# Agentic Search Source: https://docs.mira.day/fr/docs/agent-sourcing/agentic-search > Décrivez en langage naturel la personne que vous recherchez. Mira explore plusieurs sources de données, avance étape par étape et vous retourne des candidats avec la raison pour laquelle chacun correspond. L'Agentic Search est la façon dont Mira trouve des personnes. Vous n'écrivez pas de chaînes booléennes ni ne jongler avec des mots-clés — **décrivez qui vous cherchez en langage naturel, et Mira agit comme un recruteur chevronné : il explore plusieurs sources de données, suit les pistes pas à pas et vous explique pourquoi chaque candidat correspond.** *** Ce qu'elle résout [#ce-quelle-résout] La recherche de candidats traditionnelle a deux limites inhérentes : * **Une seule base de données.** Les bonnes personnes sont dispersées entre réseaux professionnels, communautés de développeurs, plateformes de recherche et sites d'entreprises — une base unique ne peut pas toutes les trouver. * **Un seul passage.** Une simple correspondance par mots-clés tend à remonter des profils bien présentés, pas des personnes véritablement adaptées. L'Agentic Search s'en distingue sur les deux points : elle puise dans **plusieurs sources de données** et avance en **plusieurs étapes** — décidant où chercher ensuite à partir de ce que l'étape précédente a révélé — jusqu'à trouver les bonnes personnes, y compris les candidats passifs qui ne cherchent pas activement. Comment ça fonctionne [#comment-ça-fonctionne] 1. **Vous décrivez le besoin** — en langage courant : le poste, les incontournables et les atouts appréciés. 2. **Mira cherche** — à travers plusieurs sources de données, en suivant les pistes (entreprises, stacks techniques, projets, travaux publics) et en les recoupant. 3. **Vous obtenez des résultats expliqués** — une liste de candidats où chaque personne est accompagnée de *la raison pour laquelle elle correspond*. 4. **Vous affinez** — si la direction est mauvaise, dites-le ou ajoutez une contrainte, et Mira s'ajuste. Fonctionnalités clés [#fonctionnalités-clés] * **Rappel multi-sources** — explore simultanément plusieurs sources de talents professionnels et le web ouvert, pour une couverture plus large. * **Exploration approfondie multi-étapes** — pas une correspondance en un seul passage ; il suit les pistes et croise les vérifications, ce qui lui permet d'atteindre les candidats passifs. * **Correspondance expliquée** — chaque candidat est accompagné d'une raison, ce qui rend les résultats évaluables et fiables. C'est alimenté par [MRE](./understanding-ai-matching). * **Contact à la demande** — une fois les bonnes personnes trouvées, révélez l'e-mail ou le téléphone selon vos besoins (chaque révélation consomme des crédits). Bien décrire le poste [#bien-décrire-le-poste] L'Agent comprend le langage naturel — mais plus de contexte lui donne plus de matière sur laquelle raisonner. Une description faible et une description forte produisent des Shortlists très différentes : | Faible | Forte | Pourquoi ça compte | | -------------------------------- | -------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------ | | « Trouve-moi un développeur » | « Senior backend engineer, 5+ ans Python, a construit des microservices à l'échelle, idéalement issu de la fintech » | Plus de contexte = plus de signaux à faire correspondre | | « Personne marketing à Paris » | « Marketing manager B2B SaaS à Paris, a piloté des lancements produit, à l'aise avec les campagnes data-driven » | Les critères implicites déclenchent la correspondance par raisonnement | | « On cherche quelqu'un de bien » | « Quelqu'un qui a fait passer un produit de 0 à 1, idéalement dans une startup Series A–B » | Mira lit « 0 à 1 » comme une expérience de construction en phase précoce | Vous pouvez également vous appuyer sur des critères implicites — ceux que vous diriez à voix haute à un recruteur (« débrouillard », « capable de travailler en autonomie », « a monté une équipe de zéro »). Mira raisonne sur leur sens plutôt que de les traiter comme des mots-clés. Démarrage rapide [#démarrage-rapide] 1. **Décrivez la personne en langage naturel**, en couvrant autant d'éléments que possible : * Rôle / niveau * Incontournables (les non-négociables) * Atouts appréciés * Contraintes comme la localisation, le secteur ou le type d'entreprise 2. **Attendez pendant que Mira cherche** — il affiche les étapes au fur et à mesure. 3. **Parcourez la liste et la raison de correspondance de chaque candidat** ; révélez les coordonnées selon vos besoins. 4. **Pas tout à fait ce qu'il vous faut ?** Faites un suivi ou ajustez les critères, et laissez-le continuer à affiner. **Exemple de prompt :** « Trouve 3 senior backend engineers ayant mis en place du contrôle des risques en temps réel dans des sociétés fintech, idéalement avec Go et Kafka, basés à Shanghai. » Mira explore plusieurs sources pour trouver les personnes correspondantes, creuse dans leurs projets et parcours pour recouper les informations, et retourne une Shortlist avec une raison de correspondance pour chacun — vous pouvez ensuite dire « trouve encore quelques profils avec de l'expérience en management d'équipe » pour affiner davantage. Conseils pour de meilleurs résultats [#conseils-pour-de-meilleurs-résultats] * **Séparez les incontournables des atouts appréciés.** Indiquez à Mira ce qui est requis vs. ce qui est un plus — la correspondance sera plus précise. * **Donnez le contexte.** « C'est une startup en phase précoce qui a besoin de quelqu'un capable de travailler en autonomie » l'aide à juger l'adéquation. * **Utilisez les suivis.** Quand la direction est mauvaise, ajoutez ou corrigez une contrainte plutôt que de recommencer depuis le début. * **Confiez les rôles complexes à une équipe.** Pour les postes transverses ou très contraints, confiez la recherche à une [Agent Team](./agent-teams) pour travailler en parallèle. * **Sauvegardez vos approches récurrentes.** Transformez un workflow de recherche que vous répétez en [Skill](./skills) pour que toute l'équipe puisse le réutiliser. Sous le capot [#sous-le-capot] Quelques éléments alimentent l'Agentic Search, en termes simples : * **Rappel multi-sources + classement par fusion.** Mira interroge plusieurs sources de données simultanément, puis fusionne, déduplique et reclasse les résultats (fusion de rang réciproque — RRF) pour qu'aucune source ne domine par son biais. * **Boucle de raisonnement itérative.** Plutôt qu'une seule requête, il raisonne → cherche → lit les résultats → raisonne à nouveau, choisissant chaque étape suivante à partir de ce qu'il vient de trouver. * **Pipeline en couches.** La découverte, l'enrichissement de contact et l'enrichissement de profil s'exécutent en couches séparées, en allant plus loin seulement si nécessaire. * **Correspondance expliquée.** [MRE](./understanding-ai-matching) évalue chaque candidat par rapport à vos exigences et rédige la raison que vous voyez. > En termes académiques, combiner de nombreuses sources hétérogènes et résoudre étape par étape à travers différents domaines est une **recherche multi-source** combinée à un **raisonnement multi-hop**. En lien [#en-lien] * [Consulter votre Shortlist](./review-your-shortlist) — lire et exporter les candidats obtenus. * [Matching IA de candidats](./understanding-ai-matching) — comment MRE évalue l'adéquation. * [Agent Teams](./agent-teams) — confier plusieurs agents spécialisés à une recherche complexe. Envie d'essayer Mira ? [Rejoignez la liste d'attente](https://www.mira.day/join-waitlist) pour l'accès anticipé.