Claude, ChatGPT et automatisation : comment on utilise l'IA en ESN

En ESN, on parle beaucoup d'IA générative. Mais entre les démos et la réalité terrain, il y a un écart. On a choisi de déployer l'IA sur des cas d'usage concrets et mesurables.

Nos cas d'usage en production

Premier chantier : le matching CV / appels d'offres. GPT-4o-mini génère des explications post-scoring sur nos meilleurs matchs. Le scoring reste déterministe (matrice de compétences, adjacence métiers), l'IA ajoute une couche qualitative pour les commerciaux.

Deuxième cas : l'analyse automatique des appels d'offres. On extrait compétences requises, séniorité, secteur et nice-to-have depuis le texte brut. Ça remplace des heures de lecture manuelle.

Troisième cas : la génération de dossiers de compétences. À partir d'un CV parsé (extraction PDF multi-colonnes), on génère un Word formaté aux standards client.

Claude vs ChatGPT

GPT-4o-mini pour le volume (matching, parsing) : rapide et suffisant. Claude Sonnet en fallback sur les analyses complexes. Le vrai sujet n'est pas quel modèle est meilleur, mais comment on structure les prompts et on valide les outputs.

Impact

Temps de réponse aux appels d'offres divisé par 3. Qualité des dossiers homogène. Matching plus pertinent. Les équipes adoptent l'outil parce qu'il fait gagner du temps.