Comment automatiser le tri de CV avec Make et l’IA : le guide complet

‍

Vous en avez marre de passer des heures à lire des CV ? Vous n’êtes pas seul. Aujourd’hui, une seule offre d’emploi peut générer plusieurs centaines de candidatures. Et quand on veut recruter sérieusement, ça représente un temps considérable à éplucher chaque profil. Heureusement, des outils comme Make et l’intelligence artificielle peuvent complètement transformer votre processus de recrutement.

Dans cet article, on vous montre comment automatiser le tri de vos CV avec un scénario Make testé en conditions réelles, basé sur des critères précis et adapté à n’importe quel poste. Objectif : ne garder que les meilleurs profils et dire adieu au tri manuel fastidieux.

Pourquoi automatiser le tri de CV ?

Si vous avez déjà posté une offre d’emploi sur LinkedIn, Indeed ou Welcome to the Jungle, vous le savez : les candidatures affluent. Dans une agence, on peut facilement recevoir entre 200 et 400 CV pour un seul poste. Sur 3 ans et demi, cela peut représenter plus de 9 000 CV… Rien que ça.

Lire un CV, le comprendre, l’évaluer… ça prend du temps. Trop de temps. Automatiser ce processus, c’est :

• Gagner des heures de travail chaque semaine.
• Réduire la fatigue mentale liée au tri manuel.
• Obtenir un tri plus cohérent et objectif.
• Se concentrer uniquement sur les candidatures à fort potentiel.

Présentation de l’automatisation complète (Make + IA)

🔹 1. Déclenchement à la réception d’un CV

Tout commence par un email. La majorité des sites de recrutement (comme Indeed) peuvent vous envoyer un mail à chaque nouvelle candidature. Il suffit d’activer cette option.

Avec Make, vous utilisez un module Email (Built-in) pour surveiller votre boîte de réception. L’automatisation se déclenche uniquement si :

• L’email est non lu
• Il provient d’un expéditeur spécifique (ex. LinkedIn ou Indeed)
• L’objet du mail contient une formule type (ex. « [Action requise] : nouvelle(s) candidature(s) pour... »)

Ce premier filtre évite à Make de scanner des mails inutiles.

🔹 2. Extraction et conversion du CV en texte

Le fichier PDF du CV est extrait de l’email, puis converti en texte brut grâce à l’outil PDF.co. Ce service en ligne gratuit transforme les PDF en fichiers lisibles par une IA.

Étapes :

• Extraction du PDF depuis l’email
• Conversion PDF → Texte (format JSON)
• Résultat propre et exploitable par un assistant GPT

🔹 3. Analyse automatique du CV avec l’intelligence artificielle

C’est là que l’automatisation devient puissante. Grâce à un assistant IA personnalisé (via OpenAI Playground), chaque CV est noté sur 5 selon des critères que vous définissez en fonction du poste.

Par exemple, pour un recrutement en alternance, l’un des critères était :

« Identifier le rythme d'alternance. Les rythmes idéals sont 4 jours/semaine en entreprise ou 3 semaines entreprise / 1 semaine école. En dessous de 2,5 jours : note = 0. »

Vous pouvez définir autant de critères que nécessaire, tant qu’ils sont clairs, précis, et lisibles par l’IA. L’assistant compare alors le contenu du CV avec la fiche de poste que vous lui transmettez, et génère une note accompagnée d’un commentaire détaillé.

🔹 4. Structure des résultats & filtrage intelligent

L’IA renvoie une réponse structurée en JSON avec deux clés :

{
 "note": 4,
 "commentaire": "Le candidat présente une expérience solide, un bon rythme d'alternance et une bonne maîtrise des outils de communication."
}


Un module Parse JSON s’assure que Make traite bien les données, même si l’IA fait quelques erreurs de formatage.

Ensuite, un filtre est appliqué. Par exemple, vous pouvez ne garder que les candidatures avec une note ≥ 3. Ce seuil est modifiable selon votre niveau d’exigence.

🔹 5. Extraction d’informations clés du CV

Un module intelligent permet ensuite d’extraire automatiquement les données importantes du texte du CV :

• Nom et prénom
• Email
• Numéro de téléphone
• Âge
• Rythme d’alternance

Vous guidez l’IA en lui donnant le nom des champs, leur description et le type de données attendu. Résultat : des variables propres, prêtes à être utilisées.

🔹 6. Enregistrement dans une base de données Notion

Les candidatures qui passent le filtre sont ensuite stockées dans Notion. Vous obtenez une fiche claire pour chaque candidat avec :

• Son nom
• Ses coordonnées
• Sa note
• Son commentaire
• Le lien vers son CV

Et vous pouvez même aller plus loin : dès qu’un candidat est marqué comme “à voir en visio”, une deuxième automatisation peut s’enclencher pour lui envoyer un lien de réservation pour un entretien.

Un test en conditions réelles : est-ce fiable ?

L’automatisation a été testée à grande échelle : 100 candidatures ont été triées manuellement et par l’automatisation. Résultat : seulement 2 % de différence.

Les quelques CV filtrés à tort par l’IA étaient des cas limites, jamais des profils évidents. Et c’est justement pour cette raison que le seuil de note a été fixé à 3 : mieux vaut laisser passer quelques profils moyens que rater une pépite.

Ce qu’il faut retenir

• L’automatisation du tri de CV ne remplace pas le jugement humain, mais il le complète intelligemment.
• Tout repose sur la qualité des critères et la clarté des prompts.
• Une fois bien paramétrée, cette automatisation devient un coéquipier fiable dans vos recrutements.

En résumé

Automatiser le tri de CV avec Make et une IA personnalisée, c’est possible, accessible, et ultra efficace.
Vous gagnez des heures, sans sacrifier la qualité de vos recrutements. Et surtout, vous vous concentrez enfin sur ce qui compte : les entretiens avec les bons candidats.

‍