Key Takeaways

  • 75% of U.S. employers use automated applicant tracking systems to screen resumes before a human reviews them (Harvard Business School & Accenture, 2021)
  • The most common ATS failures are missing keywords, incompatible formatting, and incorrect file types
  • ResumeGeni scores your resume across 8 parsing layers — modeled on the same steps enterprise ATS platforms like Workday, Greenhouse, and Taleo use to evaluate candidates

How ATS Resume Scoring Works

Applicant tracking systems parse your resume into structured data — extracting your name, contact info, work history, skills, and education — then score how well that data matches the job requirements. Many ATS rejections happen because the parser couldn't extract critical fields, not because the candidate wasn't qualified.

LayerWhat It ChecksWhy It Matters
Document extractionFile format, encoding, readabilityCorrupted or image-only PDFs fail immediately
Layout analysisTables, columns, headers, footersMulti-column layouts break field extraction
Section detectionExperience, education, skills headingsNon-standard headings cause sections to be missed
Field mappingName, email, phone, dates, titlesMissing contact info is a common cause of immediate rejection
Keyword matchingJob-specific terms, skills, certificationsKeyword overlap affects recruiter search visibility and ATS scoring
Chronology checkDate ordering, gap detectionReverse-chronological order is expected by most ATS
QuantificationMetrics, numbers, measurable outcomesQuantified achievements help human reviewers and some scoring models
Confidence scoringOverall parse quality and completenessLow-confidence parses get deprioritized in results

Frequently Asked Questions

Is ResumeGeni free?
Yes. ResumeGeni is currently in beta — ATS analysis, scoring, and initial improvement suggestions are free with no signup required. Full guidance and saved reports may require a free account.
What file formats are supported?
PDF, DOCX, DOC, TXT, RTF, ODT, and Apple Pages. PDF and DOCX are recommended for best ATS compatibility.
How is the ATS score calculated?
Your resume is processed through an 8-layer parsing pipeline that extracts structured data the same way enterprise ATS platforms do. The score reflects how completely and accurately your resume can be parsed, plus how well your content matches common ATS ranking criteria.
Can ATS read PDF resumes?
Yes, but not all PDFs are equal. Text-based PDFs parse well. Image-only PDFs (scanned documents) and PDFs with complex tables or multi-column layouts often fail ATS parsing. Our analyzer will flag these issues.
How do I improve my ATS score?
Focus on three areas: use a clean single-column format, include keywords from the job description naturally in your experience bullets, and ensure all sections (contact, experience, education, skills) use standard headings.

ATS Guides & Resources

Built by engineers with 12 years of experience building enterprise hiring technology at ZipRecruiter. Last updated .

Chercheur.se en apprentissage automatique

Loizero · Montréal

Nous recherchons un.e chercheur.se en apprentissage automatique (ML) pour rejoindre notre équipe travaillant sur un agenda de recherche novateur en sécurité de l'IA. Dans ce rôle, vous concevrez et implémenterez des modèles de ML innovants visant à résoudre des problèmes avancés en sécurité de l'IA.

Responsabilités principales 

  • Proposer, concevoir et implémenter des modèles de ML novateurs adaptés à la résolution de problèmes complexes en sécurité de l'IA.
  • Collaborer avec des mathématicien.ne.s et d'autres chercheur.se.s spécialisé.e.s pour intégrer les avancées théoriques dans des algorithmes et modèles ML appliqués.
  • Adapter et affiner les modèles de pointe existants pour améliorer leur applicabilité à des contextes spécifiques.
  • Concevoir et implémenter des protocoles expérimentaux et des cadres d'évaluation pour valider les hypothèses et garantir des résultats robustes et reproductibles, y compris à l'échelle et à la complexité des modèles de pointe.
  • Analyser et interpréter les données expérimentales afin d'orienter les futures questions et objectifs de recherche.
  • Évaluer et optimiser les performances et l'efficacité des modèles avec les ingénieur.e.s ML pour assurer l'utilisation optimale des ressources de calcul au cours de longues expérimentations.
  • Communiquer les résultats et synchroniser le travail avec d'autres chercheur.se.s et ingénieur.e.s.

Compétences et qualifications requises

  • Diplôme supérieur dans un domaine pertinent (ex. : Informatique, Mathématiques). Un doctorat est préférable mais non requis si le.la candidat.e démontre des capacités exceptionnelles.
  • 3 à 5 ans d'expérience dans des projets de recherche en apprentissage profond (deep learning), en particulier avec des modèles de pointe.
  • Expérience avérée dans l'entraînement, l'adaptation et/ou l'ajustement fin ("fine tuning") de modèles de pointe dans une variété de scénarios complexes impliquant, par exemple, l'apprentissage par transfert, l'adaptation de domaine ou le méta-apprentissage.
  • Expertise dans l'intégration et l'utilisation de bibliothèques ML telles que PyTorch, TensorFlow ou JAX pour le développement, l'entraînement et l'évaluation de modèles ML, idéalement dans des environnements de calcul distribué.
  • Solide expérience en développement logiciel Python, dans l'utilisation d'outils de gestion de version, d'outils de collaboration et d'outils de gestion et de suivi d'expériences.
  • Solides compétences en communication, écrites et verbales, avec la capacité d'échanger des idées avec des chercheur.se.s de différentes disciplines.
  • Capacité à travailler en collaboration au sein d'une équipe tout en étant autonome et indépendant.e.

Compétences et qualifications souhaitées

  • Expérience dans l'analyse du comportement des modèles de pointe dans des contextes critiques pour la sécurité.
  • Expérience dans la conception et le développement de stratégies ou de benchmarks d'alignement de modèles.
  • Expérience avec le traitement du langage naturel ou les modèles graphiques probabilistes.
  • Historique de contributions à des projets de recherche de haute qualité en apprentissage profond.

Ce que nous offrons

  • L’occasion de contribuer à une mission unique avec un impact important.
  • Des avantages santé complets.
  • Un minimum de 20 jours de vacances dès l’embauche.
  • Un contribution d'épargne retraite de l’employeur d'un minimum de 4%.
  • Des avantages généreux et flexibles conçus pour contribuer à votre bien-être.
  • Une équipe d’experts de leur domaine, des gens passionnés et passionnants.
  • Un milieu de travail collaboratif et inclusif avec des bureaux au cœur de la Petite Italie, dans le quartier branché Mile-Ex à proximité des transports en commun.

À propos de LoiZéro

LoiZéro est une organisation à but non lucratif dédiée à faire progresser la recherche et à développer des solutions techniques permettant de concevoir des systèmes d'IA sécuritaires. Son approche scientifique repose sur de nouvelles recherches et méthodes proposées par le professeur Yoshua Bengio, le chercheur en IA le plus cité au monde. Basée à Montréal, LoiZéro mène des recherches pour concevoir des systèmes d’IA non agentiques qui apprennent à comprendre le monde plutôt qu'à y intervenir, en répondant de manière véridique aux questions posées sur la base d'un raisonnement probabiliste transparent et extériorisé. De tels systèmes d'IA pourraient être utilisés pour accélérer la découverte scientifique, superviser les systèmes d'IA agentiques et faire progresser notre compréhension des risques de l'IA et des moyens de les éviter. LoiZéro croit que l’IA doit être considérée comme un bien public mondial, développée et utilisée de manière sécuritaire pour favoriser l’épanouissement humain. Plus d’information : www.loizero.org 

Vous avez votre place ici

À LoiZéro, la diversité nous tient à cœur. Nous valorisons un environnement de travail équitable, ouvert et respectueux des différences. Nous encourageons les candidatures de personnes hautement qualifiées désireuses de travailler à la réalisation de notre mission dans un cadre respectueux, inclusif et collaboratif.

Vos informations personnelles seront collectées et traitées par LoiZéro afin d'évaluer votre demande d'emploi conformément à notre politique de vie privée. En vertu des lois sur la protection de la vie privée en vigueur dans votre pays de résidence, vous pouvez disposer de plusieurs droits en matière de protection de la vie privée, comme celui de demander l'accès à vos informations personnelles ou de demander que vos informations personnelles soient rectifiées ou effacées. Vous trouverez des détails sur la manière dont vous pouvez exercer vos droits dans notre politique de protection de la vie privée.