Lever Automation

Présentation de la skill Lever Automation

Ce que fait Lever Automation

Lever Automation est une skill d’opérations de recrutement qui permet de travailler avec Lever ATS depuis un agent IA, en particulier Claude Code, via l’intégration Composio Lever. Elle aide les utilisateurs à interroger et mettre à jour des données de recrutement — offres d’emploi, opportunités candidat, requisitions, étapes de pipeline et tags candidat — sans devoir repasser manuellement par l’interface Lever pour chaque action.

Pour quelles équipes recrutement et talent operations Lever Automation est-elle la plus adaptée ?

La skill Lever Automation est particulièrement utile aux recruteurs, coordinatrices et coordinateurs recrutement, équipes talent operations et hiring managers qui utilisent déjà Lever et ont besoin d’actions ATS répétables. Les bons cas d’usage incluent la liste des postes publiés, le filtrage des ouvertures par département ou localisation, la vérification du statut d’un candidat dans le pipeline, le déplacement d’opportunités entre étapes et l’application cohérente de tags à plusieurs candidats.

Ce qui distingue Lever Automation d’un prompt générique

Un prompt classique peut rédiger du contenu de recrutement, mais il ne peut pas interagir de façon sûre avec les données Lever si l’agent ne dispose pas des bons accès aux outils. Cette skill documente le contexte d’outillage propre à Lever, les opérations attendues, le flux d’authentification et les paramètres pratiques comme l’état des postings, la pagination, la gestion des étapes et les permissions en lecture/écriture. Elle est donc mieux adaptée à une vraie automatisation ATS que le simple fait de demander à un modèle IA de “help with Lever” de manière abstraite.

Points importants avant l’adoption

Lever Automation dépend du serveur Composio MCP via rube : ce n’est donc pas un script autonome. Vous avez besoin d’un compte Lever, d’un accès OAuth/API et de scopes alignés avec les actions prévues. Les prompts de reporting en lecture seule nécessitent moins de permissions que les workflows qui mettent à jour des opportunités, des requisitions, des étapes ou des tags. Pour des données de recrutement en production, commencez par des workflows de liste et de requête avant d’autoriser les opérations d’écriture.

Comment utiliser la skill Lever Automation

Parcours d’installation et de configuration de Lever Automation

Installez la skill dans votre environnement agent avec :

npx skills add ComposioHQ/awesome-claude-skills --skill "Lever Automation"

Configurez ensuite le serveur Composio MCP :

https://rube.app/mcp

Lorsque vous lancez une commande liée à Lever, l’agent devrait vous inviter à connecter votre compte Lever via OAuth. Vérifiez que vos permissions API Lever couvrent les ressources auxquelles vous comptez accéder, par exemple les postings, les opportunités, les requisitions, ainsi que les permissions d’écriture si vous souhaitez effectuer des mises à jour.

Les informations à fournir à Lever Automation pour obtenir des résultats fiables

Pour bien utiliser Lever Automation, fournissez l’objectif métier ainsi que les champs ATS qui cadrent la demande. Les entrées utiles incluent l’état du posting, l’équipe, le département, la localisation, le type d’engagement, le nom du candidat ou l’opportunity ID, le nom de l’étape, le contexte de requisition, les tags à ajouter ou retirer, et le caractère en lecture seule ou modificateur de l’action dans Lever.

Prompt faible : “Show me engineering jobs.”

Prompt plus solide : “Using Lever, list published engineering job postings in the San Francisco location, return title, posting ID, department, commitment type, and limit results to 50.”

La version plus précise réduit l’ambiguïté, évite les extractions trop larges et donne à l’agent une forme de sortie claire.

Workflow pratique pour automatiser le recrutement en sécurité

Commencez par explorer, puis agissez. Demandez d’abord à l’agent de lister ou filtrer des enregistrements, par exemple des postings publiés ou des opportunités actives. Demandez-lui ensuite de résumer les enregistrements correspondants et de confirmer les IDs avant toute modification. Ce n’est qu’après cette étape que vous devriez demander des mises à jour, comme déplacer un candidat vers une étape du pipeline ou ajouter un tag candidat.

Pour les actions d’écriture, ajoutez une étape de confirmation : “Preview the changes first and wait for approval before updating Lever.” C’est particulièrement important lorsque vous modifiez des opportunités candidat, des requisitions ou des tags, car une petite erreur peut avoir un impact sur les workflows des recruteurs et le reporting.

Fichiers du dépôt à lire avant utilisation

Le principal fichier à consulter est SKILL.md dans composio-skills/lever-automation. Il contient les notes de configuration, les catégories de workflows prises en charge et des exemples d’utilisation d’outils, comme la liste des offres d’emploi avec LEVER_LIST_POSTINGS. Le package actuel de la skill ne contient pas de dossiers supplémentaires rules/, resources/, references/ ou scripts/ ; son adoption repose donc fortement sur la bonne compréhension du workflow documenté et de la documentation du toolkit Composio Lever à l’adresse composio.dev/toolkits/lever.

FAQ de la skill Lever Automation

Lever Automation est-elle destinée au recrutement ou à l’automatisation RH générale ?

Lever Automation for Recruiting se concentre sur les workflows Lever ATS : postings, opportunités, requisitions, étapes de pipeline et tags. Ce n’est pas une couche d’automatisation HRIS complète pour la paie, la gestion de la performance, les tâches d’onboarding ou les dossiers employés en dehors de Lever.

Les débutants peuvent-ils utiliser la skill Lever Automation ?

Oui, à condition de déjà comprendre leur espace de travail Lever et d’être accompagnés par un administrateur pour l’authentification et les permissions. Les débutants devraient commencer par des prompts en lecture seule, comme lister des postings ou parcourir des opportunités candidat. Évitez les actions d’écriture tant que vous ne savez pas quels IDs, étapes et tags sont utilisés dans votre workspace Lever.

Quand faut-il éviter d’utiliser Lever Automation ?

Ne l’utilisez pas si vous n’avez pas l’autorisation d’accéder aux données candidat, si la tâche nécessite une revue juridique ou conformité, ou si des changements en masse risquent d’affecter des pipelines de recrutement actifs sans validation humaine. C’est également un mauvais choix si votre entreprise n’utilise pas Lever ou si votre environnement agent ne peut pas se connecter au serveur Composio MCP.

Comment Lever Automation se compare-t-elle à un travail direct dans Lever ?

L’interface Lever est plus adaptée à la revue visuelle, aux décisions ponctuelles des recruteurs et à l’évaluation sensible des candidats. Lever Automation est plus efficace pour les requêtes répétables, les synthèses structurées, les contrôles opérationnels proches du traitement par lots et les mises à jour assistées par agent lorsque les critères d’entrée sont clairs. Beaucoup d’équipes utiliseront les deux : la skill pour gagner en vitesse et en cohérence, l’interface pour la validation finale.

Comment améliorer la skill Lever Automation

Améliorer les prompts Lever Automation avec des contraintes précises

Le moyen le plus rapide d’améliorer les résultats de Lever Automation est de définir le périmètre avec précision. Ajoutez des filtres comme published ou draft, le département, la localisation, l’équipe de recrutement, l’étape, le tag, une plage de dates si l’outil la prend en charge, et une limite de résultats. Précisez aussi le format attendu : tableau, lignes de type CSV, synthèse groupée ou plan d’action.

Exemple : “Find active opportunities tagged Backend that are in the onsite stage, show candidate name, opportunity ID, current stage, owner, and next recommended follow-up. Do not update Lever.”

Éviter les erreurs fréquentes dans les actions ATS

Les problèmes courants consistent à utiliser des noms lisibles par un humain lorsque l’outil a besoin d’IDs, à demander des mises à jour avant d’avoir confirmé le candidat correspondant, à extraire trop d’enregistrements sans pagination, ou à supposer que tous les workspaces Lever utilisent les mêmes noms d’étapes ou de tags. Demandez à l’agent de lister les étapes disponibles ou de confirmer les enregistrements correspondants avant de modifier des opportunités.

Itérer après le premier résultat

Considérez la première réponse comme une étape de resserrement. Si l’agent renvoie trop de postings ou de candidats, affinez par département, localisation, owner, tag ou état. S’il ne parvient pas à identifier un candidat unique, fournissez l’opportunity ID ou davantage de contexte. Si une mise à jour est proposée, demandez un résumé en mode dry-run indiquant l’ancienne valeur, la nouvelle valeur, l’enregistrement cible et la raison avant d’approuver.

Ajouter des règles opérationnelles propres à l’équipe

Pour de meilleurs résultats à long terme, documentez les conventions de recrutement de votre équipe en dehors de la skill : tags approuvés, règles de transition entre étapes, modèles de nommage des requisitions et personnes habilitées à valider les mises à jour candidat. Intégrez ensuite ces règles dans vos prompts ou dans les instructions locales de l’agent. Lever Automation devient plus fiable lorsque l’agent dispose à la fois de l’accès aux outils et de la politique opérationnelle ATS de votre organisation.