Toutes les expérimentations ne se soldent pas par une adoption durable, et celle-ci mérite d’être racontée précisément parce qu’elle s’est terminée par un retour en arrière assumé. Une plateforme régionale de recrutement, construite sur WordPress avec une extension métier pour la gestion des offres d’emploi, a testé début 2023 la génération automatique de ses annonces par un modèle de langage, avant d’y renoncer trois mois plus tard.
Le contexte de départ semblait pourtant favorable : un volume d’offres important, une équipe réduite pour les rédiger, et un besoin réel d’harmoniser le ton entre les annonces déposées brutes par les entreprises clientes et celles publiées sur la plateforme.
Le dispositif initial : reformuler les offres brutes
Le principe consistait à faire relire par un modèle de langage chaque offre déposée par une entreprise recruteuse, souvent rédigée en interne sans grand soin éditorial, puis à en générer une version reformatée selon un gabarit fixe : intitulé du poste, missions, profil recherché, avantages. L’objectif affiché était de gagner en cohérence visuelle sur l’ensemble du catalogue d’annonces, sans réécrire le fond.
Sur le plan technique, l’appel passait par une extension personnalisée qui interrogeait l’API du modèle à l’enregistrement de chaque offre en type de contenu personnalisé, puis proposait le texte reformulé dans un champ distinct, à valider avant publication.
Le premier signal d’alerte : des candidatures en baisse
Au bout de six semaines, l’équipe a observé une baisse du taux de candidature sur les annonces reformulées par rapport aux annonces publiées telles quelles auparavant, à volume de vues comparable. L’hypothèse retenue après analyse : la reformulation gommait systématiquement les détails concrets qui donnaient envie de postuler, comme le nom du logiciel métier utilisé ou une particularité d’organisation du poste, au profit de formulations plus lisses et interchangeables d’une offre à l’autre.
Le constat interne qui a scellé la décision : deux annonces pour des postes très différents devenaient, une fois reformulées, presque indiscernables l’une de l’autre.
Les autres raisons qui ont pesé dans la balance
- Le temps de validation humaine restait quasiment identique à celui d’une rédaction directe, car chaque texte généré nécessitait malgré tout une relecture attentive.
- Certaines entreprises clientes se plaignaient de ne plus reconnaître le ton de leur offre initiale une fois reformulée.
- Le coût des appels à l’API, facturé au volume de texte traité, dépassait le budget initialement estimé dès le deuxième mois.
- Aucun gain mesurable n’apparaissait sur le référencement des pages d’offres, contrairement à l’hypothèse de départ.
Comment s’est fait le retour en arrière
La désactivation de la fonctionnalité s’est faite sans annonce particulière : le champ de reformulation automatique a simplement été retiré du formulaire d’administration, et les offres sont redevenues publiées telles que saisies par les entreprises, avec une simple relecture orthographique manuelle en interne.
Ce que cette expérience enseigne
Le cas illustre une limite fréquente des projets de génération de texte appliqués au recrutement : uniformiser le style peut faire perdre exactement ce qui rend une offre attractive, à savoir sa spécificité. Un modèle de langage excelle à lisser des textes hétérogènes, ce qui devient un défaut dès lors que l’hétérogénéité portait l’information utile.
En résumé
L’abandon de ce projet n’a rien d’un échec technique : l’intégration fonctionnait, l’API répondait correctement, le gabarit était respecté. C’est le résultat éditorial qui n’a pas convaincu, mesuré froidement par une baisse de candidatures. Une leçon utile pour quiconque envisage d’automatiser un contenu dont la valeur tient justement aux détails qu’une reformulation générique tend à effacer.
La responsable produit de la plateforme précise que rien n’exclut de revenir un jour sur une version plus ciblée du projet, par exemple en ne reformulant que la mise en page d’une annonce sans toucher au corps du texte descriptif des missions. Mais pour l’heure, la priorité de l’équipe s’est déplacée vers un chantier jugé plus rentable : l’amélioration du moteur de recherche interne du site, qui aide les candidats à retrouver plus facilement une offre correspondant à leurs critères, sans passer par une reformulation du contenu lui-même.
Ce choix illustre une maturité rare dans l’usage de l’intelligence artificielle en entreprise : accepter d’arrêter un projet qui fonctionne techniquement mais qui ne produit pas la valeur attendue, plutôt que de le maintenir par simple inertie ou par crainte de communiquer sur un abandon.
