I.1.5 Mise en correspondance entre les CV et les offres
d'emploi en utilisant le Deep Learning [5]
Identification des lacunes en matière de recherche
ou de mise en oeuvre. Lacunes en recherche :
- Peu de références sont faites aux enjeux
juridiques et éthiques (comme la confidentialité des
données personnelles ou les biais algorithmiques dans les
systèmes de recrutement).
Lacunes en mise en oeuvre :
- Le système repose sur des données
collectées via web scraping (Indeed), ce qui peut poser problème
légalement si l'usage n'est pas encadré.
Synthèse du mémoire
Ce mémoire propose un système de recommandation
qui met en correspondance les CV et les offres d'emploi à l'aide du
deep learning, notamment :
9
Un réseau de neurones classificateur
pour étiqueter les segments des CV (éducation,
expérience, compétences).
L'utilisation de cosinus de similarité
pour calculer la similarité sémantique entre les
éléments d'un CV et ceux d'une offre d'emploi.
Analyse critique Points forts :
Travail rigoureux et structuré, avec une bonne
maîtrise des outils de traitement du langage naturel (NLP) et du deep
learning.
Limites :
L'ensemble du système repose sur des
données textuelles extraites automatiquement
Contextualisation
Dans le contexte technologique :
L'usage du deep learning dans le NLP est
pertinent et montre l'évolution des outils classiques (mots-clés)
vers des approches plus intelligentes.
Dans le contexte local et académique :
Le mémoire contribue à valoriser
l'application de l'IA dans les systèmes web au sein des
universités algériennes.
Pourquoi faire une revue de la littérature
?
1. Pour mieux comprendre notre sujet :
Avant de concevoir un système intelligent d'analyse de
CV, il est essentiel de comprendre en profondeur les fondements
théoriques liés au traitement du langage naturel et à son
usage dans le domaine des ressources humaines. La revue de littérature
permet d'explorer les travaux antérieurs, d'identifier les
modèles et techniques couramment utilisés (comme Word2Vec ou
BERT), et de mieux cerner les enjeux liés à l'automatisation du
tri des candidatures. Cette compréhension offre non seulement une base
solide à la démarche, mais oriente aussi le choix des
technologies adaptées aux objectifs du projet.
2. Pour identifier les lacunes et les besoins de
recherche :
Analyser les recherches existantes aide à
révéler les limites que rencontrent les systèmes d'analyse
de CV actuels, comme leur difficulté à traiter les formats non
standardisés, leur manque de contextualisation ou leur tendance à
négliger les compétences transversales. En mettant en
évidence ces insuffisances, la revue de littérature ouvre des
pistes concrètes d'amélioration et permet de mieux cibler les
besoins encore insatisfaits, que ce soit en termes techniques, fonctionnels ou
éthiques.
10
3. Pour justifier notre recherche :
La revue de littérature permet aussi de positionner
clairement sa propre contribution. En s'appuyant sur les études
existantes et en soulignant leurs limites, elle montre en quoi le
système proposé se distingue et répond à des
besoins réels. Dans notre cas, l'intégration du NLP pour analyser
intelligemment les CV vise à offrir une solution plus précise,
plus accessible et mieux adaptée aux exigences des recruteurs, notamment
dans des contextes locaux peu représentés dans la recherche
actuelle.
4. Pour faciliter la rédaction d'un travail de
recherche :
Enfin, la revue de littérature joue un rôle
structurant dans la rédaction du mémoire. Elle permet de
construire la problématique, d'alimenter le cadre conceptuel, et de
justifier les choix méthodologiques. Elle sert également de
repère tout au long du projet, assurant cohérence et rigueur
scientifique. Ainsi, elle facilite non seulement la rédaction du
travail, mais renforce également la recherche.
11
CHAPITRE 2 : MÉTHODOLOGIE
| 
