Identité et coordonnées
Nom, prénom et coordonnées présents dans le CV.
Parsing par règles · 1 crédit par CV · 56 champs
Parsing de CV par règles pour structurer vos candidatures à volume
Transformez les informations des CV en fiches candidats structurées grâce à une extraction déterministe. Utilisez un mode IA lorsque le document ou les informations recherchées demandent davantage de contexte.
Parsing par règles · 1 crédit par CV · 56 champs
Qu’est-ce que le parsing de CV par règles ?
Le parsing transforme un document destiné à être lu par une personne en données structurées pour un logiciel de recrutement. Le mode par règles identifie et normalise les informations présentes dans le CV afin de créer une fiche candidat exploitable dans votre ATS, votre base ou vos workflows internes.
Quelles données un parser de CV peut-il structurer ?
Le mode par règles met à disposition 56 champs pour organiser les informations détectées dans le document.
Expérience professionnelle
Postes, entreprises, périodes et éléments de parcours détectés.
Formation
Diplômes, établissements et dates indiqués dans le document.
Compétences
Compétences extraites et organisées dans le profil candidat.
Langues et autres données
Autres champs disponibles lorsque le CV contient les informations correspondantes.
56 désigne le nombre de champs disponibles, pas le nombre de champs garantis comme remplis pour chaque CV. Les résultats dépendent des informations présentes dans le document.
Du CV à la fiche candidat structurée
Le moteur lit le document, repère les informations prises en charge et les range dans des champs cohérents pour faciliter leur vérification et leur utilisation.
1. Lire le document
Extraire le contenu exploitable du CV transmis.
2. Repérer les données
Identifier les coordonnées, compétences, expériences et autres informations disponibles.
3. Normaliser
Organiser les valeurs détectées dans les champs candidat correspondants.
4. Exploiter le résultat
Vérifier la fiche puis l’utiliser dans CVReaderPro, un ATS ou un autre workflow.
Un moteur par règles qui évolue avec les retours
Le fonctionnement du parsing et l’amélioration du moteur sont deux étapes distinctes.
Pendant le parsing par règles
L’extraction s’appuie sur les règles et mécanismes de normalisation du moteur. Aucun modèle d’intelligence artificielle n’est appelé pour chaque CV traité dans ce mode.
Pour faire évoluer le moteur
Les corrections manuelles validées et les résultats du parsing IA peuvent contribuer à repérer des cas à améliorer et à faire évoluer le moteur par règles.
Les corrections et résultats servent de retours pour examiner le moteur. Cela ne signifie ni qu’une règle est modifiée automatiquement après chaque correction, ni qu’un modèle IA intervient lors d’un parsing par règles.
Examiner un exemple de résultat structuré
Les exemples synthétiques ci-dessous permettent de consulter le format des données renvoyées. Ils illustrent la structure de sortie et ne constituent pas une mesure de performance.
CV fictif
Document sourceClaire Martin
Développeuse Java · Lyon
- Expériences
- Développeuse Java — NovaTech · depuis mars 2022
Développeuse logiciel — Digital Solutions · 2019–2022 - Formation
- Master Informatique — Université de Lyon
- Compétences
- Java · Spring Boot · SQL · Git · Docker
Aperçu des données structurées
JSON illustratif{
"candidate": {
"firstName": "Claire",
"lastName": "Martin",
"jobTitle": "Développeuse Java",
"city": "Lyon"
},
"experiences": [
{
"mission": "Développeuse Java",
"company": "NovaTech",
"startMonth": "03",
"startYear": "2022",
"endMonth": "",
"endYear": "",
"currentPosition": true
},
{
"mission": "Développeuse logiciel",
"company": "Digital Solutions",
"startMonth": "09",
"startYear": "2019",
"endMonth": "02",
"endYear": "2022",
"currentPosition": false
}
],
"educations": [
{
"dateReceived": "2019",
"title": "Master Informatique",
"school": "Université de Lyon",
"description": ""
}
],
"skills": [
{
"name": "Java",
"level": ""
},
{
"name": "Spring Boot",
"level": ""
},
{
"name": "SQL",
"level": ""
},
{
"name": "Git",
"level": ""
},
{
"name": "Docker",
"level": ""
}
]
}Exemple pédagogique, pas une mesure de performance. Les résultats réels dépendent du document et des informations qu’il contient. Les exemples enregistrés du produit sont proposés juste après.
Explorer un exemple synthétique
Téléchargez les CV sources et les sorties API enregistrées. Les personnes, entreprises et offres sont fictives. Les documents exemples sont en anglais ; les résultats dépendent du document et du parser et nécessitent une revue humaine.
Quand choisir le parsing de CV par règles ?
Ce mode est adapté aux organisations qui doivent transformer un flux de CV en données candidat homogènes, notamment lorsque le volume et l’intégration comptent.
Cabinets de recrutement
Structurez les CV reçus pour alimenter vos fiches candidats sans ressaisir les informations déjà présentes.
ESN et sociétés de staffing
Convertissez les CV et profils consultants en données structurées avant la recherche, le matching ou la préparation d’un CV client.
Éditeurs d’ATS
Intégrez l’extraction de CV à votre application et réservez les modes IA aux cas qui demandent davantage de contexte.
Équipes RH
Centralisez les informations essentielles dans des profils homogènes au lieu de travailler uniquement à partir de documents non structurés.
Parsing par règles ou parsing IA : quel mode choisir ?
Choisissez le niveau de traitement selon le document, le niveau de contexte nécessaire et le coût par CV.
| Mode | Crédits / CV | Champs | Type d’extraction | À privilégier lorsque |
|---|---|---|---|---|
| Parsing par règles | 1 | 56 | Règles déterministes | Une extraction standardisée suffit ou le volume de CV est important. |
| Parsing IA 56 | 3 | 56 | Modèle IA avec davantage de contexte | Le CV demande plus d’interprétation contextuelle. |
| Parsing IA 96 | 5 | 96 | Interprétation IA plus approfondie | Vous avez besoin d’une fiche candidat plus détaillée. |
Les champs réellement renseignés varient selon les informations présentes et exploitables dans chaque CV. Le mode IA ne remplace pas systématiquement le mode par règles.
Formats pris en charge et limites
Les flux publics de démonstration de CVReaderPro acceptent notamment les formats suivants :
- DOC
- DOCX
- TXT
À garder en tête
- Une information absente du CV ne peut pas être inventée ou renseignée comme si elle était présente.
- Le nombre de champs remplis varie d’un document à l’autre.
- La structure et la qualité du CV peuvent influencer l’extraction.
- Évaluez le résultat sur un échantillon représentatif de vos propres CV.
Utiliser le parsing dans CVReaderPro ou l’intégrer à votre ATS
Choisissez le parcours qui correspond à votre équipe et à votre niveau d’automatisation.
Depuis l’interface CVReaderPro
Importez un CV, consultez les données structurées et poursuivez votre workflow de recrutement.
Tester gratuitement avec 200 créditsDepuis un ATS ou une application
Utilisez l’API pour intégrer l’extraction à votre ATS, votre logiciel RH ou votre infrastructure.
Comparer les options de l’APICombien coûte le parsing de CV par règles ?
Le mode par règles consomme moins de crédits que les modes IA et permet de tester un volume conséquent pendant l’essai.
- Parsing par règles : 1 crédit par CV traité.
- Parsing IA 56 : 3 crédits par CV. Parsing IA 96 : 5 crédits par CV.
- L’essai comprend 200 crédits pendant 14 jours, sans carte bancaire.
- Si vous consacrez ces 200 crédits au seul mode par règles, vous pouvez traiter jusqu’à 200 CV.
- Pour évaluer le moteur, testez plusieurs CV représentatifs de ceux que reçoit votre organisation.
Poursuivre votre parcours
Questions fréquentes sur le parsing de CV par règles
Quelle différence entre parsing par règles et parsing IA ?
Le mode par règles applique des mécanismes déterministes d’extraction et de normalisation, à 1 crédit par CV pour 56 champs disponibles. Les modes IA utilisent un modèle pour interpréter davantage le contenu : IA 56 coûte 3 crédits et IA 96 coûte 5 crédits par CV.
Les corrections manuelles et les résultats IA font-ils évoluer le moteur ?
Les corrections manuelles validées et les résultats du parsing IA peuvent contribuer à identifier des cas à améliorer. Les ajustements du moteur sont examinés et décidés séparément ; ils ne sont pas appliqués automatiquement après chaque correction.
Les 56 champs sont-ils toujours renseignés ?
Non. 56 correspond aux champs disponibles dans ce mode. Les champs remplis dépendent des informations présentes et exploitables dans le CV.
Quels formats de CV puis-je tester ?
Les flux publics de démonstration acceptent notamment les fichiers PDF, DOC, DOCX et TXT. Testez vos propres documents pendant l’essai pour vérifier leur compatibilité avec votre workflow.
Puis-je intégrer le parsing à mon ATS ?
Oui. L’API permet d’exploiter les données structurées dans un ATS ou une autre application. Consultez la page API et sa documentation pour les détails d’intégration.
Combien de CV puis-je traiter avec l’essai ?
L’essai comprend 200 crédits pendant 14 jours. Comme le mode par règles coûte 1 crédit par CV, cela représente jusqu’à 200 CV si tous les crédits sont consacrés à ce mode.
Le parsing par règles fait-il appel à l’IA ?
Non. Ce mode s’appuie sur les règles d’extraction et de normalisation. Aucun modèle IA n’est appelé pour chaque document traité dans le mode par règles.
Testez le parsing par règles sur vos CV
Importez plusieurs types de documents, examinez les données structurées et choisissez le mode adapté à votre volume, à vos CV et à votre workflow.