Développement Web · 1200+ CV · 98 % de satisfaction

DigiMyTech Talent Hub

Projet de fin d'études : une plateforme de carrière propulsée par l'IA pour la préparation de CV, le matching de compétences et le suivi de candidatures.

En un coup d'œil

97

Jours

Projet de fin d'études

5

Sprints

Livraison Scrum

109

Tests

Tous réussis

11

Fonctionnalités IA

Intégrées à l'UX

10

Tables BDD

PostgreSQL

<50ms

Matching

Score déterministe

Modules de la plateforme

Cinq modules, un seul parcours candidat

Éditeur de CV intelligent

Rédaction assistée par IA, import PDF/Word/OCR, export PDF haute fidélité.

Matching d'offres

Score de compatibilité de 0 à 100 avec analyse des lacunes de compétences et explication par IA.

Catalogue de formations

Formations classées selon les lacunes de compétences détectées dans votre profil.

Kanban de candidatures

Suivi à quatre colonnes avec historique de statut horodaté.

Simulateur d'entretien

8 questions générées par IA, mode vocal ou texte, débriefing personnalisé.

Livraison

Scrum : 5 sprints en 97 jours

S0

Initiation

15–28 fév.

Backlog et architecture

S1

Auth et profil

2–13 mars

Magic link + tableau de bord RLS

S2

Éditeur de CV

16–27 mars

Éditeur, export PDF, score qualité IA

S3

IA et matching

30 mars – 10 avr.

Moteur de matching + formations

S4

Kanban

13–24 avr.

Suivi des candidatures + administration

S5

IA d'entretien

27 avr. – 8 mai

Simulateur vocal + QA finale

Positionnement marché

Conçu pour la Tunisie, pas importé des États-Unis

Fonctionnalité	DigiMyTech	Jobscan	Rezi.ai
Interface en français		·
Score de matching 0–100			·
Recommandations de formation		·	·
Kanban de candidatures		·	Partiel
Adapté au marché tunisien		·	·
Simulateur d'entretien IA		·	·
Algorithme de matching explicable		·	·
Gratuit pour les candidats		Partiel

Architecture

Présentation

Next.js 15 · React 19 · Tailwind

UI hybride SSR/SSG

Logique métier

Server Actions · Zod DTOs

Pattern Repository

Données & IA

Supabase · OpenRouter · Vercel AI SDK

RLS + LLM en streaming

DigiMyTech Talent Hub est mon projet de fin d'études (PFE) (Licence MDW, ISET Sousse) : une plateforme de carrière full-stack propulsée par l'IA, développée en solo en 97 jours chez Digimytch SUARL, Ariana. Elle accompagne les demandeurs d'emploi tunisiens depuis la création du CV jusqu'à la simulation d'entretien, avec l'IA intégrée à chaque étape, pas ajoutée comme un widget de chat. Diplômé avec les félicitations du jury (Mention Très Bien).

Contexte et problématique

Au premier trimestre 2026, le chômage des diplômés en Tunisie a atteint 24,2 % (INS). Les candidats ont souvent de solides compétences mais une présentation faible : des CV génériques, aucun moyen objectif d'évaluer leur adéquation avant de postuler, un suivi sous Excel, et aucun outil de préparation d'entretien en français adapté au marché local. Des outils internationaux comme Jobscan et Rezi.ai ne couvrent que des fragments de ce parcours.

J'ai mené une analyse de terrain chez Digimytch avec le CTO et le CEO (Product Owner), et identifié quatre étapes défaillantes : rédaction de CV sans retour, recherche d'emploi subjective, suivi de candidatures non structuré, et absence de préparation guidée aux entretiens.

Cinq modules intégrés

1. Éditeur de CV intelligent — Éditeur structuré avec assistant IA en streaming, import PDF/Word/OCR, export PDF haute fidélité via @react-pdf/renderer, et notation qualité par IA par catégorie.
2. Moteur de matching d'offres — Score de compatibilité déterministe de 0 à 100 (pas généré par LLM) avec tokenisation NFD pour un matching de compétences insensible aux accents, plus une explication générée par IA en 3 à 5 phrases.
3. Catalogue de formations — 21 formations classées selon les lacunes de compétences détectées par le matching, « Recommandé pour vous » plutôt qu'une liste générique.
4. Kanban de candidatures — Quatre colonnes (À faire, Postulé, Entretien, Offre) avec historique de statut horodaté et archivage par suppression douce.
5. Simulateur d'entretien — 8 questions générées dynamiquement, mode vocal (Web Speech API sur Chrome/Edge) ou repli texte complet, débriefing personnalisé par réponse.

Architecture et stack technique

Architecture trois tiers : Next.js 15 + React 19 + Tailwind (présentation), Server Actions + DTOs Zod (logique métier avec le pattern Repository), Supabase PostgreSQL + Storage + JWT Auth (données avec Row Level Security sur chaque table utilisateur).

Couche IA : Vercel AI SDK v4 en streaming vers des modèles OpenRouter Free, Kimi K2.6 pour le CV, Gemma 4 26B pour les lettres de motivation, Llama 3.3 70B pour les entretiens. Chaque Server Action valide le JWT avant d'appeler OpenRouter ; les réponses sont diffusées directement vers React sans couche REST intermédiaire.

Livraison Scrum (5 sprints)

21 user stories livrées sur 21 planifiées. Développeur solo sur chaque sprint : conception, code, tests, documentation.

Le défi technique le plus intéressant

La décision de conception la plus importante a été de construire le score de matching comme un algorithme déterministe (src/lib/matching.ts) plutôt qu'un appel LLM. Même profil + même offre = même score à chaque fois, testé explicitement dans la suite de tests. Les utilisateurs peuvent faire confiance au chiffre et l'auditer ; l'IA ne génère que l'explication en langage naturel par-dessus.

Autres problèmes complexes : gestion du budget de tokens sur les modèles OpenRouter gratuits, synchronisation de session SSR Supabase (syncProfileToAuthSession), et un bug d'état React causant des recommandations de formation dupliquées (corrigé en réinitialisant l'état entre les appels de matching).

Qualité et sécurité

• 109 tests automatisés sur 24 fichiers (test runner natif de Node.js), tous au vert lors de la soutenance
• Limitation de débit (60 s / 10 requêtes), CSP, HSTS, assainissement contre l'injection de prompt via Zod
• RLS sur les 10 tables PostgreSQL ; accès admin via app_metadata.is_admin du JWT

Performances mesurées

• Calcul du score de matching : < 50 ms pour un CV de 10 compétences
• Premier token de l'assistant IA : < 800 ms
• Score qualité du CV (generateObject + Zod) : 2 à 4 s
• Déploiement Vercel depuis un push GitHub : < 90 s

Prochaines étapes

Recherche vectorielle via pgvector pour faire correspondre « ingénieur JavaScript » à « développeur React/Node » au-delà du matching lexical. Tests E2E Playwright pour les parcours critiques. Pré-remplissage du profil à l'inscription à partir du parseur de CV. Modèles en langue arabe avec support RTL.

Stack : Next.js 15 · React 19 · TypeScript · Supabase · OpenRouter · Vercel AI SDK · Tailwind · Framer Motion · Vercel
En ligne : digimytch-talent-hub.vercel.app · Code : GitHub