DINQ : un moteur à agents IA pour repérer et analyser les talents en IA

Recruter dans l’IA est difficile parce que les talents sont dispersés. Celles et ceux qui ont réellement entraîné de grands modèles, construit des chaînes multimodales ou optimisé l’inférence laissent des traces dans les préprints, les dépôts de code et les exposés en conférence, pas dans un profil de site d’emploi. DINQ attaque le problème avec des agents IA : localiser d’abord les candidats dans des sources publiques, puis expliquer de façon structurée ce qui fait la force de chacun.

DINQ est un moteur de talents centré sur le domaine de l’IA. Ses agents identifient des chercheurs et des développeurs dans des sources publiques et aident les entreprises et les laboratoires à présélectionner des profils correspondant à un besoin technique précis. Ce n’est pas une base de CV de plus : l’outil transforme des traces techniques publiques en signaux qu’une équipe peut évaluer.

La couche de données consolide plusieurs sources publiques de référence, dont Google Scholar et GitHub. Production scientifique, activité sur le code et préférences de stack sont réunies dans une fiche unique servant à évaluer ensemble parcours de recherche, capacité d’ingénierie et expérience concrète.

Au-delà de l’interface web, DINQ propose DINQ-as-a-Service (DaaS), un mode qui s’intègre au système de recrutement existant pour que la recherche et le profilage se fassent dans le flux de travail déjà en place.

Ce que fait DINQ

Recherche mondiale de talents

Les agents repèrent des spécialistes dans des sources publiques. La question n’est pas qui a postulé, mais qui travaille réellement sur le sujet, ce qui compte lorsqu’il faut constituer un vivier à partir de zéro.

Consolidation multi-sources

Les signaux scientifiques et ceux du code sont réunis pour éviter de confondre un solide historique de publications avec une expérience de production, ou un dépôt actif avec une recherche systématique.

Recherche sémantique

Outre un nom ou l’URL d’un profil de chercheur, il est possible de décrire le profil recherché en langage naturel, par exemple une personne spécialisée en modèles multimodaux avec une expérience produit. Le classement tient compte du parcours technique, pas seulement des mots-clés.

Filtres fins

Stack, années d’expérience, localisation et prétentions salariales se combinent pour ramener un ensemble large à une liste examinable individu par individu.

Analyse approfondie du candidat

Chaque fiche se déploie en une analyse multidimensionnelle dont la profondeur est réglable, montrant attributs clés et potentiel plutôt qu’un CV chronologique.

Profils visuels

Radar de compétences, frise de progression et indice d’influence résument la forme des capacités et le trajet professionnel.

Graphes de collaboration

La plateforme cartographie les co-signatures, les liens avec l’industrie et les chemins d’influence, utile pour estimer la portée réelle d’un réseau.

Tendances en temps réel

L’analyse agrégée couvre les axes techniques porteurs, les cartes de circulation des talents et les références salariales par sous-domaine.

Mise à jour par événements

Les fiches sont suivies en continu : un nouvel article ou dépôt apparaît au lieu de rester figé à la date de création.

Intégration DaaS et démonstration

Les entreprises peuvent raccorder le service à leur système de recrutement ; une démonstration permet de valider l’adéquation avant de s’engager.

Comment l’utiliser

1. Créer un compte et définir la répartition des licences et des droits dans l’équipe.
2. Partir d’un besoin concret : coller l’URL d’un profil de chercheur, saisir un nom ou décrire le profil visé en langage naturel.
3. Restreindre le résultat par des filtres de stack, d’expérience, de localisation et de prétentions salariales.
4. Ouvrir l’analyse approfondie de chaque présélection et comparer le radar de compétences à la frise de progression.
5. Consulter le graphe de collaboration lorsque l’intégration à l’équipe et la portée du réseau comptent.
6. Calibrer la rémunération à l’aide des références salariales avant le premier échange.
7. En usage entreprise, demander une démonstration et confirmer le périmètre d’intégration et les limites de données du DaaS.

Pour qui

• Responsables du recrutement qui montent une équipe IA et cherchent hors du flux de candidatures.
• Laboratoires et instituts qui cherchent des collaborateurs sur un axe technique précis.
• Managers techniques qui veulent une lecture du candidat avant le premier entretien.
• Investisseurs et analystes qui suivent les mouvements de talents et les niveaux de salaire par sous-domaine.
• Chercheurs et ingénieurs qui souhaitent un regard extérieur sur leur position.

Limites à connaître

• Aucun tarif, structure d’offre ou niveau gratuit n’est publié : le budget doit être confirmé avec le fournisseur.
• La couverture dépend de données publiques ; les projets internes, les systèmes propriétaires et les communautés non anglophones sont inégalement représentés, les scores sont donc des signaux et non des verdicts.
• Seules quelques sources sont nommées, et la liste complète, la fréquence de mise à jour et la profondeur historique ne sont pas documentées.
• Les formules de l’indice d’influence et du radar de compétences ne sont pas publiées, ce qui rend peu fiable la comparaison de scores entre domaines.
• Des données personnelles étant traitées, la légalité des sources, la conservation et l’effacement doivent être vérifiés au regard du droit local.
• La qualité de la recherche sémantique suit celle de la requête : une description floue renvoie un ensemble flou.

Questions fréquentes

Quelle différence avec un site d’emploi ?

Un site d’emploi montre qui cherche un poste. DINQ montre, à partir de recherches et de code publics, qui fait le travail, et atteint donc des candidats passifs.

Faut-il un nom pour commencer ?

Non. On peut partir de l’URL d’un profil de chercheur ou d’une description en langage naturel du profil souhaité.

La fiche peut-elle décider d’un recrutement ?

Elle doit appuyer la présélection, pas la remplacer. Entretien, historique de collaboration et adéquation à l’équipe échappent aux signaux publics.

Faut-il remplacer le système de recrutement ?

Non. Le mode DaaS relie recherche et profilage au système déjà utilisé.