Pourquoi j'ai codé CVMorph : comment les parsers ATS analysent (et rejettent) les CV Canva

Le problème des parsers de CV

En développant CVMorph (cvmorph.app), j'ai analysé la manière dont les logiciels RH (les ATS pour Applicant Tracking Systems) lisent les fichiers PDF envoyés par les candidats.

Le constat est net : la majorité des templates design modernes (notamment les CV Canva sur deux colonnes) posent d'énormes problèmes d'extraction de texte aux bibliothèques de parsing.

Pourquoi les parsers échouent sur le design :

• Rupture de la lecture séquentielle : La plupart des parsers lisent le document de gauche à droite sur toute la largeur de la page. Résultat : le texte de la colonne de gauche se retrouve mélangé avec celui de la colonne de droite.
• Éléments graphiques ignorés : Les jauges de compétences (ex. barres de niveau SVG) et les icônes ne transmettent aucun texte exploitable aux algorithmes.
• Mots-clés manquants : Sans alignement sémantique strict avec la fiche de poste, le score de pertinence attribué par l'IA chute drastiquement.

Ce que fait CVMorph

J'ai conçu CVMorph pour permettre aux candidats de vérifier la lisibilité de leur candidature avant d'envoyer un CV dans le vide.

L'outil permet de :

1. Évaluer la lisibilité globale par une machine (structure et formatage).
2. Comparer le CV à l'offre d'emploi via un matching sémantique.
3. Identifier les mots-clés manquants à intégrer pour passer les filtres automatisés.

Pour tester gratuitement la compatibilité de votre CV : cvmorph.app.