Les demandeurs d'emploi et les départements des ressources humaines sont confrontés à une abondance d'offres d'emploi et de CV, rendant impossible une évaluation manuelle complète de chaque CV et de chaque offre. Pour résoudre ce défi, les systèmes de recommandation sont utilisés pour suggérer aux demandeurs d'emploi des offres pertinentes et aux recruteurs des CV correspondants. Dans ce travail, nous proposons de représenter les données (les CV) sous forme de graphes et d'aborder ce problème de recommandation comme un problème de classification. Nous présentons DGL4C, un modèle d'apprentissage profond semi-supervisé à base de graphes. Les expériences menées sur un jeu de données publique de CV anonymisés montrent que DGL4C améliore significativement la précision d'un modèle traditionnel d'apprentissage profond.