Keynote d’ouverture, Sourcing Summit Europe, Amsterdam, 7 octobre 2026. Photo : SOSU Europe. Les slides sont restées en anglais, comme le talk.
Vous étiez à SOSU et vous cherchez les slides ? Phil Tusing les a partagées avec les participants.
Aussi en anglais : The Great Pivot.
Le thème du Sourcing Summit Europe cette année, c’était l’authenticité. Alors j’ai ouvert la conférence en disant à une salle pleine de sourceurs, ma propre communauté, la seule chose que personne dans cette salle n’avait envie d’entendre : il n’y aura pas autant de nous.
C’est peut-être authentique. Ce n’était pas facile. Je ne l’ai pas dit pour provoquer. Je l’ai dit parce que je construis ces machines, que je vois chaque semaine ce qu’elles savent faire, et que faire semblant devant une salle de gens que je respecte aurait été la vraie insulte. La bonne nouvelle, parce qu’il y en a une, c’est que le métier ne s’arrête pas. Il se déplace. Un aiguilleur n’arrête pas le train, il change la voie. C’est ça, le pivot.
Voici la version écrite de ce talk, avec les slides qui comptent et le raisonnement qui ne tenait pas en quarante minutes. Et le vendredi 16 octobre, je débriefe SOSU en direct dans le Brainfood Live de Hung Lee.
Transformer des gens en candidats
Réduit à l’os, le sourcing tient en une ligne : vous identifiez des gens, vous décidez s’ils correspondent, vous les engagez. Vous transformez des gens en candidats. C’est tout le métier.
Prenez maintenant chaque étape, et demandez-vous si une machine sait la faire.
Identifier. Vous pouvez aujourd’hui lancer des sous-agents sur le web ouvert : market mapping, enrichissement de données, recherche approfondie, tout en parallèle. Une machine le fait.
Décider. Un humain qualifie un profil en quelques secondes, fatigué au quarantième et biaisé dès le premier. Une machine lit le profil en entier, à chaque fois, et explique son oui ou son non. Une machine le fait.
Engager. Avec empathie, l’étape que tout le monde croit à l’abri. J’ai construit un outil qui rassemble ce que dit un profil, tourne en local, et écrit un message taillé pour cette personne-là. Une machine le fait.
La réponse honnête, c’est donc oui, sur les trois. À une condition, et tout le talk repose sur elle : si, et seulement si, elle a accès à la donnée.
Cette condition ne pèse pas le même poids à chaque étape. Décider, c’est déjà réglé. Je ne parle pas d’une recherche par mots-clés avec une plus jolie interface. Je parle de lire chaque profil et de raisonner dessus comme le ferait un bon sourceur.
5 426 profils en une journée, chacun analysé en entier, chaque verdict argumenté. Construit par une seule personne, pas par un éditeur. Les modèles sont encore un peu lourds pour ce genre de travail, et ils s’allègent vite. J’y reviens plus bas.
Identifier, c’est là que la condition mord. Une machine ne peut identifier que les gens qu’elle voit.
L’accès à la donnée
La donnée du web ouvert suffit rarement pour recruter à grande échelle. Vous trouvez des fragments : un compte GitHub, une intervention en conférence, un article de blog, une page entreprise. Ce que vous ne trouvez presque jamais, c’est la structure : le poste actuel, la localisation, le parcours, les compétences, au même endroit, pour tout le monde.
Cette structure existe à un seul endroit. Alors j’ai posé une question simple à la salle : est-ce que la donnée LinkedIn publique, ça existe ? Et j’ai ajouté : prouvez-moi que j’ai tort.
J’ai fait le test sur moi-même. Tous les réglages de visibilité de mon profil passés en public, puis je l’ai regardé déconnecté. Google a eu trois lignes. Pas de dates, pas de parcours, pas de compétences, pas de formation, pas de localisation précise. Juste un pays. D’où la question évidente : quand un outil vous montre un profil complet, d’où vient le reste ?
Mon test n’est pas un accident. Le 13 novembre 2025, LinkedIn a placé presque tout ce qui rend un profil utile au sourcing derrière son authwall, la page qui vous demande de vous connecter ou de créer un compte : le poste actuel, les expériences avec leurs dates, la formation. Les fournisseurs de données ont documenté la chute eux-mêmes : dans leur collecte déconnectée, ces champs sont passés d’un remplissage sur la moitié aux deux tiers des profils environ à près de 2 %. Depuis ce jour, le parcours n’est plus public. Vous le voyez en tant que membre connecté, c’est-à-dire sous les conditions d’utilisation de LinkedIn.
Quelqu’un répond toujours : « Mais hiQ a gagné. » Ce que tout le monde retient de cette affaire, c’est qu’aux États-Unis, scraper des données publiques n’est pas un crime informatique. Ce qu’on oublie, c’est comment elle s’est terminée, sur les conditions d’utilisation de LinkedIn, et que la porte par laquelle hiQ est passé n’existe plus. En 2017, un profil était visible sans compte. Aujourd’hui, le même profil « public » est derrière l’authwall, et le franchir veut dire accepter le contrat.
Toutes les routes vers la donnée passent désormais par le contrat.
Et nous sommes en Europe. Avez-vous déjà consenti à ce que vos données LinkedIn soient copiées sur des serveurs qui n’appartiennent pas à LinkedIn, puis vendues à des outils d’IA ? Personne ne me l’a demandé. Avec le RGPD, la question n’est pas de savoir si quelque chose peut être scrapé, mais sur quelle base légale, avec le consentement de qui, et après quelle information.
Ce qui mène à la conclusion inconfortable de la première moitié du talk. Les éditeurs n’ont pas la donnée. LinkedIn l’a : 1,3 milliard de profils professionnels structurés, que personne ne va ressaisir à la main.
La suite bientôt. D’où les éditeurs d’outils de sourcing tirent réellement leurs données LinkedIn, et s’ils en ont le droit, mérite plus qu’un paragraphe. Je prépare une enquête approfondie. Des questions et des demandes de droit de réponse sont parties vers plusieurs plateformes, et je publierai une fois qu’elles auront eu le temps de répondre.
Alors, si LinkedIn a la donnée, est-ce que LinkedIn règle le problème ? C’est là que la seconde moitié du talk commençait, et qu’elle devenait plus intéressante.