Lever est une plateforme de gestion du recrutement au niveau de l'entreprise (ATS) dont le cœur est la « relations avec les talents », mettant l'accent sur la collaboration entre les équipes de recrutement et l'entretien des relations avec les candidats. Ses capacités d'IA couvrent l'analyse des CV, la notation des candidats et l'automatisation des processus.

LeverAI

Tirer parti des paramètres et statistiques de base de l'IA

Élément de paramètre	Descriptif
Positionnement du produit	Plateforme de recrutement de gestion des relations avec les talents (TRM) (intégration ATS + CRM)
Capacités de base de l'IA	Analyse et classement des CV par l'IA, notation des candidats, détection des fraudes, attribution des canaux, réactivation des talents
Méthode de déploiement	Cloud public SaaS
Société mère	Employer Inc. (comprenant trois grandes marques : JazzHR, Lever et Jobvite)
Nombre de clients servis	Plus de 5 000 entreprises clientes
Industries couvertes	Logiciels technologiques, services professionnels, consommation au détail, logistique manufacturière, services financiers, soins de santé, éducation
Certification de sécurité des données	SOC 2 Type II, ISO 27001, conformité RGPD
Écosystème d'intégration	Tirer parti de plus de 250 intégrations de Marketplace, y compris des outils SIRH, de vérification des antécédents, d'évaluations et de planification
Entrée officielle	https://www.lever.co/

La « gestion des relations avec les talents (TRM) » proposée par Lever est différente de l'ATS traditionnelle : elle gère non seulement les candidats en cours de processus, mais gère également un bassin de candidats passifs qui « ne postulent pas actuellement à un emploi mais pourraient être jumelés à l'avenir ». La couche IA surveille en permanence les changements de statut public de ces talents (changements de poste, mises à jour de compétences, démissions) et recommande de manière proactive des opportunités de réengagement. Cette idée de « construire des relations d'abord puis recruter des personnes » transforme le recrutement d'un comportement transactionnel à une gestion relationnelle.

Les données du tableau de bord en temps réel affichées sur la page d'accueil du site officiel sont assez convaincantes : une fois que l'IA gère automatiquement la planification, le suivi et la génération des documents d'emploi, l'équipe de recrutement peut récupérer plusieurs heures de temps administratif chaque semaine ; 142 CV ont été triés en 8 secondes et les 3 meilleurs candidats correspondants ont été repérés ; le module de détection de fraude a intercepté 3 applications suspectes avant d'entrer dans l'entretien.

Utilisateurs et reconnaissance du marché de Lever AI

Sensibilisez progressivement les utilisateurs sur le terrain et les capacités du produit sont utilisées par les créateurs de contenu et les équipes pour améliorer l'efficacité du travail. Les données spécifiques sur l’échelle des utilisateurs et l’adoption par l’industrie sont soumises à la page officielle en temps réel.

Avantages financiers de Lever AI

En tant que produit SaaS au niveau de l'entreprise, Lever ne fournit pas de liste de prix publique et tous les prix doivent être déterminés via la communication commerciale. Ce qui suit démonte la structure des coûts sur la base d’une analyse comparable à l’industrie.

Niveau d'abonnement Entreprise/Équipe (formulaire de livraison principal) :

Le prix de Lever dépend de la taille de l'entreprise, du volume de recrutement, des modules de fonctionnalités requis et de la complexité de la mise en œuvre. La fourchette de référence de l’industrie est la suivante :

Fourchette budgétaire (référence des frais annuels)	Taille d'équipe typique correspondante	Couverture fonctionnelle
15 000 $ à 30 000 $	Équipe de recrutement de 10 à 50 personnes	Core ATS + CRM, tri des CV par IA, planification des entretiens, reporting de base
30 000 $ à 80 000 $	Équipe de recrutement de 50 à 200 personnes	Ci-dessus + Notation des candidats IA, gestion du vivier de talents, intégration d'API d'analyse avancée
80 000$+ / Devis personnalisé	200+ personnes / Multimarque	Ci-dessus + Gestion multimarque, CSM dédié, SSO, workflow personnalisé SLA

Comparaison des coûts avec des produits concurrents :

Dimensions comparatives	Levier	Serre	Ashby	Réalisable
Modèle de tarification	Devis personnalisé par équipe	Stratifié par siège + module	Stratifié par siège	Stratifié par volume d'offres d'emploi
Frais annuels moyens typiques	30 000 $ à 80 000 $	40 000 $ à 100 000 $	20 000 $ à 60 000 $	15 000 $ à 50 000 $
Capacités CRM/TRM	Natif intégré	Modules supplémentaires ou intégration requis	Fonctionnalité intégrée mais superficielle	Non inclus dans la version de base
Couverture des capacités de l'IA	Intégration totale (dépistage - tri - prévention - analyse)	Plug-in AI (tiers)	Analyse de CV natif + notation	Analyse de base du CV
Coûts de mise en œuvre cachés	Migration de données + configuration de modèle requise	Les coûts de migration sont comparables	La migration est relativement simple	La migration est la plus simple

Côté C/utilisateurs individuels : Lever n'est pas destiné aux demandeurs d'emploi individuels et il n'y a pas d'option d'abonnement individuel.

Développeur/API : Lever fournit l'API REST et la plateforme ouverte Marketplace, mais l'accès à l'API est généralement inclus dans le contrat de la version entreprise et les crédits API ne sont pas vendus séparément.

Coûts cachés : Premièrement, le coût de la migration des données : la migration des données historiques des candidats à partir d'un ancien ATS (en particulier Greenhouse ou Taleo) nécessite un service d'assistance professionnel ; deuxièmement, l'investissement humain dans la configuration des modèles et des processus : plus le processus de recrutement est complexe, plus le cycle de configuration initial est long (généralement 4 à 8 semaines) ; troisièmement, la période de démarrage à froid pour la formation des fonctions d'IA, les 3 à 6 premiers mois de recommandation pour les nouveaux clients ne seront pas aussi efficaces que la période de maturité après l'accumulation de données.

Principales fonctions de Lever AI

Lever intègre ATS et CRM sur une seule plateforme, et les capacités d'IA s'étendent à travers l'ensemble de l'entonnoir de recrutement plutôt que d'exister sous la forme de modules indépendants.

• Analyse de CV par IA et tri intelligent : prend en charge des centaines de formats de CV (PDF, DOCX, HTML, exportation LinkedIn en texte brut, etc.) et extrait automatiquement les champs structurés tels que les compétences, l'expérience professionnelle, la formation et les certificats. L'IA effectue une notation multidimensionnelle des candidats (adéquation des compétences, années d'expérience, signaux de leadership, trajectoire de croissance) sur la base des descriptions de poste et des profils de recrutement historiques réussis, triant 142 CV en 8 secondes et mettant en évidence les 3 meilleurs. Effet de synergie : les résultats de l'analyse ne sont pas seulement utilisés pour la sélection préliminaire, mais pré-remplissent également automatiquement la carte de score et déclenchent des actions de planification ultérieures, formant une opération sur une seule ligne « analyse → notation → promotion », réduisant le transfert manuel des RH entre différents systèmes.

• Mécanisme de notation des candidats et de Fit Score : l'IA génère un Fit Score complet (0 à 100) pour chaque candidat. La notation est basée sur des dimensions telles que l'adéquation des compétences, l'expérience du secteur, l'adéquation à l'équipe et l'échelle des attentes salariales. Le tableau de bord est accompagné de descriptions AI Insight : par exemple, « a déjà construit un système de conception dans une grande usine » correspond à un signal de leadership, et « le salaire est de 15 à 20 000 au-dessus du point médian » indique des risques de négociation salariale. Synergie : AI Insight est directement lié au modèle de fiche d'évaluation de l'entretien, afin que les enquêteurs puissent voir les points de vérification demandés par l'IA pendant l'entretien au lieu d'un simple score.

• Tableau de bord intelligent de planification des entretiens et de collaboration : l'IA coordonne automatiquement le temps des intervieweurs, envoie des invitations de calendrier et du matériel d'entretien, et résume automatiquement les cartes de pointage de plusieurs intervieweurs après l'entretien. L'exemple du site officiel montre que le taux d'automatisation de la planification peut atteindre 100 % et que le résumé du tableau de bord est automatiquement généré. Effet de synergie : les données du tableau de bord de l'entretien retournent au portrait IA du candidat, qui est utilisé pour les tours suivants et les décisions d'offre finale, formant un cycle de données « entretien → score → mise à jour du portrait → tour suivant ».

• Talent Pool (Talent Pool) Intelligent Management : Il s'agit du support principal du concept Lever TRM. L'IA analyse en permanence les candidats passifs à la recherche de changements dans les informations publiques (changements de poste, mises à jour de compétences, nouvelles certifications, etc.) et met automatiquement à jour les enregistrements du vivier de talents. Lorsque de nouveaux emplois sont publiés, l’IA pousse instantanément les candidats historiques correspondants. Lien implicite : les données du vivier de talents sont liées au module d'attribution de canal, qui peut suivre le lien complet « acquisition initiale depuis LinkedIn → culture et application après 6 mois → intégration finale », ce qui est presque impossible à réaliser dans l'ATS traditionnel.

• Détection de fraude et vérification d'identité : une nouvelle couche de sécurité IA ajoutée en 2026 détecte automatiquement la falsification de CV (identité incohérente, expérience contradictoire, diplômes universitaires falsifiés) et les signale et les bloque avant de passer l'entretien. Les données du site officiel montrent que 3 applications suspectes ont été interceptées sur la page d'affichage. Synergie : les résultats de détection de fraude affectent le poids du Fit Score. Une fois marqué comme risque élevé, le poids sera automatiquement déclassé et la personne en charge du recrutement en sera informée, plutôt que simplement supprimée.

• Attribution des canaux de recrutement et analyse du retour sur investissement : l'IA marque automatiquement les canaux sources des candidats (diffusion active LinkedIn, références internes, recrutement scolaire, salons de l'emploi, recommandations des chasseurs de têtes, etc.) et génère des rapports sur la qualité des canaux, couvrant le taux de conversion des CV, le taux de réussite aux entretiens, le taux de rétention dans l'emploi et d'autres indicateurs. Valeur liée : les données d'attribution sont directement saisies dans les recommandations « Optimisation du portefeuille de chaînes » – AI recommande le plan d'allocation budgétaire du mois prochain en fonction du retour sur investissement historique, transformant les informations sur les données en actions concrètes.

Tirer parti de l'évolution du modèle et des versions de l'IA

Depuis sa création en 2012, Lever est passé d'un ATS traditionnel à une plateforme TRM basée sur l'IA. Les étapes suivantes sont des étapes principales traçables :

Démarrage et démarrage (2012-2020)

• 2012 : Nate Smith et Sarah Nahm fondent Lever à San Francisco, se positionnant comme un « ATS moderne » mettant l'accent sur le recrutement collaboratif et l'expérience candidat.
• 2014 : Lancement de la fonctionnalité Nurture (automatisation des e-mails de soutien aux candidats) pour jeter les bases du CRM.
• 2017 : Créez un écosystème d'API et de Marketplace ouvert pour prendre en charge l'intégration tierce.
• 2019 : Présentation de l'analyse des CV par l'IA et des capacités de notation de base.
• 2020 : Lancement de la fonctionnalité Talent Pool pour la gestion passive des candidats.

Ère Employer Inc. (2021-2024)

• 2021 : Lever a été acquis par Employ Inc., formant une matrice de marque avec JazzHR (petites et moyennes entreprises) et Jobvite (grandes entreprises). Lever cible le marché milieu de gamme et entreprise.
• 2022 : Sortie du tableau de bord d'analyse avancée et du module d'attribution de canaux.
• 2023 : Lancement de la réactivation des candidats basée sur l'IA et de l'optimisation de la campagne Nurture.
• 2024 : introduction de l'agrégation automatique des cartes de pointage des entretiens et de l'analyse de calibrage multi-intervieweurs.

Sortie principale 2025-2026

• 2025.05 – Lever TRM Platform 2025 : Présentation de l'analyse des CV par l'IA et du classement automatique, des modèles de fiches d'évaluation des entretiens et des workflows d'automatisation des processus de recrutement. L'objectif est de briser les barrières de données entre ATS et CRM et de permettre aux données passives des candidats de participer aux recommandations.
• 2026.04 – Lever TRM Platform 2026 : ajoute des recommandations de réactivation des candidats basées sur l'IA, un tableau de bord intelligent pour la collaboration en matière de recrutement d'équipe, une attribution automatisée pour les entonnoirs de recrutement et une couche de détection et d'authentification des fraudes. Cette version marque la transition de Lever de « l'automatisation des processus » à « l'intelligence décisionnelle ».

Rythme de mise à jour des versions : Lever adopte un modèle de livraison continue et les mises à jour des fonctionnalités sont publiées tous les trimestres, sans suivre le modèle traditionnel du « grand nombre de versions ». Les numéros de version ci-dessus (2025.05, 2026.04) correspondent à l'année et au numéro de série de l'itération. La date de sortie spécifique est soumise au journal des modifications officiel.

Tirer parti des avantages techniques de l’IA

L'architecture technique de Lever est conçue autour d'une conception à trois couches : « couche d'unification des données + couche de raisonnement IA + couche d'orchestration automatisée », ce qui est différent de l'épissage modulaire de l'ATS traditionnel.

Couche d'unification des données : regroupez toutes les données des candidats (candidatures actives, sources passives, enregistrements historiques, comportements d'interaction) dans un portrait unifié, éliminant ainsi les silos de données entre ATS et CRM. Il s'agit de la base technique du concept TRM : sans une couche de données unifiée, la « gestion complète des relations du cycle de vie » ne peut être réalisée.

Couche de raisonnement IA : couvre les quatre scénarios principaux d'analyse, de notation et de tri des CV, de détection de fraude et d'attribution de canaux. Ses caractéristiques techniques sont :

• Analyse de CV : utilisez des modèles NLP pour traiter des documents semi-structurés, et la précision de l'extraction des compétences, du calcul de l'ancienneté et de la cartographie au niveau de l'entreprise a été formée sur des données de recrutement à grande échelle. Contrairement à Greenhouse, qui s'appuie sur une analyse tierce (telle que Sovren et Textkernel), le moteur d'analyse de Lever est intégré de manière native et les résultats de l'analyse sont profondément intégrés à la carte de score et à l'index de recherche au sein du système, ce qui entraîne une latence plus faible.
• Fit Score Model : Un modèle multifactoriel basé sur des descriptions de poste + des profils historiques des candidats retenus. Le résultat n'est pas seulement un score, mais est également accompagné d'informations interprétables par l'IA (telles que des « signaux de leadership » et des « conseils sur les risques salariaux »), réduisant ainsi la méfiance de l'équipe de recrutement à l'égard de la « notation boîte noire ».
• Détection de fraude : utilisez une analyse de signal multicouche (validation croisée d'identité, détection de conflits de timing d'expérience, comparaison de bases de données académiques) au lieu d'une simple liste noire de mots clés.

Couche d'orchestration automatisée : moteur de workflow déclenché qui convertit automatiquement les résultats d'inférence de l'IA en opérations - met automatiquement à jour l'étape du candidat, envoie des e-mails de culture et informe l'intervieweur une fois l'analyse du CV terminée. La couche d'orchestration prend en charge les branches conditionnelles (telles que « Score AI > 85 passe automatiquement à l'entretien ») pour réduire le jugement manuel.

Schéma de lien d'architecture :

Source de données du candidat (livraison/importation/exploration)
    ↓
Couche de données unifiée (portrait unifié + chronologie comportementale)
    ↓
Couche d'inférence IA (analyse → notation → détection de fraude → attribution)
    ↓
Couche d'orchestration d'automatisation (déclenchement conditionnel → mise à jour d'étape → planification → notification)
    ↓
Front-end de collaboration (kanban/scorecard/rapport)

Architecture d'intégration : Lever Marketplace propose plus de 250 intégrations prédéfinies couvrant le SIRH (Workday, BambooHR, Rippling), la vérification des antécédents (Checkr, GoodHire, Accurate), l'évaluation (HackerRank, Codility, Korn Ferry), la planification (Calendly, Zoom, Google Calendar) et la synchronisation CRM (Salesforce, HubSpot). L'API adopte le style RESTful et prend en charge les rappels d'événements Webhook.

Conseils d'ingénierie : Pour l'équipe d'évaluation technique, les trois points suivants doivent être pris en compte : premièrement, la limite de contrôle de fréquence de l'API, le quota de demandes doit être confirmé lors de la migration des données par lots ; deuxièmement, le mécanisme de nouvelle tentative du Webhook pour garantir la fiabilité des événements ; troisièmement, le cycle de démarrage à froid du modèle d'IA, les nouveaux locataires doivent accumuler environ 500+ CV marqués avant de pouvoir obtenir une précision de notation stable.

Comment utiliser Lever AI

Le déploiement et l'utilisation de Lever sont divisés en trois étapes : configuration initiale, opérations quotidiennes et intégration étendue.

Phase 1 : configuration initiale (4 à 8 semaines)

1. Confirmation de la demande et démo : réservez une démo via le site officiel (https://www.lever.co/demo) et confirmez la portée fonctionnelle et le volume de données avec l'équipe commerciale.
2. Migration des données : exportez les données des candidats (CV, historique des étapes, enregistrements de communication) depuis l'ancien ATS, Lever fournit des outils de migration et un service d'assistance professionnel.
3. Configuration du modèle : définissez les étapes du processus de recrutement (Sélection → Écran du téléphone → Panneau → Offre → Intégré), le modèle de carte de score et le modèle d'e-mail (confirmation, rejet de l'offre).
4. Autorisations de l'équipe : configurez les rôles de l'équipe de recrutement (administrateur, spécialiste du recrutement, enquêteur, responsable du recrutement) et définissez les autorisations d'accès aux données.
5. Connexion d'intégration : Activez l'intégration requise (SIRH, calendrier, ajustement arrière, évaluation) dans la Marketplace et configurez la clé API.

Phase 2 : Opérations quotidiennes

• Publier une offre : créez une offre via Lever et synchronisez-la avec des canaux de recrutement tels que LinkedIn, Indeed et Glassdoor.
• Gestion des candidats : Analyse automatique des CV → Tri IA → Examen par un spécialiste du recrutement → Promotion/marquage/entreposage.
• Planification des entretiens : l'IA coordonne automatiquement le temps de l'intervieweur → envoie des invitations → résume automatiquement les tableaux de bord après l'entretien.
• Talent Pool Nurture : configurez une campagne Nurture, l'IA analyse régulièrement la dynamique des candidats dans le vivier et propose des suggestions de réengagement.
• Analyse du rapport : affichez l'attribution des canaux, le taux de conversion des processus et le tableau de bord d'efficacité du temps.

Phase 3 : Intégration étendue

Connectez-vous aux systèmes internes via l'API REST ou Webhook (connexion à l'outil BI de synchronisation SIRH, rapports personnalisés). La documentation de l'API et le SDK sont disponibles dans le Lever Developer Center.

Mode d'entrée :

• Client Web : backend de gestion complet, recommandé pour une utilisation de bureau.
• Mobile : Lever fournit des applications iOS/Android, qui prennent en charge la soumission des commentaires sur les entretiens et la visualisation des candidats, avec des fonctions de gestion limitées.
• API : API RESTful, prend en charge les opérations par lots et les flux de travail personnalisés.

Prix des produits pour Lever AI

Lever ne divulgue pas les prix, et tous les prix doivent être déterminés par le biais de démonstrations et de négociations commerciales. Ce qui suit est compilé sur la base d’analyses comparables au secteur et d’informations sur la communauté des utilisateurs.

Dépenses	Descriptif
Frais d'abonnement	Contrat annuel, proposé en fonction de la taille de l'équipe de recrutement, des modules fonctionnels et de la complexité de mise en œuvre
Frais de mise en œuvre	Frais de services professionnels pour le déploiement initial, en fonction du volume de migration des données et de la complexité du processus
Frais d'intégration	Certaines intégrations avancées dans Marketplace peuvent impliquer des frais de licence tiers
Quota d'API	Généralement inclus dans le contrat de la version entreprise, l'utilisation excédentaire doit être négociée
Augmentation du renouvellement des contrats	La pratique de l'industrie est une augmentation annuelle de 5 à 15 %, sous réserve des conditions contractuelles

Comparaison des prix avec des produits concurrents :

Outils	Fourchette de frais annuels (marché intermédiaire)	Essai gratuit	Flexibilité du contrat
Levier	30 000 $ à 80 000 $	Essai de démonstration disponible	Abonnement principalement annuel
Serre	40 000 $ à 100 000 $	Essai de 14 jours	Abonnement annuel, modules complémentaires
Ashby	20 000 $ à 60 000 $	Essai de 14 jours	Abonnement mensuel/annuel en option
Réalisable	15 000 $ à 50 000 $	Essai de 15 jours	Abonnement mensuel/annuel en option

Suggestion d'achat : le rapport qualité-prix de Lever pour le recrutement d'équipes de 50 à 200 personnes se situe dans la moyenne supérieure parmi ses pairs : les capacités natives d'IA et de CRM éliminent le besoin d'acheter des plug-ins tiers supplémentaires, et le coût total de possession global peut être inférieur à celui des produits concurrents dont les prix de surface sont inférieurs. Mais une équipe de recrutement de moins de 10 personnes pourrait mieux convenir à la société mère JazzHR, tandis qu'un groupe multimarque de plus de 500 personnes pourrait évaluer Jobvite.

Scénarios d'application de Lever AI

• Recrutement continu pour les entreprises technologiques en croissance : Les postes techniques sont ouverts toute l'année. Dans le modèle ATS traditionnel, les recruteurs doivent rechercher manuellement le vivier de talents. L'IA de Lever sélectionne immédiatement les meilleurs candidats du vivier de talents et des candidats historiques après la publication du poste. Le point de données « 142 reprises → tri en 8 secondes » affiché sur le site officiel illustre son efficacité de traitement par lots. Points clés de vérification : Si la précision de l'adéquation des compétences des postes techniques (en particulier les ingénieurs et les chefs de produit) répond aux exigences de l'équipe.

• Nurturing et activation passifs à long terme des candidats : les excellents candidats ne recherchent pas actuellement d'emploi, mais des opportunités pourraient s'ouvrir dans 6 à 12 mois. L’IA de Lever surveille régulièrement leurs dynamiques publiques (changements de poste, mises à jour de compétences, actualités de l’entreprise) et rappelle automatiquement à l’équipe de recrutement de les contacter au bon moment. Valeur de mise en œuvre : Transformez les candidats passifs qui ont été « lus et ne peuvent pas être relus » à partir de données mortes en indices vivants accessibles. Points clés à vérifier : si le taux d'ouverture et le taux de réponse de la campagne Nurture sont supérieurs à ceux de la campagne de démarrage à froid.

• Recrutement collaboratif multi-équipes et calibrage des intervieweurs : dans les scénarios impliquant plusieurs séries d'entretiens et plusieurs intervieweurs, de grandes différences dans les styles de notation sont un problème courant. Lever regroupe automatiquement les cartes de pointage de plusieurs enquêteurs et l'IA identifie les écarts de notation (comme un certain intervieweur donnant systématiquement de faibles notes) pour faciliter les réunions d'étalonnage. Valeur de mise en œuvre : Réduisez les erreurs de jugement causées par les « biais de l'intervieweur » et améliorez la cohérence des résultats des entretiens.

• Optimisation du portefeuille de canaux de recrutement : pour les entreprises qui utilisent plus de 10 canaux de recrutement (LinkedIn, Indeed, Glassdoor, références internes, recrutement scolaire, chasse de têtes, salons de l'emploi) en même temps, l'IA générera une analyse du retour sur investissement de chaque canal chaque mois - taux de conversion de CV, taux de réussite aux entretiens, taux de rétention à l'intégration, rapport coût/intégration, pour guider l'allocation budgétaire pour le mois suivant. Valeur de mise en œuvre : faire passer le budget de recrutement d'une « allocation basée sur l'expérience » à une « allocation basée sur les données ». Les données d'attribution des canaux affectent directement les décisions d'achat au cours du trimestre suivant.

• Gestion des mesures de recrutement pour la diversité : G2 a classé Lever comme meilleur retour sur investissement pour le recrutement dans la diversité et comme meilleur besoin (marché intermédiaire), démontrant le succès de son IA dans l'élimination des biais implicites dans la sélection des CV. La notation IA n'expose pas les champs sensibles tels que les noms des candidats, les photos, le sexe, etc., et n'est comparée qu'en fonction des compétences et de l'expérience. Valeur de mise en œuvre : aidez les équipes DEI à s'impliquer dès le début du processus plutôt que de découvrir les lacunes en matière de diversité à la fin.

• Antifraude et contrôle des risques : pour les scénarios de recrutement à volume élevé (saison de recrutement scolaire, postes de service client/vente en gros), la proportion de fraude sur les CV peut atteindre 5 à 10 %. La détection de fraude par IA de Lever intercepte automatiquement les applications suspectes avant de participer à un entretien, réduisant ainsi la perte de temps des intervieweurs et les risques de non-conformité. Valeur de mise en œuvre : pour les secteurs soumis à une stricte conformité, tels que la finance, les soins médicaux et le gouvernement, la détection des fraudes est un besoin rigide plutôt qu'une fonction à valeur ajoutée.

Groupes applicables de Lever AI

• Recruteurs et responsables du recrutement : pour les recruteurs qui gèrent quotidiennement un grand nombre de sélections de CV et de coordination d'entretiens, le tri et la planification automatisés par l'IA de Lever peuvent économiser 5 à 10 heures de travail administratif par semaine. Les responsables du recrutement peuvent consulter le tableau de bord de l'équipe en temps réel, réduisant ainsi les coûts de suivi dus « l'intervieweur n'a pas soumis de carte de score ».

  • Ne convient pas : dans les scénarios de recrutement à faible volume où moins de 5 CV sont traités par jour, la valeur de l'IA est difficile à refléter.

• Talent Recruitment Manager/VP of TA : Un manager qui doit contrôler globalement l'efficacité du recrutement, la qualité des canaux et la productivité de l'équipe. L'attribution des canaux et le tableau de bord de l'équipe de Lever fournissent un support de données pour faciliter les décisions d'allocation budgétaire et d'expansion de l'équipe.

  • Prérequis : ce n'est que lorsque le volume de recrutement de l'entreprise atteint plus de 200 postes par an qu'il peut y avoir suffisamment d'échantillons statistiques pour soutenir l'efficacité de l'analyse d'attribution.

• Administrateur système SIRH/IT : Rôle technique responsable de l'interface entre le système de recrutement et le système RH interne (Workday, BambooHR, ADP). Lever propose des API REST, des webhooks et plus de 250 intégrations prédéfinies, réduisant ainsi les coûts de développement personnalisé pour l'intégration du système.

  • Prérequis : des capacités de base de gestion des API et de tests d'intégration sont requises.

• Responsable de la diversité et de l'inclusion (DEI) : Une équipe axée sur les mesures d'équité et de diversité dans le processus d'embauche. Les mécanismes de notation anonyme et de correspondance de champs non sensibles de Lever aident à réduire les biais implicites lors de la phase de sélection des CV.

  • Ne convient pas : si l'entreprise dispose déjà d'une plateforme d'analyse DEI indépendante, la profondeur d'analyse de Lever peut ne pas être suffisante.

• Start-ups/Équipes de recrutement de moins de 10 personnes : Avec un faible volume de recrutement et un budget limité, le seuil de frais annuels et le cycle de configuration de Lever peuvent être trop élevés. Ce type d'équipe est plus adapté à la marque mère JazzHR (pour les petites et moyennes entreprises) ou au léger ATS (Workable, Breezy).

  • Conclusion : Il est recommandé d'évaluer Lever une fois que le volume de recrutement atteint plus de 50 postes par an.

Résumé et Outlook

La principale compétitivité de Lever AI réside dans son architecture ATS + CRM nativement intégrée et ses capacités d'IA entièrement intégrées. Plutôt que de fournir l'IA en tant que module complémentaire via des plug-ins tiers comme l'ATS traditionnel, il intègre l'analyse des CV, le classement des scores, la détection des fraudes et l'attribution des canaux dans un flux de travail unifié à partir de la couche de données. Ce choix architectural « AI natif » plutôt que « AI plug-in » place Lever en avance sur les produits concurrents dans la même gamme de prix en termes d'efficacité de liaison fonctionnelle.

Avantages clés : La gestion passive des candidats selon le concept TRM est actuellement la capacité la plus différenciée sur le marché ATS - alors que les produits concurrents continuent d'optimiser l'efficacité du traitement des "CV soumis", Lever traite déjà des actifs de talents qui "n'ont pas encore été soumis mais pourraient être embauchés à l'avenir". Pour les entreprises qui continuent à recruter, la valeur de cette « planification préalable » deviendra progressivement évidente une fois que le vivier de talents aura mûri, dans 6 à 12 mois.

Limites et incertitudes actuelles :

• La couverture de l'analyse globale des CV multilingues est plus faible que celle de Greenhouse (ce dernier prend en charge plus de 90 langues via un moteur tiers), et la précision de l'analyse de Lever dans les langues non latines telles que le chinois et l'arabe doit être vérifiée.
• La formation du modèle de notation IA repose sur l'accumulation de données sur les locataires, et la précision des recommandations pendant la période de démarrage à froid (les 500 premiers CV) peut ne pas répondre aux attentes.
• La tarification n'est pas transparente : toutes les solutions doivent passer par une démonstration et une communication commerciale, et le cycle d'approvisionnement est long (généralement 2 à 4 semaines pour obtenir un devis).
• Lever est le « produit de taille » de la matrice de marque d'Employ Inc. La feuille de route des produits est affectée par la stratégie du groupe et l'autonomie de décision indépendante en matière de produits est inférieure à celle d'avant l'acquisition.

Ne correspond pas aux limites :

• Si une grande entreprise de plus de 2 000 employés a besoin de personnaliser en profondeur le processus de recrutement ou de gérer de manière indépendante plusieurs marques, elle devra peut-être passer à Jobvite d'Employ ou compléter un développement personnalisé.
• Pour l'analyse de CV multilingues et les besoins de conformité multi-pays des sociétés de recrutement mondiales, il est recommandé de l'utiliser en combinaison avec Greenhouse ou ATS localisé.
• Pour les équipes avec un volume de recrutement annuel inférieur à 50 postes, le ratio entrées-sorties de Lever n'est pas aussi bon qu'un ATS léger ou qu'il utilise directement LinkedIn Recruiter.

Évaluation des risques d'approvisionnement/d'adoption :

• Il est recommandé de postuler d'abord pour une démo et d'utiliser des ensembles de données de CV réels pour vérifier l'exactitude de la notation de l'IA en interne pendant 2 à 4 semaines (en particulier l'exactitude de la correspondance pour les postes non techniques) avant de décider de l'échelle d'approvisionnement.
• Le contrat doit prêter attention aux limites de contrôle de fréquence de l'API, aux plafonds d'augmentation annuels et aux formats d'exportation de données dans le cadre du service de migration de données. Assurez-vous qu'il existe une voie de sortie claire si vous n'êtes pas satisfait.
• Pour les équipes déployant ATS pour la première fois, il est recommandé d'activer d'abord le module de classement principal ATS + AI, puis d'étendre progressivement l'attribution du CRM et des canaux après 3 mois pour éviter une surcharge de configuration ponctuelle.

Outils associés : notion-ai, google-workspace

Comment utiliser Lever AI

• Client Web : Vous pouvez l'utiliser en visitant le site officiel et en créant un compte. La plupart des fonctions ne nécessitent pas d'installation.
• Accès API : fournit une API RESTful, les développeurs peuvent obtenir la clé API et l'intégrer dans leurs propres applications.

Informations de version

• Plateforme TRM à levier 2026 ：Ajout de recommandations de réactivation de candidats basées sur l'IA, d'un tableau de bord intelligent pour la collaboration en matière de recrutement en équipe et d'une attribution automatique pour les canaux de recrutement. （~2026-04）
• Plateforme TRM à levier 2025 ：Présentation de l'analyse des CV par l'IA et du classement automatique, des modèles de fiches d'entretien et des flux de travail automatisés pour le processus de recrutement. （~2025-05）