Retour d'expérience complet : architecture, intégration API, résultats mesurés. Le premier case study Sancti en production.
ELEVIA connecte des talents à des entreprises tech. En 6 semaines d'intégration avec l'API Sancti, leur taux de matching pertinent est passé de 23% à 71%. Voici comment.
ELEVIA utilisait un algorithme de matching basé sur des mots-clés. Un développeur React pouvait rater une offre "Frontend Engineer" parce que le CV disait "ReactJS" et l'offre "React". Banal, mais coûteux à l'échelle.
Plus problématique : l'algorithme ignorait le contexte. Un dev backend Python avec 2 ans d'expérience Django n'avait rien en commun avec un data scientist Python selon le matching — pourtant les deux candidats voulaient des choses radicalement différentes.
ELEVIA a utilisé l'API Sancti pour deux choses distinctes : l'analyse sémantique des profils et la génération d'un "vecteur de compatibilité" multidimensionnel.
import { SanctiClient } from '@sancti/sdk';
const sancti = new SanctiClient({ apiKey: process.env.SANCTI_API_KEY });
async function analyzeCandidate(cv: string, preferences: string) {
const analysis = await sancti.analyze({
model: 'sancti-1',
prompt: `Analyse ce profil développeur et extrais :
1. Compétences techniques (avec niveau estimé 1-5)
2. Domaines de prédilection
3. Culture d'entreprise recherchée
4. Vecteur de compatibilité (100 dimensions)
CV: ${cv}
Préférences: ${preferences}`,
outputSchema: CandidateProfileSchema,
});
return analysis;
}
// Résultat : objet structuré avec vecteur 100D pour cosine similarityUne fois les profils candidats et les offres analysés par Sancti et représentés en vecteurs 100D, ELEVIA calcule la similarité cosinus pour ranker les matchs. Mais l'innovation clé était d'inclure des dimensions "soft" — culture d'entreprise, mode de travail, ambitions — pas seulement les hard skills.
L'intégration a pris 6 semaines au lieu des 12 prévues. Les points critiques : définir un bon schema d'output pour l'API (Sancti supporte le JSON Schema natif), et calibrer le prompt de base sur un échantillon de profils connus.
L'équipe ELEVIA recommande de commencer avec un petit batch de 50-100 profils pour calibrer le schéma avant de passer en production.