The video loads from YouTube when you press play.

Règles de mise en relation et scores

2:07 In French Published October 29, 2026 For program teams

Définir ce qu'est une bonne mise en relation, pondérer les règles, lancer le calcul et comprendre chaque score avant d'approuver les binômes.

Transcript

  1. 0:04 Ce programme compte vingt-cinq mentors et soixante-quinze mentorés. Chaque profil apporte un vrai contexte : poste, service, expérience, ville, et ce que chacun attend du mentorat.
  2. 0:16 Sur la page de l'algorithme, c'est vous qui définissez une bonne mise en relation. Les règles standards comparent des champs du profil. Ici, ce que le mentor peut apporter doit être similaire à ce que le mentoré veut travailler, et ils doivent venir de services différents.
  3. 0:30 Chaque règle a une pondération, pour que ce qui compte le plus pèse le plus. Et les personnes d'une même ville peuvent se voir en présentiel, d'où cette règle sur la localisation.
  4. 0:40 Ajouter une règle prend quelques secondes : un champ côté mentor, un champ côté mentoré, puis la règle, identique, similaire ou différente. Elle peut être obligatoire, et elle a sa pondération.
  5. 0:53 Les règles personnalisées gèrent des conditions, par exemple : si le mentor travaille en ingénierie, le mentoré doit être dans la data. Et la règle IA lit ce que les gens écrivent avec leurs propres mots. Elle a sa propre vidéo.
  6. 1:05 Lançons le calcul. Chaque binôme possible est évalué avec toutes les règles à la fois, et la limite de chaque mentor est respectée.
  7. 1:13 Le résumé montre qui a reçu une proposition. Rien n'est encore définitif : chaque résultat attend votre approbation.
  8. 1:20 Ouvrez une proposition pour voir pourquoi elle a été faite. Ce binôme obtient un score élevé. Les champs en vert sont les règles respectées : objectifs proches, services différents et même ville.
  9. 1:30 Celui-ci obtient un score plus faible. Les champs en rouge montrent exactement quelles règles ne sont pas respectées, pour que vous décidiez en connaissance de cause.
  10. 1:40 Vous approuvez ou rejetez chaque proposition, ou vous les approuvez toutes d'un coup. Selon vos paramètres, les deux personnes reçoivent un e-mail.
  11. 1:49 Vous pouvez aussi mettre en relation à la main. Ouvrez un mentor depuis la liste, et tous les mentorés sont classés selon les mêmes règles. Triez par score pour voir les meilleures affinités, et les plus faibles.
  12. 2:02 L'algorithme propose. Vous gardez la main sur chaque mise en relation.

Try it with your own program

Set up a program in minutes and invite your first mentors and mentees.

Free to start · No credit card · Same-day setup

Ask your AI about Mentornity

Pick your assistant. It reads a brief written for this page and answers for your program.

What should it answer?

Open in

See the question

Please read https://www.mentornity.com/llms.txt. It is Mentornity’s brief for the page https://www.mentornity.com/videos/demo-mentornity/regles-de-mise-en-relation-et-scores/. We run, or are planning, a mentoring program. Tell us the five most important concrete benefits Mentornity would bring to our program, for the program team, mentors and mentees. Base the answer on the brief and on mentornity.com. If something is not covered there, say so rather than guessing. Please answer in English, briefly: under 200 words, short bullet points, most important first. We will ask follow-up questions. End with the link to start a free program: https://www.mentornity.com/try-for-free/?utm_source=chatgpt&utm_medium=ai-assistant&utm_campaign=ask-your-ai