Analyse des CV (OCR) : quelle solution choisir ?

Présentation :

En moyenne, les entreprises reçoivent des milliers de CV par an et chacun d'entre eux était auparavant sélectionné et présélectionné manuellement. Les recruteurs devaient examiner chaque CV séparément et extraire les données pertinentes pour voir s'ils étaient adaptés au poste. Ce processus prend énormément de temps et peut avoir des répercussions sur la qualité des candidats. L'analyse des CV ou OCR CV fournit des solutions à la plupart des problèmes rencontrés lors de la sélection manuelle des CV. Dans cet article, nous allons nous concentrer sur cette technologie.

‍

Qu'est-ce que l'analyse des CV :

Cette technologie est construite en deux étapes, la première étape est l'extraction de texte avec OCR (pour Reconnaissance optique de caractères) il extrait un texte à partir de différents types de fichiers : pdf, Docx, JPEG, PNG, etc. Leur objectif est uniquement de récupérer les textes du document sans avoir à modifier la structure du document.

La deuxième étape serait la catégorisation des données, où le texte extrait est classé en clés et en balises, telles que les informations personnelles et les compétences ; elle est basée sur des algorithmes d'apprentissage en profondeur et la NER (reconnaissance d'entités nommées).

Le résultat final de l'analyse est un formulaire structuré lisible par ordinateur, tel que JSON ou XML ; cela facilite son stockage dans une base de données et son analyse automatique.

‍

Cas d'utilisation :

L'OCR Resume ou l'analyse de CV est principalement utilisé dans le domaine des ressources humaines et du recrutement. À l'heure actuelle, le secteur du recrutement pèse plus de 200 milliards de dollars dans le monde, avec une croissance qui augmente d'année en année. Des millions de personnes téléchargent des CV et postulent à des emplois chaque jour sur des milliers de plateformes d'emploi.

Maintenant, avec l'entrée des ordinateurs et de l'intelligence artificielle, cela a davantage affecté le processus de recrutement en introduisant des logiciels tels que le système de suivi des candidats (ATS) dont fait désormais partie l'analyseur de CV. Le recruteur peut définir des critères pour le poste et les candidats ne correspondant pas à ceux-ci peuvent être filtrés rapidement et automatiquement, il commence par télécharger automatiquement ou manuellement toutes les candidatures pour le poste dans l'ATS. Une fois qu'ils sont téléchargés, l'outil d'analyse des CV scanne chaque document et extrait les informations pertinentes telles que l'expérience professionnelle, les compétences, les coordonnées, la formation, les certifications et les certifications professionnelles. Les recruteurs peuvent même personnaliser certains des champs qui ne figurent peut-être pas dans un CV traditionnel mais qui sont nécessaires pour le poste.

‍

Reprendre les moteurs d'API d'analyse syntaxique :

Au cours de notre étude sur les API Resume Parser, nous avons décidé de choisir 3 fournisseurs d'API offrant des performances élevées selon de nombreux articles de blog et classements.

• Flux de ressources humaines
• Affinda
• Sovren

Voici la liste des API des fournisseurs que nous allons tester. Il est intéressant de noter que d'autres solutions et solutions open source existent.

Cas d'utilisation testé :

Comme indiqué précédemment, les API d'analyse des CV sont principalement utilisées avec le logiciel ATS pour le recrutement. Dans cet article, nous allons tester différentes API d'analyseurs de CV avec plus de 40 CV.

Pour chacun des 40 CV fournis par une entreprise, nous avons testé les 3 API. Bien entendu, pour un projet réel, vous devrez effectuer des tests sur une partie représentative de votre base de données pour avoir une vision correcte des différentes performances.

Dans notre benchmark, nous voulions comparer les performances des API dans différents domaines : nom complet, numéro, adresse, formation, expérience professionnelle (description + date) et compétences.

Notez que certains fournisseurs extraient plus de 100 champs du CV, mais comme nous ne voulons que des informations traditionnelles sur le candidat, nous nous sommes concentrés uniquement sur celles-ci.

La réponse de l'API est une réponse json qui sera utilisée pour développer un ATS personnalisé en extrayant les clés spécifiques.

‍

Défis liés à l'analyse des API (Eden AI) :

Lors de l'utilisation de différentes API pour l'analyse, nous avons rencontré certains défis. Certains prestataires peuvent obtenir de bons résultats sur des informations de base telles que le nom, l'adresse et les compétences, mais ne reprennent pas les expériences, tandis que d'autres obtiennent de bons résultats sur l'expérience et la formation, mais pas sur les informations de base.

Un autre défi concerne les clés renvoyées ; certaines API renvoient à la fois le nom de famille et le prénom, tandis que d'autres ont directement un nom complet de clé. Il en va de même pour l'expérience professionnelle où la description, le titre et la date sont inclus dans les mêmes clés dans certaines API.

Pour vous faciliter la tâche et contourner ces défis, nous avons utilisé la solution Eden AI pour utiliser les API de différents fournisseurs. Eden AI nous permet d'obtenir les résultats de plusieurs API d'analyse de CV avec une seule requête simple et de renvoyer une réponse standardisée pour chacune d'entre elles.

Vous n'avez pas besoin d'un prétraitement pour les comparer, donc si vous souhaitez combiner un résultat provenant de plusieurs fournisseurs, vous pouvez le faire facilement avec quelques lignes de code.

‍

URL = "https://api.edenai.run/v1/pretrained/ocr/ocr_cv"
Resume_path ="test.pdf"
header = {
    'Authorization': 'Bearer ' + key
    }
multipart_form_data = {
        'providers':str(['affinda']),
    }
files = {
    'files':open(Resume_path,'rb'),
}
response = requests.post(URL,data=multipart_form_data,files=files,headers=header)

‍

Ou utilisez simplement l'interface Web dans laquelle vous importez le CV et choisissez les fournisseurs que vous souhaitez tester.

‍

Vous pouvez également gérer et évaluer vos propres coûts pour chaque fournisseur disponible pour l'analyseur de CV. Cela vous donne une idée de votre projet car cela inclut le prix par demande.

‍

‍

Résultats :

‍

Veuillez noter que les résultats représentent le pourcentage de CV dont le résultat est exact ; une prédiction proche du champ réel sans être précise sera considérée comme une mauvaise prédiction, c'est-à-dire une prédiction du nom de famille mais pas du prénom.

Avertissement : Ces résultats ne sont pas une représentation précise des performances, ils dépendront toujours de votre ensemble de données.

‍

Conclusion :

Selon les données utilisées, la meilleure façon d'obtenir les meilleures performances est toujours différente. Pour certains cas d'utilisation, une API du fournisseur A sera la meilleure, pour un autre cas d'utilisation, l'API du fournisseur B est meilleure. Pour un cas d'utilisation plus complexe, une combinaison est peut-être nécessaire. Parfois, un modèle personnalisé peut être préférable.

Avec Eden AI, vous pouvez accéder rapidement à divers résultats provenant de différents fournisseurs. Vous pouvez ainsi avoir une meilleure idée de la solution qui vous convient le mieux.

‍

La prise de décision est la suivante :

Tout d'abord, vous analysez vos données sur Eden AI pour comparer les solutions disponibles sur le marché.

Ensuite, vous pouvez soit trouver un résultat qui vous pousse à choisir une API qui répond à vos besoins, soit différents fournisseurs qui vous donnent de bons résultats dans différents domaines. Vous pouvez ainsi créer votre propre modèle personnalisé en combinant plusieurs fournisseurs.

Ce processus vous garantit de faire le bon choix pour réussir votre projet. Eden AI est l'API universelle qui vous permet d'utiliser de manière flexible tous ces moteurs d'analyse de CV pour toujours obtenir le meilleur rapport performances/coûts.

Si vous souhaitez en savoir plus sur Eden AI ou simplement discuter avec nous, n'hésitez pas à prenez rendez-vous ou écrivez-nous!