Problèmes fréquents + solutions

Trop de CV présélectionnés ou l’inverse :

Si Rima vous remonte presque tous les CV comme pertinents, c’est qu’elle a la main un peu large. Revisitez les critères de tri, rendez-les plus exigeants (p. ex augmenter le score minimum requis). Inversement, si elle filtre trop drastiquement (vous n’avez que 2 CV sur 50 alors que vous en auriez bien vu 10), relâchez certains critères ou ajoutez-en de compensatoires. Par exemple, un candidat n’a pas le diplôme demandé mais a 10 ans d’expérience – Rima l’a peut-être écarté à cause du diplôme manquant. Indiquez-lui dans les critères que l’expérience peut compenser l’éducation. Elle ajustera son algorithme.

Rapports d’entretien IA peu exploitables :

Si vous trouvez que les comptes-rendus de Rima sont trop verbeux ou flous (“Le candidat semble convenir mais a quelques réserves…” sans détail), c’est possiblement que vos questions ou consignes d’évaluation ne sont pas assez précises. Ajoutez par exemple un barème ou des questions plus ciblées. Demandez-lui un score chiffré par compétence dans le prompt : “Note de 1 à 5 en compétence technique, 1 à 5 en communication, etc.”. Cela forcera un rendu plus structuré. Vous pouvez aussi réduire le nombre de questions ouvertes et inclure quelques questions fermées ou quiz. L’IA excelle à évaluer des réponses factuelles, moins les réponses très subjectives. Enfin, n’hésitez pas à recouper vous-même en lisant les transcriptions (si disponibles).

Candidats contactés trop tard ou multiples fois :

Si un candidat a deux candidatures sur deux postes, Rima pourrait le contacter deux fois. Centralisez si possible la vue candidat : Rima devrait détecter les doublons via l’email et adapter (ex: lui dire “vous avez postulé aux postes X et Y”). Si ce n’est pas le cas, signalez dans l’interface de fusionner les entrées doublons. Concernant la réactivité, assurez-vous que Rima envoie le mail de présélection ou l’invitation à entretien rapidement (idéalement dans les 24h). S’il y a un délai, peut-être la fréquence de traitement des candidatures est paramétrée sur 1 fois par jour la nuit. Vous pouvez pousser à plus fréquent si volume important. Un réglage possible : “Check new applications every 2 hours”.

Réponses erronées en FAQ interne :

Si un employé rapporte que Rima lui a donné une info fausse (ex: une ancienne politique de télétravail), c’est que la base de connaissances n’a pas été mise à jour ou bien qu’il y a plusieurs versions d’info et l’IA a pris la mauvaise. Cherchez le snippet/doc responsable (peut-être un vieux fichier PDF avec l’ancienne politique). Mettez-le à jour ou supprimez-le pour éviter confusion. Rima peut aussi se tromper si la question est mal comprise – ex: “combien de congés restant” sans données, elle a pu répondre par défaut 25. Pour ces cas, vous pouvez apprendre à Rima à dire “Je ne peux pas déterminer cela, contacte RH” plutôt que de risquer une erreur. Affinez les réponses standard en cas d’incertitude.

Employés peu enclins à utiliser Rima :

Parfois, par habitude, les employés continuent d’envoyer un mail ou d’aller voir le RH humain. Pour encourager l’adoption, assurez-vous que Rima soit facilement accessible (par ex un bouton “Demander à Rima” sur l’intranet, ou un canal chat bien visible). Communiquez sur le fait que ça accélère les réponses et que ça ne remplace pas le contact humain quand nécessaire mais évite d’attendre pour une question simple. Par expérience, dès qu’ils y goûteront (réponse instantanée à “combien de tickets resto restants”, c’est magique), ils l’adopteront.

Surcharge de travail :

Si votre entreprise grossit, Rima aura plus de données à gérer. Surveillez les performances – si l’IA prend trop de temps à traiter tout (peu probable mais possible si des milliers de données), envisagez de segmenter par sous-agents (par ex. recruter un deuxième agent IA RH, mais ce concept n’existe pas tel quel, ou mieux, l’équipe Ecosysteme.ai pourrait augmenter la capacité derrière Rima). En gros, sachez que tout est scalable côté IA tant que votre abonnement le couvre.