Butterfly Predictive Project : mégadonnées et réseaux sociaux pour l'e-recrutement

Le RALI à l’Université de Montréal et son partenaire industriel LittleBigJob Networks Inc. développent une plate-forme pour améliorer le processus de recrutement de cadres et professionnels en exploitant le potentiel des mégadonnées (Big Data) sur plusieurs points de vue:

  • augmentation de la capacité à récolter et à combiner l’information de multiples sources dont les données publiques sur les médias sociaux;
  • création d’une ontologie du domaine du recrutement pour structurer les données; 
  • amélioration de la mise en correspondance entre des candidats et des offres d’emploi; 
  • développement de visualisations pour comprendre la situation de l’emploi tant pour les chercheurs d’emploi que pour les recruteurs;
  • prédiction du succès dans un nouveau poste;
  • génération de lettres de motivation pour inciter un profil à prendre contact avec les recruteurs. 

Le projet s’appuie sur l’analyse de données massives récoltées et anonymisées par le partenaire industriel. Le partenaire industriel a aussi fourni une liste d’une quarantaine de secteurs d’activité, appelés univers, chacun regroupant des familles de métiers assez proches et un ou plusieurs univers connexes. Les univers connexes à secteur donné sont ceux pour lesquels une transition est possible pour un candidat envisageant un changement de secteur.

Le RALI applique dans ce nouveau domaine son expertise reconnue dans le domaine du traitement de la langue tant en anglais qu’en français afin de construire de nouvelles ressources lexicales (vocabulaires spécialisés et ontologies dans le domaine du recrutement), d’analyser ces textes spécialisés et de développer de nouvelles méthodes de classement, d’appariement et de prédiction du succès d’un candidat dans un poste. Le défi est d’autant plus grand qu’il faut traiter de grandes quantités de texte de types différents: curriculum vitae, lettres de motivation, annonces de postes à pourvoir et des millions de profils tirés des réseaux sociaux ou sites d’emplois. Un volet du projet porte sur la rédaction automatique ou l’aide à la rédaction de profils personnalisés pour les candidats intéressés à progresser dans leur carrière.

Le partenaire industriel peut ainsi profiter de l’expérience du RALI en traitement bilingue de la langue pour intégrer de l’intelligence à ses applications de recrutement en ligne.

Ce projet a débuté en novembre 2014 et bénéficie d’une subvention de Recherche et développement coopérative (CRD)accordée par le Conseil de recherches en sciences naturelles et en génie du Canada. Le projet se poursuit jusqu’en novembre 2018.

Personnel

Professeurs: Guy Lapalme, Philippe Langlais

Chercheur :

  • Fabrizio Gotti : (2014-) : Analyse et présentation de données Il assure la coordination quotidienne du projet et fait le lien et le transfert des technologie chez le partenaire industriel. Il a développé une API pour accéder aux données pour une utilisation par l’ensemble de l’équipe. Il a analysé les données pour produire plusieurs modélisations et visualisations sur la distribution des candidats dans les différents univers, les transitions entre univers, les flux entre société ainsi que les parcours professionnels des candidats. Un travail a également été effectué pour identifier des profils intéressants sur des profils discrets, c’est-à-dire lorsque la personne n’a pas beaucoup renseigné son profil.

Post-doc:

  • Remy Kessler (2014-2016) : Ontologie pour l’e-recrutement Après avoir validé et nettoyé les données fournies par le partenaire industriel, il a développé une méthode d’analyse de corpus afin de générer une ontologie dans le domaine du e-recrutement. L’approche de construction semi-automatique s’appuie sur des millions de profils issus de plusieurs réseaux sociaux et sur des dizaines de milliers d’offres d’emploi collectées sur Internet pour faire émerger des compétences et des connaissances communes afin de construire un ensemble structuré de termes et concepts représentant chaque métier. La combinaison de statistiques et d’extraction de n-grammes de mots permet de créer une ontologie en anglais et en français contenant 440 métiers issus de 27 domaines d’activité. Chaque métier est ainsi relié aux compétences nécessaires à sa pratique pour un total d’environ 6 000 compétences différentes. Une évaluation manuelle sur une portion de l’ontologie a été réalisée par un expert du recrutement et a montré des résultats de très bonne qualité.

  • Annette Casagrande (2016-2017) : Analyse d’offres d’emploi Détection automatique du secteur d’activité d’offres d’emploi à l’aide de techniques d’apprentissage supervisé. Cette détection permet d’améliorer les résultats d’un tel système de recommandation appariant offres d’emploi et profils suivant les compétences et les expériences requises. 

Étudiant de doctorat

  • David Alfonso (2017-) : Ontologie à compléter

Étudiants de maîtrise:

  • Abdessamad Outerqiss (2015-2017): Baromètre de l’emploi Il a implémenté un tableau de bord permettant la visualisation des offres d’emploi sur le web. Ces offres étant composées de plusieurs sections : titre de l’offre, compagnie qui recrute, description de l’offre…etc., certaines informations contenues dans la description de l’offre ne peuvent pas être extraites directement. Pour l’extraction des compétences citées dans une offre, il a utilisé les techniques de l’apprentissage automatique et plus particulièrement les champs markoviens conditionnels (CRF) utilisés pour l’étiquetage des séquences. Les expériences menées visent également à tester la capacité de ces modèles à trouver ces compétences dans la description de l’offre avec un ensemble d’entrainement partiellement étiqueté. (http://rali.iro.umontreal.ca/rali/sites/default/files/publis/Mémoire_Outerqiss.pdf)

  • Mamadou Alimou Dieng (2015-2017): système d’appariement pour l’e-recrutement Il a utilisé des techniques de traitement automatique de la langue naturelle pour extraire automatiquement les informations pertinentes dans une offre d’emploi afin de construite une requête pour interroger la base de données de profils de candidats. Pour valider notre modèle d’extraction de métier, de compétences et de d’expérience, ces trois différentes tâches ont été évaluées séparément en se basant sur une référence de cent offres d’emploi canadiennes manuellement annotée. Pour valider l’outil d’appariement, le résultat de l’appariement de dix offres d’emploi canadiennes a été évalué par un expert en recrutement. (http://rali.iro.umontreal.ca/rali/sites/default/files/publis/Mémoire%20Mamadou.pdf)

  • Philippe Grand’Maison (2015-2017): Génération automatique de lettres de recrutement Il a développé un système de génération de la langue naturelle pour automatiser les lettres de contact envoyées par les chasseurs de tête. Les travaux de Ehud Reiter ont inspiré la portion de génération de texte. La génération du contenu est basée sur des règles d’associations obtenues par l’analyse statistique d’une base de données de profils LinkedIn. Le système écrit des lettres en anglais mais peut être facilement étendu à la langue française. (http://rali.iro.umontreal.ca/rali/sites/default/files/publis/Mémoire-PhilippeGrandMaison-Corrections.pdf)

  • Zack Soliman (2016 -) : Analyse de données avec Deep Learning à compléter

  • Philippe Piedboeuf (2017-) : Génération bilingue de lettres Il poursuit dans la lignée du projet de Philippe Grand’Maison pour générer le texte en français et pour l’intégrer dans l’environnement du partenaire industriel. 

Publications

  • Rémy Kessler, Guy Lapalme, AGOHRA : génération d’une ontologie dans le domaine des ressources humaines, TAL, Vol 58, no 1/2017, p 39-63.
  • Kessler, R., G. Lapalme, and É. Tondo, Génération d’une ontologie dans le domaine des ressources humaines, CORIA 2016, Toulouse, 03/2016.
  • Casagrande, A., F. Gotti, and G. Lapalme, Cerebra, un système de recommandation de candidats pour l’e-recrutement, Atelier interdisciplinaire sur les systèmes de recommandation (AISR) 2017, Paris, 06/2017.
  • Rémy Kessler, Fabrizio Gotti, Outerqiss Abdessamad, Guy Lapalme, Philippe Langlais, Et si les réseaux sociaux pouvaient nous aider dans nos choix de carrière?, 18e conférence Extraction et Gestion des Connaissances ECG 2018, janvier 2018, Paris.