L'étape du filtre par mots-clés est la première chose que l'ATS exécute. Nous montrons exactement quelles compétences requises vous avez, quelles compétences préférées vous mentionnez, lesquelles le poste demandait que vous avez oubliées, et les puces qui les mentionnent faiblement.
1. Collez l'annonce. Collez le texte complet de la fiche ou déposez un lien vers l'annonce et nous l'extrayons. Nous prenons en charge les fiches structurées (avec blocs explicites REQUIRED_SKILLS / PREFERRED_SKILLS / MIN_EXPERIENCE / MIN_DEGREE) et la prose libre.
2. Lisez le côte-à-côte. Compétences requises présentes, requises manquantes, préférées présentes, préférées manquantes. Chacune montre la ligne exacte de la fiche d'où elle vient pour que vous puissiez contester l'analyse.
3. Lancez le match par section. Nous notons Expérience, Compétences, Projets, Formation séparément. Un mot-clé manquant dans Compétences est un impact de 4 points. Un mot-clé manquant qui apparaît aussi dans trois de vos puces est automatiquement crédité.
4. Acceptez les suggestions de réécriture. Pour chaque puce signalée comme 'mentionne faiblement une compétence manquante', nous proposons une réécriture qui place le mot-clé avec un résultat quantifié. Vous acceptez, modifiez ou ignorez. Le score se recalcule en direct.
5. Réexportez et postulez. Même modèle. Nouveau texte. Le score reflète maintenant la version de votre CV adaptée à la fiche. Le CV original reste intact sur votre tableau de bord pour que vous puissiez exécuter ceci pour le prochain poste depuis une base propre.
Un scanner naïf de mots-clés utilise une regex. Il cherche la chaîne littérale 'Machine Learning' et abandonne quand votre puce dit 'pipelines ML'. C'est le mode de défaillance qui fait paraître 65% des CV rejetés par ATS comme s'ils n'auraient pas dû être rejetés.
Notre graphe de compétences est une ontologie soigneusement organisée de milliers de noms de compétences canoniques, leurs abréviations, leurs familles d'outils et les fautes courantes. 'ML' correspond à 'Machine Learning'. 'k8s' correspond à 'Kubernetes'. 'tensorlfow' correspond toujours à 'TensorFlow'. Le graphe sait aussi que 'PyTorch' implique la compétence plus large 'deep learning' donc nous vous créditons correctement quand une fiche demande la seconde et que votre CV prouve la première.
Si vous repérez un synonyme manquant, nous l'ajoutons sous un jour. Le graphe est ouvert à la revue par les opérateurs et chaque manqué est une modification du graphe, pas un réentraînement de modèle.
Nous analysons la fiche en champs structurés (compétences requises, préférées, expérience minimum, diplôme minimum) et exécutons un diff par section contre votre CV. Le graphe de compétences derrière le diff gère les synonymes (ML / machine learning, k8s / kubernetes) et les fautes pour que les correspondances légitimes ne soient pas manquées.
Oui. Chaque CV de votre espace peut contenir une fiche différente. Le score et les suggestions de réécriture des puces sont recalculés par fiche. Votre CV de base original n'est jamais écrasé.
Nous revenons à exécuter le même graphe de compétences sur l'ensemble du texte de la fiche. La liste de compétences extraite est affichée pour que vous puissiez l'écraser si l'analyse a manqué quelque chose, avant que le diff ne s'exécute.
Nous ne calculons pas un seul nombre de similarité par mots-clés sur l'ensemble du document. Nous notons Expérience, Compétences, Projets et Formation séparément parce qu'un mot-clé manquant dans Compétences est corrigible en 30 secondes, mais un mot-clé manquant dans Expérience signifie généralement que vous avez besoin d'un poste différent dans votre CV.
Non. Nous ajoutons ou réécrivons des puces pour placer les mots-clés de la fiche, mais nous n'inventons jamais de compétences que vous n'avez pas, et nous ne supprimons jamais de contenu que d'autres employeurs pourraient vouloir. Le CV de base reste intact dans votre espace.
Oui. Le graphe de compétences est organisé pour chaque grande famille de métiers. Pour le marketing, cela signifie placer 'demand gen', 'lifecycle marketing', 'ABM', 'attribution', la stack d'outils standard (HubSpot, Marketo, Salesforce) et les résultats quantifiés (pipeline créé, gain de conversion MQL).
Notez la base avant d'adapter. Si l'analysabilité est sous 70, corrigez-la d'abord.
Le matcher signale les puces faibles. Le réécriveur les transforme en puces qui placent le mot-clé.
Le guide complet. Format, sections, verbes d'action et les erreurs de formatage qui font planter les parseurs.
Diff côte-à-côte gratuit. Pas de carte bancaire. Votre CV de base reste intact.
Lancer un match →