Assistants d'entretien IA open source : ce que GitHub offre et les vrais compromis

Chercher un assistant d'entretien IA open source signifie généralement l'une de ces deux choses : vous voulez pouvoir auditer le code avant de l'approcher d'un entretien réel, ou vous voulez éviter un abonnement en faisant tout tourner vous-même. GitHub a des projets pour les deux. La plupart suivent la même recette : un script ou une coque de bureau légère capture l'audio, l'envoie à une API de reconnaissance vocale, transmet la transcription à un grand modèle de langage avec votre propre clé API, puis affiche des réponses suggérées dans un terminal ou une fenêtre.

• Apportez vos clés — le projet fournit le code de liaison ; les appels de reconnaissance vocale et de LLM sont facturés sur vos comptes.
• Licences permissives courantes — pouvoir forker et modifier librement est précisément l'intérêt pour les bricoleurs.
• Conceptions centrées sur le micro — capter votre microphone est facile partout ; capter de façon fiable la voix du recruteur depuis l'audio système est là où la plupart des dépôts faiblissent.
• Maintenance variable — certains projets sont activement maintenus, beaucoup sont des expériences de week-end dont les commits se sont arrêtés en silence.

L'architecture que ces projets approchent — une transcription en direct qui alimente la génération de réponses — est le même pipeline que les outils commerciaux construisent nativement ; le sujet comment ça marche l'explique en profondeur.

Vouloir de l'open source est un réflexe raisonnable — vous pouvez lire exactement ce que le code fait de votre audio, et personne ne peut vous retirer l'outil. Cette section détaille ce que ce contrôle coûte réellement en pratique. En bref : un effort d'installation au départ, la qualité de capture audio pendant l'appel, et de la maintenance pour toujours.

• Effort d'installation — dépendances, clés API, routage audio et particularités de chaque plateforme sont à votre charge ; une app native compresse tout cela en un installateur.
• Capture de l'audio système — entendre le recruteur exige un loopback au niveau de l'OS ou un périphérique audio virtuel sur macOS et Windows, et beaucoup de projets ne documentent qu'une seule plateforme.
• Réglage de la latence — enchaîner des API génériques de reconnaissance vocale et de LLM fonctionne, mais faire arriver les suggestions assez vite pour servir en pleine conversation devient votre problème d'ingénierie.
• Ni support, ni mises à jour — quand une mise à jour de l'OS ou un changement d'API casse la chaîne de capture, le correctif arrive quand un bénévole a le temps, voire jamais.

Un ingénieur backend qui prépare un poste senior chez un fournisseur cloud clone un dépôt prometteur un samedi : le soir, les réponses du LLM fonctionnent, mais le côté recruteur d'un appel de test Zoom reste muet, parce que l'audio système exige un périphérique virtuel que le README ne documente que pour l'autre système d'exploitation. Le correctif dort dans une pull request non fusionnée.

SubcueAI n'est pas open source. C'est une application de bureau native en code fermé pour macOS et Windows, et son code source n'est pas sur GitHub — cette page ne prétendra pas le contraire. Ce que vous obtenez en échange de l'accès au source, c'est la version aboutie de tout ce que les dépôts ci-dessus laissent en exercice :

• Capture audio double — votre microphone et l'audio système du recruteur sont capturés nativement, sans périphérique audio virtuel à configurer.
• Une superposition locale flottante — les suggestions s'affichent dans une fenêtre sur votre machine ; rien ne rejoint la réunion.
• Pas de bot de réunion, pas d'extension navigateur — la conception discrète que recherchent les auto-hébergeurs prudents est ici le comportement par défaut.
• Des mises à jour maintenues — quand les systèmes d'exploitation changent leur pile audio, la correction est le travail de l'éditeur, pas votre week-end.

La contrepartie honnête : si votre exigence absolue est d'auditer chaque ligne de code ou de contrôler exactement quels services reçoivent votre audio, SubcueAI ne la satisfera pas, et un projet open source est le bon choix. Dans les deux cas, les mêmes limites s'appliquent à tous les outils — partage d'écran, enregistrement d'écran, environnements surveillés et appareils gérés par l'entreprise neutralisent n'importe quel assistant, comme documenté sur la page /security — et les offres actuelles, y compris le niveau gratuit, sont sur /pricing.

Si vous choisissez la voie open source, examinez le dépôt comme n'importe quelle dépendance sur laquelle vous allez parier un entretien d'embauche — un assistant qui meurt en plein appel est pire que pas d'assistant du tout. Une liste de contrôle pratique :

• Signaux de maintenance — commits récents, mainteneurs réactifs, issues qui reçoivent des réponses ; la semaine de l'entretien est un mauvais moment pour découvrir l'abandon.
• Réalité de la capture audio — cherchez dans les issues les problèmes d'audio système, de loopback et de périphériques virtuels sur votre OS exact avant de supposer que la capture fonctionne.
• Micro seul ou capture double — un outil qui n'entend que vous rate les questions elles-mêmes ; l'audio du recruteur est la moitié qui compte.
• Où va votre audio — lisez le code autour des appels API ; avec vos propres clés, les transcriptions partent vers les fournisseurs que vous avez configurés.
• Une répétition complète — faites un appel fictif complet sur Zoom, Google Meet ou Microsoft Teams plusieurs jours avant le vrai, pas le matin même.

Si cette liste vous convainc qu'une app maintenue est la voie la plus sûre, le guide du meilleur assistant d'entretien IA compare les options actuelles côte à côte.