Mécanique 01 · Comment LinkedIn Recruiter recherche les profils | The Hire-Me Playbook
Mécanique 01 · Findable · Sous le capot

Comment LinkedIn Recruiter recherche les profils

La plupart des conseils de recherche d'emploi vous disent d'ajouter des mots-clés à votre profil. C'est l'étape de récupération — le premier passage, pas le classement. LinkedIn Recruiter tourne sur un modèle de classement appris — des Gradient Boosted Decision Trees sur des dizaines de variables — entraîné sur un seul résultat : est-ce que le candidat répond à l'InMail du recruteur1.

Depuis 2020, la plupart de ces variables sont des embeddings deep-learning, pas des variables construites à la main sur le titre, la compétence ou la séniorité2. Cinq ans en arrière — bien avant la vague IA de 2024.

Le pipeline de recherche de Recruiter Sources : [1], [2]
Pipeline de recherche Recruiter : requête → récupération Galene → re-classement Pensieve → candidats classés, entraîné sur l'InMail Accept. ÉTAPE 1 Requête recruteur mots-clés, filtres ÉTAPE 2 · RÉCUPÉRER Galene (Lucene) candidats depuis l'index ÉTAPE 3 · RE-CLASSER Pensieve (deep-learning) embeddings sémantiques, depuis 2020 ENTRAÎNÉ SUR InMail Accept — le candidat a-t-il répondu ?
Deux étapes : Galene récupère les correspondances sur des champs structurés (poste, postes précédents, entreprise). Un modèle de classement appris — GBDT avec des embeddings Pensieve parmi ses variables — reclasse, entraîné sur l'InMail Accept : le candidat a-t-il répondu ?

lightbulb L'idée clé

Recruiter search ne note pas vos mots-clés. Il prédit si vous allez répondre au message d'un recruteur — la cible que le modèle de classement optimise1. Chaque champ de votre profil alimente cette seule prédiction.

Ce qui tourne vraiment

Deux étapes, en séquence. Galene, la plateforme de recherche de LinkedIn basée sur Lucene, récupère un premier ensemble de candidats en comparant la requête à des champs structurés — poste actuel, postes précédents, entreprise actuelle, entreprises précédentes — pondérés séparément, pas en un seul bloc indifférencié de mots-clés1. Les champs texte libre du profil sont indexés à côté.

Puis Pensieve, la plateforme d'embeddings de LinkedIn, alimente le modèle de classement en embeddings sémantiques — remplaçant la plupart des variables construites à la main sur le titre, la compétence et la séniorité qui dominaient jusque-là2. « Backend engineer » et « server-side developer » n'ont plus besoin de partager une chaîne de caractères pour être notés comme similaires. C'est arrivé en 2020, cinq ans avant la vague IA actuelle.

Ce que ça implique pour votre profil

LinkedIn n'a jamais divulgué le poids relatif des champs qui alimentent le modèle. Tout guide qui affirme « votre titre pèse 3× votre expérience » invente un chiffre. Cette carte ne le fera pas.

Ce que LinkedIn a confirmé : la complétude du profil est en elle-même un signal de découvrabilité. La jauge de niveau de profil compte sept champs — photo, localisation, secteur, éducation, poste, compétences et résumé — et le centre d'aide indique qu'un profil complet « améliore la découvrabilité de votre profil dans les résultats de recherche »3. Un champ vide peut vous empêcher d'apparaître tout court.

Un autre signal divulgué : Recruiter marque les candidats ayant un lien « Have company connections » — une connexion de 1er degré vers un employé de l'entreprise qui recrute4. C'est un Spotlight nommé et filtrable, pas un boost de classement caché. Le Chapitre 7 en fait un levier de visibilité.

Le changement de 2024 que la plupart des guides ont raté

LinkedIn a supprimé les Skill Assessments en 2024. Les badges « Verified » que les blogs carrière vous disent encore de viser — ceux qui alimentaient autrefois un signal filtrable dans Recruiter — n'existent plus sur la plateforme5. Si un guide vous conseille de passer l'évaluation Excel pour le badge, il décrit une fonctionnalité disparue.

Les habitudes du recruteur

Trois choses que LinkedIn a divulguées sur la façon dont les recruteurs envoient leurs messages, et sur les candidats qui leur répondent :

Les InMails de moins de 400 caractères obtiennent un taux de réponse 22 % supérieur à la moyenne ; au-delà de 1 200 caractères, 11 % en dessous6. Les messages écrits individuellement dépassent les envois en masse d'environ 15 %.

Les candidats avec Open to Work activé répondent aux InMails à un taux 37 % supérieur6. Le signal est divulgué sur le même jeu de données LinkedIn qui a fourni les chiffres sur la longueur des messages ci-dessus — même méthodologie, même année.

AI-Assisted Search affiche un taux d'acceptation d'InMail 18 % supérieur à celui de la recherche manuelle par filtres7. La comparaison publiée par LinkedIn pour la couche IA qui façonne désormais une part croissante des recherches des recruteurs. Être trouvable ne veut pas dire être bien classé.

Deux choses à faire aujourd'hui

Deux points de départ :

  • Réécrivez le champ que la carte de résultats affiche en premier. Votre titre, c'est ce qui apparaît sur cette carte. Le Chapitre 1 déroule trois formules pour caser une phrase recherchable, une compétence et un chiffre dans 220 caractères.
    Lire le Chapitre 1 arrow_forward
  • Notez votre profil sur ce qui porte vraiment. Le Scorecard vérifie les champs que cette mécanique nomme : complétude, champs structurels, company connections. Quatre minutes, sans inscription.
    Faire le Scorecard arrow_forward

Notes

  1. LinkedIn Engineering — Qi Guo, Sahin Cem Geyik, Cagri Ozcaglar, Ketan Thakkar, Nadeem Anjum, Krishnaram Kenthapadi. « AI Behind LinkedIn Recruiter Search and Recommendation Systems », 2019. Source primaire pour l'architecture de récupération Galene, les Gradient Boosted Decision Trees comme modèle de classement, la correspondance sur champs structurels (poste actuel, postes précédents, entreprise actuelle, entreprises précédentes comme variables de similarité textuelle pondérées séparément), et InMail Accept comme signal d'entraînement. linkedin.com/blog/engineering/… ↑ ↑ ↑

  2. LinkedIn Engineering — Benjamin Le, Daniel Gmach, Aman Grover, Roshan Lal, Jerry Lin, Austin Lu, Qingyun Wan, Leighton Zhang. « Pensieve: An embedding feature platform », 2020. Décrit les embeddings deep-learning remplaçant les variables construites à la main (titre, compétence, séniorité, localisation) dans les modèles de classement de LinkedIn Talent Solutions, y compris Recruiter. linkedin.com/blog/engineering/ai/pensieve ↑ ↑

  3. LinkedIn Help Center — « Your Profile level meter » (non daté, à jour à la consultation, 2026). Indique qu'un profil complet « helps improve the discoverability of your profile in search results, and to increase profile search appearances ». Liste les sept champs pondérés par la jauge : photo, localisation, secteur, éducation, poste, compétences, résumé. linkedin.com/help/linkedin/answer/a594698 ↑

  4. LinkedIn Recruiter Help — « Spotlights in Recruiter and Jobs ». Nomme officiellement Have company connections comme un Spotlight filtrable : connexions de 1er degré vers des employés de l'organisation qui recrute. linkedin.com/help/recruiter/answer/a414283 ↑

  5. LinkedIn Help Center — « LinkedIn Skill Assessments ». Confirme que les Skill Assessments et les badges « Verified » associés ont été entièrement supprimés en 2024. Raison invoquée par LinkedIn : les exemples de compétences appliquées ont pris plus de valeur qu'un score de test standardisé. linkedin.com/help/linkedin/answer/a507663 ↑

  6. LinkedIn Talent Blog — « How to Improve Your InMail Response Rate, According to LinkedIn Data », 2022. Analyse de dizaines de millions d'InMails de recruteurs d'entreprise, mai 2021 – avril 2022 : les messages de moins de 400 caractères ont un taux de réponse 22 % supérieur à la moyenne ; au-delà de 1 200, 11 % en dessous. Les messages envoyés individuellement, environ 15 % de plus. Les candidats Open to Work ont répondu à un taux 37 % supérieur. Méthodologie (taille d'échantillon, période, exclusions) divulguée. linkedin.com/business/talent/blog/… ↑ ↑

  7. LinkedIn Talent Solutions — « New AI-Assisted Search and Projects in Recruiter » (page produit, 2024/2025). LinkedIn rapporte un taux d'acceptation d'InMail 18 % supérieur pour les sessions AI-Assisted Search vs. la recherche manuelle par filtres. La taille d'échantillon et la période pour le chiffre de 18 % ne sont pas détaillées sur la page. business.linkedin.com/talent-solutions/… ↑

verified
Preuves

Sept citations de sources primaires, toutes Tier 1 selon la barre d'évidence du projet. Chaque affirmation sur cette page renvoie au blog engineering, aux pages produit ou à la documentation help-center de LinkedIn. Les notes de méthodologie, les tailles d'échantillon et les zones que nous n'avons expressément pas prétendu connaître sont dans le dossier de recherche sous-jacent.

arrow_backToutes les mécaniques Suivant : Mécanique 02 · Signal Open to Work