À propos du projet

career-ops (également écrit careerops) est un système open-source d' recherche d'emploi piloté par l'IA, conçu pour être utilisé depuis un CLI de codage par IA tel que Claude Code, Codex, OpenCode, Antigravity CLI, Grok Build CLI ou Qwen. Ce n'est pas un remplisseur automatique à un clic ; il est positionné comme un pipeline d'évaluation et de suivi, le README précisant explicitement qu'il ne soumet jamais de candidatures automatiquement et que l'utilisateur conserve toujours la décision finale. Objectif et flux de travail Le flux principal débute lorsque l'utilisateur colle une URL d'offre ou une description de poste. Le système classe le rôle selon un archétype (par exemple LLMOps, Agentic, PM, vente, ingénierie forward-deployed ou transformation), puis exécute une évaluation A-H produisant : un résumé du poste, une analyse de correspondance avec le CV (avec importance et attribution par exigence), une stratégie de niveau, une recherche sur la rémunération, des notes de personnalisation, des histoires d'entretien STAR, une vérification de légitimité de l'offre (détection de fraudes ou de jobs fantômes), un signal de blocage pour les offres sans parrainage de visa, et (uniquement pour les rôles à haut score) un projet d'offre. Chaque évaluation génère un rapport structuré en markdown, un CV PDF optimisé pour les ATS, et une entrée dans le suivi. Fonctionnalités clés mentionnées dans le README : - Pipeline automatique : collez une URL ou une description et obtenez l'évaluation, le PDF et l'entrée de suivi. - Rapports d'évaluation A-H : notés de 1 à 5 selon un jugement global sur cinq dimensions, avec des signaux neutres séparés pour l'importance des exigences et la légitimité de l'offre. La section H (projet d'offre) n'est générée qu'à partir d'un score de 4,5 ou plus. - Génération de CV PDF personnalisé : optimisé pour les ATS, avec injection de mots-clés, et un design visuel défini utilisant Space Grotesk et DM Sans. - Générateur de lettre de motivation : brouillons fondés sur la recherche, avec miroir de mots-clés, prompts d'angle et validation avant génération. - Brouillons d'e-mails de candidature : e-mails formels pour recruteurs, références ou froids, avec objet, checklist de pièces jointes et points de correspondance étayés. Seulement en brouillon ; l'outil n'envoie rien. - Scanner de portails : plus de 100 entreprises préconfigurées dans l'écosystème IA et 45+ requêtes de recherche, avec modules pour les API ATS, flux board-wide, flux XML/RSS et parseurs locaux. - Découverte d'entreprises financées : commande pour identifier les entreprises récemment financées via des flux publics structurés. - Traitement par lots : évaluations parallèles via des travailleurs CLI en mode headless. - Tableau de bord terminal : TUI pour parcourir, filtrer et trier le pipeline de candidatures. - Suite d'entretien : plans de préparation chronométrés, sessions d'entraînement avec feedback, débriefs post-entretien et détecteur de signaux d'alerte pour les entreprises. - Support au stade d'offre : accompagnement à la lecture de contrats, liste de questions pour avocat, analyse d'écart salarial entre rémunération souhaitée, annoncée et réelle. - Outils de suivi et de réponse : calculateur de cadence, rappels préremplis, classification des réponses des employeurs. - Analyse de motifs : motifs de rejet, taux d'avancement par canal ATS, statistiques de funnel et détection de reposts ou jobs fantômes. - Système de plugins : intégrations opt-in comme Gmail, Notion et Apify, désactivées par défaut. - Recherche et découverte de contacts : prompts approfondis sur la stratégie et la culture de l'entreprise, identification des recruteurs/manager/collegues, et rédaction de messages LinkedIn courts. Modèle d'utilisation L'outil est conçu pour être intégré directement par le CLI de codage IA. Les modes, archétypes, poids de notation, scripts de négociation et profils sont des fichiers plats que l'assistant peut lire et modifier. L'installation est conversationnelle : lors du premier lancement, le système demande des informations sur le CV, le profil et les rôles cibles. Les invocations supportées incluent des commandes slash comme /career-ops (avec sous-commandes pour pipeline, scan, pdf, cover, email, batch, tracker, apply, outcome, contacto, deep, training et project), ainsi que des prompts en langage naturel pour les CLIs ne supportant pas les slash commands (ex. Codex). Un script autonome via l'API Gemini est également inclus pour évaluer sans installer un CLI complet. Options d'installation Le démarrage rapide se fait en une commande : npx @santifer/career-ops init, qui clone la dernière version et installe les dépendances. Une installation globale via npm est également disponible pour utiliser directement le binaire career-ops. Une installation manuelle par git clone est documentée, incluant l'installation des dépendances, Playwright Chromium pour la génération PDF, une commande doctor pour valider les prérequis, la configuration YAML des profils/portails, et un fichier CV en markdown. Le README note que les premières évaluations seront moins précises tant que l'utilisateur n'aura pas fourni de contexte (CV, histoire professionnelle, preuves, préférences). Licence et provenance Le projet est sous licence MIT et inclut une politique de marque. Il a été créé et maintenu par Santiago Fernández de Valderrama Aparicio, qui affirme l'avoir utilisé pour évaluer plus de 740 offres, générer 100+ CV personnalisés, et obtenir un poste de Head of Applied AI. Le README lie également un mur de témoignages publics HIRED.md et une étude de cas. Le projet se présente comme la première implémentation de référence du "CareerOps Manifesto", un document que les utilisateurs peuvent lire et signer. Contexte et mises en garde Ce résumé reflète uniquement ce qui est indiqué dans le README. Les affirmations concernant les embauches vérifiées, la couverture médiatique, la croissance en étoiles et les résultats personnels sont des déclarations de l'auteur et n'ont pas été vérifiées indépendamment ici. La contrainte de conception répétée tout au long de la documentation est le contrôle humain : l'IA évalue et recommande, l'utilisateur décide et agit, et le système ne soumet ni n'envoie jamais automatiquement.