Lire 500 000 avis de salariés pour orienter des carrières
Le contexte, ce que j'ai construit, et ce que ça a donné.
Le problème
Une plateforme d'orientation professionnelle qui conseillait sans données.
Un volume illisible par des humains : plus de 500 000 avis, impossibles à exploiter manuellement.
Des sources hétérogènes : plusieurs plateformes, des formats différents, une qualité inégale.
Une information noyée dans le bruit : l'essentiel tient en quelques phrases perdues dans des textes longs.
Un conseil trop générique : sans données, l'orientation reposait sur des impressions.
Ce que j'ai construit
Une chaîne complète qui collecte, lit et classe les avis, puis les met en face du profil de chaque apprenant.
1. Collecte à grande échelle
Récupération automatisée depuis plusieurs plateformes d'avis
Normalisation des formats
Contrôle de qualité à chaque étape, 99,2 % de données exploitables
2. Analyse automatique du contenu
Classement de plus de 100 000 avis par thème : culture, valeurs, équilibre de vie
Extraction de plus de 40 signaux exploitables
Détection de ce qui distingue vraiment une entreprise d'une autre
3. Moteur de recommandation
Mise en correspondance entre le profil de l'apprenant et les signaux extraits
Restitution compréhensible, avec les éléments qui justifient la recommandation
Aide à la décision pour plus de 10 000 apprenants
4. Mise à l'échelle
Mise à jour incrémentale plutôt que recollecte complète
Stockage structuré et interrogeable
Coût de traitement maîtrisé dans la durée
Le résultat
Le conseil d'orientation est passé de l'impression à la donnée, pour plus de dix mille apprenants. La rétention a progressé de 23 %.
500k+
Avis traités
99,2%
Fiabilité
+23%
Rétention