Siadhal Magos et Shahriar Tajbakhsh travaillaient respectivement chez Uber et Palantir lorsqu’ils se sont tous deux rendu compte que l’embauche – en particulier le processus d’entretien – devenait une tâche difficile pour de nombreux services de ressources humaines d’entreprise.
« Il était clair pour nous que la partie la plus importante du processus d’embauche était les entretiens, mais aussi la partie la plus opaque et la moins fiable », a déclaré Magos à TechCrunch. « En outre, la prise de notes et la rédaction des commentaires représentent un travail considérable que de nombreux intervieweurs et responsables de l’embauche font tout leur possible pour éviter. »
Magos et Tajbakhsh ont pensé que le processus d’embauche était mûr pour une perturbation, mais ils voulaient éviter d’abstraire une trop grande partie de l’élément humain. Ils ont donc lancé Metaview, une application de prise de notes alimentée par l’IA pour les recruteurs et les responsables du recrutement, qui enregistre, analyse et résume les entretiens d’embauche.
« Metaview est une application de prise de notes à base d’IA spécialement conçue pour le processus d’embauche », explique M. Magos. « Il aide les recruteurs et les responsables du recrutement à se concentrer davantage sur la connaissance des candidats et moins sur l’extraction de données à partir des conversations. Par conséquent, les recruteurs et les responsables de l’embauche gagnent un temps fou à rédiger des notes et sont plus présents lors des entretiens, car ils n’ont pas à effectuer plusieurs tâches à la fois. »
Metaview s’intègre aux applications, aux systèmes téléphoniques, aux plateformes de vidéoconférence et à des outils tels que Calendly et GoodTime pour capturer automatiquement le contenu des entretiens. Selon M. Magos, la plateforme « tient compte des nuances des conversations de recrutement » et « s’enrichit de données provenant d’autres sources », telles que les systèmes de suivi des candidats, afin de mettre en évidence les moments les plus pertinents.
« Zoom, Microsoft Teams et Google Meet intègrent tous la transcription, ce qui constitue une alternative possible à Metaview », a déclaré M. Magos. « Mais les informations que l’IA de Metaview extrait des entretiens sont bien plus pertinentes pour le cas d’utilisation du recrutement que les alternatives génériques, et nous aidons également les utilisateurs à passer aux étapes suivantes de leur flux de travail de recrutement dans et autour de ces conversations. »
Crédits d’image : Metaview
Il est certain que les entretiens d’embauche traditionnels présentent de nombreux défauts, et une application de prise de notes et d’analyse des conversations comme Metaview pourrait nous aider, du moins en théorie. Comme le souligne un article de Psychology Today, le cerveau humain est truffé de biais qui entravent notre jugement et notre prise de décision, par exemple une tendance à se fier trop fortement à la première information proposée et à interpréter les informations d’une manière qui confirme nos croyances préexistantes.
La question est de savoir si Metaview fonctionne – et, plus important encore, s’il fonctionne de la même manière pour tous les utilisateurs.
Même les meilleurs systèmes de dictée vocale alimentés par l’IA souffrent de leurs propres biais. Une étude de Stanford a montré que les taux d’erreur des locuteurs noirs sur les services de dictée vocale d’Amazon, d’Apple, de Google, d’IBM et de Microsoft sont presque deux fois plus élevés que ceux des locuteurs blancs. Une autre étude, plus récente, publiée dans la revue Computer Speech and Language, a révélé des différences statistiquement significatives dans la manière dont deux grands modèles de reconnaissance vocale traitaient les locuteurs de sexe, d’âge et d’accent différents.
Il faut également tenir compte des hallucinations. L’IA commet des erreurs de synthèse, y compris dans les résumés de réunions. Dans un article récent, le Wall Street Journal a cité un cas où, pour un des premiers utilisateurs de l’outil d’IA Copilot de Microsoft pour résumer des réunions, Copilot a inventé des participants et a laissé entendre que les appels portaient sur des sujets qui n’avaient jamais été abordés.
Lorsqu’on lui a demandé quelles mesures Metaview avait prises, le cas échéant, pour atténuer les biais et autres problèmes algorithmiques, M. Magos a affirmé que les données de formation de Metaview étaient suffisamment diversifiées pour produire des modèles qui « surpassent les performances humaines » dans les flux de travail de recrutement et obtiennent de bons résultats sur les critères de référence populaires en matière de biais.
Je suis sceptique et un peu méfiant, aussi, quant à l’approche de Metaview sur la façon dont il traite les données vocales. Magos indique que Metaview stocke par défaut les données de conversation pendant deux ans, à moins que les utilisateurs ne demandent à ce que les données soient supprimées. Cela semble être une durée exceptionnellement longue, et les candidats pourraient probablement.
Mais rien de tout cela ne semble avoir affecté la capacité de Metaview à obtenir des fonds ou des clients.
Metaview a levé ce mois-ci 7 millions de dollars auprès d’investisseurs tels que Plural, Coelius Capital et Vertex Ventures, ce qui porte le total des fonds levés par la startup londonienne à 14 millions de dollars. Selon M. Magos, Metaview compte 500 entreprises clientes, dont Brex, Quora, Pleo et Improbable, et a connu une croissance de 2 000 % d’une année sur l’autre.
« L’argent sera utilisé pour développer l’équipe de produits et d’ingénierie principalement, et pour donner plus de poids à nos efforts de vente et de marketing », a déclaré M. Magos. « Nous allons tripler l’équipe de produits et d’ingénieurs, affiner notre moteur de synthèse des conversations afin que notre IA extraie automatiquement les informations dont nos clients ont besoin, et développer des systèmes pour détecter de manière proactive des problèmes tels que des incohérences dans le processus d’entretien et des candidats qui semblent perdre de l’intérêt.