Candidate Analyzer
Candidate Analyzer utilise des embeddings semantiques et des modeles de langage pour scorer les candidats sur 5 dimensions ponderees : competences techniques (30%), experience professionnelle (25%), formation (15%), langues (15%) et localisation (15%). Le service analyse les CV structures ou bruts, les compare aux fiches de poste et genere un rapport detaille avec des recommandations. L'algorithme de matching va au-dela des mots-cles pour comprendre le sens reel des competences et experiences.
Cas d'usage
Pre-selection automatisee
Triez des centaines de candidatures en quelques secondes avec un scoring objectif et reproductible, eliminant les biais du tri manuel.
Matching poste-candidat
Identifiez les meilleurs profils de votre vivier pour un nouveau poste en croisant competences, experience et disponibilite.
Analyse de vivier
Cartographiez les competences de votre base de candidats pour identifier les forces, les lacunes et les opportunites de sourcing.
Comment ca marche
Envoi du CV et de la fiche de poste
Transmettez le CV du candidat (PDF, DOCX ou JSON structure) et la description du poste a pourvoir.
Vectorisation semantique
Le CV et la fiche de poste sont transformes en vecteurs semantiques pour une comparaison au-dela des simples mots-cles.
Scoring multi-dimensionnel
Le candidat est evalue sur 5 axes ponderes : competences (30%), experience (25%), formation (15%), langues (15%), localisation (15%).
Rapport et recommandations
Un rapport detaille est genere avec le score global, les scores par dimension, les points forts et les points d'attention.
Exemple d'appel API
import httpx
response = httpx.post(
class="text-teal">"https:class="text-text-faint italicclass="text-teal">">//api.djinn.dev/v1/analyze",
headers={class="text-teal">"X-API-Key": class="text-teal">"djinn_live_..."},
json={
class="text-teal">"candidate": {
class="text-teal">"cv_file_url": class="text-teal">"https:class="text-text-faint italicclass="text-teal">">//storage.example.com/cv_martin.pdf",
class="text-teal">"name": class="text-teal">"Sophie Martin",
},
class="text-teal">"job": {
class="text-teal">"title": class="text-teal">"Developpeur Python Senior",
class="text-teal">"skills": [class="text-teal">"Python", class="text-teal">"FastAPI", class="text-teal">"PostgreSQL", class="text-teal">"Docker"],
class="text-teal">"experience_years": 5,
class="text-teal">"location": class="text-teal">"Paris",
},
},
)
result = response.json()
print(fclass="text-teal">"Score global: {result['score']}/100")
for dim in result[class="text-teal">"dimensions"]:
print(fclass="text-teal">" {dim['name']}: {dim['score']}/100 (poids: {dim['weight']}%)")
print(fclass="text-teal">"Recommandation: {result['recommendation']}")Specifications techniques
Pret a integrer ce service ?
Testez l'API gratuitement avec 1 000 appels offerts. Integration en quelques minutes.