Score de matching candidat-poste : comment l'IA évalue (et où elle se trompe)

Le score de matching candidat est la fonctionnalité la plus utilisée et la plus mal comprise des plateformes de sourcing IA. Comment l'IA évalue-t-elle la correspondance entre un profil et un poste ? Sur quoi se base-t-elle ? Où se trompe-t-elle — systématiquement ? Cet article ouvre le capot et explique ce que mesure réellement un score de matching, à l'image du score TrueFit 360 de TrueCalling.

Qu'est-ce qu'un score de matching candidat ?

Un score de matching candidat est une note (souvent sur 100) qui exprime la probabilité qu'un candidat corresponde à un poste donné. Cette note synthétise plusieurs dimensions : compétences, expérience, contexte d'entreprise, géographie, disponibilité. Le score n'est pas une vérité absolue — c'est un classement utile pour prioriser l'outreach.

Les 5 dimensions qu'une bonne IA évalue

1. Compétences techniques. Stack, langages, frameworks. Les meilleures IA ne se contentent pas du CV : elles regardent les commits GitHub récents.
2. Trajectoire d'expérience. Niveau, progression, taille d'entreprises. Un candidat qui a fait 3 startups en série est différent de celui qui sort de 8 ans en grand groupe.
3. Contexte d'entreprise. Secteur, modèle, stade (early, scale-up, public). Important pour la pertinence culturelle.
4. Disponibilité estimée. Ancienneté dans le poste actuel, signaux faibles (changement LinkedIn, conférences, side-projects).
5. Géographie et mobilité. Localisation actuelle, ouverture au remote, compatibilité fuseau horaire.

Comment fonctionne TrueFit 360

Le score TrueFit 360 de TrueCalling produit une note sur 100 décomposée par dimension, pour qu'un recruteur ou un hiring manager puisse comprendre d'où vient la recommandation. Sur un Senior Data Engineer à Paris, vous obtenez par exemple :

• Compétences techniques : 92/100 (Spark, dbt, Airflow détectés sur GitHub).
• Trajectoire : 88/100 (6 ans, scale-up SaaS).
• Contexte : 75/100 (vient d'un grand groupe, transition possible).
• Disponibilité : 80/100 (3 ans dans son poste, signaux d'ouverture).
• Géographie : 100/100 (Paris, OK remote).
• Total TrueFit 360 : 89/100.

Cette explicabilité change tout. Vos hiring managers font confiance à un score qu'ils peuvent lire ; un score boîte noire est ignoré.

Là où le score de matching se trompe — toujours

1. Le fit culturel

Aucune IA ne lit la culture d'entreprise correctement. Un excellent profil technique peut être un cauchemar relationnel. Le score de matching candidat est un indicateur de pertinence, pas de fit culturel.

2. Les motivations réelles

Pourquoi le candidat changerait-il de job ? L'IA peut détecter des signaux, jamais lire dans sa tête. C'est l'entretien qui révèle ça.

3. Les profils atypiques

Quelqu'un qui a fait théâtre puis backend chez Google sortira en bas du score. Or c'est peut-être votre meilleur recrutement. Toujours regarder les outliers manuellement.

4. La fraîcheur des données

Un score basé sur un LinkedIn jamais mis à jour depuis 2 ans est faux. Les bonnes plateformes enrichissent leurs données en continu et indiquent la fraîcheur.

Score de matching et biais : une vigilance permanente

Tout score de matching candidat peut reproduire des biais présents dans les données d'entraînement. Genre, âge, école, prénom — autant de variables qui peuvent pondérer indûment le score si l'IA n'est pas auditée. Demandez à votre éditeur :

• Le score est-il auditable variable par variable ?
• Les variables protégées sont-elles exclues ou contrôlées ?
• Y a-t-il un mode "CV anonymisé" pour la phase de scoring ?

Comment utiliser un score de matching intelligemment

1. Trier mais ne pas exclure. Travaillez d'abord les 50 meilleurs scores, gardez l'œil sur les 50 suivants.
2. Croiser score et signaux humains. Une lettre de motivation, un side- project, un parcours raconté en entretien valent plus qu'un score brut.
3. Réviser le brief si trop peu de candidats au-dessus de 80. Souvent, le problème vient du brief, pas du marché.
4. Donner le score au hiring manager. Décomposé, il sert de support de discussion.

Score de matching et productivité du recruteur

Le bon usage du score de matching candidat change la productivité d'un recruteur. Au lieu de scroller 200 profils en lecture diagonale, il en travaille 30 en profondeur. Pour aller plus loin sur la productivité côté recruteur, lisez notre article sur le copilote IA pour recruteurs au quotidien.

Comment évaluer un score de matching avant achat

Avant de signer avec un éditeur, faites le test suivant : prenez 20 candidats que vous avez embauchés récemment. Faites-les scorer par le moteur. Si la majorité sort au-dessus de 80, le score apprend bien. Faites le test inverse avec 20 candidats refusés : ils doivent majoritairement sortir en dessous de 60. Sans ce double-test, vous achetez un score à l'aveugle.

Conclusion : un score de matching est un outil, pas un oracle

Un score de matching candidat bien conçu — comme TrueFit 360 — accélère le tri et améliore la qualité des shortlists. Mais aucun score ne remplace votre jugement de recruteur. La règle d'or : exigez l'explicabilité, croisez avec les signaux humains, auditez les biais, et gardez toujours un œil sur les outliers.

Pour voir TrueFit 360 en action sur un de vos briefs, Voir le score TrueFit 360 en action.