LinkedIn révolutionne la recherche d'emploi avec l'IA : des modèles de langage distillés pour des résultats plus pertinents

LinkedIn Réinvente sa Recherche d'Emplois Grâce à la Distillation de Modèles Linguistiques 16 juin 2025 La montée en puissance des recherches basées sur le langage naturel a modifié la façon dont les gens cherchent des informations. Consciente de cette tendance, LinkedIn a travaillé durant l'année écoulée avec plusieurs modèles d'intelligence artificielle (IA) dans le but d'améliorer significativement la recherche d'emplois sur sa plateforme. Cette nouvelle fonctionnalité, désormais disponible pour tous les utilisateurs, utilise des modèles linguistiques largement distillés et affinés, entrainés sur la base de connaissances de LinkedIn, pour mieux cibler les opportunités d'emploi correspondant aux critères naturels de chaque utilisateur. Un Processus de Recherche Plus Intuitif Erran Berger, vice-président du développement produit chez LinkedIn, a expliqué à VentureBeat que ce nouveau système permet aux membres de décrire leurs objectifs dans leur propre langage et d'obtenir des résultats qui reflètent vraiment ce qu'ils cherchent. C'est une avancée importante visant à rendre la recherche d'emplois plus intuitive, inclusive et puissante pour tous. Wenjing Zhang, vice-président d'ingénierie chez LinkedIn, a indiqué que l'un des principaux défis rencontrés par les utilisateurs était leur dépendance excessive aux requêtes basées sur des mots-clés précis. Par exemple, une recherche pour "reporter" pouvait aboutir à des offres pour des journalistes de presse écrite, mais aussi pour des greffiers judiciaires, deux activités très différentes. Pour résoudre ce problème, Zhang et son équipe ont dû repenser entièrement le fonctionnement de la recherche. La Reconception de la Compréhension des Requêtes Les ingénieurs de LinkedIn ont dû commencer par revoir la capacité de compréhension de leur moteur de recherche. Zhang a décrit le processus en trois étapes clés : comprendre la requête, récupérer les informations pertinentes dans la bibliothèque d'emplois, puis classer les résultats pour mettre en avant les postes les plus pertinents. Jusqu'à présent, la plateforme s'appuyait sur des méthodes basées sur des taxonomies fixes, des modèles de classement et des anciens modèles de langage (LLMs), qui manquaient d'une véritable compréhension sémantique profonde. Pour améliorer cette compréhension, LinkedIn a opté pour des modèles linguistiques modernes et déjà affinés (LLMs). Ces modèles, plus performants, offrent une meilleure capacité de traitement du langage naturel (NLP). Cependant, les LLMs étant coûteux en termes de calcul, l'entreprise a dû trouver une solution pour réduire ces frais. L'Optimisation via la Distillation LinkedIn a mis en œuvre des méthodes de distillation pour diminuer les coûts liés aux GPUs. Le processus a consisté à diviser le modèle LLM en deux parties : l'une pour traiter les données et assurer la récupération d'informations, l'autre pour le classement des résultats. Un modèle "enseignant" a été utilisé pour aligner les modèles de récupération et de classement, assurant ainsi une cohérence et une pertinence optimales des résultats. Cela a également permis de simplifier les étapes du système de recherche. Avant l’optimisation, le pipeline comptait jusqu’à neuf étapes, souvent redondantes. Afin de conserver une compréhension sémantique tout en améliorant la productivité des développeurs d'IA, LinkedIn a utilisé des techniques d'optimisation multi-objectifs (MOO). L'objectif est de garder la récupération d'informations simple sans alourdir inutilement le travail des développeurs. Un Moteur de Requêtes Plus Personnalisé LinkedIn a également développé un moteur de requêtes qui génère des suggestions personnalisées aux utilisateurs. En lieu et place d'une recherche unique pour "software engineer," un utilisateur peut maintenant formuler sa demande de manière plus précise, comme : "Trouver des emplois de développeur logiciel à Silicon Valley qui ont été publiés récemment." Ce niveau de détail et de personnalisation devrait réduire considérablement le temps et l'effort nécessaires pour trouver l'emploi idéal. Des Initiatives AI en Séries LinkedIn n’est pas la seule entreprise à voir le potentiel des modèles linguistiques basés sur l'IA pour l'entreprises. Google prédit que 2025 sera l'année où la recherche entreprise deviendra encore plus performante grâce à des modèles avancés. Des solutions comme Cohere's Rerank 3.5 aident à briser les barrières linguistiques dans les entreprises. Les produits de "Deep Research" proposés par OpenAI, Google et Anthropic témoignent d'une demande croissante pour des agents capables d'accéder et d'analyser les sources de données internes. Au cours de l'année dernière, LinkedIn a déployé plusieurs fonctionnalités basées sur l'IA. En octobre, l'entreprise a lancé un assistant IA pour recruteurs, conçu pour leur faciliter la tâche en identifiant les meilleurs candidats. Perspective Future Deepak Agarwal, Chief AI Officer de LinkedIn, discutera des initiatives de l'entreprise en matière d'IA lors de VB Transform à San Francisco ce mois-ci. Il abordera notamment comment l'entreprise a réussi à passer de la phase prototype à la phase de production pour son assistant de recrutement. Pour participer à cet événement passionnant, inscrivez-vous dès maintenant. Évaluation et Contexte Industriel Cette avancée de LinkedIn souligne une tendance majeure vers l'intégration de technologies de pointe dans les plateformes de médias sociaux professionnels. L'utilisation de l'IA pour améliorer la recherche d'emplois est non seulement un bénéfice direct pour les utilisateurs, mais elle renforce également la position de LinkedIn sur le marché concurrentiel des solutions de recrutement. LinkedIn, connue pour son réseau professionnel robuste et ses services en ligne, continue d'investir dans l'IA pour offrir des expériences utilisateur plus intelligentes et plus personnalisées, ce qui pourrait la positionner comme leader dans le domaine du recrutement technologique à l'avenir.