16Configuration ODESA

Le trieur de CV

Indexer un dossier de candidatures pour présélectionner, classer et résumer les profils selon des critères exprimés en langage naturel, en appui à la décision humaine.

Besoin métier

Sur les postes à fort volume, le tri manuel des CV est chronophage, fatigant et inégal : critères oubliés, attention qui baisse, bons profils manqués à cause d'un format atypique. Le besoin : appliquer de façon homogène un ensemble de critères à l'ensemble des candidatures pour obtenir une liste courte classée et résumée, la décision finale restant humaine.

Comment ça fonctionne

1

On désigne le dossier contenant les CV à indexer.

2

ODESA indexe le contenu plein-texte (moteur SQLite FTS5), recherche par pertinence, insensible à la casse et aux accents.

3

Formats pris en charge, notamment ceux des CV : PDF (.pdf), Word (.docx), ainsi que txt, md, html, csv, json, xml, Excel (.xlsx).

4

Le recruteur décrit le profil recherché en langage naturel (compétences, années d'expérience, langues, localisation, etc.).

5

L'IA interroge l'index, identifie les CV correspondants, les classe par pertinence et lit les documents retenus pour en extraire les éléments clés.

6

L'IA restitue une liste courte : pour chaque candidat, le fichier source, les points forts au regard des critères, et les réserves (critère non confirmé). La décision et la suite du processus restent humaines.

Capacités ODESA mobilisées

index (plein-texte)

Rechercher dans le contenu des CV les compétences et critères demandés ; classer par pertinence.

fichiers (fs)

Ouvrir et lire le CV retenu pour confirmer les critères et produire le résumé.

interaction humaine (ui)

Optionnel : confirmer le lancement d'une présélection ou afficher un récapitulatif.

Déroulé type

1

Le recruteur : « Présélectionne les candidats avec 3+ ans en data engineering, maîtrise de SQL et Spark, anglais professionnel, basés ou mobiles en Île-de-France. »

2

L'IA recherche dans l'index (« data engineering », « SQL », « Spark », « anglais », « Île-de-France », etc.).

3

L'index renvoie les CV pertinents, classés.

4

L'IA lit les CV retenus et confirme/infirme chaque critère.

5

Elle restitue : « 11 profils. 1) CV_Martin.pdf, 4 ans data eng, SQL+Spark confirmés, anglais mentionné, IDF. Réserve : Spark cité sans niveau. … »

6

Suivi : « Garde seulement ceux qui mentionnent Airflow. » → l'IA affine la liste.

Données & accès
  • Le dossier contenant les CV (lecture).
  • Droits de lecture du système de fichiers sur ce dossier.
  • Aucun service externe requis : l'index est autonome et local.
Bornage & sécurité
  • Racines autorisées (jail) : uniquement le dossier de candidatures. ODESA ne lit que ce périmètre.
  • Dossiers indexés : le répertoire de CV, déclaré explicitement.
  • Capacités activées : index et fichiers (lecture seule) ; web, sql, com fermés.
  • Jeton d'accès (Bearer) : tout appel est protégé.
  • Configuration verrouillable : chiffrable/protégeable par mot de passe, recommandé (données personnelles).
  • Local : CV et index restent sur les machines du client, ce qui sert la conformité RGPD.

Mise en place

Les étapes pour configurer ODESA sur ce cas d'usage.

1

Installer ODESA (exécutable, double-clic).

2

Déclarer la racine autorisée et le dossier de CV à indexer.

3

Activer index et fichiers (lecture seule) ; lancer l'indexation initiale.

4

Connecter l'IA conversationnelle (jeton) et tester avec un jeu de critères connu.

5

Définir une politique de purge des CV en fin de processus (RGPD) : suppression du dossier indexé.

Limites & points d'attention
  • Aide à la présélection, pas décision automatique : le choix des candidats reste humain.
  • Vigilance aux biais : formuler des critères liés à la compétence, éviter tout critère discriminatoire (âge, origine, sexe…). La présélection doit rester équitable et conforme au droit du travail.
  • Les PDF scannés non océrisés ne sont pas extractibles ; les CV très graphiques (images) peuvent être mal lus.
  • Une compétence formulée autrement que le critère peut être manquée : varier les termes améliore le rappel.
  • Les résumés doivent être vérifiés contre le CV source avant toute décision.
  • Respecter les durées de conservation des candidatures (RGPD) : purger l'index et les fichiers en fin de processus.
Évolutions possibles
  • Ajouter des fonctions métier (VScript) pour normaliser les critères récurrents d'un poste type.
  • Croiser avec une base de données (sql) de suivi des candidatures (ATS) pour tracer le statut.
  • Planifier via VAILS un pré-tri automatique des nouvelles candidatures arrivant dans le dossier.
  • Générer un compte-rendu de présélection exportable pour l'équipe de recrutement.

Mettez ODESA au travail.

ODESA installe l'IA agentique chez vos clients, en local et sous contrôle. Devenez le partenaire qui la déploie.

16ODESA configuration

The CV sorter

Index an applications folder to shortlist, rank and summarise profiles against criteria expressed in plain language, in support of human decision.

Business need

On high-volume roles, manual CV sorting is time-consuming, tiring and uneven: forgotten criteria, dropping attention, good profiles missed because of an atypical format. The need: apply a set of criteria consistently to all applications to obtain a ranked, summarised shortlist, the final decision staying human.

How it works

1

You designate the folder containing the CVs to index.

2

ODESA indexes the full-text content (SQLite FTS5 engine), relevance search, case- and accent-insensitive.

3

Supported formats, notably CV formats: PDF (.pdf), Word (.docx), plus txt, md, html, csv, json, xml, Excel (.xlsx).

4

The recruiter describes the profile sought in plain language (skills, years of experience, languages, location, etc.).

5

The AI searches the index, identifies the matching CVs, ranks them by relevance and reads the retained documents to extract the key elements.

6

The AI returns a shortlist: for each candidate, the source file, the strengths against the criteria, and the reservations (unconfirmed criterion). The decision and the rest of the process stay human.

ODESA capabilities used

Full-text index

Search the content of CVs for the requested skills and criteria; rank by relevance.

Files (fs)

Open and read the retained CV to confirm the criteria and produce the summary.

Human interaction (ui)

Optional: confirm the launch of a shortlist or display a recap.

Typical flow

1

The recruiter: "Shortlist candidates with 3+ years in data engineering, mastery of SQL and Spark, professional English, based or mobile in the Paris region."

2

The AI searches the index ("data engineering", "SQL", "Spark", "English", "Paris region", etc.).

3

The index returns the relevant CVs, ranked.

4

The AI reads the retained CVs and confirms/refutes each criterion.

5

It returns: "11 profiles. 1) CV_Martin.pdf, 4 years data eng, SQL+Spark confirmed, English mentioned, Paris region. Reservation: Spark cited without level. …"

6

Follow-up: "Keep only those who mention Airflow." → the AI refines the list.

Data & access
  • The folder containing the CVs (read).
  • Filesystem read permissions on that folder.
  • No external service required: the index is self-contained and local.
Scope & security
  • Allowed roots (jail): only the applications folder. ODESA reads only that perimeter.
  • Indexed folders: the CV directory, declared explicitly.
  • Enabled capabilities: index and files (read-only); web, sql, com closed.
  • Access token (Bearer): every call is protected.
  • Lockable configuration: encryptable/password-protectable, recommended (personal data).
  • Local: CVs and index stay on the customer's machines, which serves GDPR compliance.

Setup

The steps to configure ODESA for this use case.

1

Install ODESA (executable, double-click).

2

Declare the allowed root and the CV folder to index.

3

Enable index and files (read-only); run the initial indexing.

4

Connect the conversational AI (token) and test with a known set of criteria.

5

Define a CV purge policy at the end of the process (GDPR): deletion of the indexed folder.

Limits & caveats
  • Shortlisting aid, not automatic decision: the choice of candidates stays human.
  • Watch for bias: phrase criteria tied to skills, avoid any discriminatory criterion (age, origin, sex…). Shortlisting must stay fair and compliant with labour law.
  • Non-OCR'd scanned PDFs cannot be extracted; very graphic CVs (images) may be read poorly.
  • A skill phrased differently from the criterion may be missed: varying the terms improves recall.
  • The summaries must be checked against the source CV before any decision.
  • Respect the application retention periods (GDPR): purge the index and the files at the end of the process.
Possible extensions
  • Add business functions (VScript) to standardise recurring criteria for a typical role.
  • Cross-reference with an application-tracking database (ATS) to record the status.
  • Schedule via VAILS an automatic pre-sort of new applications arriving in the folder.
  • Generate an exportable shortlist report for the recruitment team.

Put ODESA to work.

ODESA brings agentic AI to your clients, locally and under control. Become the partner who deploys it.