spb/job-ka

1<!--2=============================================================================3Job·Ka — Groupe KA4Auteur  : Simon-Pierre Boucher5Contact : contact@spboucher.ai6Fichier : docs/connecteurs/guichet_emplois.md7Rôle    : Fiche connecteur — portail agrégateur Guichet-Emplois (Canada)8Généré  : 2026-09-21 18:06 EDT par scripts/gen_connector_docs.py — NE PAS ÉDITER,9          relancer le script pour régénérer.10=============================================================================11-->1213# Guichet-Emplois (Canada) (`guichet_emplois`) — portail agrégateur1415**Portail agrégateur** (`dedup.AGGREGATORS`) : source complémentaire, moins autoritaire qu'une page carrière. En cas de doublon avec une offre directe, **l'offre directe gagne la canonique** et la copie portail est masquée (`dup_of`). Ces offres ne portent pas le badge « Offre directe ».1617## Description1819- **Portail** : [Guichet-Emplois (Canada)](https://www.guichetemplois.gc.ca)20- **Secteurs** : Portail, Tous secteurs2122> Portail Guichet-Emplois (guichetemplois.gc.ca — gouvernement du Canada).23>24> Recherche HTML rendue côté serveur (27 offres/page) filtrée province=QC et25> publication récente (fage). Chaque résultat inclut titre, employeur, ville,26> salaire et date — la description est lue sur la page de l'offre (cache BD +27> budget). Chaque fiche renvoie vers la page Guichet-Emplois, qui référence28> l'offre originale — conformité aux conditions d'utilisation du site.29>30> robots.txt impose « Crawl-delay: 5 » : request_delay = 5 s, d'où une fenêtre31> volontairement bornée (pages et détails limités par synchronisation).3233## Accès3435- **Endpoint** (`BASE`) : `https://www.guichetemplois.gc.ca`36- **Pagination** : flux unique (une requête liste)37- **Backend** : GET direct `requests` (throttlé, UA `JobKaBot/1.0`)38- **Throttle** : 5.0 s entre requêtes — **respect du `Crawl-delay: 5` de robots.txt**.3940## Champs → schéma4142Complétude mesurée sur les **610 offres actives** de la source (base live, 2026-09-21 18:06 EDT).4344| Champ (`jobs.*`) | Rôle | Complétude |45|---|---|---|46| `title` — Titre | titre du poste | 100 % |47| `employer` — Employeur | nom de l'entreprise | 100 % |48| `url` — URL | lien direct vers l'offre originale | 100 % |49| `description` — Description | texte complet (HTML nettoyé) | 33 % |50| `city` — Ville | municipalité normalisée | 100 % |51| `region` — Région | région administrative | 100 % |52| `address` — Adresse | adresse du lieu de travail | 0 % |53| `postal_code` — Code postal | code postal si publié | 0 % |54| `work_mode` — Mode | presentiel / hybride / teletravail | 0 % |55| `employment_type` — Type | temps_plein / temps_partiel / … | 1 % |56| `salary` — Salaire ($) | bornes numériques normalisées $/h et $/an | 99 % |57| `salary_label` — Libellé salaire | texte salarial original | 100 % |58| `benefits` — Avantages | avantages sociaux publiés (JSON) | 5 % |59| `requirements` — Exigences | scolarité, expérience, langues (JSON) | 23 % |60| `date_posted` — Date de parution | ISO 8601 | 100 % |61| `date_deadline` — Date limite | date limite pour postuler | 0 % |62| `category` — Catégorie | taxonomie interne (TI, Santé, …) | 52 % |63| `language` — Langue | fr / en / bilingue (source ou heuristique) | 33 % |64| `company_logo` — Logo employeur | URL du logo si exposé par la source | 0 % |65| `apply_url` — Candidature | lien de candidature directe | 0 % |66| `gps` — GPS | lat/lng (géocodage sans invention) | 97 % |6768Exemple réel : *ouvrier/ouvrière à la production* — Laval · 19,00 $ de l'heure · parue le 2026-09-21.6970## Fréquence & budgets7172- **Cadence** : resynchronisation **horaire** (PM2 `job-ka-sync` = `run.py watch 60`), suivie du géocodage en lot puis de la déduplication inter-sources.73- **Throttle** : 5.0 s minimum entre deux requêtes vers la source (`request_delay`).74- **Budgets / plafonds (variables d'environnement)** :7576| Variable | Défaut |77|---|---|78| `JOBKA_GUICHET_DAYS` | `7` |79| `JOBKA_GUICHET_PAGES` | `20` |80| `JOBKA_GUICHET_DETAIL_LIMIT` | `50` |81- Cache BD des pages détail (`detail_cache`) : le détail d'une offre n'est re-téléchargé que si sa ligne de liste change.8283## Volumétrie & complétude live8485*(mesuré le 2026-09-21 18:06 EDT dans `data/jobka.db`)*8687- **Offres en base** : 17020 (dont **610 actives**, 3 masquées comme doublons `dup_of`)88- **Salaire** : 602/610 actives (99 %)89- **GPS** : 592/610 actives (97 %)90- **Mode** : 0/610 actives (0 %)91- **Parution** : 610/610 actives (100 %)92- **Dernier sync** : 2026-09-21 17:08 — trouvées 494, +110, ~0, -9993- **Syncs enregistrés** (`sync_log`) : 3379495## Erreurs & dépannage9697Erreurs relevées dans `sync_log` :9899| Erreur | Occurrences | Dernière fois |100|---|---|---|101| 503 Server Error: Service Unavailable for url: https://www.guichetemplois.gc.ca/jobsearch/… | 2 | 2026-08-18 21:43 |102| 503 Server Error: Service Unavailable for url: https://www.guichetemplois.gc.ca/jobsearch/… | 1 | 2026-08-18 13:04 |103| HTTPSConnectionPool(host='www.guichetemplois.gc.ca', port=443): Read timed out. (read time… | 1 | 2026-08-18 11:25 |104| ('Connection aborted.', RemoteDisconnected('Remote end closed connection without response'… | 3 | 2026-08-18 11:10 |105106- Le WAF gouvernemental coupe parfois la connexion en cours de pagination : le connecteur fait un retry puis conserve l'acquis partiel (commit `1604ff9`) — une erreur `RemoteDisconnected`/`Read timed out` ponctuelle est attendue et non bloquante.107- Rejouer un sync isolé : `.venv/bin/python run.py sync guichet_emplois` puis inspecter `sync_log` : `sqlite3 data/jobka.db "SELECT * FROM sync_log WHERE source='guichet_emplois' ORDER BY ts DESC LIMIT 5;"`108- Garde-fous : une source qui retourne ≤ 25 % de sa médiane historique déclenche une alerte et les retraits sont suspendus ; une offre doit manquer 2 syncs consécutifs avant `active=0`.109110## Licence / conformité111112Scraping de pages **publiques** (gouvernement du Canada) avec lien vers la fiche Guichet-Emplois, qui référence l'offre originale. `robots.txt` respecté — **Crawl-delay: 5 s appliqué** (`request_delay = 5.0`), fenêtre bornée (pages + détails plafonnés). Aucune donnée personnelle de candidat collectée.113114## Historique115116**Mission connecteurs du 2026-08-18** — passage de 135 à 217 employeurs directs connectés, de 9 à 17 plateformes ATS, ajout de 3 portails agrégateurs et du canal de dépôt direct :117- `fd4bfc8` qualité lieux : rejet des villes hors Québec, bâtiments McGill → Montréal ;118- `5a66f48` +59 employeurs (sondage massif d'ATS + détection de pages carrières) ;119- `4917d57` 8 nouveaux ATS (Taleo, Njoyn, UltiPro, iCIMS, SuccessFactors, ADP WFN, Digital Recruiters, Workland) + 23 employeurs publics/parapublics ;120- `f6e7571` portails Guichet-Emplois, Jobillico, Espresso-Jobs — l'offre directe gagne toujours la canonique (dédup) ;121- `744cbfc` badge « Offre directe », stats directes/portails, dépôt direct employeurs ;122- `1604ff9` reprise sur coupure WAF Guichet-Emplois (retry + acquis partiel).123124Commits touchant `jobka/connectors/guichet_emplois.py` :125126- `0010f33` 2026-08-30 [ka6] snapshot pré-mission ocadogroup127- `49067dd` 2026-08-19 Connecteurs phase 2 — correctifs et enrichissement champ par champ. Correctifs : villes SuccessFactors à trait d'union (préfixe municipal MAMH sur le slug, bogue « St »/« Pointe »), colonne date Taleo = date LIMITE chez agnico_eagle (+ garde-fou date future). Enrichissement : SmartRecruiters experienceLevel/function/industry/language/refNumber (lignes de liste, zéro requête), BambooHR locationType→work_mode, Breezy is_remote/logo_url/streetAddress, JSON-LD logo/industry/educationRequirements/skills (portails+icims+DR), Ashby applyUrl + composantes Bonus/Equity/Commission, Lever applyUrl + blocs opening/additional + allLocations, Workable application_url + function/industry, Recruitee careers_apply_url + description FR (translations) + expérience/scolarité + heures/sem, Greenhouse language + requisition_id, Workday externalUrl→apply_url + work_mode via facette Remote Type + clé cache v2, Guichet-Emplois avantages structurés + langue de travail, njoyn apply_url en colonne ; secours cache périmé quand le budget détail est épuisé (plus de fiches vidées)128- `1604ff9` 2026-08-18 Guichet-Emplois : reprise sur coupure WAF (retry + acquis partiel) ; fixtures cascades/cssdm129- `f6e7571` 2026-08-18 Portails agrégateurs : Guichet-Emplois, Jobillico, Espresso-Jobs — l offre directe gagne toujours la canonique130