L'essor de l'IA dans les applications mobiles est en train de redéfinir notre façon d'interagir avec le numérique.
Dans le cas de Bluz, un projet partenaire de Campfire Digital qui propose une plateforme innovante de recrutement pour les professionnels de santé, l'IA n'est pas juste un bonus technologique - elle devient la colonne vertébrale d'une nouvelle expérience utilisateur.
Développée avec Flutter et Firebase, l'appli Bluz exploite les fonctionnalités AI de Firebase pour repousser les limites du recrutement en temps réel. Dans cet article, on explore trois use cases clés qui montrent comment l'IA transforme Bluz, la faisant passer d'un job board intelligent à un véritable assistant dynamique.
Synthèse automatisée de CV
Dans les systèmes classiques, analyser un CV et en extraire les bonnes infos peut vite devenir fastidieux - non seulement pour les recruteurs, mais aussi pour l'outil lui-même.
Avec Bluz, on a intégré les capacités AI de Firebase pour automatiser la génération de résumés de CV. Qu'un infirmier ou une infirmière téléverse un document scanné, un PDF ou un fichier DOCX, nos modèles AI en backend produisent instantanément un résumé clair et structuré de son expérience, de ses spécialités, de ses certifications et de sa disponibilité.
Résultat : des résumés instantanés et cohérents sur toute la plateforme, centrés sur ce qui compte vraiment. L'outil aide à garantir une représentation équitable de chaque candidat, tout en offrant aux recruteurs une vue d'ensemble claire et directement exploitable.
Extraction de données pour un onboarding fluide
Créer un compte sur une plateforme de recrutement s'accompagne souvent d'une série d'étapes pénibles - saisie manuelle des infos personnelles, sélection des catégories de poste, filtres à configurer.
Bluz simplifie tout ça grâce à une couche d'extraction de données pilotée par l'IA. Les professionnels de santé téléversent leur CV, et en quelques secondes, l'IA en extrait automatiquement :
- Nom et coordonnées
- Localisation et périmètre de mobilité
- Domaine d'activité et niveau de certification
- Un court texte de présentation ou résumé de profil
Le système configure ensuite automatiquement le profil utilisateur. Ce qui prenait auparavant 6 à 8 étapes se résume maintenant à 2 ou 3.
Du langage naturel aux missions instantanées
C'est ici que Bluz commence vraiment à ressembler à un outil du futur.
BluzBot, notre assistant de recrutement intelligent, permet aux recruteurs hospitaliers de créer des annonces en langage naturel, sans remplir le moindre formulaire. Un responsable RH peut simplement écrire :
"4x inf - demain nuit - chir / 2x AS - mar jour - géri"
BluzBot prend le relais. En quelques secondes, il analyse les dates, les rôles et les services, récupère les taux de rémunération, génère six offres distinctes et les publie directement dans l'app mobile.
Comment ça fonctionne : Flutter + Firebase AI
La force du système réside dans la cohésion entre le frontend Flutter et le backend Firebase :
- Cloud Functions - déclenchent des opérations d'IA dès qu'un utilisateur saisit une donnée
- Déclencheurs Firestore - automatisent le traitement des documents déposés dans le stockage
- Firebase Extensions - permettent l'adoption rapide de modèles LLM et d'outils de parsing
- Firebase Hosting & Auth - scalabilité et sécurité intégrées à l'infrastructure Google Cloud
L'IA n'est pas une API externe greffée au système - elle est profondément intégrée à l'architecture.
Des arbres logiques aux modèles de langage
Pour comprendre le changement de paradigme, il faut comparer l'approche backend classique avec celle basée sur les modèles IA de type GPT.
Les systèmes traditionnels utilisent une logique impérative : des données entrent, des fonctions les traitent avec des boucles, des conditions if-else, des regex et des sorties structurées. Cette approche est déterministe et rigide - parfaite pour des tâches prévisibles, mais fragile face à l'ambiguïté.
À l'inverse, les modèles GPT ingèrent des prompts bruts et non structurés, puis infèrent l'intention. Au lieu d'écrire 50 lignes de code backend pour parser une phrase utilisateur, on envoie simplement la phrase à un modèle entraîné sur des millions de cas similaires - et il renvoie des données structurées, prêtes à l'emploi.
Ce n'est pas juste plus intelligent - c'est adaptatif.
Une nouvelle forme d'intelligence côté backend
L'IA redéfinit ce que signifie "avoir un backend". Au lieu de routes et de contrôleurs traitant des données bien formatées, notre backend IA accueille des fragments de besoin humain - et construit à partir de là des sorties complètes, structurées et exploitables.
Ce passage du développement basé sur des règles vers une logique d'interprétation guidée par des modèles réduit la charge humaine liée à la saisie structurée, tout en augmentant la capacité du système à s'adapter à des situations réelles, parfois floues - exactement comme celles qu'on rencontre dans le secteur de la santé.
Pour nous, ce n'est pas simplement une évolution d'architecture. C'est un nouveau paradigme. Et ce n'est que le début.