
Case study · Personal AI tool · 2026Étude de cas · Outil IA perso · 2026
Reading 3,000 job offers a day so I read only the good onesLire 3 000 offres par jour pour n'en lire que les bonnes
I built my own job search pipeline: it rakes the job boards, throws out the noise for free, lets an AI score what is left, and hands me a short stack to swipe. Everything personal lives in one folder, the engine is reusable.
J'ai construit mon propre pipeline de recherche d'emploi : il ratisse les sites d'offres, écarte le bruit gratuitement, fait noter le reste par une IA et me tend une petite pile à swiper. Tout ce qui est personnel tient dans un dossier, le moteur est réutilisable.
- 25sources collected each morningsources collectées chaque matin
- ~3,000offers a dayoffres par jour
- ~9 %kept by free rulesgardées par des règles gratuites
- 0invented facts in a generated CVfait inventé dans un CV généré
The challengeLe défi
Job boards repeat each other, mislabel seniority and bury the few relevant offers under thousands of others. Sending everything to an AI would cost a lot and still flood me. I wanted to see only the offers worth an application, and to answer them fast.
Les sites d'offres se répètent, se trompent sur le niveau d'expérience et noient les quelques offres pertinentes sous des milliers d'autres. Tout envoyer à une IA coûterait cher et me noierait quand même. Je voulais ne voir que les offres qui valent une candidature, et y répondre vite.
What I builtCe que j'ai construit
A four-step pipeline. Collect: around 25 sources at 8 am, wide and raw. Filter: rules on countries, languages, seniority and titles, at zero cost. Score: Gemini rates each remaining offer from 0 to 5 against my profile. Sort: offers scored 4 or more and under ten days old go to a website and an iPhone app where I swipe right to keep and left to pass. The workflows run on n8n, the data sits in Supabase, and node code is assembled from plain JavaScript files rather than edited in n8n. A public version of the engine is open source as Job scrapper.
Un pipeline en quatre étapes. Collecte : environ 25 sources à 8 h, large et brute. Filtre : des règles sur les pays, les langues, le niveau et les intitulés, à coût nul. Notation : Gemini note chaque offre restante de 0 à 5 selon mon profil. Tri : les offres notées 4 ou plus et de moins de dix jours arrivent sur un site et une app iPhone où je swipe à droite pour garder et à gauche pour passer. Les workflows tournent sur n8n, les données vivent dans Supabase, et le code des nœuds est assemblé depuis de simples fichiers JavaScript au lieu d'être édité dans n8n. Une version publique du moteur est open source sous le nom Job scrapper.
The resultLe résultat
A short daily stack instead of hours of scrolling, and the AI only pays for what the free rules could not decide. For a kept offer, a tailored CV is written from my reference facts only.
Une petite pile par jour au lieu d'heures de défilement, et l'IA ne coûte que pour ce que les règles gratuites n'ont pas pu trancher. Pour une offre gardée, un CV adapté est écrit à partir de mes seuls faits de référence.