Agent IA sourcing ESN : remplacer LinkedIn Recruiter

Par Dario, publié le 5 août 2026.

Le sourcing ESN est l’activité de recherche et qualification de candidats consultants pour une Entreprise de Services Numériques. En 2026, un cabinet ESN français de 30 consultants opère typiquement 3 à 6 licences LinkedIn Recruiter. C’est le poste le plus visible de la stack RH, souvent le plus contesté. La question stratégique n’est plus “faut-il de l’IA dans le sourcing”, c’est “faut-il payer LinkedIn pour son IA propriétaire, ou déployer un agent IA sourcing ESN interne construit sur Anthropic Claude”.

Cet article compare deux approches, LinkedIn Recruiter + Hiring Assistant contre un agent Anthropic Claude interne, sur cinq axes : coût réel, périmètre des sources, qualité du matching, conformité CNIL/AI Act, intégration ATS. Il propose une architecture d’agent Claude reproductible pour un cabinet de 25 à 50 personnes, chiffrée en euros et cadrée par les jurisprudences françaises en vigueur. Pour la méthode globale de remplacement d’un SaaS RH, voir aussi notre guide remplacer un SaaS dans un cabinet de recrutement.

TL;DR

• LinkedIn Recruiter Corporate coûte entre 10 800 et 15 000 dollars par siège par an en 2026, sans grille publique [source: https://joshbersin.com/2024/10/linkedin-enters-ai-agent-race-with-linkedin-hiring-assistant/].
• LinkedIn Hiring Assistant, add-on payant sur Recruiter, permet de parcourir 81% de profils en moins selon LinkedIn Talent Solutions [source: https://business.linkedin.com/talent-solutions/hiring-assistant], mais reste une boîte noire vendue uniquement en bundle avec Recruiter.
• Un agent Anthropic Claude interne combinant LinkedIn public + GitHub REST API + Malt coûte moins de 200 euros par mois d’API pour un cabinet de 30, en restant sur les zones autorisées (données publiques, pas de contournement d’authentification).
• La CNIL a sanctionné Kaspr à hauteur de 240 000 euros pour avoir scrapé des contacts LinkedIn en visibilité restreinte [source: https://www.cnil.fr/en/data-scraping-kaspr-fined-eu240000]. Toute architecture agent doit exclure ce périmètre.
• L’AI Act classe le screening CV et le scoring candidat en “haut risque” (Annexe III) [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act]. Un agent interne auditable est plus défendable qu’une boîte noire vendor sur ce point précis.

À retenir

• Verdict coût sur 24 mois : un agent Claude interne + 1 siège LinkedIn Recruiter conservé économise environ 30 000 euros face au scénario tout-LinkedIn pour un cabinet de 30 consultants.
• Seuil de bascule : en dessous de 15 consultants, LinkedIn Hiring Assistant suffit. Au-delà de 25 consultants, l’agent Claude interne devient rentable.
• Périmètre légal : LinkedIn public déconnecté est autorisé. Toute donnée que l’utilisateur a restreinte à son réseau est hors périmètre depuis la sanction Kaspr (5 décembre 2024).
• Modèles recommandés : Anthropic Claude Sonnet 5 pour l’analyse fine des profils, Claude Haiku 4.5 pour les traitements de masse (indexation CVthèque), avec prompt caching activé.
• Sources à indexer en priorité : CVthèque interne (jour 1), GitHub REST API (jour 30), Malt public (jour 45), LinkedIn public (jour 60).

Comparatif LinkedIn Recruiter vs agent Anthropic Claude interne

Ce tableau compare les deux stacks sur les six critères qui pèsent réellement dans la décision d’un directeur ESN.

Critère	LinkedIn Recruiter + Hiring Assistant	Agent Anthropic Claude interne
Coût annuel (cabinet 30, 3 sièges)	~32 400 à 45 000 $ de licences (HootRecruit), add-on Hiring Assistant non publié [source: https://joshbersin.com/2024/10/linkedin-enters-ai-agent-race-with-linkedin-hiring-assistant/]	~2 000 à 2 400 € d’API Claude + infra [source: https://claude.com/platform/api]
Périmètre des sources	LinkedIn uniquement	LinkedIn public + GitHub REST API [source: https://docs.github.com/en/rest/using-the-rest-api/rate-limits-for-the-rest-api] + Malt public + CVthèque interne
Matching	Mots-clés + IA propriétaire LinkedIn, résultats non explicables	Sémantique sur dossier de compétences, prompts et scoring auditables
Conformité RGPD / AI Act	Opaque, obligation Annexe III portée par l’utilisateur final [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act]	Auditable, human-in-the-loop imposable dans le workflow (article 22 RGPD)
Intégration ATS	Native LinkedIn seulement	Custom via API : Boondmanager, Talentia, ATS maison
Verrouillage éditeur	Fort (bundle Recruiter + Sales Navigator + LinkedIn Learning)	Faible (modèle interchangeable Anthropic Claude / OpenAI GPT / Mistral)

Le tableau n’est pas un plaidoyer. Il montre où l’agent maison gagne (coût, transparence, périmètre de sources) et où LinkedIn Recruiter garde de la valeur (données propriétaires derrière l’authentification, activité récente, réseau de contacts). Le reste de l’article détaille les arbitrages.

Le marché ESN français en 2026, ce que disent les chiffres

Le marché ESN français désigne l’écosystème des Entreprises de Services Numériques (Capgemini, Sopra Steria, Devoteam, Orange Business, mais aussi les 3 000 cabinets de moins de 100 consultants) qui vendent du conseil et du delivery IT. Trois chiffres cadrent le contexte 2026.

• 81% des ESN et ICT françaises identifient l’IA générative comme l’opportunité de marché numéro un, devant la transformation digitale (58%) et la cybersécurité (56%), selon l’Observatoire Numeum-PAC S2 2025 [source: https://www.channelnews.fr/81-des-esn-et-ict-francaises-identifient-lia-comme-lopportunite-de-marche-n1-151591].
• 79% des ESN utilisent déjà l’IA en interne, 72% dans les process delivery, 67% en administratif, selon Numeum relayé par RH Matin [source: https://www.rhmatin.com/sirh/gestion-talents/impact-ia-rh-sur-le-marche-numerique-toujours-investir-dans-les-competences-numeum.html].
• 88% des plans d’embauche ESN exigent 3 ans d’expérience ou plus selon le même Observatoire Numeum-PAC [source: https://www.channelnews.fr/81-des-esn-et-ict-francaises-identifient-lia-comme-lopportunite-de-marche-n1-151591].

Le troisième chiffre est le nœud du problème sourcing : la demande ESN se concentre sur les profils seniors, ceux que LinkedIn Recruiter n’aide plus à trouver efficacement, parce que tous les cabinets tapent les mêmes requêtes sur le même pool.

Sur les indicateurs opérationnels, deux sources se recoupent. Cobalt publie un time-to-fill médian de 45 jours et un coût de placement moyen de 7 850 euros sur son échantillon [source: https://www.cobalt-ia.com/fr/blog/etat-recrutement-esn-france-2026-etude] (étude auto-publiée par un SaaS concurrent, à traiter comme directionnelle). Boondmanager mesure 36 jours entre l’entrée d’un candidat en base et son embauche sur ses systèmes ESN [source: https://www.boondmanager.com/blog/recrutement-et-rh-en-esn-comment-vraiment-se-demarquer-en-2026]. Ordre de grandeur convergent : 5 à 7 semaines par recrutement, coût à quatre chiffres significatif.

Pourquoi LinkedIn Recruiter coince à 10-15k€ par siège

LinkedIn Recruiter Corporate est l’offre premium de LinkedIn Talent Solutions destinée aux équipes recrutement, vendue exclusivement en négociation directe sans grille publique. Josh Bersin le note explicitement : “pricing is not disclosed publicly; sold via sales conversations only” [source: https://joshbersin.com/2024/10/linkedin-enters-ai-agent-race-with-linkedin-hiring-assistant/]. Les fourchettes en circulation situent le siège Corporate entre 10 800 et 15 000 dollars par an en 2026, avec un add-on LinkedIn Hiring Assistant non publié.

Pour un cabinet ESN de 30 consultants qui recrute activement, le compte tient en trois lignes. 3 sièges Recruiter Corporate représentent 30 000 à 45 000 dollars par an. S’y ajoutent, dans la plupart des cabinets rencontrés, un ou deux LinkedIn Sales Navigator, du LinkedIn Learning, parfois du LinkedIn Talent Insights. La note LinkedIn dépasse fréquemment 50 000 euros annuels tout compris. Cette dérive s’inscrit dans le coût caché des SaaS RH pour un cabinet de recrutement que nous avons documenté.

En face, LinkedIn Hiring Assistant affiche des performances mesurables :

• LinkedIn Hiring Assistant permet de parcourir 81% de profils en moins pour trouver un match qualifié [source: https://business.linkedin.com/talent-solutions/hiring-assistant].
• 66% de taux d’acceptation InMail supérieur revendiqué par LinkedIn Talent Solutions [source: https://business.linkedin.com/talent-solutions/hiring-assistant].
• Environ 1h30 gagnée par poste sur la review d’applications [source: https://business.linkedin.com/talent-solutions/hiring-assistant].
• Automatisation d’environ 80% du workflow pré-offre sur plus de 30 étapes, avec un cas Toyota Material Handling Europe passé de 15 minutes à 30 secondes de recherche sourcing par requête, documenté par Josh Bersin [source: https://joshbersin.com/2024/10/linkedin-enters-ai-agent-race-with-linkedin-hiring-assistant/].
• Disponibilité mondiale confirmée en 2025 par la LinkedIn Newsroom [source: https://news.linkedin.com/2025/hiring-assistant-globally-available].

Ces chiffres tiennent. Le problème n’est pas la performance de Hiring Assistant, ce sont trois limites structurelles.

• Périmètre unique LinkedIn. LinkedIn Hiring Assistant ne voit que LinkedIn. Un consultant senior en ingénierie logicielle laisse une trace plus riche sur GitHub (commits, projets open source, stacks récentes) que sur son profil LinkedIn. Un freelance sur Malt affiche TJM, missions et disponibilités en clair, ce que LinkedIn ne fait pas.
• Décision non explicable. Sur un système classé haut risque par l’AI Act (Annexe III) [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act], la traçabilité et l’intervention humaine restent à la charge de l’entreprise utilisatrice. Une boîte noire vendor n’exonère pas le cabinet.
• Verrouillage éditeur. Une fois le workflow calé sur LinkedIn Hiring Assistant, changer implique de tout ré-outiller. Le coût de sortie est structurel.

Architecture d’un agent Anthropic Claude interne pour cabinet de 30

Un agent Claude interne est un pipeline logiciel qui ingère des profils publics, les structure via Anthropic Claude, les indexe sémantiquement, et propose un top N motivé au recruteur humain. L’architecture cible tient en trois briques, détaillées plus longuement dans notre workflow Claude pour cabinets de 25 à 50 personnes.

Brique 1 : ingestion multi-source

L’ingestion agrège quatre flux distincts, dans un ordre de priorité juridique croissante.

• CVthèque interne du cabinet : candidats déjà rencontrés, alumni, missions closes. Aucune discussion légale, indexation en jour 1.
• GitHub REST API : l’API authentifiée offre 5 000 requêtes par heure et 30 requêtes par minute sur l’API Search, largement suffisant pour un cabinet de 30 [source: https://docs.github.com/en/rest/using-the-rest-api/rate-limits-for-the-rest-api].
• Malt public : la partie du répertoire freelance accessible sans authentification.
• LinkedIn public : uniquement ce que le mode public affiche à un visiteur non connecté, robots.txt respecté, taux limité (1 requête toutes les 3 à 5 secondes), sans jamais contourner l’authentification. Firecrawl et Playwright sont les outils standards pour cette étape.

Brique 2 : matching sémantique via Claude

Chaque profil ingéré passe par un modèle Anthropic Claude qui produit un dossier de compétences structuré : stack technique, séniorité estimée, secteurs, disponibilité si visible, langues, mobilité. Le choix de modèle suit deux règles, développées dans notre comparatif Claude vs GPT pour un workflow recrutement FR :

• Anthropic Claude Sonnet 5 : analyse fine des profils prioritaires. Facturé 2 dollars par million de tokens en entrée et 10 dollars par million en sortie (tarif introductif jusqu’au 31 août 2026, 3/15 ensuite) [source: https://claude.com/platform/api].
• Anthropic Claude Haiku 4.5 : traitements de masse (indexation initiale CVthèque, retraitement batch).
• Prompt caching Anthropic : jusqu’à 90% de réduction sur les tokens d’entrée mis en cache [source: https://claude.com/platform/api], indispensable pour tenir le budget sous 150 euros/mois.

Le dossier structuré devient un embedding stocké en base vectorielle. La requête d’un recruteur (brief mission) devient un embedding équivalent. La recherche est une similarité cosine sur le corpus, remontée par score. Le prompt de scoring est explicite, versionné, testable.

Brique 3 : human-in-the-loop

L’agent Claude ne prend aucune décision automatique de rejet ou de contact. Il produit un top N ordonné, avec pour chaque profil une justification textuelle du match. Le recruteur valide, priorise, contacte. Cette architecture est compatible avec l’article 22 du RGPD (interdiction de décision automatisée produisant des effets juridiques) et avec les obligations AI Act Annexe III [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act].

Le matching sur dossier de compétences en pratique

Le matching sémantique est la brique où l’agent maison fait la vraie différence face à LinkedIn Recruiter. Il compare un brief mission structuré à un dossier de compétences structuré, avec pondérations explicites, plutôt qu’à des mots-clés. Pour la mécanique embeddings sous le capot, voir le guide matching consultants dossier de compétences et embeddings.

Brief type ESN : “Data Engineer senior, 6 ans minimum, stack Databricks + Airflow + Terraform sur AWS, secteur banque/assurance, disponible sous 30 jours, TJM cible 700 à 800€, Île-de-France ou remote FR”.

Sur LinkedIn Recruiter, la requête classique combine mots-clés et filtres. Elle remonte des centaines de profils contenant “Data Engineer” et “AWS”, dont beaucoup non pertinents (juniors, secteurs éloignés, indisponibles).

Sur l’agent Anthropic Claude, le prompt de scoring compare le dossier de compétences au brief avec pondération explicite :

• Séniorité : poids fort.
• Stack exacte (Databricks, Airflow, Terraform) : poids fort.
• Secteur (banque/assurance) : poids moyen.
• Disponibilité : poids fort si visible sur Malt.
• TJM : poids moyen.
• Localisation : poids faible en remote friendly.

Le résultat est un top 20, chacun avec une justification en langage naturel : “Match 87 : 7 ans d’XP data eng, 3 missions banque, stack Databricks + Airflow présente dans les 2 dernières missions, TJM affiché 750 euros sur Malt, disponible novembre”. Le recruteur lit 20 justifications au lieu de scanner 200 profils.

C’est là que se logent les 81% de review en moins revendiqués par LinkedIn Hiring Assistant [source: https://business.linkedin.com/talent-solutions/hiring-assistant], avec une différence majeure : le raisonnement de l’agent Claude est visible, modifiable, auditable.

Ordre de grandeur budgétaire : pour un cabinet qui traite 200 briefs par an et parse 150 profils par brief avec Claude Sonnet 5 + prompt caching, la facture mensuelle API Anthropic reste sous 150 euros dans un scénario standard [source: https://claude.com/platform/api].

Conformité CNIL et AI Act, ce qui est vraiment autorisé

La conformité sourcing en France en 2026 repose sur deux textes : le RGPD (dont l’article 22 sur les décisions automatisées) appliqué par la CNIL, et le règlement européen AI Act (Règlement 2024/1689). L’improvisation coûte cher. Le périmètre légal du scraping de données publiques en recrutement est traité en détail à part.

La sanction Kaspr par la CNIL (5 décembre 2024)

Kaspr est une société éditrice d’une extension Chrome qui exposait les coordonnées LinkedIn (mail, téléphone) de profils cibles. Le 5 décembre 2024, la CNIL a sanctionné Kaspr à hauteur de 240 000 euros pour avoir constitué une base d’environ 160 millions de contacts en scrapant LinkedIn [source: https://www.cnil.fr/en/data-scraping-kaspr-fined-eu240000]. La violation centrale : la collecte de données que les utilisateurs LinkedIn avaient volontairement restreintes à leurs “1st and 2nd degree connections”. La CNIL a considéré que cette collecte dépassait ce que les utilisateurs pouvaient raisonnablement anticiper. Sanction financière, ordre de cesser la collecte, obligation de supprimer les données illégalement acquises.

Traduction pratique pour tout agent IA sourcing en France :

• Autorisé : tout ce qui est visible sur LinkedIn en mode déconnecté (visite anonyme).
• Interdit : tout ce qui exige une authentification pour être vu.
• Interdit : toute donnée qu’un utilisateur a restreinte à son réseau (mail, téléphone visible pour les 1st/2nd degree), même si techniquement accessible.
• Illégal et sanctionnable : un agent qui se connecte avec un compte LinkedIn pour aspirer au-delà du public.

AI Act : calendrier applicable au recrutement

L’AI Act classe le screening CV, le scoring candidat et la pré-sélection automatisée en systèmes à haut risque (Annexe III) [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act].

Date	Obligation applicable au sourcing ESN
2 février 2025	Article 4 : “compétence IA suffisante” obligatoire pour tout salarié utilisant ou supervisant un système IA. Formation IA documentée devenue obligatoire pour les recruteurs [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act].
2 décembre 2027	Obligations complètes systèmes haut risque : audits de biais, registre d’incidents, documentation technique, marquage CE [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act].

Obligation transversale : une décision d’IA sur un candidat doit toujours pouvoir être corrigée ou refusée par un humain. L’agent Anthropic Claude respecte cette exigence par construction s’il est configuré en outil d’aide à la décision et pas en filtre automatique de rejet.

Checklist conformité minimale cabinet ESN de 30

• Formation IA documentée pour tous les recruteurs (article 4 AI Act).
• Registre des sources ingérées (URL, date, périmètre, base légale).
• Log des décisions humaines sur chaque recommandation de l’agent.
• Procédure de contestation candidat publiée et accessible.
• DPIA (Data Protection Impact Assessment) sur le traitement complet.

ROI réel sur 24 mois pour un cabinet ESN de 30 consultants

Le ROI compare deux scénarios chiffrés sur 24 mois pour un cabinet ESN de 30 consultants, 3 sièges LinkedIn Recruiter Corporate, 200 recrutements par an (missions freelance et internes cumulées).

Scénario A : statu quo LinkedIn Recruiter + Hiring Assistant

• Licences LinkedIn Recruiter Corporate année 1 : 3 sièges × ~13 000 € = 39 000 €.
• Add-on LinkedIn Hiring Assistant (non publié) : hypothèse prudente +5 000 €.
• LinkedIn Sales Navigator sur 2 postes : +2 000 €.
• Total année 1 : ~46 000 €.
• Total 24 mois : 92 000 €.

Scénario B : agent Anthropic Claude interne + 1 siège Recruiter conservé

• Développement agent (build interne ou prestataire) : 15 000 à 30 000 € en une fois.
• API Anthropic Claude estimée à 150 €/mois avec prompt caching [source: https://claude.com/platform/api] : 1 800 €/an.
• Infra (base vectorielle managée, hébergement) : ~1 200 €/an.
• 1 siège LinkedIn Recruiter conservé pour l’InMail authentifié : ~13 000 €/an.
• Total année 1 : ~46 000 € (dev inclus).
• Total année 2 : ~16 000 €.
• Total 24 mois : ~62 000 €.

Delta 24 mois : environ 30 000 euros économisés, soit approximativement le coût d’un consultant junior sur 3 mois.

Le calcul est volontairement conservateur. Il maintient un siège LinkedIn Recruiter, car pour beaucoup de cabinets la valeur de LinkedIn dépasse la recherche : l’InMail authentifié, les signaux d’activité récente et la crédibilité perçue par le candidat justifient de garder au moins une licence. Ce n’est pas un remplacement 100%, c’est un recentrage sur ce que LinkedIn Recruiter fait vraiment de mieux, et une sortie de tout le reste.

Les gains non chiffrés sont probablement plus significatifs : périmètre de sources élargi (GitHub, Malt, CVthèque interne indexée sémantiquement), matching explicable donc défendable en cas d’audit AI Act, indépendance vis-à-vis du roadmap produit LinkedIn.

Feuille de route 90 jours, du prototype à la production

La feuille de route 90 jours découpe la mise en production de l’agent Claude en trois phases de 30 jours, calibrées pour un cabinet ESN de 30 sans ressource DSI dédiée.

Jours 1 à 30 : prototype sur la CVthèque interne

La CVthèque interne du cabinet est le terrain le plus simple juridiquement : données déjà collectées avec base légale. Actions : indexer tous les CV existants avec Anthropic Claude Haiku 4.5, produire les dossiers de compétences structurés, stocker les embeddings en base vectorielle, brancher une interface de recherche. C’est le point de départ du sourcing sémantique, et cela produit déjà de la valeur mesurable en retrouvant des candidats oubliés.

Jours 31 à 60 : ajout GitHub et Malt

• Ingestion GitHub REST API pour les profils tech déjà en base : matching sur repos, langages, activité récente. Rate limits confortables (5 000 req/h authentifiée) [source: https://docs.github.com/en/rest/using-the-rest-api/rate-limits-for-the-rest-api].
• Ingestion Malt public pour croiser TJM et disponibilité sur les freelances.
• Aucun risque légal significatif si les rate limits sont respectés.

Jours 61 à 90 : LinkedIn public et bascule opérationnelle

• Ingestion LinkedIn strictement publique (visite déconnectée, robots.txt respecté, taux limité 1 requête / 3-5 secondes), via Firecrawl ou Playwright cadrés.
• Formation AI Act des recruteurs (obligation article 4 depuis février 2025).
• Documentation AI Act complète : registre sources, log décisions, procédure contestation.
• Réduction progressive du nombre de sièges LinkedIn Recruiter (3 → 1).

Le piège classique : vouloir tout automatiser trop vite. L’agent Claude doit rester un outil de proposition, jamais un filtre de rejet, tant que la couverture AI Act n’est pas complète et testée en interne.

FAQ

Combien coûte LinkedIn Recruiter par an pour une ESN en 2026 ? LinkedIn Recruiter Corporate se situe entre 10 800 et 15 000 dollars par siège par an [source: https://joshbersin.com/2024/10/linkedin-enters-ai-agent-race-with-linkedin-hiring-assistant/]. LinkedIn ne publie pas de grille officielle, les prix sont négociés. Un cabinet de 30 qui recrute activement paie typiquement entre 35 000 et 55 000 euros par an tout compris (Recruiter + Hiring Assistant + Sales Navigator).

Peut-on scraper LinkedIn légalement avec un agent IA en France ? Uniquement le périmètre strictement public, visible sans authentification. La sanction Kaspr par la CNIL (240 000 euros, 5 décembre 2024) pour avoir collecté des contacts en visibilité restreinte fixe la ligne rouge [source: https://www.cnil.fr/en/data-scraping-kaspr-fined-eu240000]. Contourner l’authentification, ignorer robots.txt ou aspirer des données que l’utilisateur a restreintes est illégal et sanctionnable.

Que dit l’AI Act sur le sourcing IA en 2026 ? Le screening CV, le scoring candidat et la pré-sélection automatisée sont classés haut risque (Annexe III) [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act]. Depuis le 2 février 2025, l’article 4 exige une formation IA documentée pour les recruteurs. Les obligations plus lourdes (audits de biais, registre d’incidents, documentation technique) s’appliquent à partir du 2 décembre 2027.

Faut-il choisir LinkedIn Hiring Assistant ou construire son propre agent Anthropic Claude ? LinkedIn Hiring Assistant est plus rapide à déployer mais coûte cher, ne voit que LinkedIn, et reste une boîte noire [source: https://business.linkedin.com/talent-solutions/hiring-assistant]. Un agent Anthropic Claude interne demande un investissement initial (15 à 30 000 euros) mais élargit les sources (GitHub, Malt, CVthèque), rend le matching explicable, et économise environ 30 000 euros sur 24 mois. En dessous de 15 consultants, Hiring Assistant peut suffire. Au-delà de 25, l’agent interne devient rentable.

Combien de temps un agent IA fait-il gagner sur un sourcing ESN ? LinkedIn Talent Solutions revendique 81% de profils en moins à parcourir et environ 1h30 gagnée par poste sur la review [source: https://business.linkedin.com/talent-solutions/hiring-assistant]. Une architecture Claude bien calibrée atteint des ordres de grandeur similaires sur la partie tri, avec l’avantage de sortir des sources non LinkedIn (GitHub, Malt, CVthèque interne).

Un agent Anthropic Claude est-il compatible avec le RGPD et l’AI Act ? Oui, sous trois conditions : ingérer uniquement des données publiques ou légitimement collectées (règle Kaspr) [source: https://www.cnil.fr/en/data-scraping-kaspr-fined-eu240000], garder un humain qui valide chaque décision (article 22 RGPD), documenter le traitement (source, prompt, log, procédure de contestation) [source: https://www.entreprises.cci-paris-idf.fr/actualites/2026-2027-vers-un-recrutement-plus-sur-mais-plus-exigeant-base-sur-lai-act]. L’agent est un outil d’aide, jamais un filtre de rejet automatique.

Quels modèles Anthropic Claude utiliser pour un agent sourcing ESN ? Claude Sonnet 5 pour l’analyse fine des profils prioritaires (2 $/M tokens en entrée, 10 $/M en sortie, tarif introductif jusqu’au 31 août 2026) [source: https://claude.com/platform/api]. Claude Haiku 4.5 pour les traitements de masse (indexation CVthèque, retraitement batch). Le prompt caching Anthropic réduit les tokens d’entrée mis en cache jusqu’à 90%, indispensable pour tenir la facture sous 150 euros par mois.

Prochaine étape concrète

Le premier chantier n’est pas de scraper LinkedIn. C’est d’indexer la CVthèque interne du cabinet avec un agent Anthropic Claude et de mesurer sur 30 jours combien de candidats oubliés remontent sur des briefs actifs. Le coût est faible, le risque légal nul, la démonstration de valeur convainc mieux qu’un slide de vente.

Si vous voulez chiffrer précisément le scénario “un siège LinkedIn Recruiter en moins + agent Anthropic Claude interne” pour votre cabinet ESN, prenez 30 minutes avec Kreante ou consultez notre méthodo audit de stack recrutement ESN : nous regardons les licences en cours, le volume de recrutements et la stack ATS (Boondmanager, Talentia ou autre), et sortons un plan chiffré sur 90 jours.

Question ouverte à ceux qui ont déjà bougé : chez vous, sur quelle source non-LinkedIn (GitHub, Malt, CVthèque, autre) l’agent maison remonte le plus de profils que Recruiter ne voyait pas ?