Job Finder

Une application web FastAPI + React qui transforme une consigne en langage naturel, « studios de jeux vidéo à Montpellier de moins de 50 employés », en une liste structurée et sourcée d’entreprises françaises. Un projet de Web Information Retrieval à l’université Tsinghua.

Une recherche s’exécute comme un pipeline transparent et reprenable.

D’une phrase à des entreprises qualifiées

La consigne est analysée en filtres structurés et passée dans une console de recherche en quatre étapes :

1. Mapper la demande vers des codes NAF 2025, puis les convertir vers les anciens codes rev.2 utilisés par l’API publique.
2. Récupérer les établissements correspondants depuis le registre des entreprises.
3. Scorer la pertinence et faire remonter les candidats pour une revue manuelle.
4. Enrichir chaque entreprise retenue avec des preuves web : contacts, signaux publics et les sources qui les justifient.

Rédaction de la consigne en langage naturel.

Revue et ajustement des filtres déduits avant la récupération.

Candidats scorés présentés pour une revue manuelle.

Preuves et exploration

Les résultats arrivent avec les preuves qui les justifient, une vue cartographique et le détail par entreprise.

Vue géographique des entreprises trouvées.

Détail par entreprise avec contacts et signaux publics.

Informations de contact enrichies, avec sources.

Conçu pour reprendre et diffuser

Les recherches sont persistées dans MongoDB, donc reprenables, et l’interface diffuse la progression en direct via les Server-Sent Events. Le tout s’utilise en web comme en CLI.

Mon rôle

Développeur full-stack et ingénieur du pipeline WebIR : le pipeline récupération/scoring/enrichissement, le back-end FastAPI et le front React.

Techno

Python · FastAPI · React · MongoDB · Server-Sent Events