Analyser un CV avec un Agent IA et le Comparer à une Offre (Workflow n8n Gratuit + Vidéo + Tutoriel + Téléchargement)

Ce guide te montre comment automatiser l’analyse d’un CV PDF grâce à un agent IA intégré dans n8n, qui extrait les infos clés et les compare à une offre d’emploi.

En quelques secondes, tu obtiens une fiche de candidat structurée et un score de matching précis, sans tri manuel ni copier-coller.

Tu pourras télécharger le workflow clé en main, suivre le tutoriel vidéo, et l’adapter à ton process de recrutement, sans écrire une seule ligne de code.

Ce workflow n8n intègre un Agent IA capable d’analyser automatiquement un CV par rapport à une offre d’emploi. L’IA calcule un score de matching et déclenche des actions automatiques comme l’envoi d’emails selon les résultats.

Hack’celeration : Ce que les experts ne te montrent jamais ? On te le donne.

Ce que permet l’Automatisation n8n pour analyser automatiquement un CV avec un Agent IA et mesurer le matching

Tu veux savoir automatiquement si un CV correspond à une offre d’emploi, sans passer des heures à comparer les profils ? Cette automatisation n8n t’aide à préqualifier chaque candidat avec un agent IA.

Voici comment ça marche : tu télécharges le workflow prêt à l’emploi, tu traites un CV PDF et une offre d’emploi, et tu obtiens un score de matching détaillé, avec les infos triées dans Google Sheets.

Bonus : tu peux personnaliser le déclencheur (par exemple, récupérer les candidatures par email ou API), et envoyer automatiquement un mail de refus ou une alerte si un profil semble intéressant.

Fini les doutes et les longues lectures : avec n8n et cet agent IA, tu qualifies les bons candidats en quelques secondes, gratuitement et sans effort.

Pour te faciliter la vie, le workflow que tu télécharges est entièrement prêt à l’emploi : chaque étape du scénario est annotée, avec des notes intégrées directement dans n8n. Tu vois clairement comment l’agent IA compare le CV avec l’offre d’emploi.

En plus du workflow, tu as accès à un tutoriel vidéo détaillé et un guide pas à pas qui t’accompagnent de l’installation à la personnalisation. Tu peux l’utiliser tel quel ou le connecter à tes outils habituels.

L’objectif : t’aider à préqualifier automatiquement chaque candidature, sans coder, avec un agent IA qui évalue les profils selon les critères de ton offre d’emploi.

Cette vidéo montre le workflow complet n8n : d’abord l’extraction automatisée et structurée des données depuis un CV PDF, puis l’analyse IA de compatibilité avec une fiche de poste. Le système calcule un score de matching et déclenche automatiquement les actions adaptées.

Tutoriel Vidéo – Analyser un CV avec un Agent IA et le Comparer à une Offre d’Emploi

Détail du Workflow n8n : Guide Étape par Étape avec Captures d’Écran (Matching CV & Offre par Agent IA)

Cette vidéo présente le workflow n8n de prérequis : une extraction automatisée des informations clés d’un CV au format PDF (nom, email, expériences, langues…). Le résultat est structuré proprement dans Google Sheets pour faciliter l’analyse IA qui suit. C’est la première étape du processus.

Pré-requis : Suivre D’abord l’Extraction des Infos CV (Première partie du workflow)

Cette automatisation repose sur une première étape essentielle : l’extraction et la structuration automatique des données d’un CV via un agent IA. Cette première partie est entièrement détaillée dans un tutoriel complet disponible sur une autre page.

Tu y apprendras comment transformer un CV PDF en un fichier structuré prêt à être analysé dans Google Sheets, Notion ou ton CRM. Le tout avec un workflow n8n prêt à l’emploi, un tutoriel pas à pas et une vidéo explicative.

Avant de configurer cette nouvelle automatisation, commence par mettre en place la première partie décrite dans ce guide. Cela garantit que toutes les données du CV seront prêtes pour l’analyse du matching.

Dans cette première étape du workflow n8n, le scénario récupère automatiquement le texte d’une offre d’emploi stockée dans un Google Docs. Le module dédié permet de connecter ton document et d’en extraire le contenu en temps réel pour l’analyse IA à venir.

Étape 1 : Récupérer l’Offre d’Emploi Depuis un Google Docs

Cette première étape consiste à connecter ton workflow à un document Google Docs contenant une offre d’emploi. Le texte de cette offre servira ensuite de base pour évaluer automatiquement le niveau de compatibilité avec chaque CV reçu.

Le module Google Docs permet d’extraire le contenu d’un document Google de manière simple, sans avoir à copier-coller manuellement l’annonce. Cela te permet de rendre l’analyse totalement dynamique et réutilisable.

➡️ Paramètres à personnaliser :

Opération : Get (lecture d’un document existant)
URL du document : renseigne ici l’URL du Google Docs contenant l’offre à analyser
Connexion : sélectionne ton compte Google Docs (OAuth2)

Tu peux utiliser une URL différente à chaque exécution, selon l’offre à laquelle tu veux comparer le CV. Cela rend l’analyse adaptable à tous tes recrutements.

Cette vidéo présente l’étape centrale du workflow n8n : l’agent IA est activé avec deux prompts. Le System Prompt définit la logique d’analyse avec une pondération personnalisée par critère, tandis que le User Prompt intègre dynamiquement le contenu du CV et de l’offre. C’est cette analyse qui génère un score précis de compatibilité.

Étape 2 : Analyser le CV par Rapport à l’Offre d’Emploi

Cette étape active un agent IA intégré dans n8n, chargé de comparer automatiquement un CV avec une offre d’emploi. Le texte de l’annonce et le contenu du CV sont traités ensemble dans un prompt structuré afin d’obtenir un score de compatibilité précis.

Par défaut, l’analyse repose sur 4 critères pondérés, pour un total de 100 points :

Compétences clés (40 points) : évalue le taux de correspondance entre les compétences requises et celles présentes dans le CV
Expériences similaires (30 points) : mesure la proximité entre les expériences passées et les missions du poste
Outils et méthodologies (20 points) : vérifie la maîtrise des outils ou méthodes spécifiés dans l’offre
Formation (10 points) : compare le niveau et la spécialisation du diplôme avec les exigences de l’annonce

Le résultat est un JSON structuré, contenant les scores par critère et un score global, qui peut ensuite être exploité dans le reste du workflow.

Important : cette pondération est entièrement personnalisable. Tu peux modifier les critères d’analyse, ajuster les poids ou intégrer de nouveaux indicateurs comme la localisation, les langues parlées, les disponibilités, etc.

Tu peux ainsi adapter l’agent IA à ton propre barème ou à des processus de recrutement très spécifiques.

Cette étape montre la connexion entre l’agent IA et le modèle de langage GPT utilisé pour exécuter l’analyse. Ici, le workflow est configuré avec GPT-4o via OpenAI, mais il est totalement personnalisable : tu peux sélectionner le modèle, l’API ou le fournisseur de ton choix selon tes besoins.

Étape 3 : Connecter le Modèle d’IA (GPT-4o)

Cette étape connecte le scénario à un modèle de langage avancé, utilisé pour analyser le contenu du CV et de l’offre d’emploi. Par défaut, le workflow utilise GPT-4o d’OpenAI, un modèle de dernière génération reconnu pour sa précision et sa stabilité.

Le modèle est appelé via le module LangChain Chat Model, ce qui permet de déléguer les tâches complexes d’analyse sémantique et de pondération directement à l’IA, avec une réponse structurée au format JSON.

Important : tu peux remplacer GPT-4o par un autre modèle compatible si tu le souhaites. Par exemple, GPT-3.5 si tu veux réduire les coûts, ou un modèle hébergé en interne si tu préfères garder tes données localement.

Tout est paramétrable dans cette étape : choix du modèle, options de génération, température, nombre de tokens, etc. Le workflow est pensé pour rester flexible selon ton infrastructure et tes contraintes.

Dans cette étape, le workflow utilise le module Structured Output pour définir la forme attendue du résultat de l’analyse. On voit ici le JSON cible, comprenant les scores détaillés (compétences, expérience, outils, éducation) ainsi qu’un résumé, afin d’obtenir une sortie propre et exploitable pour la suite de l’automatisation.

Étape 4 : Parser les Résultats de l’Agent IA (Structured Output)

Une fois que l’agent IA a analysé le CV et l’offre d’emploi, il renvoie une réponse complète contenant le score global, le détail par critère, et un résumé.

Cette étape utilise le module Structured Output Parser pour transformer la réponse de l’IA en données structurées. Cela permet de récupérer des champs clairement identifiés, comme :

match_score : le score global sur 100
criteria.skills, criteria.experience, etc. : scores individuels
summary : un résumé lisible de l’analyse

L’intérêt de cette étape est d’obtenir une structure JSON propre et exploitable, qu’on peut ensuite envoyer dans Google Sheets, Notion, Airtable ou utiliser pour déclencher des actions automatiques (comme un email ou une alerte interne).

Avantage : tout est déjà formaté, tu peux directement utiliser ces données dans les prochaines étapes de ton workflow, sans devoir les retraiter à la main.

Une fois l’analyse IA réalisée, le workflow met automatiquement à jour la ligne correspondante dans Google Sheets avec le score de matching, les et le résumé généré. Cela permet de centraliser toutes les informations candidat dans un tableau structuré, prêt à être filtré ou exploité.

Étape 5 : Mettre à jour automatiquement une ligne dans Google Sheets

Une fois l’analyse du CV terminée, cette étape permet de centraliser toutes les données dans Google Sheets. Chaque ligne correspond à un candidat, identifié par son email.

Le module Google Sheets est configuré ici en mode “Update” pour modifier une ligne existante en fonction de l’adresse email du candidat. Cela permet de ne pas créer de doublon et de garder un tableau toujours à jour.

Données mises à jour automatiquement :

match_score : score global calculé par l’IA
skills, experience, tools, education : score par critère
summary : résumé de l’analyse
job_title : poste analysé

Les données sont transmises depuis le parser structuré de l’étape précédente. Grâce à cette intégration, tu peux exploiter tes résultats dans un tableau clair, les filtrer, les classer, ou les relier à d’autres automatisations (ex : alertes, email de réponse, mise à jour CRM…)

Important : tu peux personnaliser à 100 % les colonnes mises à jour, la méthode de correspondance (par exemple avec un identifiant unique), ou ajouter des colonnes supplémentaires pour enrichir encore le suivi des candidatures.

Cette étape montre l’utilisation du module IF dans n8n : en fonction du score calculé par l’agent IA, le workflow suit deux chemins différents. Si le score est inférieur au seuil défini, il bascule vers le scénario FALSE (par exemple : email de refus). Sinon, il passe dans TRUE pour une suite potentiellement positive (alerte recruteur, planification…).

Étape 6 : Filtrer les candidatures avec un score insuffisant

Grâce au nœud “If”, tu peux automatiser une première décision : faut-il traiter cette candidature plus loin ?

Ici, nous avons défini un seuil arbitraire de 20 points (sur 100). Si le score global match_score du candidat est inférieur à ce seuil, alors le workflow peut :

Envoyer un message type de refus (automatisé)
Ignorer complètement le candidat dans le traitement en aval
Le classer à part dans un onglet ou une base dédiée

Cette étape sert à filtrer les candidatures très éloignées du profil recherché avant d’enclencher des actions plus avancées (mise à jour CRM, notifications, etc.).

Bien entendu, tu peux adapter la logique : changer le seuil, combiner plusieurs critères (ex : score + absence d’outil clé), ou créer plusieurs branches conditionnelles pour différents niveaux de traitement.

Lorsqu’un score de compatibilité est faible, Gmail envoie automatiquement un email de refus au candidat. Le contenu est personnalisable et permet de notifier poliment le non-sélection tout en automatisant le processus de recrutement.

Étape 7 : Envoyer automatiquement un email de refus si le score est trop bas

Dans ce scénario, si le score du candidat est trop faible (inférieur à 20 dans notre exemple), on peut automatiser l’envoi d’un email de refus via Gmail.

Le message est personnalisé dynamiquement avec le nom du poste visé, ce qui permet un minimum de contextualisation :

Subject : Your Application – {{ $json.job_title }}

Hi,

Thank you for your interest in the {{ $json.job_title }} position. After reviewing your application, we’ve carefully assessed the match between your profile and the key requirements for this role.

At this time, we believe there is not enough alignment to proceed with the next steps of the process.

We appreciate the time and effort you put into your application and wish you all the best in your job search and future professional endeavors.

Warm regards,  
Romain  
CEO

Cette étape illustre bien ce qu’il est possible d’automatiser une fois l’analyse effectuée.

Mais rien n’est imposé : tu peux très bien choisir d’envoyer une notification Slack, de stocker en base pour un traitement manuel, ou de créer une tâche de suivi dans ton CRM. C’est totalement personnalisable.

Ici, l’automatisation de l’email sert simplement à illustrer la logique complète de préqualification, jusqu’à l’action.

Si l’analyse IA juge le CV comme pertinent, ce module déclenche une notification par email au recruteur. L’email signale une candidature prometteuse, prête à être examinée pour un éventuel entretien. Tout est automatisable et personnalisable.

Étape 8 : Prévenir automatiquement le recruteur si un profil est jugé pertinent

Si le candidat obtient un score suffisant, on peut déclencher l’envoi automatique d’un email à un recruteur ou décisionnaire. L’objectif : fluidifier le tri et ne notifier que les profils qui correspondent vraiment au poste.

Exemple d’email automatique envoyé en interne :

Subject : Potential Candidate – {{ $json.job_title }} Application

Hi Romain,

A new application for the {{ $json.job_title }} position has been processed.

The candidate shows a strong match with the job requirements and may be worth reviewing in more detail.

Let me know if you’d like to receive their profile or schedule a follow-up.

Best,

Ce n’est bien sûr qu’un exemple.

Tu peux remplacer cette action par ce que tu veux :

Créer une ligne dans une base Notion ou Airtable
Envoyer une notification sur Slack, Discord, ou Teams
Contacter directement le candidat (avec un lien Calendly intégré)
Ajouter une tâche dans ton CRM (HubSpot, Pipedrive…)

Toute la logique est 100 % personnalisable, selon ton usage, ton organisation et tes outils.

Pourquoi Analyser Automatiquement un CV et le Croiser avec une Offre d’Emploi Change Ton Recrutement

Gérer efficacement des candidatures ou profils dans ton CRM ou ATS est essentiel pour automatiser ton process de recrutement et prendre des décisions plus rapides. Lire un CV en PDF ne suffit plus : il faut l’analyser en contexte, face à une offre précise, pour savoir immédiatement si un candidat mérite d’aller plus loin. Problèmes liés à une évaluation manuelle :

Lecture partielle ou biaisée des CV selon les profils ou les postes.
Perte de temps à comparer manuellement avec les critères de l’offre.
Absence de notation objective et homogène entre candidats.
Risque de passer à côté de bons profils faute d’analyse claire.

Les avantages d’un scoring automatique entre CV et offre d’emploi :

Évaluation instantanée et objective de chaque candidature.
Notation personnalisable selon les critères clés du poste (compétences, outils, diplômes, etc.).
Décisions plus rapides et priorisation des profils vraiment pertinents.
Automatisation fluide avec Google Sheets, Notion, Airtable ou ton CRM.

En connectant un agent IA à ton processus de recrutement via n8n, tu peux non seulement extraire les données d’un CV, mais aussi le comparer intelligemment à une offre d’emploi donnée. Résultat : une préqualification automatique, rapide, fiable… et adaptable à ton propre système de notation.