Présentation du système
Jemmo est une plateforme SaaS de mise en relation entre recruteurs et talents. Le système d'IA assiste le recruteur dans la recherche et le tri de profils pertinents au sein de notre base, à partir d'une description de besoin (poste, critères, contraintes).
Le système est explicitement conçu comme un outil d'aide à la décision : il ne prend aucune décision automatique d'embauche, d'évaluation ou de rejet définitif. Toute décision — contact, présentation au client, refus — reste de la responsabilité du recruteur humain qui utilise la plateforme.
Au sens de l'AI Act (UE 2024/1689), Jemmo peut entrer dans le périmètre des systèmes d'IA à haut risque de l'Annexe III §4 (emploi / gestion des travailleurs) lorsqu'il est utilisé pour le tri de candidatures. Nous documentons en conséquence le système et tenons à disposition de nos clients les éléments nécessaires à leur propre AIPD / DPIA.
Cas d'usage et finalités
L'IA est mobilisée sur six fonctionnalités principales, toutes au service du recruteur utilisateur.
Modèles et fournisseurs IA
Nous utilisons exclusivement des modèles fournis par des prestataires tiers européens ou couverts par des clauses contractuelles types (CCT). Aucun modèle n'est entraîné par Jemmo, et aucune donnée client ou candidat n'est utilisée pour entraîner les modèles de nos fournisseurs (clauses contractuelles « no training »).
| Fournisseur | Type de modèle | Usage |
|---|---|---|
| Fournisseur LLM de référence | LLM généraliste — niveau raisonnement | Planification de recherche complexe, raisonnement |
| Fournisseur LLM de référence | LLM généraliste — niveau rapide | Extraction de critères, scoring de pertinence |
| Fournisseur LLM de référence | LLM généraliste — niveau léger | Reformulation, justification, requêtes booléennes, rédaction de messages |
| Fournisseur d'embeddings spécialisé | Modèle d'embeddings vectoriels | Représentation vectorielle des profils |
| Fournisseur d'embeddings spécialisé | Modèle de reranking | Reclassement selon instructions du recruteur |
L'identité précise de nos fournisseurs et la version exacte des modèles utilisés sont susceptibles d'évoluer. Elles sont communiquées sur demande dans le cadre d'une analyse de risques formelle (DPIA, due diligence fournisseur), sous accord de confidentialité si nécessaire.
Les appels aux LLM sont tracés via PostHog LLM Observability, permettant l'audit a posteriori de chaque appel (prompt, réponse, latence, coût).
Données traitées
Données envoyées aux modèles IA
- Requête du recruteur — description du poste, critères, contraintes (localisation, TJM, séniorité).
- Profils professionnels des talents — intitulé de poste, expériences, formations, compétences. Données fournies par le candidat lui-même (inscription) ou issues de sources publiques (LinkedIn) selon les bases d'origine.
- Documents structurés à la demande (CV, brief client) lors d'opérations explicites de parsing.
Données non envoyées aux modèles IA
Photo, genre, âge, nationalité, situation familiale, état de santé, opinions politiques ou religieuses, données bancaires. Ces champs ne sont ni envoyés aux LLM, ni inclus dans les embeddings vectoriels. Les coordonnées (email, téléphone) ne sont pas transmises aux modèles dans le cadre du matching.
Stockage et conservation
- Base principale — PostgreSQL hébergé chez Supabase (UE, Francfort), Row Level Security activée sur l'ensemble des tables.
- Embeddings — table
talent_embeddings(extensionpgvector, index HNSW), mis à jour à chaque modification du profil source. - Logs d'appels LLM — conservés via PostHog selon la politique de rétention du projet (30 jours par défaut).
- Données envoyées aux LLM — non stockées par les fournisseurs au-delà du traitement (clauses « zero retention »).
Architecture et flux
Une recherche de talents suit un pipeline déterministe en cinq étapes.
Aucune étape ne produit d'action automatique vis-à-vis du candidat. Aucun message n'est envoyé, aucune mise en relation n'est créée tant que le recruteur n'a pas explicitement validé.
Supervision humaine
La supervision humaine est structurelle, et non optionnelle, à toutes les étapes critiques.
- Obligatoire Le recruteur consulte la liste des profils suggérés avant toute action.
- Obligatoire Tout contact avec un candidat (email, message LinkedIn) nécessite une validation explicite du recruteur.
- Disponible Le recruteur peut réordonner, écarter ou retenir manuellement n'importe quel profil suggéré.
- Disponible Les justifications IA (points forts / points d'attention) sont explicatives, jamais contraignantes.
- Disponible Le candidat peut, à tout moment, demander la rectification ou la suppression de son profil (droits RGPD).
Le système d'IA propose, le recruteur dispose. Le score de matching est une aide à la priorisation, pas une note de qualification professionnelle.
Biais et équité
Le risque de biais est un enjeu central pour un outil opérant dans le champ du recrutement. Plusieurs garde-fous sont en place.
Mesures structurelles
- Exclusion explicite des attributs sensibles — genre, âge, photo, nationalité, situation familiale ne sont jamais transmis aux modèles ni inclus dans les embeddings.
- Critères objectivés — la séniorité est dérivée des années d'expérience, la localisation utilise des coordonnées géographiques, la rémunération s'exprime en TJM.
- Filtres déterministes en SQL pour les critères durs (lieu, séniorité, TJM) — auditables et indépendants du LLM.
- Traçabilité des appels LLM via PostHog — prompts et réponses auditables a posteriori.
Limites connues
Comme tout système reposant sur des LLM généralistes, des biais résiduels peuvent exister (représentations stéréotypées associées à certains intitulés de postes, par exemple). Nous recommandons aux recruteurs de toujours considérer la liste des résultats comme une suggestion à examiner, et non comme un classement absolu.
Sécurité et hébergement
| Hébergement données | Supabase (PostgreSQL) — région UE (Francfort) |
| Hébergement applicatif | Fly.io — région UE (Paris / Francfort) |
| Chiffrement en transit | TLS 1.3 sur l'ensemble des communications |
| Chiffrement au repos | AES-256 (Supabase) ; clés tierces stockées chiffrées en base |
| Authentification utilisateur | Supabase Auth (JWT) + isolation par organisation (RLS) |
| Authentification API | Clé API (X-Api-Key) — révocable à tout moment |
| Sauvegardes | Snapshots quotidiens automatiques (Supabase) |
| Observabilité | Logs structurés, traces LLM via PostHog |
Sous-traitants impliqués
Les catégories de sous-traitants ci-dessous interviennent dans le traitement IA. Les données qui leur sont transmises sont utilisées uniquement pour rendre le service demandé, ne servent pas à de l'entraînement, et ne sont pas conservées au-delà du temps de traitement.
| Catégorie | Rôle | Localisation | Données transmises |
|---|---|---|---|
| Fournisseur LLM | Traitement par modèle de langage | UE | Requêtes recruteur, texte des profils |
| Fournisseur d'embeddings & reranking | Représentation vectorielle, tri sémantique | UE / É.-U. (CCT) | Texte des profils, instructions de tri |
| Hébergeur base de données & auth | BDD, authentification, edge functions | UE (Francfort) | Ensemble des données plateforme |
| Hébergeur applicatif | Hébergement des traitements | UE (Paris) | Traitements applicatifs (sans stockage) |
| Analytics & LLM observability | Analytics produit, audit des appels IA | UE | Événements applicatifs, traces LLM |
| Prestataire de paiement | Facturation et encaissement | UE / É.-U. (CCT) | Données de facturation (aucune donnée candidat) |
La liste nominative des sous-traitants — fournisseurs, hébergeurs et prestataires — est communiquée sur demande dans le cadre d'une analyse de risques (DPIA, due diligence), accompagnée des DPA signés correspondants.
Conformité réglementaire
RGPD
- Base légale du traitement — intérêt légitime du recruteur à identifier des profils pertinents, équilibré par les droits des personnes concernées.
- Droits des candidats garantis — accès, rectification, effacement, opposition, portabilité.
- Pas de décision entièrement automatisée au sens de l'article 22 — la décision finale est toujours humaine.
- Sous-traitants encadrés par DPA et clauses contractuelles types (CCT) le cas échéant.
AI Act (UE 2024/1689)
- Système potentiellement classé haut risque (Annexe III §4) selon l'usage.
- Documentation technique tenue à jour (présent document).
- Supervision humaine intégrée dès la conception.
- Journalisation des appels IA permettant l'audit.
- Information de l'utilisateur sur l'utilisation d'IA dans l'interface produit.
Pour toute demande complémentaire dans le cadre de votre analyse de risques IA (DPIA, registre des traitements, due diligence fournisseur), nous fournissons sur demande : DPA signé, description détaillée d'un cas d'usage particulier, copie d'un prompt système, ou tout autre élément documentaire requis.