Glossaire

Chaque terme utilisé par career-ops, défini en un seul endroit. Les termes renvoient à la référence plus détaillée lorsqu'elle existe.

ATS (Applicant Tracking System)

Le logiciel que les entreprises utilisent pour recevoir, stocker et filtrer les candidatures — Greenhouse, Ashby et Lever en sont des exemples courants. career-ops lit leurs API publiques d'offres pour découvrir les postes ouverts et peut pré-remplir leurs formulaires de candidature, mais ne soumet jamais rien automatiquement.

Score global (1-5)

Le jugement holistique du LLM sur une offre d'emploi, selon cinq dimensions (correspondance avec le CV, alignement avec votre north star, rémunération, signaux culturels et red flags), qui produit un score de 1.0 à 5.0. À partir de 4.5, l'agent recommande de postuler immédiatement ; en dessous de 4.0, il recommande de ne pas le faire. Il n'existe pas de formule de pondération fermée : le score est le jugement du LLM guidé par la grille, publique sur la page méthodologie.

Data Contract

La promesse architecturale centrale de career-ops : la couche système (scripts, modes, templates) peut être mise à jour à tout moment, tandis que la couche utilisateur — cv.md, config/profile.yml, data/, reports/, output/ — n'est jamais touchée par une mise à jour. Vos données survivent à toutes les versions.

Spray-and-pray

La stratégie de candidature de masse qui consiste à envoyer le même CV à des centaines d'offres sans aucun ciblage. career-ops la rejette explicitement : le pipeline évalue et classe d'abord les offres, pour que l'effort se concentre sur le petit nombre de postes qui valent vraiment la peine.

Liveness check

Une heuristique que career-ops exécute pour détecter si une offre d'emploi est encore ouverte avant que vous n'y consacriez du temps ou des tokens. C'est un signal best-effort — des annonces expirées traînent parfois sur les job boards — et les offres peuvent être marquées manuellement lorsque l'heuristique se trompe.

Tailoring

Réécrire votre CV pour une offre d'emploi précise — réorganiser les priorités, mettre en avant les compétences et les chiffres qui correspondent, aligner le vocabulaire sur la description du poste — tout en gardant chaque affirmation fidèle à votre expérience réelle. career-ops génère un CV sur mesure par candidature, en Markdown, que vous pouvez modifier.

Mode

Un workflow ciblé, défini par un prompt, que career-ops livre sous forme de simple fichier Markdown que votre CLI d'IA exécute — scan, apply, tracker, interview/practice et une douzaine d'autres. Les modes sont du texte inspectable, pas du code boîte noire.

Pipeline

Le workflow career-ops de bout en bout : scan des portails → évaluation des offres (1.0 à 5.0) → CV sur mesure → candidature → suivi → préparation des entretiens. Chaque étape est un mode que vous pouvez exécuter indépendamment ou par lot.

Scan zéro token

Une passe de découverte qui ne consomme aucun token de LLM : scan.mjs appelle directement les API des ATS (Greenhouse, Ashby, Lever) en HTTP — trouver de nouvelles offres est donc gratuit, quel que soit le moteur d'IA que vous utilisez.

Moteur d'IA

Le CLI de codage IA qui exécute les prompts de career-ops — Claude Code, OpenCode, Codex, GitHub Copilot CLI et les autres CLI pris en charge — ou n'importe quel endpoint compatible OpenAI. career-ops est agnostique quant au moteur et fonctionne aussi avec des moteurs gratuits.

Banque de questions

Un fichier Markdown local (interview-prep/question-bank.md) où career-ops accumule les questions posées lors de vrais entretiens et votre performance sur chacune (✅/🟡/🔴). Le mode interview/debrief le met à jour après chaque entretien réel, si bien que la préparation se cumule d'un tour à l'autre.

Histoire STAR+R

Une histoire d'entretien structurée en Situation, Tâche, Action, Résultat, plus Réflexion — le format que career-ops utilise dans sa banque d'histoires pour que les réponses comportementales soient concrètes, chiffrées et réutilisables d'un entretien à l'autre.

Banque d'histoires

Un fichier Markdown local (interview-prep/story-bank.md) contenant vos histoires STAR+R préparées. Les sessions d'entraînement vérifient vos réponses par rapport à ce fichier, et les débriefs en extraient de nouvelles histoires à partir de ce que vous avez réellement dit lors de vos entretiens réels.

Portail

Un site carrières d'entreprise adossé à un ATS que career-ops peut scanner. Vos portails suivis vivent dans portals.yml ; le scanner lit leurs API publiques à chaque exécution.

Évaluation par lot

Noter de nombreuses offres sauvegardées en une seule exécution plutôt qu'une par une, avec des flags pour garder le contrôle : --limit plafonne la taille du lot, --dry-run prévisualise ce qui serait traité, et --resume-paused reprend une exécution interrompue sans dépenser de nouveau des tokens.

Local-first

Le principe architectural de career-ops : tout — vos données, les prompts, les scripts, le CLI d'IA — s'exécute sur votre machine. Il n'y a pas de backend hébergé, pas de compte, et rien qui nécessite une inscription.

CareerOps

CareerOps est la pratique qui consiste à mener une recherche d'emploi comme les ingénieurs font tourner la production : avec des preuves, avec de la discipline, et avec des outils du côté du candidat. Le terme désigne la pratique, pas un produit ; career-ops en est la première implémentation de référence. Forgé par Santiago Fernández de Valderrama Aparicio dans The CareerOps Manifesto (14 juillet 2026).