Conception d'un systeme intelligent d'analyse de cv base sur le traitement du langage naturel (NLP) pour une evaluation optimisee des candidatures: application au departement des ressources humaines

3.13. DIAGRAMME DE DÉPLOIEMENT

Le diagramme de déploiement (Deployment Diagram) est un diagramme structurel UML qui permet de représenter la topologie physique du système. Il décrit comment les composants logiciels (code source, bibliothèques, services, modèles NLP, etc.) sont distribués et déployés sur les noeuds matériels et logiciels du système (serveurs, navigateurs, bases de données, etc.).

Ce diagramme est indispensable pour visualiser l'environnement d'exécution réel de l'application, notamment dans une architecture client-serveur ou distribuée. Il assure la compréhension globale de la structure d'hébergement, de l'accessibilité des services, et des dépendances entre les différentes couches.

Dans le cas de notre système intelligent d'analyse de CV basé sur le NLP, le diagramme de déploiement permet de représenter l'architecture logicielle articulée autour des technologies suivantes :

· Framework backend Django (Python)

· API REST pour la communication avec le frontend

· Interface utilisateur en React.js + Tailwind CSS

· Moteur NLP BERT embarqué pour l'analyse sémantique

· SGBD PostgreSQL pour le stockage des données

· Serveur d'applications (Gunicorn / uWSGI)

· Serveur web (Nginx ou Apache)

· Conteneurs (optionnellement Docker)

· Navigateur client (pour l'utilisateur final)

Les principaux éléments à représenter dans ce diagramme sont :

1. Les Noeuds (Nodes) :

Ce sont les dispositifs physiques ou virtuels sur lesquels les composants sont exécutés. Dans notre système, on distingue notamment :

· Le client utilisateur (navigateur web sur poste ou mobile)

· Le serveur applicatif (hébergeant l'API Django + NLP)

· Le serveur de base de données (PostgreSQL)

62

· Un moteur de traitement (pour BERT + PDF parser)

· Une infrastructure d'hébergement (local, Cloud, ou via conteneurs Docker/Kubernetes)

2. Les Artéfacts (Artifacts) :

Ce sont les artefacts logiciels déployés sur les noeuds. Exemples :

· Backend : code source Django (.py), modèles BERT, scripts d'analyse (.py), fichiers de configuration ( settings.py, .env)

· Frontend : fichiers React buildés (index.html, JS/CSS)

· Base de données : schéma relationnel PostgreSQL (tables, contraintes)

3. Les Associations :

Ce sont les canaux de communication entre les noeuds, illustrant les flux de données ou les appels réseau. Exemple :

· HTTPS entre le navigateur client et le serveur web

· REST API (HTTP/JSON) entre React et Django

· Connexion TCP/IP entre Django et PostgreSQL

· Communication interne entre Django et le moteur NLP Le déploiement de notre système se présente de la manière suivante :

63

Figure 33 Diagramme de déploiement

64

Conclusion partielle

Dans ce chapitre, notre démarche a débuté par une analyse détaillée du processus métier de gestion des candidatures et de l'analyse automatisée de CV. Nous avons ensuite présenté et modélisé le système intelligent que nous proposons, centré sur l'automatisation de l'extraction d'informations pertinentes à partir des CV et leur traitement sémantique à l'aide de techniques NLP.

L'étude a permis d'identifier les exigences fonctionnelles et non fonctionnelles du système, de décrire les flux de données, les acteurs impliqués, ainsi que les points forts et les limitations des approches classiques, justifiant ainsi notre solution. Les méthodes de collecte, de traitement des CV (parser PDF, analyse avec BERT), et de restitution des résultats ont été décrites.

Nous avons également modélisé les différents aspects du système à l'aide de diagrammes UML clés : diagrammes de cas d'utilisation, de séquence, de classes, du modèle logique de données, et enfin le diagramme de déploiement. Ce dernier illustre l'architecture physique du système, avec une répartition claire des composants logiciels sur des noeuds distincts : client (navigateur), serveur web, serveur applicatif, base de données et broker de messages.

Enfin, la conception globale du système repose sur une architecture client-serveur hybride intégrant :

· le modèle MVVM côté frontend (React) pour une meilleure séparation entre l'interface utilisateur et la logique de présentation ;

· le modèle MVT côté backend (Django), structurant le traitement des requêtes, la logique métier, et le rendu des données.

Cette structuration garantit un système modulaire, scalable et maintenable, capable de traiter efficacement les CV à grande échelle avec un bon découplage des responsabilités.

65