recours au traitement automatique du langage naturel
(NLP) s'inscrit dans cette dynamique, en permettant d'analyser plus rapidement
et de manière plus cohérente des centaines de candidatures.
Dans ce contexte, le présent travail vise à
combler ce vide en concevant un système intelligent d'analyse de
CV, combinant des techniques de NLP, une approche éthique et
une adaptation aux conditions spécifiques du terrain local.
Revue (3)
| 
