Comment j’ai automatisé ma veille : 3000 outils SIRH en un weekend grâce à o1-preview, Perplexity et Cursor

Samedi je me suis lancé un défi dingue : recenser le plus de plateformes SIRH (Système d’Information des Ressources Humaines) utilisant l’IA générative, et ce dans le monde entier.

Mais comment faire cela ? C’est un travail titanesque, il y a des milliers de startups et d’entreprises dans le secteur HRTech. En utilisant l’IA générative bien sûr ! J’ai utilisé un mix entre Perplexity et o1 pour atteindre mon objectif. On le verra par la suite, ce n’est pas parfait. Mais c’est la meilleure méthode que j’ai trouvé pour faire de la veille automatisée à l’heure actuelle !

Je tiens à préciser que, bien que touchant ma bille en informatique, mes connaissances en Data scientisme sont plus que limitées, ce qui rend l’exercice encore plus impressionnant.

Le résultat ?

• Plus de 3000 entreprises RH analysées
• 1400 identifiées comme étant des SIRH
• 709 utilisant l’IA
• 166 utilisant spécifiquement l’IA générative !
• Une application de visualisation des SIRH analysées : à voir gratuitement ici
• 3 script pythons
• 3316 lignes de codes

Et tout ça en moins de 25h (calcul à la fin de l’article) et tout seul ! Enfin, avec mes nouveaux compagnons IA, j’ai nommé Perplexity et o1-preview d’OpenAI.

Voici le logiciel final que j’ai créé et accessible gratuitement ici.

[embed]

Comment je calcule le temps estimé ?

Pour calculer le nombre d’heure qu’il aurait fallu, je me base sur une moyenne haute de 50 lignes de code par journée de 7h pour un développeur informatique moyen.

Qu’est-ce que Perplexity ?

Perplexity est un moteur de recherche basé sur l’intelligence artificielle, similaire à ChatGPT, mais bien plus puissant lorsqu’il s’agit de faire des recherches précises et détaillées. Ce qui le distingue, c’est sa capacité à explorer le web en temps réel pour fournir des réponses complètes, souvent avec des sources fiables à vérifier directement. En ce moment, Perplexity utilise le modèle Llama 3.1, plus précisément llama-3.1-sonar-huge-128k-online de Meta, un modèle de pointe conçu pour traiter d’énormes volumes de données en ligne de manière hyper efficace.

En plus d’être un outil de recherche, Perplexity propose une API (interface de programmation) qui permet à d’autres applications de s’intégrer facilement à sa technologie pour automatiser la collecte d’informations. Cela permet aux entreprises ou développeurs de tirer parti de ses capacités de recherche pour obtenir des réponses en temps réel directement dans leurs systèmes ou applications.

Vous pouvez essayer cette application ici gratuitement.

Qu’est-ce que o1 Preview ?

o1-preview est le nouveau modèle d’intelligence artificielle lancé par OpenAI. Il est conçu pour exceller dans le raisonnement complexe, c’est-à-dire qu’il peut résoudre des problèmes difficiles en prenant le temps de réfléchir à chaque étape, un peu comme un humain le ferait; c’est d’ailleurs sur des exemples types de réflexion humaine (en texte) que ce modèle a été entraîné. Cela le rend particulièrement efficace pour des tâches comme les mathématiques, les sciences, et surtout le codage informatique, où il surpasse tous les autres modèles (et beaucoup d’humains).

Par exemple, il a montré d’excellentes performances dans des concours de programmation en ligne, se classant parmi les meilleurs participants. Ce modèle est aussi capable de générer et d’optimiser du code, de résoudre des bugs, et d’assister les développeurs dans leurs projets​

J’entends tout de suite les gens crier à l’anthropomorphisme, alors oui, ces LLMs ne résonnent pas vraiment comme des humains, ces systèmes ne sont qu’artificiels, ne font que simuler le raisonnement. Je pense que c’est un débat inutil. Je voudrais quand même rappeler que ces modèles ont été spécifiquement conçu en tentant de reproduire la façon dont un humain raisonne, et ça marche. Donc au final, que ce soit un “vrai” raisonnement humain ou un “faux” raisonnement simulé par une machine, on prendra le meilleur résultat non ?

Parenthèse faite, il se trouve que le compte OpenAI de Tomorrow Theory date de 2020, (et oui, j’étais dans les early adopters !) et nous offre certains avantages, notamment un accès anticipé et illimité aux nouveaux modèles, ici de o1-preview.

Workflow

Commençons par le commencement. Je creuse beaucoup le sujet SIRH en ce moment, je me demande comment l’IA générative va transformer en profondeur ce type de logiciels, du recrutement a la paie, en passant pas le learning et le talent management.

J’ai donc eu une idée : pourquoi ne pas utiliser Perplexity pour automatiser la recherche de startup et d’entreprises innovant avec l’IA générative ?

1- Moisson d’entreprise

Temps passé avec IA : 3h

Temps estimé sans IA : 27h — 2h pour la collecte manuelle d’information, 25h pour extraire 3000 entreprise dans de la donnée non structurée, 30secondes par entreprise

Première étape : Récolter le plus de nom d’organisations RH possibles. J’ai d’abord commencé par les françaises en allant chercher tous les exposants du HRTech Paris 2024, puis des entreprises composant le LabRH, puis le HRTech européen, des US, d’Asie, d’Océanie, de Thailande, de Singapour, de Russie et même de Chine ! Ensuite je suis allé sur les sites d’incubateurs de startups comme YCombinator, des sites répértoriant des SIRH, etc…

Voici les sources principales que j’ai utilisées :

• https://www.mapofhrtech.com/Public/Upload/Cloudmap/66d6551c9c6be.png
• https://www.hrtechchina.com/Resources
• https://hrteurope2024.smallworldlabs.com/exhibitors/
• https://www.hrtechnologiesfrance.com/e-zone#/
• https://www.hrtechfestivalasia.com/exhibitors/
• https://www.hrtechnologyconference.com/
• https://lab-rh.com/annuaire
• https://www.zavvy.io/blog/ai-in-hr-examples
• https://www.ai-startups.org/top/employee-management/
• https://mostlovedworkplace.com/top-6-companies-leading-the-way-for-machine-learning-in-hr/
• https://www.flexos.work/learn/top40-ai-hr
• https://www.ycombinator.com/companies/industry/hr-tech

Cette étape était la plus fastidieuse car les agents autonomes IA n’existent pas encore, j’ai du faire ce sourcing en partie à la main.

D’abord j’allais sur un des sites ci-dessus, je copiais toute les page mentionnant les entreprises sans trier, ensuite je donnais toutes ces données non structurées à o1 et il faisait une extraction chirurgicale des noms d’entreprises, jusqu’à 200 noms d’entreprise extraits sans erreur en un coup, et je n’ai pas essayé plus !

https://www.mapofhrtech.com — Carte du HRTech Chinois

Le plus complexe à extraire fut le HRTech chinois, j’ai du me servir de cette infographie, extraire le texte avec l’application image to text Brandfolder, donner le texte brut (et en chinois) à o1. Il a réussi à me ressortir à peu près 180 noms !

Cette étape finie, je me retrouve avec un fichier excel de plus de 3000 lignes, 3000 noms d’entreprises.

Mais il y a un problème, j’ai quand même pas mal de doublons !

2- Dédoublonnage

Temps avec IA : 2min

Temps estimé sans IA : 3.5h (25 lignes de code)

Me voilà donc avec mon fichier de 3000 lignes, et pas mal de doublons. Je veux donc écrire un script pour retirer ces doublons, pour cela il faut faire attention, entre autre, à la casse :

Par exemple Workday et workday doivent être considérés comme la même entreprise malgré la majuscule sur l’un et pas sur l’autre.

Je décide donc d’écrire un script, ou plutôt, je demande à o1 de le faire. Et boum, en 30 seconde, j’ai un script de 30 lignes qui fonctionne du premier coup et qui me trie même tout ce petit monde par ordre alphabétique !

Prompt o1 :

J’ai 3000 nom d’entreprises dans un fichier excel (une seule colonne: A) J’ai beaucoup de doublons, je voudrais nettoyer ce fichier. Il y a des histoires de majuscules, minuscules, etc… fais en sorte d’enlever tous les doublons. Attention, il y a des entreprises en caracteres chinois et cyrillique. Ecris un script python pour cela.

Bon, pas mal, d’autres IA comme Claude 3.5 permettent déjà de générer des scripts simples. Mais bon, je suis content, mon nouveau fichier est maintenant de 2959 entreprises au lieu de 3024, ça fait 65 doublons.

Ok, maintenant mon fichier source est clean, il est temps de passer aux choses sérieuses : la veille automatisée.

3- Veille automatisée

Temps avec IA : 14h — 1h pour écrire le script, 10h d’attente que le script finisse de tourner.

Temps estimé sans IA : 560h — 500h : à hauteur de 5 min par entreprises, sans compter les jours hommes à penser et 60h coder le script à la main (432 lignes de code) !

Voilà la partie intéressante ! Celle où Perplexity entre en action. Voilà le plan : pour chacun des noms d’entreprise, je vais demander à Perplexity de me donner le plus d’info sur l’entreprise pour déterminer :

Si c’est un SIRH (dans les 3000, beaucoup de boites de consulting RH, sans logiciel SIRH, et ça ne m’intéresse pas aujourd’hui !)

Si oui : On inscrit l’entreprise dans la liste et on demande a Perplexity de :

• Collecter l’URL de l’entreprise
• Faire un résumé de l’entreprise et de sa solution SIRH
• Collecter des données (pays, date de fondation, secteur RH, etc…)
• Déterminer si l’entreprise utilise l’IA
• Déterminer si l’entreprise utilise l’IA générative spécifiquement
• Collecter les sources prouvant cela

Si non : On n’inscrit pas l’entreprise et on passe à la suivante

Encore une fois, je demande à o1 de m’écrire le script, il me faut 1h d’itérations pour obtenir ce que je veux. Finalement, je repars avec un script de 432 lignes, qui me donne un fichier excel et un fichier JSON avec 1422 entreprises proposant un logiciel SIRH !

Dans ce script, j’ai 2 prompts pour Peplexity :

• Prompt 1 : qui détermine si l’entreprise a un SIRH et qui recueille les infos de l’entreprises
• Prompt 2 : Si c’est un SIRH, alors on détermine si le SIRH utilise l’IA ou l’IA générative

Prompt 1 Perplexity :

# The first prompt template with founding date
 first_prompt = f'''
Fournissez les informations suivantes au format JSON, uniquement du JSON, sans explications :

1- L'entreprise propose-t-elle un logiciel ou une solution technique pour les RH ?
Oui
Non

2- Catégories de SIRH
Choisissez parmi les catégories suivantes (plusieurs choix possibles si applicable) :
- Recrutement et sélection des candidats
- Onboarding et intégration
- Formation et développement
- Gestion des performances
- Administration du personnel
- Engagement et bien-être des employés

3- Taille de l'entreprise
Sélectionnez l'une des tailles standardisées suivantes :
- Startup (moins de 50 employés)
- PME (Petite ou Moyenne Entreprise, 50 à 250 employés)
- ETI (Entreprise de Taille Intermédiaire, 250 à 5000 employés)
- Grande entreprise (plus de 5000 employés)
- Multinationale

4- Pays d'origine de l'entreprise
Utilisez le nom officiel du pays en français, par exemple :
- France
- États-Unis
- Royaume-Uni
- Allemagne
- Espagne
- Canada
- Australie
- etc.

5- Date de création de l'entreprise
Format : Année (par exemple, "2010")

6- Résumé du logiciel SIRH et sa valeur ajoutée
Un texte concis décrivant :
- Les principales activités de l'entreprise
- Ses produits ou services phares
- Ce qui la distingue sur le marché (innovation, spécialisation sectorielle, utilisation de l'IA, etc.)

7- URL du site Web de l'entreprise
Format complet, par exemple :
https://www.nomdelentreprise.com

Voici l'entreprise : "{company_escaped}".

Notez qu'il peut y avoir plusieurs entreprises avec ce nom liées aux Systèmes d'Information Ressources Humaines (SIRH) ou aux Ressources Humaines (RH). Veuillez effectuer une recherche approfondie en tenant compte des termes "HRIS" et "HR" pour identifier l'entreprise pertinente.
Il est très important de fournir le site internet de l'entreprise pour vérification. Ou à défaut, une source fiable confirmant l'existence de l'entreprise. 
Attention !! le champs "website_url" doit uniquement contenir un lien valide commençant par "http://" ou "https://", rien d'autre, pas d'explication si ce n'est pas le lien officiel.

=======
Format JSON :

[
  {{
    "company_name": "",
    "is_hris": "",
    "categories": [
      "",
      ""
    ],
    "company_size": "",
    "country_of_origin": "",
    "founding_date": "",
    "summary": "",
    "website_url": ""
  }}
]

===========
Rappel important : Le format de sortie doit être en JSON, **uniquement le JSON**, sans aucune explication, commentaire, remarque, note, ou texte additionnel. N'incluez **aucun** texte avant ou après le JSON. Votre réponse doit commencer immédiatement par le caractère '[' correspondant au début du tableau JSON.'''

Prompt 2 :

second_prompt = f'''
{first_response_json_str}

Cette entreprise utilise-t-elle l'IA et plus spécifiquement l'IA générative ?

=======
Format JSON :

[
  {{
    "use_ai": "",
    "explanation": "",
    "use_generative_ai": "",
    "source_urls": ["", ""]
  }}
]

1- Les sources URL doivent être des liens vers des articles, des pages de site Web ou des documents qui confirment l'utilisation de l'IA par l'entreprise.
2- Ne met des sources que si l'entreprise utilise l'IA.
3- Si l'entreprise utilise l'IA générative (cette utilisation doit être explicite), alors use_generative_ai = "oui", sinon "non".
4- Si l'entreprise n'utilise pas l'IA, alors use_ai = "non" et les autres champs restent vides.

Rappel important : Le format de sortie doit être en JSON, **uniquement le JSON**, sans aucune explication, commentaire, remarque, note, ou texte additionnel.
N'incluez **aucun** texte avant ou après le JSON. 
Votre réponse doit commencer immédiatement par le caractère '[' correspondant au début du tableau JSON.'''

Fichier EXCEL :

Fichier JSON :

[
    {
        "company_name": "Fusion5",
        "is_hris": "Oui",
        "categories": [
            "Administration du personnel",
            "Gestion des performances"
        ],
        "company_size": "ETI (Entreprise de Taille Intermédiaire, 250 à 5000 employés)",
        "country_of_origin": "Nouvelle-Zélande",
        "founding_date": "Inconnue",
        "summary": "Fusion5 propose des solutions de gestion des ressources humaines (RH) et de la paie pour les entreprises, couvrant les processus de gestion du personnel et des performances.",
        "website_url": "https://www.fusion5.com/",
        "use_ai": "oui",
        "explanation": "Fusion5 utilise l'IA pour des solutions de gestion des ressources humaines et de la paie, ainsi que pour des services de données et d'IA.",
        "use_generative_ai": "oui",
        "source_urls": [
            "https://www.fusion5.com.au/microsoft/microsoft-copilot/",
            "https://www.fusion5.co.nz/data-and-ai/"
        ]
    },
    {
        "company_name": "2Interact",
        "is_hris": "Oui",
        "categories": [
            "Recrutement et sélection des candidats",
            "Onboarding et intégration",
            "Formation et développement",
            "Gestion des performances",
            "Administration du personnel",
            "Engagement et bien-être des employés"
        ],
        "company_size": "Inconnu",
        "country_of_origin": "Non disponible",
        "founding_date": "Inconnue",
        "summary": "Non disponible",
        "website_url": "Non disponible",
        "use_ai": "oui",
        "explanation": "",
        "use_generative_ai": "oui",
        "source_urls": [
            "https://www.linkedin.com/company/interactsoftware"
        ]
    }
]

Ça, c’est complètement fou ! Je reste bluffé d’avoir pu aller jusque là en si peu de temps !

Ici j’ai identifié 1422 SIRH dont :

• 709 utilisant l’IA
• 166 utilisant spécifiquement l’IA générative !

Bon, je considère la fiabilité des résultats à 90%, c’est bien mais pas top. Enfin, c’est quand même pas mal de me dire que j’ai passé 546h de moins sur ce problème qu’il ne m’en aurai fallu il y a quelques mois !!

J’ai gagné 97.5% de temps quand même !

Mais bon, 90% de fiabilité c’est pas encore ça, même si quelques startups SIRH dans l’IA génératives ont du m’échapper, je peux creuser celles que j’ai déjà.

4- Amélioration ciblée des résultats

Temps avec IA — 1h30 : 30 min pour écrire le script, 1h d’attente que le script finisse de tourner.

Temps estimé sans IA — 60 heures : à hauteur de 20 min par entreprises, et 5h pour coder le script à la main.

Ici je veux reprendre les 166 SIRH utilisant l’IA générative et creuser un peu. Pour cela j’ai besoin d’un nouveau script qui va faire plusieurs choses :

• Reprendre les 166 startups une par une
• Aller chercher et copier les informations des sources récoltées parlant de l’utilisation de l’IA générative par l’entreprise
• Utiliser Perplexity pour spécifiquement chercher comment l’utilisation de l’IA générative s’applique à cette entreprise
• Réconcilier les données des sources et de Perplexity grace à la puissance de o1 et fournir un rapport plus détaillé.

Ici j’utilise encore o1 pour générer le script, de 250 lignes cette fois.

Voici le résultat d’une recherche avancée avec Perplexity et o1 pour le logiciel open-source Odoo par exemple :

L’entreprise Odoo utilise concrètement l’intelligence artificielle (IA) générative dans les Systèmes d’Information Ressources Humaines (SIRH) pour améliorer l’efficacité et l’automatisation des processus métiers. Voici des détails sur la manière dont Odoo intègre l’IA dans ses solutions SIRH :

1. Automatisation des Processus : Odoo permet d’automatiser de nombreuses tâches et processus répétitifs, ce qui aide à gagner du temps et à réduire les erreurs. Les workflows peuvent être personnalisés pour programmer des activités automatiques, générer des rapports en temps réel et utiliser l’intelligence artificielle pour optimiser les opérations commerciales.

2. Intégration de ChatGPT : Odoo a intégré ChatGPT, un modèle de langage avancé, pour offrir une assistance en temps réel avec des réponses rapides et précises aux questions des utilisateurs. Cette intégration permet aux entreprises de bénéficier d’une assistance intelligente pour leurs opérations métiers.

3. Gestion des Ressources Humaines : Odoo propose des fonctionnalités avancées pour la gestion des ressources humaines, y compris le recrutement, la formation, la gestion des talents et l’engagement des employés. Les solutions technologiques intégrées à Odoo, telles que les plateformes de recrutement en ligne et les systèmes de gestion des candidats (ATS), aident à améliorer l’efficacité et la gestion des talents.

4. Flexibilité et Personnalisation : Odoo est une suite d’applications open source personnalisable qui permet aux entreprises de répondre à leurs besoins spécifiques. Les modules et applications Odoo peuvent être étendus grâce à des téléchargements supplémentaires, offrant une grande flexibilité pour les entreprises.

Logiciels Utilisés

• Odoo : Suite d’applications open source pour la gestion des entreprises.
• ChatGPT : Modèle de langage avancé intégré à Odoo pour l’assistance en temps réel.

Sources

1. Ringover : https://www.ringover.fr/blog/odoo
2. Datascientest : https://datascientest.com/odoo-tout-savoir
3. Weopensoft : https://weopensoft.com/odoo-chatgpt
4. Tech For Retail : https://www.techforretail.com/solutions-et-produits/ressources-humaines-recrutement/
5. Odoo-BS : https://www.odoo-bs.com/fr_FR/odoo

Ces sources fournissent des informations détaillées sur la manière dont Odoo utilise l’IA générative dans les SIRH, ainsi que sur les logiciels et modules utilisés pour améliorer l’efficacité et l’automatisation des processus métiers.

J’ai donc maintenant un vrai rapport pour chacune des 166 entreprises !

Je pourrais m’arrêter là mais je veux un moyen de partager cette connaissance. Je décide donc de faire une petite application de visuPalisation de toutes ces données.

5- Application web de visualisation des données

Temps passé avec IA : 3h

Temps estimé sans IA : 110h pour 781 lignes de code

SIRH finder by Tomorrow Theory

Encore une fois j’utilise o1 pour m’aider dans ma tâche, c’est lui qui sera chargé d’architecturer ma solution, mais c’est moi qui choisi la techno :

Ça sera du NextJS, une techno mélangeant React.js et Node.js pour les connaisseurs, une base de donnée MongoDB et un déploiement sur Vercel.

Une fois mon prompt fini, je demande à o1 de me générer le code de l’application.

J’utilise l’éditeur de code IA Cursor, un fork de VSCode sorti cette année dont je ne peux déjà plus me passer, il intègre Claude3.5 et permet de coder à la vitesse de l’éclair.

En 3h, j’ai été époustouflé, je sors un logiciel parfaitement fonctionnel avec tri, filtres et toutes les données de ma veille automatisée !

Vous pouvez le tester ici : https://sirh.tomorrowtheory.com/

6- Rédaction du post Linkedin

Temps estimé sans IA : 4h pour 303 lignes de texte !

Ce post a été entièrement rédigé sans l’aide de l’IA ! Il faut bien garder un peu le plaisir d’écrire ;)

Temps estimé sans IA

Vous l’attendez tous, voici le tableau récapitulatif du temps gagné avec o1, Perplexity, Claude 3.5 et Cursor.

Alors ? Prêts à voir votre productivité, votre métier, la société touté entière être transformée par l’IA générative ?

Suivez-nous chez Tomorrow Theory, nous anticipons ces grands changement en gardant en tête que l’humain doit rester maître et acteur de sa vie, avec conscience et responsabilité !

• Mon Linktree
• *Mon Linkedin*
• X
• *Film EXPLORER*
• *Podcast CODEX*
• *Newsletter RH & Métavers*
• *Site public Tomorrow Theory*
• *Page Linkedin Tomorrow Theory (abonnez-vous :))*