Recrutement à haut volume : structurer le sourcing avec le matching IA
Quand une agence passe de quelques mandats à plusieurs dizaines de rôles ouverts en parallèle, le goulot d'étranglement se déplace : ce n'est plus la recherche de candidats, mais la capacité à trier, qualifier et suivre sans perdre le fil.
Ce guide propose une méthode de cadrage pour choisir un socle ATS + IA et organiser le sourcing à fort volume. Il s'appuie sur l'expérience documentée d'Athyna, une plateforme mondiale de talents, telle que rapportée par l'éditeur d'origine ; les résultats chiffrés et les citations restent attribués à cette source et ne constituent pas une promesse de résultat.
Pourquoi le volume casse les processus artisanaux
:
Tant que le nombre de postes reste faible, un tableur et une boîte mail suffisent souvent. Dès que plusieurs clients et rôles avancent en même temps, trois frictions apparaissent :
- Le tri devient manuel. Les candidatures s'accumulent et la présélection repose sur la lecture individuelle, ce qui allonge les délais.
- Le suivi se fragmente. Les statuts vivent dans des fichiers séparés ; les indicateurs clés (délai de placement, taux de réponse, avancement par mandat) sont difficiles à consolider.
- La charge mentale augmente. Chaque recruteur doit jongler entre plusieurs sources de candidats et plusieurs clients.
Dans le cas d'Athyna, l'éditeur d'origine décrit précisément ce passage : la croissance de l'agence a rendu la gestion d'un volume élevé de recrutements plus difficile, avec des feuilles de calcul et des systèmes ATS qui ralentissaient le processus et compliquaient le filtrage efficace des candidats ainsi que le suivi des indicateurs. Le besoin identifié était un socle centralisé, doté de fonctions intelligentes et automatisées.
Les quatre exigences à poser avant de comparer des outils
Avant d'évaluer un ATS ou un CRM, il est utile de formaliser ce que l'équipe attend. Le cas Athyna illustre quatre critères qui restent pertinents pour toute agence à fort volume :
- Matching automatique des candidats. L'outil doit rapprocher les profils des postes sans tri manuel exhaustif, pour raccourcir la phase de présélection.
- Filtrage avancé. Il faut pouvoir gérer de grands viviers de talents sans perdre en lisibilité, avec des critères combinables.
- Rapports robustes. Le suivi des performances et des mesures clés doit être centralisé, pas reconstitué à la main.
- Intégrations et automatisation. Les actions en masse et les connexions aux outils existants réduisent le travail répétitif.
Ces quatre points correspondent aux exigences que l'éditeur d'origine attribue à Athyna lors de l'évaluation de différents systèmes ATS et CRM. Ils constituent une grille de lecture utile, indépendamment de l'outil retenu.
Checklist de décision : ce qu'il faut vérifier concrètement
Servez-vous de cette liste comme d'une trame d'échange avec un fournisseur, ou comme d'un cahier des charges interne. Chaque point doit pouvoir être illustré avec vos propres données, et non uniquement lors d'une présentation standardisée. Pour les éléments qui dépendent d'engagements contractuels, laissez la case ouverte tant que le prestataire n'a pas fourni de réponse écrite : un canal de support et un délai de réponse ne valent que s'ils figurent dans l'accord signé, et non dans une brochure commerciale. De même, les tarifs d'intégration et les conditions de migration doivent être chiffrés avant tout engagement, car ils pèsent souvent plus lourd que l'abonnement de base sur un flux à fort volume. Enfin, prévoyez un responsable interne pour valider chaque preuve fournie : c'est lui qui confirmera que le test correspond bien à vos postes et à vos viviers, et non à un jeu de démonstration choisi par le fournisseur. Cette trame ne dispense pas d'un essai sur vos propres flux ; elle sert à poser les bonnes questions et à écarter les promesses invérifiables.
Ce que le cas Athyna montre — et ce qu'il ne montre pas
Le récit publié par l'éditeur d'origine présente Athyna comme une agence qui gère plusieurs clients et rôles simultanément avec davantage de précision et de rapidité, l'automatisation et le matching IA ayant rendu les campagnes de recrutement de masse plus lisibles et plus stratégiques. Deux témoignages y sont associés à des responsables de l'acquisition de talents d'Athyna : Paz Florez Bazterrechea, analyste en acquisition de talents, y décrit une assistance instantanée et des évolutions continues de la plateforme qui auraient dépassé les attentes de l'équipe ; Sofia Faiman, responsable de l'acquisition de talents, y explique que l'équipe suivait auparavant sa charge de travail sur Excel, et que l'automatisation et l'IA prennent désormais en charge une partie de la recherche de candidats. Ces propos proviennent de l'éditeur d'origine de la plateforme et ne constituent pas des constats établis par la présente page. Ils sont repris ici comme illustration d'un usage possible, sans validation indépendante des gains annoncés. Pour votre propre décision, fixez une mesure de référence avant déploiement (volume traité par recruteur, délai moyen par étape) et comparez-la après quelques semaines d'utilisation réelle. C'est cette comparaison, et non le récit d'un tiers, qui indiquera si l'outil apporte un bénéfice dans votre organisation.
Exemple concret : mesurer l'effet du matching sur un mandat
Prenons un mandat type : 40 candidatures reçues, 8 profils à présenter au client. Sans matching automatisé, un recruteur lit les 40 profils et en retient 8, soit environ 5 lectures par présentation. Avec un matching IA qui propose un classement, le recruteur peut commencer par les profils les mieux classés et vérifier les suivants par échantillonnage.
Pour objectiver le gain, notez avant mise en place :
- le temps de présélection par mandat ;
- le nombre de profils lus avant la première présentation ;
- le taux de profils présents dans la shortlist finale qui figuraient dans le top du classement IA.
Répétez la mesure sur trois mandats comparables. Si le temps de présélection baisse sans dégrader la qualité de la shortlist, le matching apporte une valeur mesurable sur votre flux. Sinon, le problème est peut-être ailleurs (définition du poste, qualité des données candidats).
Distinguer deux échecs fréquents
Deux situations se ressemblent mais demandent des réponses différentes :
- Échec de volume : l'équipe reçoit assez de candidats mais ne parvient pas à les traiter dans les délais. La réponse est l'automatisation du tri, le filtrage et les rapports.
- Échec de vivier : l'équipe traite vite mais manque de candidats pertinents. La réponse est le sourcing, la définition du poste et l'attractivité de l'offre, pas l'ajout d'un outil de matching.
Confondre les deux conduit à acheter un outil qui ne résout pas le vrai problème. Avant de choisir, mesurez le ratio candidatures reçues / postes ouverts et le délai moyen de traitement : le déséquilibre indique laquelle des deux situations domine.
Passer à l'action
Si le volume est un défi pour votre équipe, commencez par formaliser vos exigences (section 2), puis testez-les sur vos propres données (section 3). Fixez une mesure de référence avant déploiement (section 5) et distinguez clairement les problèmes de volume des problèmes de vivier (section 6). Pour aller plus loin, vous pouvez consulter les ressources sur le sourcing et le matching IA, ou demander au fournisseur de la plateforme une démonstration pour évaluer l'outil sur vos flux réels. Avant de vous engager, faites préciser par écrit les conditions commerciales, la durée d'engagement et les garanties de service : ces éléments relèvent d'un accord avec le fournisseur et doivent être vérifiés au cas par cas, car ils varient selon le contrat et ne peuvent pas être supposés à l'avance.
| Critère | Question à poser | Preuve attendue |
|---|---|---|
| Matching IA | Les suggestions sont-elles pertinentes sur nos postes réels ? | Test sur 20 postes avec justification du classement |
| Filtrage | Peut-on combiner plusieurs critères sans perdre la trace ? | Démonstration sur un vivier existant |
| Rapports | Les indicateurs clés sont-ils disponibles sans export ? | Capture ou export des tableaux de bord |
| Automatisation | Les actions en masse sont-elles traçables et réversibles ? | Journal des actions |
| Intégrations | Les outils existants sont-ils connectés ? | Liste des intégrations et coûts |
| Migration | Comment les données existantes sont-elles reprises ? | Plan de migration et contrôle d'intégrité |
| Support | Quel canal et quel délai de réponse ? | Engagement écrit du fournisseur : canal, délai de réponse et conditions de résiliation |
Grille de cadrage générique ; les engagements de support et conditions commerciales doivent être confirmés par le propriétaire de la page.
Frequently asked questions
Le matching IA remplace-t-il le jugement du recruteur ?
Non. Le matching IA classe et propose des profils, mais la décision de présenter un candidat reste humaine. L'intérêt est de réduire le temps de tri, pas de supprimer la vérification. Prévoyez un échantillonnage des profils non retenus pour contrôler la qualité du classement.
Comment savoir si mon problème est le volume ou le vivier ?
Comparez le nombre de candidatures reçues par poste ouvert et le délai moyen de traitement. Si les candidatures sont nombreuses mais le délai long, le problème est le volume (tri, filtrage). Si les candidatures sont rares, le problème est le vivier (sourcing, attractivité).
Quels indicateurs suivre avant et après la mise en place ?
Le temps de présélection par mandat, le nombre de profils lus avant la première présentation, et la part des profils de la shortlist finale qui figuraient en tête du classement IA. Mesurez sur au moins trois mandats comparables.
Les résultats du cas Athyna sont-ils garantis pour mon agence ?
Non. Le cas Athyna est un témoignage publié par l'éditeur d'origine, sans validation indépendante des gains. Les résultats dépendent de votre volume, de vos données et de vos processus. Utilisez-le comme illustration, pas comme engagement.