lightbulb L'idée clé
Une recommandation fait aussi office de filtre de recherche. Dans LinkedIn Recruiter, une connexion au 1er niveau avec un salarié de l'entreprise qui recrute déclenche un spotlight officiellement nommé — « Have company connections » — qu'un recruteur peut activer pour isoler les candidats avec un lien interne2. LinkedIn n'a pas divulgué si ce lien alimente aussi le modèle de classement sous-jacent : traitez-le comme un filtre qui existe, pas comme un boost caché du classement.
Ce qui se propage vraiment
Deux chemins transforment une recommandation d'« une personne que je connais » en « sur l'écran du recruteur ».
Le chemin du transfert. Votre contact dit au recruteur ou au manager qui recrute de vous regarder. LinkedIn ne voit pas et ne mesure pas cette conversation. Elle se passe toujours hors plateforme pour la plupart des recommandations.
Le chemin de la visibilité. Même sans qu'on cite votre nom, le lien apparaît comme un Recruiter spotlight (voir l'encadré ci-dessus)2. Une seule connexion 1er niveau en commun suffit pour vous faire atterrir sur cette liste filtrée.
Les deux chemins demandent la même chose : une vraie connexion 1er niveau avec quelqu'un à l'intérieur de l'entreprise. La suite de cette carte explique quelles connexions comptent le plus.
L'expérience de 2022 que la plupart des guides ont raté
Entre 2015 et 2019, l'équipe data science de LinkedIn, en collaboration avec des universitaires externes, a mené une expérience randomisée sur l'algorithme qui recommande de nouvelles connexions. L'échelle n'est pas typique pour un article de sciences sociales : environ 20 millions d'utilisateurs, 2 milliards de nouvelles connexions et 70 millions de candidatures dans la fenêtre du traitement1.
Puis est venu le résultat, et il a contredit le conseil populaire d'« activer vos contacts les plus proches ». Le plus fort effet causal sur la mobilité professionnelle venait des liens moyennement faibles : des connexions avec environ dix contacts communs. Les liens très forts savent déjà ce que vous savez, ils n'ont donc rien de nouveau à vous apprendre. Les liens très faibles ne peuvent pas se porter garants de vous. C'est le milieu qui a fait bouger les gens vers de nouveaux emplois, et l'effet était le plus fort dans les industries digitales et hi-tech1.
L'article a paru dans Science en 2022, signé par Rajkumar, Saint-Jacques, Bojinov, Brynjolfsson et Aral. LinkedIn a mené l'expérience sur ses propres utilisateurs, à une échelle rare en sciences sociales.
À quoi ressemble vraiment l'entonnoir d'embauche
Les chiffres du diagramme ci-dessus proviennent d'une grande entreprise américaine, suivis à la granularité des dossiers administratifs dans une étude d'économie du travail relue par les pairs3. Les candidats recommandés représentaient 6 % du pool et 29 % des embauches. C'est un entonnoir fondamentalement différent — les recommandations font remonter un pool différent, pas le même pool traité mieux.
La rétention suit le même schéma. Burks, Cowgill, Hoffman et Housman ont étudié neuf grandes entreprises en 2015, couvrant centres d'appels, transport routier longue distance et hi-tech/IT. Les salariés recommandés avaient 10 à 30 % de chances en moins de démissionner, et les recommandés en hi-tech étaient environ 20 % plus susceptibles de déposer un brevet4. Les auteurs ont mené quatre tests séparés pour écarter l'hypothèse d'un effet de mentorat par le référent. L'avantage est la sélection : les recommandations font remonter des candidats qui correspondent mieux au poste précis.
Le résultat de 1973 tient toujours
L'étude de 1973 de Mark Granovetter a interrogé des cadres et professionnels de la région de Boston qui venaient de changer d'emploi. Parmi ceux qui avaient décroché un poste par un contact personnel, seulement 16,7 % voyaient ce contact « souvent » ; 55,6 % le voyaient « occasionnellement » ; 27,8 % le voyaient « rarement »5. La plupart des contacts qui menaient à un poste étaient des liens faibles.
L'expérience LinkedIn de 2022 a répliqué ce schéma avec une identification causale, et a précisé le niveau exact de force du lien qui compte le plus. À cinquante ans d'écart, les deux résultats s'accordent.
Deux choses à faire aujourd'hui
Deux points de départ :
- Contactez vos liens moyennement faibles, pas vos contacts les plus proches. D'anciens collègues chez un ex-employeur, des alumni de votre programme, d'anciens coéquipiers qui ont rejoint votre entreprise cible. Le Chapitre 7 donne les modèles de prise de contact et le critère précis pour identifier quels contacts prioriser.
Lire le Chapitre 7 arrow_forward - Notez votre profil sur les champs que les filtres des recruteurs savent détecter. Le Scorecard vérifie l'Introducible : un filtre « Have company connections » chez les entreprises qui vous intéressent vous ferait-il remonter, tout simplement. Quatre minutes, sans inscription.
Faire le Scorecard arrow_forward
Notes
-
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. Expérience randomisée de cinq ans (2015–2019) menée sur l'algorithme de recommandation de connexions de LinkedIn, couvrant ~20 millions d'utilisateurs, ~2 milliards de nouvelles connexions et 70 millions de candidatures. Les liens moyennement faibles (~10 connexions communes) ont été causalement les plus efficaces pour générer de la mobilité professionnelle ; l'effet était le plus fort dans les industries digitales/tech. science.org/doi/10.1126/science.abl4476 ↑ ↑ ↑
-
LinkedIn Recruiter Help — « Spotlights in Recruiter and Jobs ». Nomme officiellement Have company connections comme un spotlight filtrable : les connexions au 1er niveau avec des salariés de l'entreprise qui recrute. LinkedIn ne divulgue pas si ce même lien alimente aussi le modèle de classement sous-jacent — considérez « les recruteurs peuvent isoler vos connexions en entreprise » comme confirmé ; « cette connexion booste automatiquement votre rang » comme non confirmé. linkedin.com/help/recruiter/answer/a414283 ↑ ↑ ↑
-
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, 2013 (version relue par les pairs : Journal of Labor Economics 34, no 1, 2016 : 161–209). Une seule grande entreprise américaine, données administratives de panel. Les candidats recommandés représentaient 6 % du pool de candidats, 21 % des candidats reçus en entretien, 27 % des candidats ayant reçu une offre et 29 % des embauches. Les candidats recommandés avaient 7,3 points de pourcentage de chances en plus d'être reçus en entretien que les candidats venus des job boards, et 2,4 points en plus de recevoir une offre, tous significatifs au seuil de 1 %. newyorkfed.org/…/sr568.pdf ↑
-
Stephen V. Burks, Bo Cowgill, Mitchell Hoffman, Michael Housman. « The Value of Hiring through Employee Referrals », Quarterly Journal of Economics 130, no 2 (2015) : 805–839. Neuf grandes entreprises couvrant centres d'appels, transport routier longue distance et hi-tech/IT ; centaines de milliers de salariés et millions de candidats. Les salariés recommandés avaient 10 à 30 % de chances en moins de démissionner ; les recommandés en hi-tech ~20 % plus susceptibles de déposer un brevet ; profit par salarié recommandé ~25 % plus élevé. Quatre tests séparés ont écarté le « traitement » (mentorat du référent) — l'avantage est la sélection. doi.org/10.1093/qje/qjv010 ↑
-
Mark Granovetter. « The Strength of Weak Ties », American Journal of Sociology 78, no 6 (mai 1973) : 1360–1380. Parmi les cadres, techniciens et managers d'une banlieue de Boston qui avaient trouvé un emploi par un contact personnel, 16,7 % voyaient ce contact « souvent » (au moins deux fois par semaine), 55,6 % le voyaient « occasionnellement » (plus d'une fois par an, moins de deux fois par semaine) et 27,8 % le voyaient « rarement » (une fois par an ou moins). Article fondateur de sociologie ; ~50 000+ citations. jstor.org/stable/2776392 ↑
Cinq citations de sources primaires, toutes Tier 1 : quatre travaux relus par les pairs (l'expérience weak-ties parue dans Science en 2022, l'étude QJE 2015 sur les embauches par recommandation, la réplication NY Fed SR568, l'article AJS fondateur de Granovetter en 1973) plus la documentation officielle Recruiter Spotlights de LinkedIn. Ce que cette carte affirme délibérément ne pas savoir : si « Have company connections » booste aussi votre rang à l'intérieur du modèle de classement de LinkedIn, un ratio moderne (post-2020) précis du type « les recommandés sont embauchés X× plus souvent que les candidats à froid », et toute taille médiane spécifique du réseau de 2e niveau — tous signalés dans le fichier de recherche sous-jacent.