Tous les cas d'usage
UC-10 · Talent Acquisition

Analyse prédictive du pipeline de recrutement

L'agent analyse le pipeline, prédit les délais de closing, identifie les goulots et alerte proactivement.

Impact · Meilleure visibilité pour les hiring managers, anticipation des retards.
AshbyGreenhouseGoogle SheetsClaude APIMake

En quoi ça consiste

Bonjour ! Nous allons transformer votre pipeline de recrutement passif en un outil prédictif intelligent. Fini les surprises de dernière minute : votre 'Pipeline Prediction Agent' va analyser vos données Ashby ou Greenhouse pour prédire quand un poste sera pourvu et repérer les candidats qui 'stagnent' trop longtemps. Le tout, orchestré par Gemini.

Prérequis

  • Un compte Google (Gemini/Sheets)
  • Un accès Admin ou Export sur votre ATS (Ashby ou Greenhouse)
  • Un compte Make.com (plan gratuit suffisant pour débuter)
  • Une clé API Gemini (gratuite sur Google AI Studio)

Étapes pas-à-pas

  1. 1

    Préparation de la source de données RH

    Exportez vos données de recrutement (Candidat, Étape actuelle, Date d'entrée dans l'étape, Score) depuis Ashby ou Greenhouse vers un fichier Google Sheets. Organisez les colonnes clairement : Nom du poste, Candidat, Étape, Jours dans l'étape.

    Prompt Gemini à coller
    Agis en tant qu'expert Data RH. Analyse ce tableau de données et vérifie s'il manque des informations cruciales pour calculer le temps moyen de recrutement par étape. Voici mes colonnes : [Lister vos colonnes]. Que dois-je ajouter ?
    Aide Export Greenhouse Aide Export Ashby
  2. 2

    Connexion entre les données et Gemini via Make

    Créez un scénario Make.com. Le module initial doit être 'Google Sheets - Watch Rows'. Connectez ensuite une étape 'HTTP Request' ou le connecteur 'Google Gemini' (si disponible dans votre région sur Make) pour envoyer les données à l'IA.

    Prompt Gemini à coller
    Crée un format JSON pour envoyer les données de ma feuille Google Sheets à une API. Les données sont : {{Nom_Candidat}}, {{Etape_Actuelle}}, {{Duree_Etape}}.
    Créer un compte Make Doc API Gemini
  3. 3

    Configuration du cerveau Gemini (Pipeline Prediction Agent)

    Dans Google AI Studio, créez une instruction système pour votre agent. Copiez-le 'prompt_gemini_principal' fourni plus bas. C'est ici que l'IA va apprendre à identifier les délais 'anormaux' et à prédire la date de closing.

    Prompt Gemini à coller
    Simule une analyse : Si un candidat est en 'Entretien Technique' depuis 12 jours et que la moyenne est de 5 jours, quelle est l'alerte à générer ?
    Google AI Studio (Gratuit)
  4. 4

    Automatisation des alertes et prédictions

    La dernière version de l'analyse doit être renvoyée dans un onglet 'Reporting' de votre Google Sheets ou envoyée par email au Hiring Manager via un module Gmail dans Make. Cela permet une action immédiate.

    Prompt Gemini à coller
    Rédige un modèle d'email court et professionnel pour un Hiring Manager, l'informant d'un risque de retard sur son poste (Nom du poste) avec une prédiction de closing à +15 jours.
    Tutoriel Make vers Gmail

Le prompt complet de votre agent Gemini

Tu es le 'Pipeline Prediction Agent', un expert en Talent Acquisition Analytics. 

TON RÔLE : 
Analyser les données de recrutement fournies pour identifier les risques de retard et prédire les dates de clôture des postes.

TES DONNÉES D'ENTRÉE :
- Nom du poste : {{Poste}}
- Étape actuelle du candidat : {{Etape}}
- Temps passé dans l'étape : {{Jours_Etape}}
- Taux de transformation historique (benchmark) : {{Benchmark_Conversion}}

TON ANALYSE :
1. ANALYSE DU GOULOT : Si le temps dans l'étape est 20% supérieur à la moyenne historique, marque le candidat comme 'À RISQUE'.
2. PRÉDICTION : Calcule la date estimée de closing en additionnant les temps moyens des étapes restantes.
3. ALERTES PROACTIVES : Identifie pourquoi le goulot existe (ex: manque de créneaux d'entretien, retard feedback).

FORMAT DE RÉPONSE ATTENDU (JSON ou Texte clair) :
- Statut de santé du pipeline (Vert/Orange/Rouge)
- Candidats critiques (Liste nom + raison)
- Délai de closing estimé : [Nombre de jours]
- Action recommandée pour le Hiring Manager.

Reste factuel, précis, et encourageant. Utilise un ton professionnel.

Résultat attendu

Chaque lundi matin, vous recevez un tableau mis à jour (ou un email) listant les postes dont le recrutement risque de déraper, avec une date de fin estimée et les actions correctives à mener auprès des managers.

Pièges à éviter

  • Oublier de nettoyer les données (ex: candidats non disqualifiés mais inactifs depuis 3 mois).
  • Vouloir analyser trop de données d'un coup : commencez par un seul département (ex: Tech ou Sales).
  • Ne pas définir de 'temps de passage idéal' par étape avant de lancer l'IA.

Pour aller plus loin

  • Intégrer l'analyse de sentiment sur les feedbacks d'entretien pour affiner la probabilité de closing.
  • Automatiser l'envoi de ces rapports dans un canal Slack dédié aux recruteurs.