JobTeaser : classification et recommandation au service de l’emploi

Pierre Bidet (Head of Data), Mously Diaw (Data Scientist) et Antoine Hirtz (Student Data Scientist, ancien élève du Mastère Spécialisé Big Data) sont venus le 17 janvier 2019 lors du séminaire hebdomadaire du Mastère Spécialisé pour présenter l’entreprise JobTeaser ainsi que certaines de leurs problématiques en big data et data science.

JobTeaser met à disposition des étudiants une plateforme pour les préparer à l’insertion professionnelle. Leur mission est de proposer aux étudiants tous les outils possibles et imaginables pour que tout au long de leur scolarité et la fin de leur scolarité, ils puissent trouver le job de leur rêve.

L’entreprise a été fondée en 2009. L’idée de départ était de proposer du contenu pour les étudiants (vidéos métier, contenus sur les entreprises et différents métiers dans ces entreprises) pour les aider à s’orienter. Dès 2013, à l’insertion dans l’Intranet des écoles et des universités, puis dès la première signature de contrat avec l’ESSEC, JobTeaser prend un autre tournant. En 2015, ils font une première levée de fond de 3 millions d’euros puis en 2017, une seconde s’élève à 15 millions d’euros. En 2018, l’écosystème dans lequel ils travaillent est le suivant : ils touchent 1,8 millions d’étudiants, plus de 400 écoles partenaires et 5 000 entreprises. Ils sont ainsi présents dans 13 pays d’Europe.

Le business model de JobTeaser est construit de sorte à ce que les écoles et les étudiants ne payent pas mais que les entreprises payent pour pouvoir multi-diffuser leurs offres. Les contenus proposés par la plateforme sont diversifiés. Le premier type de contenu concerne les événements, les offres d’emplois et les pages d’entreprises. Différentes fonctionnalités sont mises à disposition : on peut prendre des rendez-vous sur la plateforme avec un conseiller d’orientation de son école, avoir accès à des ressources pédagogiques mises à disposition par les enseignants, des newsletters automatiques, etc. Les contenus proposés sont soit exclusifs (accessibles uniquement aux étudiants de l’école), soit publics (multi-diffusés dans toutes les écoles ainsi que sur le site web).

La principale problématique à laquelle les équipes de JobTeaser sont confrontées est de transformer la plateforme actuelle en un véritable service carrière proposant une expérience personnalisée et enrichie pour l’étudiant utilisateur.

Différents cas d’études se présentent pour l’entreprise :

• La recommandation en temps réel des contenus les plus pertinents (offres, pages entreprise, etc.)
• L’extraction d’information à partir de contenus semi-structurés ou non structurés
• La construction de bases de données référentielles (et plus particulièrement pour les compétences et les métiers)
• La prévision du trafic sur la plateforme
• L’accompagnement des commerciaux pour voir quels sont les clients (entreprises) à haut potentiel.

Dans ce cadre-là, Mously Diaw et Antoine Hirtz ont présenté plus en détail deux cas d’études aboutis dans l’entreprise : le Job Classifier et le Job Recommender. Dans le premier cas d’étude, l’objectif est de récupérer de manière automatique, sur les offres qui ne sont pas publiées manuellement par les recruteurs (et qui sont donc publiées via des crawlers ou des multi-diffuseurs), les métadonnées associées à ces offres.

Construire un tel classifier comporte la mise en place de différents blocs tels que la détection de la langue, la classification des contrats, la détection de fonction (qui correspond à la vision agrégée d’un métier) et la détection de la localisation de l’offre.

JobTeaser a également mis en place une alerte offre, qui permet aux étudiants inscrits à ce service de recevoir quotidiennement une liste d’offres correspondant à leurs préférences. Ce recommandeur se base à la fois sur les préférences déclarées par les étudiants au moment de leur inscription (préférences explicites) ainsi que sur leur historique de navigation lorsque celui-ci existe (préférences implicites). A l’heure actuelle, JobTeaser est en phase d’expérimentation pour évaluer le système de recommandation.

JobTeaser souhaiterait aujourd’hui agrandir l’équipe Data dirigée par Pierre Bidet. Actuellement constituée de huit personnes, elle devrait atteindre 15 à 20 personnes d’ici début 2020. JobTeaser recherche en particulier un lead Data Scientist et un lead Data Engineer pour senioriser son équipe. L’entreprise propose également des stages en data science et en data engineering.

En savoir plus sur JobTeaser : www.jobteaser.com

Compte-rendu rédigé par Alba Ordoñez et Samuel Cohen-Solal, étudiants du Mastère Spécialisé Big Data promotion 2019.