La plupart des outils IA pour la recherche d’emploi s’arretent a la generation d’une lettre de motivation generique.
MadsLorentzen/ai-job-search va plus loin. C’est un framework de candidature sous licence MIT, construit sur Claude Code. L’idee est simple : forkez le repo, remplissez votre profil, puis laissez Claude evaluer les offres, adapter votre CV, rediger les lettres, critiquer les brouillons, compiler les PDF et vous preparer aux entretiens.
Ce qui rend le projet interessant, c’est qu’il traite les candidatures comme un workflow engineering.
Il y a un setup de profil. Des documents sources. Des outils de recherche sur portails d’emploi. Un framework de scoring d’adequation. Un pipeline drafter-reviewer. Des templates LaTeX. Une boucle de verification PDF. Un tracker de candidatures. Des commandes pour ajouter des templates, enrichir un profil, ajouter des portails locaux et analyser les ecarts de competences.
C’est beaucoup plus solide que “coller une offre dans ChatGPT et esperer que le resultat sonne bien”.
Ce qu’est AI Job Search
AI Job Search est un template de projet Claude Code pour gerer une recherche d’emploi avec des workflows agents.
Le depot est concu pour etre forke. Vous ajoutez votre profil, vos documents, vos templates et vos preferences de recherche. Claude Code utilise ensuite les commandes et skills du repo pour aider au setup, a la decouverte d’offres, a la redaction, a la revue et a la preparation d’entretien.
Le workflow principal repose sur trois commandes :
/setupconstruit votre profil depuis des documents, un CV existant ou un onboarding en mode entretien./scraperecherche sur des portails configures, deduplique les roles et presente les matches avec des notes d’adequation./apply <url>evalue une offre, redige les documents adaptes, les envoie en revue, revise, compile les PDF et presente une checklist finale.
Il existe aussi des commandes pour /expand, /upskill, /add-template, /add-portal et /reset.
Le resultat n’est pas une simple reponse IA. C’est un systeme operationnel reutilisable pour candidatures.
Pourquoi c’est different des IA de CV generiques
La plupart des outils IA pour CV optimisent la generation. Ils creent du texte rapidement.
AI Job Search optimise la qualite du processus :
- Il conserve un profil candidat structure.
- Il verifie l’adequation avant de rediger.
- Il utilise les vraies preuves du profil au lieu d’inventer de l’experience.
- Il separe redaction et revue.
- Il compile le CV et la lettre en PDF.
- Il inspecte les problemes de mise en page.
- Il suit les candidatures et supporte l’analyse des ecarts de competences.
Ce dernier point compte. Une candidature n’est pas seulement de la redaction. C’est une selection de preuves sous contraintes.
Le bon CV n’est pas le plus long. C’est la version qui correspond le mieux au role tout en restant vraie. La bonne lettre n’est pas un paragraphe d’enthousiasme generique. C’est un argument prospectif sur l’alignement entre role, entreprise et candidat.
Le pipeline drafter-reviewer
Le workflow /apply est la partie la plus forte du projet.
Il commence par parser une offre depuis une URL ou un texte colle. Il evalue ensuite le role contre le profil candidat : competences, experience, culture, localisation et alignement carriere.
Seulement apres cela, il redige le CV et la lettre.
Le CV et la lettre sont des documents LaTeX, ce qui donne au workflow plus de controle sur la mise en page finale qu’un simple document markdown. Le systeme lance ensuite un second agent Claude comme reviewer. Ce reviewer recherche l’entreprise et critique les brouillons.
Le drafter revise avec le feedback du reviewer, compile les deux PDF, inspecte les pages rendues et itere jusqu’a obtenir une sortie propre.
C’est une vraie amelioration par rapport a une generation en un seul passage.
La verification PDF est le detail pratique
Le repo signale un vrai mode d’echec : les brouillons de CV LaTeX peuvent sembler corrects dans le code source et casser dans le PDF.
Des titres de poste peuvent se retrouver seuls sur la page suivante. Des polices de listes peuvent changer silencieusement. Une lettre peut deborder sur une deuxieme page. La signature peut disparaitre. Un CV de deux pages peut devenir deux pages et demie apres une petite modification.
AI Job Search traite cela en compilant et inspectant les PDF finaux. Il utilise lualatex pour le CV et xelatex pour la lettre, car les templates ont des besoins de polices et packages differents.
C’est exactement le genre de detail qui separe une automation utile d’une demo jolie.
Recherche, portails et marches locaux
Les outils de recherche sont configures par defaut pour des portails danois : Jobindex, Jobnet, Akademikernes Jobbank, Jobdanmark et les listings publics LinkedIn.
Mais le projet n’est pas uniquement pour le Danemark.
Le README precise que le coeur du workflow est agnostique en langue et en pays. Les skills de recherche de portails sont la partie a localiser. La commande /add-portal existe pour etudier un job board, scaffolder une skill de recherche, tester une requete live et l’enregistrer.
Ce design est logique. Les portails d’emploi varient enormement selon le pays et la profession. La partie reutilisable est le processus : profil, recherche, adequation, redaction, revue, verification, tracking, amelioration.
Setup profil et discipline des preuves
Le flow /setup peut lire un dossier documents/ contenant CV, export LinkedIn, diplomes, references et anciennes candidatures. Il peut aussi importer un CV colle ou guider l’utilisateur via un entretien.
C’est plus utile que demander a un LLM de tout deduire depuis un resume.
Un assistant de candidature a besoin de materiau source. Il doit savoir quelles affirmations sont permises, quels projets prouvent quelles competences, comment le candidat ecrit, quels roles valent la peine et quelles contraintes comptent.
Le projet inclut aussi des fichiers structures pour profil candidat, profil comportemental, style d’ecriture, evaluation de poste, templates CV, templates de lettre et preparation d’entretien.
Cette structure empeche l’agent de devenir un redacteur generique.
Upskilling et strategie carriere
La commande /upskill ajoute une couche strategique.
Au lieu d’aider seulement pour la prochaine candidature, elle peut comparer le profil candidat avec les offres suivies ou avec une seule offre. Elle produit ensuite une analyse d’ecart de competences et un plan d’apprentissage avec ressources et estimations de temps.
C’est important parce qu’une recherche d’emploi a deux boucles de feedback :
- Comment ameliorer cette candidature?
- Comment ameliorer mon profil pour la prochaine vague de roles?
La plupart des automations ciblent la premiere boucle. AI Job Search s’interesse aussi a la deuxieme.
Risques et bonnes limites
Ce type d’outil demande des limites claires.
Le projet est le plus fort quand il ameliore verite, pertinence, structure et revue. Il est le plus faible si quelqu’un l’utilise pour generer des candidatures en masse sans les lire.
La bonne nouvelle est que le workflow evite explicitement de fabriquer des affirmations. Il repose sur votre profil et vos documents sources. Cette regle devrait etre traitee comme non negociable.
L’humain reste proprietaire de la candidature. L’agent peut rediger, evaluer, reviser et verifier la mise en page. Mais le candidat doit decider si le role l’interesse vraiment, si les affirmations sont exactes et si la voix finale lui ressemble encore.
Mon avis
AI Job Search est convaincant parce qu’il transforme la candidature en workflow repetable plutot qu’en panique devant une page blanche.
Il utilise Claude Code d’une facon adaptee au support : commandes, skills, documents sources, agents reviewers, sorties fichiers, compilation LaTeX et checklists.
Pour les candidats, la valeur n’est pas que l’IA ecrive une lettre. La valeur est que le pipeline devient plus structure : adequation d’abord, preuves ensuite, brouillon troisieme, revue quatrieme, verification cinquieme.
Pour les developpeurs, le repo est aussi un bon pattern de workflow IA personnel. Il montre comment envelopper un LLM autour d’un vrai processus avec fichiers, commandes, templates, reviewers et gates de verification.
Si vous cherchez un emploi et que vous etes deja a l’aise avec Claude Code, MadsLorentzen/ai-job-search merite d’etre etudie, meme si vous adaptez la couche de recherche de portails a votre propre marche.