Aller au contenu
RZ RenZan Blog Homelab · IA · Domotique
Un ordinateur portable affichant du code sur un bureau lumineux Automatisation · 4 août 2026

Veille emploi automatisée : trois sources, un score, un rapport chaque matin

Chercher un poste full remote exige de consulter plusieurs sites chaque jour, de vérifier les dates de publication et de comparer des annonces sans salaire. Ce travail répétitif est confié depuis un mois à un agent : deux cron jobs collectent les offres de remotefr.com, de France Travail et de LinkedIn, les filtrent, les notent par mots-clés et envoient un rapport email. Voici l'architecture, les chiffres réels et les pièges rencontrés.

Le problème : un marché fragmenté et bruyant

Le profil recherché est strict : poste de direction technique ou d'ingénierie, full remote permanent, salaire plancher de 80 000 euros avec priorité aux offres à 100 000 et plus, couverture mondiale. Aucun site ne réunit ces critères seul. remotefr.com est la meilleure source pour le télétravail français, France Travail couvre le marché national, LinkedIn donne accès aux postes américains et britanniques. Chaque source a sa propre interface, ses propres dates et ses propres ambiguïtés.

Faire ce tour manuellement prend une heure chaque matin, et le résultat dépend de l'attention du moment. Le 31 juillet, sur 74 annonces candidates vérifiées sur remotefr.com, seulement 6 étaient encore valides, et une seule méritait d'être signalée. Le reste : des offres expirées, des postes pourvus non retirés, des annonces dupliquées. C'est exactement le genre de filtrage qu'un agent peut faire de manière fiable, à condition de lui donner des règles explicites.

L'architecture : deux cron jobs et un script d'extraction

Deux tâches planifiées tournent chaque matin. La veille des offres en CDI démarre à 7 heures, la veille des pistes d'indépendance à 8 h 30. Chacune exécute le même cycle : collecter les annonces, extraire les données structurées, appliquer les filtres, calculer un score, puis envoyer le rapport par email.

La collecte sur remotefr.com passe par un script Python, veille_emploi_extract.py, qui interroge une liste de quatre-vingt-cinq annonces candidates avec curl. Le site est une application Svelte : la version servie dépend du client HTTP. urllib reçoit une coquille vide sans données, alors que curl avec un en-tête de navigateur reçoit la page complète avec son JSON-LD. Le script extrait de chaque page le bloc JobPosting : titre, entreprise, lieu, dates de publication et de validité, type de contrat, salaire.

curl -sL https://remotefr.com/emploi-teletravail/<slug> \
  -A "Mozilla/5.0 Chrome/120 Safari/537.36" \
  | grep -oP '"validThrough"[^,]*'

France Travail est interrogée via son API officielle, accessible par un serveur MCP. Les recherches utilisent le filtre publieeDepuis=31 : seules les annonces de moins d'un mois sont retournées, ce qui supprime une partie du nettoyage. LinkedIn passe par la bibliothèque jobspy, qui fournit titre et entreprise mais ni salaire ni description : la source sert surtout à couvrir les intitulés américains comme head of engineering ou vp engineering.

Les filtres : la date d'abord, puis le remote, puis le salaire

Le premier filtre est la date. remotefr.com laisse en ligne des annonces expirées depuis des mois : le champ validThrough du JSON-LD est la seule source fiable. Le 31 juillet, 68 des 74 annonces vérifiées avaient un validThrough dépassé. Certaines entreprises aggravent le cas : NTT DATA ne retire pas ses offres pourvues, et le lien de candidature affiche the job you are trying to apply for has been filled. Le poste est désormais écarté systématiquement après vérification.

Le deuxième filtre est le télétravail. Une annonce peut afficher full remote dans le titre et mentionner deux jours par mois à Paris dans le corps du texte. La règle appliquée est de retenir la condition la plus restrictive : la moindre obligation de présence exclut l'offre.

Le troisième filtre est le salaire. Quand l'annonce l'indique, une fourchette dont le minimum passe sous le plancher reste acceptée si le plafond le dépasse. Plusieurs recruteurs sont écartés pour cause de fourchettes constatées trop basses, comme les annonces Bluecoders, régulièrement publiées entre 60 000 et 90 000 euros.

Le scoring : des poids de mots-clés, pas une intuition

Une fois les filtres passés, chaque offre reçoit un score additif. Des listes de mots-clés pondérés sont comparées au titre et à la description : ai agent, mcp, cto ou head of engineering valent 5 points, kubernetes, n8n ou engineering manager en valent 4, llm, devops ou sre en valent 3, python et docker en valent 2. Un mot-clé comme junior ou php remet le score à zéro.

Le score détermine la place dans le rapport. Au-dessus de 20, l'offre est une correspondance excellente, notée trois étoiles. Entre 10 et 19, elle est bonne, deux étoiles. Entre 3 et 9, elle est signalée sans étoile. Le 4 août, un poste de Platform Engineer chez Dougs a obtenu 17 avec kubernetes, gitops et terraform ; une offre Lemon.io de Senior DevOps Engineer a obtenu 12.

Le rapport email

Le rapport est envoyé par email chaque matin. Il est organisé en trois sections par priorité : les offres IA et agents, puis le management technique, puis les DevOps et plateformes. Chaque offre porte son lien direct, son score et un commentaire de pertinence. Quand le marché est vide, l'email part quand même pour le dire : en juillet, le marché est creux et un rapport vide n'est pas un échec de collecte, c'est une information.

Les chiffres du premier mois

Les mesures réelles donnent la mesure du bruit filtré. Le 31 juillet : 74 annonces vérifiées sur remotefr.com, 6 valides, 1 retenue ; environ 1 100 offres France Travail examinées sur cinq recherches, aucune retenue. Le 4 août : environ 280 URL collectées, 7 valides, 2 retenues après filtres, soit un ratio de 2,5 %. La saisonnalité est réelle : le ratio remonte à 10-15 % en septembre, quand les recruteurs reprennent.

Les leçons

La veille emploi est devenue un cas d'usage complet d'agent : collecte sur des sources hétérogènes, extraction de données structurées, filtres stricts, scoring explicite et livraison par email. Les règles tiennent dans une skill documentée, et les chiffres du premier mois confirment que le travail de filtrage était le vrai problème.

← Retour au blog