Beetween
HRTech | ATS
Parsing de CV par IA, parsing d'offres et matching à l'échelle de 33 millions de CV. avec une défense contre l'injection de prompt intégrée.
Beetween opère l'un des principaux systèmes de suivi de candidatures en France. Avec une équipe d'ingénieurs déjà solide, ils avaient besoin d'un partenaire IA capable d'aller plus vite et d'apporter une expertise spécialisée dans le traitement de documents par LLM et le matching a grande échelle.
Rakam fournit 15 jours par mois de développement IA embarque. construisant le parsing de CV, le parsing d'offres avec défense par nonce contre l'injection de prompt, et le matching CV-emploi multi-dimensionnel conçu pour opérer sur la base de 33 millions de CV de Beetween.
« Chez Beetween, nous avons une équipe d'ingénieurs très solide. Pourtant, nous voulions aller plus vite, battre la concurrence et prendre un rôle de leader IA dans le secteur HRTech. »
CEO
Beetween
33M
CV a grande échelle
15 j/mois
Developpement embarque
3
Services IA construits
Nonce
Défense contre l'injection de prompt
Business
Impact Business
Le matching par IA sur 33 millions de CV donne à Beetween un avantage concurrentiel significatif sur le marche français de la HRTech. Les recruteurs trouvent désormais les bons candidats plus rapidement et avec plus de pertinence que la recherche manuelle ou les systèmes bases sur des mots-clés.
Le modèle embarque de 15 jours/mois signifie que Beetween dispose d'une capacité d'ingénierie IA dédiée sans les coûts de recrutement d'ingénieurs ML spécialisés. La défense contre l'injection de prompt garantit la sécurité du système contre la manipulation adversariale de CV.
Produit
Ce que nous avons construit
Parseur de CV (LLM + OCR)
Pipeline de parsing hybride combinant la compréhension par LLM avec l'OCR pour les documents scannés. Extrait des profils candidats structurés à partir de n'importe quel format de CV. PDF, Word, images. avec une haute précision sur des mises en page et langues variées.
Parseur d'offres avec défense par Nonce
Extraction structurée des exigences de poste à partir des annonces, avec un système de défense par nonce contre l'injection de prompt. Empêche le contenu adversarial dans les descriptions de poste de manipuler le comportement d'extraction du LLM.
Matching CV-emploi (multi-dimensionnel)
Moteur de matching multi-dimensionnel qui évalue les candidats sur les compétences, l'expérience, la localisation et l'adéquation culturelle. Conçu pour opérer a l'échelle des 33M de CV de Beetween en utilisant la recherche vectorielle et le pre-filtrage intelligent.
Technique
Architecture Technique
Le système utilisé Gemini 2.5 Flash pour un parsing et matching de documents efficace en cout, avec Qdrant comme base de données vectorielle pour la recherche sémantique sur 33M de CV. Pytesseract gère l'OCR pour les documents scannés.
LangChain orchestre les pipelines de parsing et de matching, tandis que MLflow suit les expériences et la performance des modèles. Le système de défense par nonce ajoute une couche de vérification cryptographique pour prévenir l'injection de prompt dans le contenu parse.
# Stack
Gemini 2.5 Flash (inference)
Qdrant (base vectorielle, échelle 33M)
Pytesseract (OCR)
LangChain (orchestration)
MLflow (suivi d'expériences)
Kubernetes OVH (orchestration)
# Securite
Défense par nonce contre l'injection de prompt
Detection de CV adversariaux
# Echelle
33M CV indexes
Scoring multi-dimensionnel
Passez du buzz à l'impact réel
Laissez-nous vos coordonnées, nous vous recontactons sous 24h.