Les entreprises disposent déjà d’une multitude d’outils pour chasser les talents techniques, mais une nouvelle startup veut donner un coup de pouce aux recruteurs en réunissant les mondes de GitHub et de LinkedIn pour créer une base de données des candidats les plus appropriés pour un développement logiciel spécifique. rôle – et il le fait en utilisant l’IA pour «déduire» les compétences à partir du code qu’ils ont écrit.
Prog.ai, comme s’appelle l’entreprise, permet aux recruteurs de rechercher des développeurs en fonction de leurs compétences techniques, des bibliothèques qu’ils ont utilisées ou simplement des contributions qu’ils ont apportées à des projets sur GitHub.
Fondée à San Francisco en 2022, Prog.ai est une idée originale de la PDG Maria Grineva, qui a vendu une ancienne startup de données appelée Orb Intelligence à Dun & Bradstreet en 2020 ; CTO Fedor Soprunov, ancien chercheur en apprentissage automatique chez le titan technologique russe Yandex ; et le chef de produit Dmitry Pyanov, qui a travaillé dans des équipes de produits dans des entreprises telles que Yandex et Replika.
Alors que l’embauche est l’objectif principal de l’entreprise au départ, avec son ouverture de produit inaugurale pour les recruteurs en version bêta fermée cette semaine, Grineva voit une large gamme de cas d’utilisation au-delà de l’aide aux entreprises pour remplir des rôles techniques. Cela comprend la promotion des relations avec les développeurs, comme leur demander de rejoindre une communauté ou les inviter à contribuer à un projet open source ; solliciter leur expertise pour un problème précis; et même pour aider les sociétés d’outils de développement à présenter leurs produits.
« Cette semaine, nous lançons Prog.ai pour les recruteurs technologiques, et en avril, nous allons étendre notre offre SaaS avec Prog.ai pour les relations avec les développeurs afin d’aider les entreprises qui créent des outils pour les développeurs à comprendre leur TAM (marché total adressable), en savoir plus sur leur communauté de développeurs existante et atteindre leur public cible », a expliqué Grineva à TechCrunch.
Pour aider à lancer sa poussée commerciale, Prog.ai a annoncé aujourd’hui qu’elle avait levé 1 million de dollars en financement de pré-amorçage auprès du fonds providentiel allemand Angel Invest, de Brooklyn Bridge Ventures et d’un grand nombre de soutiens providentiels, dont l’un des premiers employés de Spotify et son ancien CTO, Andreas Ehn.
Analysez ça
Alors, comment Prog.ai s’y prend-il pour déduire les compétences à partir du code source public ? Eh bien, dans un premier temps, la plateforme exécute la commande « git clone » de GitHub, qui crée une copie de millions de dépôts et de branches publics. Prog.ai analyse ensuite chaque commit git et inspecte l’extrait de code, le chemin du fichier et le sujet du commit pour comprendre de quoi il s’agit.
« Pour un projet donné, nous pouvons voir qui est l’architecte principal, qui développe le back-end ou le front-end, qui se concentre sur l’UI/UX, qui construit l’assurance qualité et les tests, et qui sont les rédacteurs techniques », a déclaré Grineva.
Prog.ai examine également les actions git telles que les demandes d’extraction, y compris les rejets et les approbations, les commentaires et les ouvertures de problèmes, ce qui permet à Prog.ai de « comprendre » les différents rôles et niveaux d’engagement des contributeurs du projet.
« Nous traitons non seulement des projets open source célèbres, mais également des projets » familiers « , des tests, des forks et même des projets de formation de Coursera ou Udemy que les ingénieurs gardent publics sur GitHub », a ajouté Grineva. « Au total, nous traitons environ 1 milliard de commits sur GitHub par an pour obtenir un profil très précis des compétences de chaque ingénieur. »
Sous le capot, Prog.ai s’appuie sur le GPT d’OpenAI, adaptant le modèle de langage très médiatisé sur des projets open source de haut niveau et des articles StackOverflow pour l’aider à obtenir des scores sur la qualité du code, par exemple.
Exemple de profil Prog.ai. Crédits image : Prog.ai
Les utilisateurs de Prog.ai peuvent créer des listes des meilleurs experts dans des disciplines spécifiques, telles que les « grands modèles de langage » ou la « vision par ordinateur », et générer un classement des meilleurs interprètes dans un domaine donné. Ou ils peuvent soumettre une liste de référentiels et créer un classement de tous les contributeurs en fonction du nombre de commits qu’ils ont effectués.
En effet, les recruteurs et les entreprises peuvent adapter leur recherche aux paramètres qu’ils souhaitent, notamment les domaines de compétence, les langages de programmation et le nombre d’années d’expérience.
Exemple de recherche Prog.ai. Crédits image : Prog.ai
Mais comprendre le code n’est qu’une partie de l’offre de Prog.ai.
L’un des principaux arguments de vente des recruteurs est la capacité à connecter avec les développeurs de logiciels, et pour cela, Prog.ai intègre un moteur de diffusion par e-mail intégré, alimenté par la plate-forme d’engagement commercial Reply.io.
« Les utilisateurs utilisent notre recherche pour créer une liste de candidats pertinents, puis ils peuvent créer une séquence d’e-mails personnalisée, mentionnant les candidats par leur nom, faisant référence à leurs projets et expliquant pourquoi ils pensent qu’un poste leur convient », a déclaré Grineva. .
Prog.ai : Exemple de diffusion par e-mail. Crédits image : Prog.ai
Les recruteurs voudront probablement aussi une vue plus complète des compétences, de la formation et de l’historique d’emploi d’un développeur, ce qu’ils n’obtiendront probablement pas de GitHub. C’est là que LinkedIn entre dans la mêlée, avec Prog.ai glanant des données accessibles au public et les alignant avec l’individu correspondant de GitHub. Et c’est ce que Grineva dit être la sauce spéciale de la plate-forme – en maillant les données de deux plates-formes largement utilisées, elle peut construire une image plus fine des candidats potentiels.
« Je pense que rejoindre les profils GitHub et LinkedIn apporte beaucoup de valeur, car les ingénieurs ne sont généralement pas très bons pour se promouvoir et n’ont souvent même pas de profils LinkedIn complets », a déclaré Grineva. « De plus, sur LinkedIn, les gens se décrivent eux-mêmes, ce qui signifie que l’information est subjective. L’application d’une méthodologie standard pour déduire les compétences de tous les ingénieurs en fonction de leurs contributions réelles au code supprime non seulement la subjectivité, mais signifie également que les entreprises seront en mesure d’évaluer les candidats de manière uniforme.
Marieur
Bien sûr, rien de tout cela n’offre un canal de recrutement parfait. Rassembler deux ensembles de données gargantuesques et disparates n’est pas une tâche facile, et il y a probablement beaucoup de place à l’erreur ici, avec des noms et des historiques similaires augmentant le potentiel de confusion des profils. Et cela suppose qu’une personne a un profil LinkedIn en premier lieu, ce qu’elle ne pourrait absolument pas. Mais sous le capot, Grineva a déclaré avoir mis en place des mesures qui contribuent à résoudre au moins certains de ces pièges potentiels.
« Faire correspondre deux grands ensembles de données n’est pas une tâche facile, car les informations que les gens mettent à disposition sur GitHub peuvent être rares, de nombreux ingénieurs choisissant d’être anonymes sur GitHub », a expliqué Grineva. « Nous avons construit un système propriétaire de correspondance floue qui prend en compte non seulement les noms, les noms d’utilisateur et les adresses e-mail, mais qui correspond également aux lieux de travail, à l’expertise et aux intérêts. »
En plus de cela, Grineva a déclaré qu’ils utilisaient la vision par ordinateur pour comparer les avatars de profil entre les plates-formes, ce qui, bien qu’il ne soit pas infaillible en soi, sert d’outil supplémentaire aux côtés de ses autres mécanismes de vérification.
Au moment de la rédaction de cet article, Prog.ai prétend avoir les coordonnées d’environ 70 % de tous les profils de sa base de données, ce qui signifie évidemment que 30 % manquent de ces données cruciales. À ce stade, Grineva a déclaré que même s’ils espéraient améliorer la couverture de leurs coordonnées au fur et à mesure de leur expansion, ses cas d’utilisation potentiels ne tourneront pas toujours autour de la communication.
« Un autre cas d’utilisation important est l’enrichissement des données », a-t-elle déclaré. « Les clients peuvent rechercher le profil complet du candidat par le pseudo GitHub, l’URL LinkedIn ou l’e-mail de contact – dans ce cas, nous ne pouvons correspondre qu’aux 70 % où nous avons l’e-mail. »
Il y a aussi l’éléphant géant dans la salle ici : Prog.ai ne facilite-t-il pas simplement les « appels à froid » qui cherchent à contacter les développeurs en masse ?
« Il y a un risque, mais il est important de reconnaître d’abord que les recruteurs essaient déjà d’appeler les développeurs à froid et cela se produit actuellement via d’autres outils, ainsi que certains recruteurs techniques extrayant manuellement les informations de contact directement de GitHub », a déclaré Grineva. « Cela dit, les recruteurs le font actuellement avec des informations mauvaises ou limitées sur les développeurs auxquels ils s’adressent, ce qui signifie que la sensibilisation n’est pas personnalisée et que souvent l’opportunité ne convient pas aux développeurs. En conséquence, ces e-mails apparaissent comme des spams.
Pour ceux qui reçoivent une campagne de sensibilisation propulsée par Prog.ai, Grineva a noté que la plate-forme est « entièrement conforme au RGPD » et que les développeurs peuvent lui demander de supprimer ou de modifier leurs profils, ainsi que de se retirer entièrement de sensibilisation par courrier électronique.
Montre moi l’argent
Il est encore tôt pour Prog.ai et il expérimente différents plans, mais la société exploite essentiellement un modèle d’abonnement basé sur SaaS, avec une tarification basée sur le nombre de contacts auxquels un utilisateur accède. Cela commence par « gratuit » jusqu’à 100 contacts par mois, jusqu’à un plan « recruteur », qui est de 530 $ par mois pour les fonctionnalités de recherche avancées et 3 000 contacts. Il propose également un plan d’entreprise avec une tarification personnalisée, qui est disponible sur demande.
Il ne faut pas non plus ignorer la myriade d’autres solutions de recrutement, allant du produit Talent Solutions de LinkedIn à Zoominfo, SeekOut, TalentOS et HireEZ. Mais Grineva dit que l’accent mis par Prog.ai uniquement sur les talents techniques et son intelligence d’analyse GitHub sont ce qui le distingue de la foule. À son tour, cela pourrait signifient des efforts de chasse de tête mieux ciblés, où les objectifs d’un recruteur et d’un candidat sont plus étroitement alignés.
« Étant moi-même ingénieur, je reçois beaucoup de messages de recruteurs qui ne sont pas pertinents pour moi et je vois ce problème de première main », a déclaré Grineva. « Je pense qu’il s’agit principalement d’un problème de qualité des données : les recruteurs n’ont tout simplement pas assez d’informations sur moi pour me mettre en relation avec des opportunités intéressantes. Notre objectif est de réduire le niveau de bruit que les développeurs reçoivent aujourd’hui. En fournissant aux recruteurs de meilleures informations, nous pensons que ce sera une situation gagnant-gagnant pour les développeurs et les recruteurs. »