La classification des offres d’emplois par apprentissage machine, par Annette Casagrande (Vendredis Quanti, 4 octobre 2019)
Voir le diaporama (pdf) :
Le travail présenté dans cette séance du vendredi 4 octobre 2019 par Annette Casagrande, ingénieure à Pacte, a été réalisé dans le cadre d’un contrat post-doctoral à l’université de Montréal. Dans le cadre de ce projet, intitulé « Butterfly Predictive Project » et porté par l’entreprise LittleBigJob, il s’agissait d’identifier des candidats potentiels pour un poste donné, et leurs chances de réussir dans le poste, dans un contexte où 70% des recruteurs reconnaissent avoir des difficultés à trouver les profils qu’ils recherchent.

Le projet a abouti au développement d’un système de recommandation appelé Cérébra. Dans le domaine de l’appariement entre offres d’emplois et candidatures, il y a plusieurs approches possibles : des approches sémantiques (notamment avec le système IMPAKT (Colucci et al.,2013)), des approches par des mesures de similarité, des approches par apprentissage machine, des approches par méthode vectorielle et utilisation des réseaux sociaux (Diaby et Vianet, 2014). La tâche reste cependant compliquée à cause de la structure libre de la rédaction des offres d’emplois et des candidatures.
Le corpus de travail est constitué de données qui étaient toutes fournies au format jSon :
- 140.000 offres en anglais, et 120.000 offres en français.
- 25 millions de profils canadiens et français « anonymisés » (sans nom ni prénom) issus de LinkedIn, Viadeo, Indeed, etc., renseignés presque totalement en champs libres (données textuelles). La plupart des profils contiennent moins de 300 caractères, donc environ 50 mots, ce qui est très peu.
Pour apparier offres et candidatures, on a utilisé deux algorithmes créés par l’équipe : WordMatcher (similarité des registres lexicaux les plus discriminants de part et d’autre) et SkillFinder (recherche de compétences en fonction d’une ontologie préalable enregistrant une liste de compétences). Préalablement à l’appariement, un travail de lemmatisation, puis de nettoyage orthographique à la main, a été effectué. L’analyse essaie ensuite d’extraire des compétences et des expériences, puis calcule un score combinant titre d’emploi, compétences et expériences.
L’outil est ensuite évalué sur un test de 86 offres évaluées « manuellement » par un panel de recruteurs, et un total de 320 candidats notés de 1 à 5 par le partenaire. La procédure, dans sa version initiale, a donné des résultats relativement peu satisfaisants, notamment en raison de la non-prise en compte de la localisation géographique des emplois et des candidatures. Sa prise en compte a ensuite amélioré significativement les résultats.
On a constaté ensuite que les entreprises souhaitent recruter des candidats issus du même domaine d’activité. Il a donc fallu donc détecter « l’univers d’appartenance » de la candidature et celui de l’offre d’emploi. C’est pour cette détection qu’on a mobilisé l’apprentissage machine. Quatre méthodes d’apprentissage ont été retenues : C4.5 (Quilan, 2014, arbre de décision et mesure d’entropie) ; k plus proches voisins ; forêt d’arbres de décision ; SMO (Sequential minimal optimization)(Platt,1999).
Manuellement, on constate que les employeurs classent les offres selon deux stratégies : selon l’activité de l’entreprise, ou selon le titre de l’emploi. Les corpus d’apprentissage ont été créé en fonction de ces deux stratégies, donnant lieu à plusieurs tests d’apprentissage.
L’apprentissage machine est effectué avec un logiciel qui s’appelle Weka, qu’on utilise soit via une interface, soit comme une librairie Java. Les résultats des différents algorithmes sont satisfaisants (de l’ordre de 70%), sauf sur le corpus d’apprentissage étiqueté manuellement (de l’ordre de 20 à 25%), en raison d’homonymies de noms d’entreprises, et de difficulté à cerner les sous-secteurs des entreprises informatiques.
Références bibliographiques
Colucci S., Tinelli E., Giannini S., Di Sciascio E., Donini F. M., “Knowledge compilation for core competence extraction in organizations”, International Conference on Business Information Systems, Springer, p. 163-174, 2013.
Diaby M., Viennet E., « Développement d’une application de recommandation d’offres d’emploi aux utilisateurs de Facebook et LinkedIn », Atelier Fouille de Données Complexes de la 14e Conférence Internationale Francophone sur l’Extraction et la Gestion des Connaissances (EGC’14), Rennes, 2014.
Platt J. C., “12 fast training of support vector machines using sequential minimal optimization”, Advances in kernel methods, p. 185-208, 1999, https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/smo-book.pdf.
Quinlan J. R., C4. 5 : programs for machine learning, Elsevier, 2014.