Tous les cas d'usage
UC-03 · Talent Acquisition

Sourcing automatisé LinkedIn + GitHub + Wellfound

L'agent recherche des profils selon les critères, les qualifie et constitue un vivier avec les contacts.

Impact · 3x plus de profils sourcés, réduction du temps de sourcing de 60%.
HireEZFindemATSMaken8n

En quoi ça consiste

Bienvenue ! Ce tutoriel va vous permettre de transformer votre processus de sourcing manuel et chronophage en une machine de guerre automatisée pilotée par Google Gemini. En couplant la puissance de recherche de LinkedIn/GitHub avec l'intelligence d'analyse de Gemini, vous allez libérer 60% de votre temps pour vous concentrer sur l'humain : les entretiens.

Prérequis

  • Un compte Make.com (plan gratuit suffisant pour débuter).
  • Une clé API Google AI Studio (gratuite) pour utiliser Gemini.
  • Une extension de scraping (PhantomBuster ou Bardeen.ai).
  • Un accès à votre ATS ou un Google Sheet structuré.

Étapes pas-à-pas

  1. 1

    Étape 1 : Préparation de la collecte de données (Scraping)

    Connectez votre LinkedIn, GitHub ou Wellfound à une extension de scraping (comme PhantomBuster ou Bardeen) pour extraire les profils automatiquement. Configurez un scénario Make (ex-Integromat) pour envoyer ces données brutes vers un Google Sheet.

    Prompt Gemini à coller
    Génère un tableau des points de données essentiels à extraire pour un profil Tech (Nom, Rôle actuel, Top Skills, Bio, URL Github) afin d'alimenter un système de sourcing automatisé.
    Plateforme Make.com Lien vers Gemini (Google)
  2. 2

    Étape 2 : Qualification intelligente avec l'IA

    Dans votre scénario Make, ajoutez un module "HTTP request" ou le module "Google Gemini" (si disponible) pour analyser les données collectées. Gemini va agir comme un filtre intelligent pour vérifier si le profil correspond VRAIMENT à votre fiche de poste.

    Prompt Gemini à coller
    Analyse ce profil extrait : {{donnees_scraping}}. Compare-le avec ce descriptif de poste : {{job_desc}}. Donne une note de 1 à 10 et résume les 3 points forts du candidat. Réponds uniquement en format JSON.
    Documentation Google AI Studio (API)
  3. 3

    Étape 3 : Automatisation du transfert vers l'ATS

    Configurez une branche "Si note > 7" dans Make pour que le profil qualifié soit automatiquement envoyé dans votre ATS (comme Greenhouse, Lever ou Welcome to the Jungle) ou vers un outil de recherche de contact comme Findem ou HireEZ.

    Prompt Gemini à coller
    Rédige un court message d'approche ultra-personnalisé pour ce candidat en mentionnant son dernier projet GitHub : {{github_project}}. Le ton doit être professionnel mais direct.
    Documentation Intégrations Make (ATS)
  4. 4

    Étape 4 : Structuration du vivier (Talent Pool)

    Utilisez Gemini pour transformer les bios vagues en résumés structurés dans votre base de données. L'agent doit classer chaque profil dans un 'Pool' spécifique (ex: Front-End, DevOps, IA) pour une recherche future facile.

    Prompt Gemini à coller
    En te basant sur l'historique et les compétences de {{nom_candidat}}, dans quel segment de notre vivier (Back-end, Data Science, Product) devrions-nous le classer ? Justifie en un mot.
    Google Sheets (pour le vivier)

Le prompt complet de votre agent Gemini

Tu es l'agent "Multi-source Talent Sourcing Specialist". Ta mission est d'analyser des profils candidats bruts issus de LinkedIn, GitHub et Wellfound pour les qualifier par rapport à des besoins de recrutement spécifiques.

DONNÉES EN ENTRÉE :
- Profil brut : {{profil_scrapé}}
- Fiche de Poste (JD) : {{fiche_de_poste}}

TES TÂCHES :
1. ANALYSE CRITIQUE : Vérifie la cohérence entre les expériences passées et les technos requises. Ne te fie pas uniquement aux mots-clés, analyse la complexité des projets (surtout via les titres de repos GitHub si disponibles).
2. SCORING : Attribue une note de 1 à 10 (10 = Fit parfait).
3. EXTRACTION : Identifie le point le plus impressionnant du profil pour une personnalisation d'email (ex: une promotion rapide, une contribution Open Source, un passage dans une scale-up).

STRUCTURE DE RÉPONSE (FORMAT JSON) :
{
"score": "note_sur_10",
"avis_expert": "résumé en une phrase",
"points_forts": ["point 1", "point 2"],
"crochet_personnalisation": "phrase d'accroche pour l'email",
"categorie_vivier": "nom du pool"
}

Reste objectif, concis et ultra-pertinent. Si un profil est trop éloigné, donne un score de 1 et ne rédige pas de personnalisation.

Résultat attendu

À la fin de ce guide, vous aurez un flux automatisé où : chaque candidat sourcé sur le web est analysé par Gemini, noté, et ajouté directement dans votre ATS avec un commentaire pré-rédigé pour votre première approche.

Pièges à éviter

  • Ne pas vérifier la conformité RGPD de l'outil de scraping utilisé.
  • Vouloir scraper trop de profils d'un coup (risque de blocage de compte LinkedIn). Allez-y progressivement.
  • Oublier de tester le prompt avec 2 ou 3 profils manuellement avant de lancer l'automatisation globale.

Pour aller plus loin

  • Ajouter une étape d'enrichissement d'email automatique avec Lusha ou Hunter.io via Make.
  • Connecter l'agent à Slack pour recevoir une notification dès qu'un profil "Note 10/10" est détecté.