Chargé de l’acquisition de talents au CERN, James Purvis nous parle des besoins en recrutement du centre de recherche et explique comment la technologie de recrutement sémantique de Textkernel lui permet d’identifier et d’attirer les meilleurs talents.
Pouvez vous nous présenter le CERN ?
De quoi l’univers est t’il fait ? Comment s’est-t-il constitué ? Les physiciens du CERN cherchent à répondre à ces questions en utilisant les accélérateurs de particules les plus performants au monde. Le CERN est un endroit ou des technologies éprouvées et d’autres plus futuristes donnent aux physiciens, les moyens de procéder à l’étude des particules dans le but de déterminer de quoi est constitué l’univers dont nous ne connaissons que 5 % à l’heure actuelle. Financé par 21 états membres, le CERN emploie 2500 personnes supportant le travail de prés de 10 000 physiciens qui viennent au CERN pour mener leurs recherches.
« Alors que nous sommes capables de trouver le Boson de Higgs parmi des péta-octets de données, il nous était impossible de trouver un candidat parmi quelques giga-octets de CVs »
Quels sont les besoins en recrutement du CERN ?
Contrairement à ce que l’on pourrait penser le CERN emploi des professionnels de domaines divers et variés et finalement peu (moins de 3 %) de chercheurs. Nous avons besoin principalement d’ingénieurs, de techniciens et de personnel de soutien pour construire, opérer et maintenir le complexe autour de l’accélérateur.
Notre challenge principal est de briser l’image préconçue que les gens ont du CERN et de s’assurer que l’on puisse attirer des candidats venant d’horizons différents.
L’autre challenge est d’attirer des candidats venant des 21 états membres contribuant au budget du CERN.
Pourquoi avoir choisi les logiciels de recherche et de matching sémantique de Textkernel pour gérer vos acquisitions de talents ? Comment les utilisez vous au quotidien ?
La technologie de Textkernel est SUPERBE – elle nous a permis de rechercher et d’identifier des talents déjà présents dans notre bassin de candidats. Nous voulions tout d’abord être capable d’explorer les nombreux profils déjà présents au sein de notre ATS. Nous avons plus de 100 000 CVs dans notre propre base de données sans avoir la possibilité de les exploiter pleinement. Cela était frustrant de savoir que pour chaque poste vacant, il était probable qu’un candidat qualifié soit déjà présent dans notre système et qu’alors que nous sommes capables de trouver le Boson de Higgs parmi des péta-octets de données, il nous était impossible de trouver un candidat parmi quelques giga-octets de CVs.