Intégrations utiles :
Calendrier (pour planifier entretiens) – Connectez l’agenda du recruteur (ou un agenda commun “Entretiens RH”) pour que Rima puisse y inscrire les rendez-vous candidats. Ainsi, quand un candidat accepte un RDV, Tara (ou Rima elle-même) place l’événement. Très utile pour fluidifier l’organisation.
SIRH / ATS (Applicant Tracking System) – Si vous avez déjà un logiciel RH, vérifiez s’il peut s’interfacer. À défaut, Ecosysteme.ai peut faire office d’ATS léger, mais vous voudrez peut-être exporter les données vers votre SIRH officiel. Il y a peut-être une intégration Zapier possible.
Slack/MS Teams – Comme mentionné, ce serait idéal pour la FAQ interne. Pas natif apparemment, mais l’API d’Ecosysteme.ai peut être utilisée pour créer un bot Slack qui relaie les questions à Rima et renvoie la réponse. C’est un petit projet technique. Sans ça, Rima répondra par email ou via le dashboard pour les questions internes (moins pratique).
Paramètres de recrutement :
Vous pouvez souvent configurer les étapes du processus (ex: “En attente CV”, “Test technique”, “Entretien IA”, “Entretien final”, “Offre envoyée”, “Embauché”). Rima peut mettre à jour l’étape automatiquement (après l’entretien IA, elle passe le candidat en “Entretien IA complété” par ex.). Définissez bien ces étapes dans l’UI pour qu’elle suive le flux que vous souhaitez.
Pondération critères – Si c’est paramétrable, ajustez-le en fonction du poste. Par ex, pour un poste technique, la compétence technique = 50% du score, soft skills 30%, culture fit 20%. Rima calculera un score global. Ces poids, si modifiables, se règlent dans la config de scoring. Sinon, Rima a peut-être un modèle par défaut, ce qui marche aussi.
Bibliothèque de questions – Maintenez à jour la banque de questions d’entretien. Ajoutez-en de nouvelles de temps à autre (et enlevez celles devenues obsolètes). Cela évite que les candidats se passent les réponses si toujours les mêmes questions. Rima peut aussi choisir aléatoirement dans la liste pour varier.
Paramètres de FAQ interne :
Assurez-vous que les données personnelles (congés restants, etc.) soient accessibles à Rima si vous voulez qu’elle réponde précisément. Par exemple, connectez-lui l’outil de paie ou importez un fichier mis à jour des soldes de congés dans AI Brain (fichier Excel “solde_congés.csv” par ex.). Sinon, Rima ne pourra répondre que de manière générique (“Les CDI ont 25 congés par an…” sans dire combien il reste à Paul précisément).
Limites – Indiquez à Rima quand même des limites de ce qu’elle peut ou ne peut pas répondre. Par ex, ne pas divulguer de données salariales confidentielles (elle ne devrait pas, mais mieux vaut le préciser). Également, paramétrez qu’en cas de question très pointue ou hors de sa portée (ex: “Quelle est la stratégie RH 2024 ?”), elle renvoie vers le service RH en disant qu’elle transmettra.
Mise à jour – Mettez un rappel (peut-être via Tara) pour actualiser la base RH (ex: à chaque nouveau trimestre, vérifier que Rima a bien les dernières politiques ou chiffres).
Champs obligatoires vs optionnels : Rima, pour bien fonctionner, nécessite de la matière première. Sans offres d’emploi actives ni CV, la partie recrutement ne s’active pas vraiment (logique). Assurez-vous d’enregistrer au moins un poste à pourvoir pour tester. De même, sans documents RH (FAQ), la partie support sera vide – c’est optionnel techniquement, mais c’est le cœur de sa valeur en interne, donc “optionnel mais indispensable” en pratique. Pour onboarding, si vous n’avez pas de nouvelles recrues, vous ne verrez pas son action, mais ce n’est pas bloquant. Ce module s’active dès qu’un contact est marqué comme “Nouveau Employé” dans l’AI Brain (peut-être via l’import d’un contact dans une liste “Employés” avec une date de début). Donc veillez à fournir cette info, sinon Rima ne saura pas qui onboarder.
Paramètres avancés :
Évaluation intelligente – Rima peut potentiellement utiliser l’analyse de sentiment sur les réponses candidates ou sur le feedback employé. Par ex, elle peut détecter qu’un candidat utilise beaucoup de termes négatifs ou incertains, ce qui pourrait influencer la note soft skills. Ces subtilités sont gérées par l’IA en coulisses. Si vous voulez modérer cela (par ex ne pas pénaliser un candidat juste parce qu’il est modeste dans ses réponses), spécifiez-le dans son prompt de comportement. Ex: “Évaluer les candidats sur le fond de leurs réponses plus que sur la forme ou le ton.”.
Biais et diversité – Soyez vigilant aux biais potentiels. L’IA se base sur vos critères : assurez-vous qu’ils sont objectifs et non discriminants. Évitez d’inclure des critères comme l’âge, le genre, l’origine dans le scoring. Si vous craignez un biais implicite, ajoutez dans les instructions “Ne pas tenir compte du genre, de l’âge, de l’origine dans l’évaluation – ne juger que sur compétences et adéquation pro.”. Rima respectera strictement cette consigne, ce qui peut même aider à objectiver le recrutement.
Confidentialité candidats – Vous pouvez paramétrer si Rima notifie automatiquement un candidat quand il est rejeté ou retenu. Selon votre choix, activez/désactivez l’envoi auto de réponse négative. Parfois on préfère personnaliser humainement un refus pour un candidat avancé. Vous pouvez dire à Rima de ne pas notifier les candidats “finalistes” ou de mettre en CC un RH sur les emails pour qu’il puisse intervenir. Configurez selon votre processus.