Un prestataire reçoit une mission à quatre-vingts kilomètres alors qu’il a limité son rayon d’intervention à trente kilomètres. Un autre ne voit jamais les demandes correspondant à sa spécialité, malgré un profil complet. Le support répond que « l’algorithme a choisi », sans retrouver les données ni la règle appliquée.
Ces situations détruisent la confiance plus vite qu’un classement imparfait. Le prestataire ne sait pas s’il doit corriger son profil, ouvrir ses disponibilités ou contester une donnée. L’opérateur ne distingue pas un problème de qualité, une exclusion volontaire, une règle ancienne ou une erreur de traitement.
Le vrai enjeu consiste à expliquer pourquoi une mission a été proposée, pourquoi elle ne l’a pas été et quelle action peut modifier la prochaine décision. L’explication doit provenir des critères réellement évalués. Une phrase générique fabriquée après coup rend l’interface plus rassurante sans rendre le système plus juste.
Cette méthode complète la création d’une marketplace opérateur et la conception d’une marketplace de services. Elle traite le matching comme une capacité métier gouvernée, pas comme une boîte noire confiée à une formule unique.
Définir ce que le matching promet réellement
Proposer n’est ni garantir ni imposer
Une proposition indique qu’une mission paraît compatible avec les informations disponibles à un instant donné. Elle ne garantit ni l’attribution, ni l’acceptation du client, ni l’absence d’un candidat mieux placé. Le libellé public doit conserver cette nuance.
Le prestataire peut recevoir une occasion, une invitation à candidater ou une réservation à confirmer. Ces objets n’ont pas la même conséquence sur son agenda. Le produit les distingue afin qu’une notification ne bloque pas un créneau comme une mission ferme.
Choisir le résultat métier avant la formule
Le matching peut viser une réponse rapide, une compétence rare, une distance faible, une qualité stable, une exposition équilibrée ou une combinaison assumée. Ces objectifs entrent parfois en conflit. Accélérer la première réponse peut concentrer toutes les missions sur les prestataires déjà actifs.
La direction produit fixe l’ordre des objectifs et les garde-fous. Le moteur n’optimise pas un « meilleur prestataire » abstrait ; il produit une liste adaptée à un type de mission, sous des contraintes définies et mesurées.
Dans quels cas cette discipline devient nécessaire
Le besoin apparaît dès que plusieurs prestataires peuvent répondre à la même demande et que l’opérateur choisit qui voit quoi. Il devient prioritaire lorsque les missions sont urgentes, les qualifications réglementées, l’offre rare ou les écarts d’exposition difficiles à expliquer.
La méthode concerne autant une première version fondée sur des règles qu’un système statistique déjà en service. Elle aide les équipes produit, opérations, support, données et conformité à partager une décision vérifiable, même lorsque chacune n’en observe qu’une partie.
Séparer éligibilité, classement et notification
L’éligibilité répond par oui ou non
Cette première étape vérifie les conditions non négociables : catégorie autorisée, zone couverte, habilitation valide, compte actif, capacité minimale ou absence de conflit. Chaque exclusion possède un code, la donnée examinée et la règle qui la justifie.
Une condition inconnue ne doit pas être assimilée silencieusement à un refus. Selon son importance, le profil rejoint une file de vérification, reste éligible avec prudence ou est exclu avec une demande de mise à jour. Le choix est explicite.
Le classement ordonne les candidats restants
Après filtrage, le système compare compétence, disponibilité, distance, préférence, expérience ou autres signaux légitimes. Une règle de diversification peut ensuite éviter que les premiers résultats soient identiques. La notification choisit enfin combien de prestataires contacter et à quel rythme.
Cette séparation facilite le diagnostic. Un prestataire absent peut avoir été inéligible, classé trop bas, écarté par une limite de volume ou non notifié parce qu’une première vague suffisait. Une explication exacte commence par nommer la bonne étape.
Traiter les contraintes avant les préférences
Écrire les conditions bloquantes
Une mission électrique exige par exemple une habilitation encore valide et une couverture géographique compatible. Ces conditions ne gagnent rien à être fondues dans un score. Un résultat élevé ne doit jamais compenser une autorisation absente.
La règle précise la source, la durée de validité, le comportement en cas de donnée manquante et la personne habilitée à corriger. Une date expirée produit un motif actionnable ; elle ne devient pas une baisse invisible de pertinence.
Ne pas inventer des contraintes pour simplifier
Un rayon déclaré peut être une préférence, une limite contractuelle ou une simple valeur par défaut. Le transformer en exclusion stricte sans l’indiquer retire des occasions à des prestataires prêts à se déplacer pour certaines missions.
L’atelier confronte chaque filtre au travail réel. Les règles trop larges sont remplacées par des conditions liées au type, au montant ou à l’urgence de la mission. L’explication devient plus précise parce que la décision elle-même l’est davantage.
Choisir des signaux utiles et vérifiables
Relier chaque signal à une hypothèse
La distance peut réduire le délai, la spécialité augmenter la probabilité d’acceptation et la disponibilité éviter une annulation. Chaque signal possède une raison métier, une unité, une plage et un mode de calcul. Un champ facile à collecter ne mérite pas une influence par défaut.
Les signaux indirects sont examinés avec prudence. Le nombre de missions passées favorise mécaniquement les anciens ; la vitesse de réponse pénalise les personnes indisponibles la nuit ; la localisation peut devenir un indicateur social non souhaité. La corrélation observée ne suffit pas à justifier l’usage.
Distinguer qualité et quantité d’activité
Un grand nombre de missions ne démontre pas une meilleure adéquation. Le système préfère des résultats observables : mission menée à terme, respect des conditions, contestations fondées ou retours contextualisés. Les volumes restent accompagnés de leur dénominateur.
Les avis ne sont pas une vérité brute. Ils dépendent du type de mission, du nombre d’évaluations, de leur fraîcheur et du risque de représailles. Une moyenne sur deux notes ne doit pas dominer un historique documenté de vingt interventions.
Maîtriser qualité, fraîcheur et provenance
Donner une autorité à chaque donnée
Compétence, zone, tarif, disponibilité et habilitation proviennent parfois de systèmes différents. Le registre indique la source qui fait foi, la dernière mise à jour, la durée de validité et le mode de correction. L’interface ne présente pas une donnée copiée comme si elle était actuelle.
Une synchronisation échouée crée un état visible. Le moteur peut utiliser la dernière valeur connue si la règle l’autorise, demander une confirmation ou retirer temporairement le critère. Il ne transforme pas une panne en jugement négatif sur le prestataire.
Limiter les données au besoin réel
Le matching ne doit pas collecter tout ce qui pourrait un jour améliorer une prédiction. Chaque donnée personnelle possède une finalité, une base de traitement, des destinataires, une durée de conservation et des droits associés à qualifier avec le délégué à la protection des données.
Les informations sensibles et les textes libres sont exclus sauf nécessité démontrée et garanties adaptées. Un attribut non utilisé est supprimé du parcours. Cette minimisation réduit le risque juridique autant que les erreurs de profil.
Produire une explication issue de la décision
Enregistrer les raisons au moment du calcul
À l’entrée, le traitement reçoit la mission, le profil, la version des données et la version des règles. Sa sortie conserve éligibilité, principaux motifs positifs, exclusions, position par tranche et décision de notification. La journalisation relie l’ensemble au même identifiant.
Les responsabilités, dépendances, seuils et fichiers de reprise sont définis avec ce contrat. Une explication ne relance pas un calcul sur des données plus récentes, car elle pourrait raconter une autre décision. Elle relit la preuve figée à l’instant où la proposition a été produite.
Générer des motifs contrôlés
Les raisons proviennent d’un catalogue versionné : « compétence principale compatible », « mission dans votre zone déclarée », « créneau indiqué comme disponible » ou « habilitation requise confirmée ». Chaque motif connaît sa donnée source et sa règle.
Son libellé peut être adapté au canal, mais son sens ne change pas. Une formulation libre produite après coup risque d’inventer une causalité. Le support voit le même motif détaillé que celui résumé au prestataire.
Dire assez sans exposer le mécanisme
Présenter les facteurs qui permettent d’agir
L’écran affiche deux ou trois raisons principales, les informations à vérifier et les restrictions éventuelles. Il peut indiquer qu’une compétence ou une zone a compté davantage qu’un autre facteur sans publier un coefficient exact susceptible de changer.
Le prestataire doit comprendre comment améliorer une donnée légitime : actualiser son agenda, corriger sa zone ou fournir une pièce. Il ne doit pas être encouragé à accepter des missions inadaptées uniquement pour augmenter une note.
Protéger sécurité, concurrence et lutte contre la manipulation
La transparence ne commande pas de révéler les contrôles antifraude, les secrets commerciaux ou chaque détail de la formule. Une description des paramètres principaux et de leur importance relative peut suffire selon le cadre applicable.
L’opérateur documente ce qu’il ne publie pas et pourquoi. Cette restriction ne doit pas devenir un prétexte pour masquer une rémunération, une sanction ou un facteur décisif. Les équipes juridique, produit et risque valident le niveau d’information.
Qualifier les obligations de transparence
Identifier le rôle du classement dans le service
Le règlement européen 2019/1150 sur les relations entre plateformes et entreprises prévoit notamment une description des principaux paramètres de classement et de leur importance relative pour les services entrant dans son champ. Il n’exige pas la publication du fonctionnement détaillé de l’algorithme.
Le règlement sur les services numériques comporte aussi des obligations relatives aux paramètres principaux des systèmes de recommandation pour les plateformes concernées. L’applicabilité dépend du service, de ses utilisateurs et de la présentation des informations ; elle doit être qualifiée juridiquement.
Évaluer profilage et décision automatisée
Une proposition de mission n’est pas automatiquement une décision produisant un effet significatif. Son poids réel dépend de l’accès au travail, de l’existence d’alternatives, de l’intervention humaine et des conséquences pour la personne. L’analyse doit porter sur les faits, pas sur le nom donné à la fonction.
La CNIL rappelle le cadre du profilage et des décisions entièrement automatisées, notamment l’information, l’intervention humaine et la contestation dans les situations visées par l’article 22 du RGPD. Une analyse d’impact peut être nécessaire selon les risques et l’ampleur du traitement.
Gérer disponibilité et concurrence
Distinguer souhait, option et réservation
Un créneau déclaré disponible ne reste pas libre indéfiniment. La mission peut être envoyée à plusieurs personnes, acceptée ailleurs ou modifiée. Le système précise si le prestataire exprime un intérêt, pose une option temporaire ou confirme une réservation.
Chaque transition possède une durée et une conséquence. Une option expirée libère le créneau ; une annulation conserve son motif ; une acceptation concurrente ferme les autres propositions. Le modèle de machine à états marketplace aide à rendre ces passages explicables.
Éviter la double mission
Deux réponses simultanées peuvent tenter de réserver le même créneau. Le contrôle porte sur la version de l’agenda et l’unicité de la réservation, pas seulement sur le bouton. Une réponse arrivée trop tard reçoit un statut compréhensible.
La reprise après perte réseau consulte l’état avant une nouvelle écriture. Les événements répétés ne doivent ni réserver deux fois ni envoyer une seconde notification contradictoire. Le prestataire retrouve une chronologie unique.
Préserver équité et découverte des nouveaux
Traiter le démarrage sans historique
Un nouveau prestataire ne possède ni missions clôturées ni taux de réponse. Lui attribuer la pire valeur le rend invisible et empêche toute observation future. Le système utilise des critères de profil vérifiés, une valeur prudente ou une part d’exploration bornée.
Les premières missions peuvent être moins risquées ou accompagnées d’un contrôle renforcé. Cette phase possède une durée et une sortie. Elle ne transforme pas l’absence d’historique en avantage permanent.
Mesurer l’exposition avant l’acceptation
La qualité ne se lit pas seulement dans les missions gagnées. L’équipe observe qui est éligible, classé, affiché, notifié, candidat, retenu puis confirmé. Une rupture entre deux étapes révèle le lieu réel de la concentration.
Contre-intuitivement, un meilleur taux d’acceptation peut cacher un appauvrissement de l’offre si seules les mêmes personnes reçoivent des propositions. La pertinence et la diversité doivent être lues ensemble, par catégorie et par zone.
Apprendre sans renforcer les biais passés
Ne pas confondre absence de clic et inadéquation
Un prestataire peut ignorer une mission parce que la notification arrive trop tard, que le montant manque ou que son agenda n’est plus à jour. Interpréter toute absence comme un rejet de la catégorie apprend au moteur une préférence inexistante.
Le retour distingue vu, non remis, expiré, refusé avec motif, accepté puis annulé. Les motifs sont courts et facultatifs lorsque la collecte ne se justifie pas. Le produit mesure leur complétude avant de les utiliser.
Contrôler la boucle d’exposition
Les personnes mieux classées reçoivent plus de missions, donc accumulent davantage de preuves, puis progressent encore. Cette boucle doit être mesurée avec des simulations hors ligne et des groupes comparables. Une amélioration apparente peut venir de l’exposition initiale.
Une part limitée d’exploration, une normalisation par opportunité et des seuils de confiance réduisent cet effet. La règle est adaptée au risque : une mission sensible tolère moins d’exploration qu’une demande à faible conséquence.
Versionner règles et modèles
Conserver la version qui a décidé
Chaque proposition référence la version des filtres, du classement, des paramètres et du catalogue de motifs. Une évolution ne réécrit pas l’histoire. Le support peut reproduire la décision avec les données disponibles à cette date.
Les changements simples passent par une configuration validée ; les modèles statistiques possèdent données d’entraînement, évaluation, date et limites. Dans les deux cas, une personne est responsable de la règle et de sa revue.
Déployer progressivement
Une nouvelle version commence en observation, puis sur une part limitée des missions si les risques le permettent. L’équipe compare éligibilité, exposition, acceptation, annulation, délai et réclamations. Les seuils d’arrêt sont fixés avant le test.
Le retour à la version précédente conserve les propositions déjà envoyées et leurs explications. Il ne doit pas changer rétroactivement les raisons affichées. La transition est documentée dans la chronologie du produit.
Donner au support une vue probante
Reconstituer une décision en quelques minutes
L’écran interne affiche mission, profil examiné, données datées, exclusions, raisons principales, tranche de classement, vague de notification et version des règles. Les données sensibles restent masquées selon les droits.
Le support compare la valeur utilisée à la valeur actuelle. Il peut ainsi dire : « votre zone était limitée à trente kilomètres au moment de la proposition » plutôt que prétendre que le système fonctionne. Le back-office opérateur organise recherche, preuves et actions.
Séparer correction et faveur
Le support peut demander une mise à jour, corriger une donnée dont il possède la preuve ou transmettre une contestation. Il ne change pas un classement à la main pour apaiser un dossier. Une exception commerciale suit une décision distincte, datée et limitée.
Les actions sensibles demandent un motif et, au-delà d’un seuil, une validation supplémentaire. La journalisation conserve l’avant, l’après, l’auteur et la pièce. Les raccourcis temporaires sont réexaminés.
Organiser correction et réexamen
Offrir une voie adaptée à la cause
Une donnée fausse appelle une correction ; une règle mal comprise appelle une explication ; une règle contestée appelle une revue produit ou juridique ; une erreur technique appelle une reprise. Un bouton unique « contester » crée une file inexploitable.
Le prestataire choisit la mission, le motif et la pièce éventuelle. Il reçoit un accusé, une échéance et la conséquence attendue. La correction d’un profil affecte les décisions futures, sauf erreur reconnue nécessitant un traitement du dossier présent.
Prévoir l’intervention humaine quand elle est nécessaire
Les situations à fort impact, les exclusions répétées et les cas relevant d’une décision automatisée encadrée disposent d’un réexamen par une personne compétente. Celle-ci accède aux éléments utiles et peut réellement modifier la décision.
L’intervention n’est pas une validation automatique du résultat du moteur. Le registre conserve l’analyse, la décision et son fondement. Les délais et taux d’issue nourrissent la revue des règles.
Suivre une mission proposée de bout en bout
Une intervention urgente avec habilitation
Cas concret : une mission exige une habilitation électrique, une arrivée sous deux heures et une intervention dans un rayon de quarante kilomètres. Vingt-huit prestataires appartiennent à la catégorie ; dix-neuf possèdent une habilitation valide ; onze couvrent la zone ; six se déclarent disponibles.
Le classement privilégie le délai estimé, l’expérience sur ce type d’intervention et la fiabilité récente de l’agenda. Les trois premiers reçoivent la proposition. Les chiffres illustrent la méthode et ne constituent pas une règle universelle.
Une explication fidèle pour chaque personne
Le premier prestataire lit : « proposée car votre habilitation est valide, votre zone couvre le site et votre agenda indique ce créneau libre ». Un autre voit dans son historique qu’il était éligible mais n’appartenait pas à la première vague. Un troisième comprend que son habilitation avait expiré la veille.
Le troisième fournit une pièce corrigée. Après validation, le profil redevient éligible pour les futures missions ; le système ne prétend pas qu’il l’était au moment du calcul initial. La preuve passée et la donnée actuelle restent distinctes.
Une réponse concurrente maîtrisée
Deux prestataires acceptent presque simultanément. La première réservation valide verrouille la mission ; la seconde reçoit immédiatement une information d’indisponibilité sans pénalité sur son taux de réponse. Les autres propositions sont clôturées avec le motif « mission attribuée ».
L’opérateur mesure le délai et vérifie que la concurrence n’a pas produit deux engagements. La chronologie permet au support d’expliquer chaque réponse sans modifier directement les agendas.
Tester pertinence, explication et sécurité
Construire un jeu de scénarios de référence
Les tests couvrent profil complet, donnée manquante, habilitation expirée, zone limite, agenda ancien, nouveau prestataire, deux acceptations simultanées et notification répétée. Pour chacun, l’équipe écrit éligibilité, raisons, vague et action possible.
Les scénarios sont relus par opérations et support. Une phrase techniquement exacte mais incompréhensible échoue autant qu’un mauvais classement. Les exemples sensibles vérifient aussi que l’explication ne révèle pas une donnée interdite.
Comparer avant et après chaque évolution
Une simulation rejoue un échantillon représentatif avec l’ancienne et la nouvelle version. Elle mesure changements d’éligibilité, déplacements importants, concentration et motifs produits. Les différences inattendues sont examinées avant l’ouverture.
En service, une alerte suit données manquantes, motifs inconnus, taux d’exclusion et erreurs par segment. Si un seuil est dépassé, la vague est réduite ou la version retirée selon la procédure prévue.
Mesurer pertinence, exposition et confiance
Suivre tout l’entonnoir
Le tableau relie éligibles, classés, notifiés, vus, candidats, attribués, confirmés, annulés et terminés. Il segmente catégorie, zone, ancienneté et version. Un taux global peut masquer une catégorie sans offre ou une zone concentrée.
La pertinence utilise acceptation, réalisation et motifs de refus. L’efficacité suit délai avant première réponse et nombre de notifications nécessaires. La qualité observe annulation, réattribution, erreur de données et intervention du support.
Mesurer l’explicabilité elle-même
L’équipe suit part de propositions avec motifs valides, consultations de l’explication, mises à jour de profil, contestations, délai de réexamen et taux de correction. Une baisse des tickets génériques peut signaler une meilleure autonomie.
La confiance ne se réduit pas à la satisfaction. Un système crédible produit moins de décisions impossibles à reproduire, moins d’exclusions dues à des données anciennes et davantage de corrections qui améliorent réellement la proposition suivante.
Éviter les erreurs qui rendent le système opaque
Les raccourcis les plus coûteux
Ces erreurs dégradent simultanément pertinence, confiance et capacité de correction. Elles doivent être recherchées avant toute nouvelle règle de classement.
- Mélanger exclusion, classement et notification dans un score unique.
- Produire une explication générique sans conserver la décision d’origine.
- Traiter une donnée manquante comme la plus mauvaise valeur possible.
- Utiliser le volume passé sans corriger l’inégalité d’exposition.
- Punir un prestataire pour une proposition expirée avant sa consultation.
- Révéler un facteur sensible ou un contrôle de sécurité dans le motif public.
- Laisser le support modifier manuellement le classement sans décision tracée.
- Changer une règle sans versionner les propositions déjà envoyées.
- Mesurer seulement l’acceptation et ignorer annulations, concentration et qualité.
- Présumer qu’une obligation juridique s’applique ou ne s’applique pas sans qualifier le service réel.
Plan d’action : fiabiliser le matching en six semaines
- D’abord, séparer filtres, classement et vagues de notification.
- Ensuite, relier chaque critère à sa donnée, sa règle et son motif public.
- Puis, tester les explications sur des décisions historiques et contradictoires.
- Enfin, ouvrir progressivement avec des seuils de pertinence, d’équité et de recours.
Semaines 1 et 2 : inventorier les décisions
Reconstituez cinquante propositions récentes, dont des refus, annulations et profils nouveaux. Pour chaque couple mission–prestataire, retrouvez les données disponibles, la règle, la décision et ce que le support a expliqué. Classez les incohérences par étape.
Écrivez ensuite le contrat du matching : objectif, conditions bloquantes, signaux de classement, limites de notification et états de disponibilité. Attribuez une source, une fraîcheur et une personne responsable à chaque donnée. Retirez les critères sans hypothèse défendable.
Semaines 3 et 4 : construire preuve et interface
Ajoutez l’enregistrement de la version, des exclusions et des raisons principales au moment du calcul. Créez un catalogue de motifs relié aux règles. Concevez l’écran prestataire avec raisons, donnée à vérifier et voie de correction, puis la vue support avec preuve complète.
Faites qualifier le service par les équipes juridique et protection des données : classement entre professionnels, système de recommandation, profilage éventuel, impact de la décision et exigences de recours. Documentez l’information publique et les éléments légitimement protégés.
Semaine 5 : provoquer les cas difficiles
Testez donnée manquante, habilitation expirée, synchronisation en retard, égalité de classement, double acceptation et événement répété. Vérifiez que l’explication reste fidèle, que la correction vise la bonne source et qu’aucune réservation ne se duplique.
Rejouez l’historique avec un groupe de nouveaux prestataires et mesurez exposition, acceptation et concentration. Ajustez la phase de démarrage si l’absence de passé rend toute progression impossible. Faites traiter les contestations par le support sans aide technique.
Semaine 6 : ouvrir et apprendre
Déployez la nouvelle version sur une catégorie et une zone représentatives. Suivez motifs inconnus, exclusions, délai de réponse, annulations, réexamens et écart d’exposition. Les seuils d’arrêt et la version de retour sont décidés avant l’ouverture.
Élargissez lorsque la décision est reproductible, les motifs sont compréhensibles, les données se corrigent à leur source et les nouveaux prestataires reçoivent des occasions mesurables. Une revue mensuelle examine critères, effets indirects et règles temporaires.
Approfondir classement, états et back-office
Concevoir le classement sans réduire le besoin
Le classement des prestataires de services approfondit la représentation du besoin, les filtres et les signaux. La présente méthode se concentre sur la preuve et l’explication remises après la décision.
L’équité d’exposition dans un classement marketplace complète la mesure des nouveaux profils, de la concentration et des boucles de rétroaction.
Relier règle, état et action support
La machine à états marketplace structure options, réservations, expirations et annulations. Le back-office opérateur fournit ensuite les recherches, preuves et droits nécessaires au traitement quotidien.
Ces briques gardent une responsabilité distincte : le classement propose, l’état engage et le support explique ou corrige. Les fusionner dans une seule action rend chaque incident plus difficile à comprendre.
Conclusion : expliquer sans surpromettre
Un matching explicable ne révèle pas toute sa formule. Il sait toutefois dire quelle étape a décidé, quelles données ont été utilisées, quels facteurs ont compté et quelle action peut corriger la situation. Cette preuve protège mieux la confiance qu’un message prétendant que la mission est « faite pour vous ».
La pertinence durable dépend de données fraîches, de contraintes assumées, d’une exposition mesurée, de règles versionnées et d’un recours réel. L’explication devient alors un instrument d’exploitation : elle détecte les erreurs, améliore les profils et rend les arbitrages visibles.
Pour cadrer ce dispositif et l’intégrer à vos parcours de services, Dawap peut vous accompagner dans la création de votre marketplace opérateur, de la règle métier aux écrans de support.
