Étape 1 : Configuration des sources de candidatures.
Pour que Rima reçoive les nouvelles candidatures, intégrez vos canaux de recrutement à Ecosysteme.ai. Cela peut être, suivant ce qui est supporté : votre site carrières, LinkedIn Recruiter, ou un formulaire type Typeform. S’il n’y a pas d’intégration directe listée (dans Integrations, pas de “LinkedIn” hormis pour marketing, ni de “Indeed”…), vous pouvez procéder par email. Par exemple, redirigez l’adresse email de candidature (jobs@votresociété.com) vers une adresse surveillée par Rima. Elle analysera chaque email entrant contenant un CV. Alternativement, vous importez manuellement les CV dans l’AI Brain (ça c’est moins automatisé). L’idéal est de demander aux candidats de remplir un formulaire (ex: Google Form ou autre) que Rima peut récupérer. Une fois ce flux établi, testez : envoyez un CV test et vérifiez que Rima l’a pris en compte (dans AI Brain > Contacts ou dans une section “Candidats” si elle existe).
Étape 2 : Paramétrage des critères de sélection.
Accédez à l’interface de Rima (via Agents > Rima). Vous y trouverez un onglet “Recrutement” ou “Candidats”. Indiquez-y les critères clés pour chaque poste ouvert. Par exemple, vous créez un profil “Développeur Java Senior” avec comme mots-clés obligatoires “5+ ans d’expérience, Java, Spring” etc. Rima s’en servira pour trier les CV. Elle pose peut-être la question “Quelles compétences rechercher en priorité ?” – renseignez ce champ. Vous pouvez aussi fixer un scoring : par ex. 2 points par année d’expérience, 5 points si maîtrise d’Anglais, etc., à configurer dans une grille. Si l’interface ne propose pas de fine configuration, fournissez ces instructions via l’AI Brain (un snippet du style: “Pour le poste X, prioriser candidats avec Bac+5, 5 ans exp, notez 1 à 5 la maîtrise des critères... ”). Rima se basera dessus.
Étape 3 : Conception des questionnaires d’entretien.
Dans la partie “Interview” de Rima (ou équivalent), rédigez les questions d’entretien standard. Par exemple : Q1. Présentez-vous, Q2. Pourquoi ce poste, Q3. Situation d’échec etc. Incluez aussi des questions techniques si nécessaires. Associez éventuellement ces questions à des bonnes réponses attendues ou du moins à ce qu’il faut évaluer (ex: pour la question motivation, évaluer alignement valeurs). Rima utilisera cela pour évaluer en temps réel les réponses. Elle convertira le tout en une interview scriptée. Vous pouvez aussi paramétrer la forme : entretien par email (Rima envoie les questions par email au candidat et attend les réponses), ou entretien chat (plus interactif, si vous l’invitez sur un canal chat). Si possible, optez pour un chat web – Ecosysteme.ai pourrait fournir un lien d’entretien aux candidats.
Étape 4 : Configuration de la FAQ interne.
Importez dans l’AI Brain (Knowledge) vos documents RH internes : règlement intérieur, charte congés, guide mutuelle, etc. Créez des snippets Q/R pour les questions courantes (par ex: *“Combien de jours de congés annuels ?” – *24 ouvrables plus RTT...). Cela servira à Rima pour répondre aux employés. Si vous avez un outil de chat interne (Slack/Teams), voyez s’il est possible de brancher Rima dessus via une integration (pas listé en standard, mais possiblement via une API). Sinon, Rima peut répondre aux emails des employés (ex: un employé envoie un mail à rh@entreprise, Rima traite l’email). Paramétrez Rima pour qu’elle surveille l’adresse RH générique.
Étape 5 : Onboarding automatisé.
Dans Rima > Onboarding (s’il y a), définissez les étapes du parcours d’onboarding. Par ex: T0 (jour de signature) – envoi du kit de bienvenue, T0+1 – rappel envoi pièces administratives, T0+7 – check-in “votre première semaine s’est bien passée ?”, T0+30 – enquête satisfaction onboarding. Vous pouvez configurer ces emails/messages et leur contenu. Utilisez des placeholders (nom du mentor, liens vers modules formation...). Rima se chargera d’envoyer ces communications aux dates voulues pour chaque nouvelle recrue. Pensez à l’alimenter en variables (par ex, dans le contact de la recrue, notez qui est son manager, son mentor, etc., pour que Rima personnalise les instructions).
Étape 6 : Lancement et surveillance.
Une fois tout paramétré, Rima tourne en tâche de fond. À chaque nouvelle candidature, elle agit selon l’étape 1 et 2 : CV triés, profil mis à jour. Sur votre tableau de bord Rima, vous verrez par exemple une liste de candidats avec un score ou un statut (“Pré-sélectionné”, “Rejeté – critère manquant” etc.) – cliquez pour voir les détails et le rapport généré. Quand elle a terminé des entretiens virtuels, regardez les comptes-rendus structurés qu’elle produit pour chaque candidat retenu. Par exemple “Candidat A – Compétences clés ok, motivation forte, note culturelle 8/10 ; recommandation : à rencontrer”. Utilisez cela pour décider qui convoquer en entretien final. Parallèlement, regardez la boîte de réception RH : Rima devrait avoir envoyé aux candidats non retenus des emails de refus polis (si configuré), aux retenus des convocation ou lien Calendly pour RDV (si couplé à Tara ou au calendrier). Vérifiez que le ton et la forme de ces mails vous conviennent – ajustez les templates au besoin (personnalisez les mails de refus pour qu’ils soient humains et respectueux).
Côté support interne, suivez comment les employés adoptent Rima. Peut-être qu’au début ils continuent d’appeler ou d’écrire au RH humain. Encouragez-les gentiment à demander à Rima d’abord (“Pose ta question sur le chat RH, notre assistante IA Rima te répondra plus vite !”). Vous pouvez organiser une petite démo interne pour montrer ce qu’elle sait faire. Plus les employés l’utiliseront, plus elle sera utile et plus elle apprendra (enrichissez la FAQ en fonction des nouvelles questions qui apparaissent). Sur l’aspect onboarding, assurez-vous que chaque nouveau reçoive bien ses messages. Avoir un log de suivi par personne est pratique : ex: “Pierre Dupont – mail Bienvenue envoyé le 01/09, docs reçus OK, feedback 7/10 à J+30”. Vous pourrez ainsi détecter si Rima oublie quelque chose (peu probable mais on ne sait jamais).