Les chiffres derrière la recommandation chaleureuse
lightbulb L'idée clé
Une recommandation n'est pas une faveur que vous demandez. C'est un filtre auquel les employeurs font déjà confiance, et les données expliquant pourquoi sont plus précises que « le réseautage, ça marche ».
Burks, Cowgill, Hoffman et Housman ont suivi neuf grandes entreprises dans les centres d'appels, le transport routier et la tech. Les embauches recommandées généraient en moyenne environ 25 % de profit en plus par employé, et avaient 10 à 30 % moins de risques de démissionner que les embauches non recommandées occupant les mêmes postes.
Les chercheurs ont mené quatre tests distincts pour écarter le mentorat comme cause, et ont plutôt retenu la sélection : la personne qui recommande sait déjà lequel de ses contacts correspond au poste précis, avant même le premier entretien2.
Les chiffres de la Fed de New York cités en ouverture de ce chapitre racontent la même histoire sous un autre angle. Meta Brown, Elizabeth Setren et Giorgio Topa ont analysé des années de données d'embauche dans une grande entreprise et ont constaté que les candidats recommandés représentaient 6 % des postulants, 21 % des personnes en entretien, 27 % des personnes ayant reçu une offre, et 29 % des embauches1.
Les embauches recommandées y démarraient aussi avec une prime salariale de 2,1 %, soit environ 1 300 $ sur un salaire moyen de 102 740 $. Cette prime s'estompe en trois ans. Dès la sixième année, les employés non recommandés gagnent en réalité davantage3. Une recommandation vous fait entrer plus vite. Elle ne vous achète pas une augmentation permanente.
Faites le calcul sur un jeu de données plus récent, à l'échelle du secteur, et le schéma se confirme. Le rapport de référence 2019 de Jobvite a suivi 29 458 embauches par recommandation sur 376 594 candidatures de ce type, contre 212 785 embauches sur 13 millions de candidatures tous canaux confondus. Les candidats recommandés convertissaient à un taux environ 4,8 fois supérieur à la moyenne4.
Rien de tout cela n'exige un ami proche dans chaque entreprise de votre liste. L'étude fondatrice de Mark Granovetter, en 1973, sur la façon dont les gens trouvent réellement un emploi a montré que la plupart des contacts ayant permis de trouver un emploi n'étaient pas des amis proches : 55,6 % étaient des personnes que le chercheur d'emploi ne voyait qu'« occasionnellement », et 27,8 % de plus étaient vues « rarement »5.
Une expérience de terrain menée par LinkedIn à grande échelle sur plusieurs années, sur la même question, a abouti au même constat à l'échelle de la plateforme. Ce sont les liens modérément faibles, et non les liens forts, qui généraient le plus de changements d'emploi6.
Une recommandation, du début à la fin
Priya Nair a passé six semaines à postuler à des offres d'analyste de données et n'a eu que deux réponses. Puis elle a essayé autre chose. Elle a écrit les 20 entreprises où elle voulait vraiment travailler, pas toutes celles qui recrutaient, et a comparé chaque nom à ses relations LinkedIn.
Highmark Casualty figurait sur la liste. Elle n'y connaissait personne. Mais une ancienne collègue, Dana, avait un jour mentionné un cousin qui travaillait dans l'analyse des sinistres au sein de l'entreprise. Priya a demandé à Dana une mise en relation, pas une faveur directe auprès du responsable du recrutement. Dana ne devait rien à Highmark, mais elle connaissait bien son cousin.
Dana a transféré un message de deux lignes. Le cousin, Marcus, a répondu le lendemain. Il ne travaillait pas dans l'équipe qui recrutait, mais il a signalé l'offre interne à la direction de l'analytique et a intégré Priya dans la boucle. Neuf jours après son premier message à Dana, Priya décrochait un premier entretien pour un poste qui n'était pas encore publié sur la page carrières.
Rien de tout cela n'exigeait que Priya connaisse Marcus personnellement. Il fallait simplement qu'elle connaisse quelqu'un qui connaissait quelqu'un, et que sa demande soit assez légère pour que ni Dana ni Marcus n'aient à fournir un vrai effort pour dire oui. C'est le mécanisme que Granovetter a documenté en 1973 et que les données de la plateforme LinkedIn ont confirmé des décennies plus tard : la chaîne qui mène à un emploi passe par des personnes que vous connaissez à peine, pas par vos liens les plus proches56.
C'est aussi le mécanisme derrière les chiffres de l'entonnoir de recrutement de la Fed. Les candidats recommandés obtiennent des entretiens et des embauches à des taux que les candidats à froid n'atteignent pas1. Priya n'a pas arrêté d'envoyer des candidatures. Elle a simplement arrêté d'en faire son seul canal.
C'est la boîte de réception qui fait l'essentiel du travail.
Envoyez cinq demandes et attendez — ceux qui répondent sont ceux dont vous auriez de toute façon entendu parler.
Cinq étapes pour votre première demande
1. Cartographiez vos 20 entreprises cibles. Partez du poste, pas de votre réseau. Listez les 20 entreprises où vous accepteriez réellement une offre : bon secteur, bonne taille, bonne étape de croissance. Classez-les par pertinence, pas par qui recrute aujourd'hui. Voici pourquoi cela vaut la peine de le faire avant même de toucher un site d'offres d'emploi : la référence académique la mieux documentée sur les candidatures à froid est sombre.
Une expérience de terrain menée en 2004, qui a envoyé près de 5 000 CV à de vraies offres d'emploi, nécessitait environ 10 CV pour obtenir un rappel, et cela à une époque plus lente, avant l'ère des candidatures en masse en ligne7. Les recommandations convertissent à un tout autre ordre de grandeur.
2. Trouvez un contact chaleureux dans chaque entreprise. Consultez la liste des employés de chaque entreprise sur LinkedIn et regardez comment vous êtes connecté. Vous cherchez n'importe qui : un ancien collègue, un camarade de fac, le cousin d'un camarade de classe. Les liens faibles comptent. Dans les données de Granovetter, la plupart des contacts ayant permis de trouver un emploi étaient des personnes vues seulement « occasionnellement » ou « rarement », pas des amis proches5.
3. Envoyez la demande de recommandation de 60 secondes. Le modèle se trouve ci-dessous. Nommez le poste, expliquez en une phrase pourquoi vous êtes un bon profil, et demandez exactement une chose : une recommandation ou une mise en relation, pas « tous les conseils que vous pourriez avoir ».
J'ai appris l'alternative à mes dépens : personne ne m'a répondu. Ma première tentative disait : "Hi [Name], I noticed we're both connected to Sarah. I'm exploring new opportunities in product management and wondered if you might refer me to any openings, or point me to the right people.
I've attached my resume, thanks so much, looking forward to hearing from you!" Six phrases, aucun poste précis, une pièce jointe que personne n'avait demandée, et une faveur assez lourde pour exiger une recherche de leur côté. Le message est resté non lu pendant deux semaines.
4. Facilitez le refus. Chaque message inclut une porte de sortie : « no worries if now's not a good time ». Les gens déclinent les demandes vagues et ouvertes en les ignorant. Ils déclinent les demandes précises et à faible effort en disant vraiment non, ce qui vous libère pour passer au nom suivant de votre liste au lieu d'attendre dans le silence.
5. Relancez une fois, puis passez à autre chose. Attendez cinq à sept jours. Envoyez une courte relance. En l'absence de réponse, passez au contact suivant pour cette entreprise. Une deuxième relance se lit comme de la pression, pas de la persévérance.
Le message, prêt à envoyer
Remplissez les blancs : "Hi [Name] — [one clause on how you're connected]. I'm applying for [specific role] at [Company] and would love a referral if you think it's a fit. [One line: resume or portfolio link]. No worries if now's not a good time; happy to just catch up instead."
| Force du lien | Exemple rempli |
|---|---|
| Lien faible (mis en relation via un contact commun) | "Hi Marcus, Dana mentioned you work in claims analytics at Highmark. I'm applying for the Senior Data Analyst opening (req #4471) and think my SQL and Tableau background is a strong fit. Resume here: [link]. No worries if now's not a good time; happy to trade notes on the team sometime." |
| Lien fort (ancien collègue) | "Hi Alex, hope the new role's going well. I'm applying for the Ops Analyst opening at Beacon Freight and would love a referral if you think I'd be a fit; you've seen my work firsthand. Resume here: [link]. Totally fine to say no, too." |
Votre liste de 20 entreprises
Créez une ligne par entreprise. Classez d'abord par pertinence, pas par qui recrute activement en ce moment.
| Entreprise | Poste visé | Contact chaleureux | Force du lien | Statut |
|---|---|---|---|---|
| Highmark Casualty | Senior Data Analyst | Marcus (via Dana) | Faible | Demande envoyée le 2/8 |
| Beacon Freight | Ops Analyst | Alex (ancien collègue) | Fort | Entretien programmé |
| [Entreprise 3] | ||||
| … (17 lignes supplémentaires) |
Six vérifications avant l'envoi
-
Vingt entreprises listées, classées par pertinence, pas par qui recrute aujourd'hui.
-
Au moins un contact chaleureux identifié par entreprise, liens faibles inclus.
-
La demande de recommandation nomme un poste précis, pas « n'importe quel poste ouvert ».
-
Le message inclut une porte de sortie facile (« no worries if now's not a good time »).
-
Relance programmée pour le jour 5 à 7, une seule.
-
Le message se lit à voix haute en 60 secondes ou moins.
Une recommandation vous ouvre la porte du CV. Le Chapitre 8 est le plan de 14 jours qui s'assure que ce qu'il y a dedans, et le profil derrière, tiennent la route.
Notes
-
Meta Brown, Elizabeth Setren, Giorgio Topa, "Do Informal Referrals Lead to Better Matches? Evidence from a Firm's Employee Referral System," Federal Reserve Bank of New York Staff Report No. 568 (2012, rev. 2013); published as Journal of Labor Economics 34, no. 1 (2016): 161–209. Single large U.S. corporation, administrative panel data, coefficients significant at the 1% level. Source for the 6% applicants / 21% interviewees / 27% offer recipients / 29% hires funnel. https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr568.pdf ↑↑↑ ↑
-
Stephen Burks, Bo Cowgill, Mitchell Hoffman, Michael Housman, "The Value of Hiring through Employee Referrals," Quarterly Journal of Economics 130, no. 2 (2015): 805–839. Nine large firms across call centers, long-haul trucking, and high-tech/IT; four separate tests used to rule out post-hire mentoring as the cause, isolating pre-hire selection instead. Source for the ~25% higher profit per referred worker and 10–30% lower quit rate. https://doi.org/10.1093/qje/qjv010 ↑
-
Same source as 1 (Brown, Setren, Topa, NY Fed Staff Report 568 / Journal of Labor Economics 2016). Source for the 2.1% starting-salary premium (about $1,300 on a $102,740 mean salary), the premium fading within three years, and non-referred workers earning more from year six onward. ↑
-
Jobvite, "2019 Recruiting Benchmark Report," raw source-of-hire table (p. 16): 29,458 referral hires from 376,594 referral applications (7.82% hire rate); 212,785 total hires from 13,037,320 total applications across all 13 tracked channels (1.63% overall hire rate). The ~4.8x figure is a calculation from these published counts, not a ratio Jobvite states verbatim. Pre-2020 data (report covers 2016–2018); no comparably granular post-2020 Jobvite source-of-hire breakdown exists. https://web.jobvite.com/rs/328-BQS-080/images/2023-01-2019RecruitingBenchmarkReport.pdf ↑
-
Mark Granovetter, "The Strength of Weak Ties," American Journal of Sociology 78, no. 6 (1973): 1360–1380. Interviewed subsample (N=54) of job-changers who found work through a personal contact: 16.7% saw that contact "often," 55.6% "occasionally," 27.8% "rarely." Foundational, pre-2020 by design; still the standard citation for tie-strength in job search. https://www.cs.cmu.edu/~jure/pub/papers/granovetter73ties.pdf ↑↑↑
-
Karthik Rajkumar, Guillaume Saint-Jacques, Iavor Bojinov, Erik Brynjolfsson, Sinan Aral, "A Causal Test of the Strength of Weak Ties," Science 377, no. 6612 (2022): 1304–1310. Multi-year LinkedIn field experiment; found weaker ties causally more effective than stronger ties at generating job mobility, with moderately weak ties most effective. Body text intentionally avoids quoting exact user/connection counts (the Science.org page was inaccessible during source review; secondary summaries diverge on the specifics). https://www.science.org/doi/10.1126/science.abl4476 ↑↑
-
Marianne Bertrand, Sendhil Mullainathan, "Are Emily and Greg More Employable Than Lakisha and Jamal? A Field Experiment on Labor Market Discrimination," American Economic Review 94, no. 4 (2004): 991–1013. Roughly 5,000 resumes sent to help-wanted ads in Boston and Chicago; approximately 10 resumes needed per callback on average. Two decades old and originally about racial discrimination in callback rates, not a general modern cold-apply baseline; cited here only as the best-documented academic baseline available, with that caveat. https://www.nber.org/papers/w9873 ↑