9 min de lecture - Matrice de compétences IA 2026 pour les recruteurs

En 2026, presque tous les candidats peuvent affirmer avoir « utilisé l’IA ».

Cela ne vous dit pas s’ils sont capables de livrer des systèmes intégrant l’IA de façon fiable, de respecter les limites d’usage des données, ou de construire des dispositifs d’évaluation qui préviennent les régressions.

C’est pourquoi une matrice de compétences simple est utile : elle donne aux recruteurs un langage commun pour évaluer les niveaux, et elle transforme les entretiens en preuves, pas en ressenti.

Ce que vous allez apprendre

• Les catégories de compétences qui prédisent une livraison IA réussie en conditions réelles
• Une grille de niveaux applicable à tous les rôles
• Des idées de parcours d’entretien pour tester l’évaluation, la sécurité et le jugement technique
• Un modèle de matrice de compétences prêt à l’emploi, à copier-coller

L’essentiel

En 2026, une matrice de compétences IA doit mesurer la capacité à livrer, pas la maîtrise des outils. Évaluez les candidats sur leur réflexion autour des workflows, leur respect des limites d’usage des données, leurs méthodes d’évaluation et leurs bonnes pratiques d’ingénierie sécurisée (journalisation, rollback, contrôle d’accès). Utilisez une grille simple avec des niveaux (basique, confirmé, expert) sur des catégories comme les fondamentaux du RAG, les tests qualité, la sécurité et les Ops. Construisez ensuite un parcours d’entretien qui demande des preuves concrètes et des arbitrages, pas des connaissances mémorisées sur les modèles.

Les catégories qui comptent (et celles qui ne comptent pas)

Les catégories qui prédisent généralement la réussite :

• Réflexion sur le workflow : savent-ils définir ce qui est « terminé » et des critères d’acceptation ?
• Limites des données : comprennent-ils les autorisations, la durée de rétention, et ce qu’il ne faut jamais journaliser ?
• Évaluation : savent-ils construire un golden set, une grille d’évaluation et des contrôles de non-régression ?
• Fondamentaux d’ingénierie : tests, fiabilité, performance, maintenabilité.
• Posture de sécurité : sensibilisation à l’injection de prompt, gestion des secrets, bases de la modélisation des menaces.
• Culture Ops : supervision, gestion des incidents, réflexe de rollback.

Les catégories souvent surévaluées :

• les anecdotes sur les modèles et les calendriers de sortie
• « le prompt engineering » en tant que compétence isolée (utile, mais ce n’est pas un métier)

Une grille de niveaux simple (basique -> confirmé -> expert)

Utilisez cette grille pour accélérer les discussions sur le niveau des candidats :

• Basique : capable d’implémenter avec un accompagnement ; comprend les risques de base ; sait suivre un processus d’évaluation existant.
• Confirmé : capable de concevoir un workflow, de définir des seuils et de livrer avec des garde-fous ; sait expliquer clairement les arbitrages.
• Expert : capable de concevoir des systèmes et une gouvernance ; sait mentorer ; sait déboguer des pannes en contexte incertain.

La matrice de compétences (à copier et adapter)

Il s’agit d’un point de départ. Adaptez-la à votre stack et à vos contraintes.

Comment utiliser une matrice de compétences IA selon les rôles (tout le monde n’a pas besoin d’être expert)

Une des raisons pour lesquelles le recrutement devient confus est l’« exigence du mouton à cinq pattes ». Les équipes mènent leurs entretiens comme si chaque candidat devait être :

• confirmé en réflexion produit
• confirmé en ingénierie backend
• confirmé en sécurité
• confirmé en évaluation
• confirmé en ingénierie des données

Ce n’est pas réaliste, surtout dans les PME. Une meilleure approche consiste à définir précisément le rôle que vous recrutez, puis à déterminer quelles catégories doivent être au niveau Confirmé et lesquelles peuvent rester au niveau Basique.

Exemples :

• Ingénieur applicatif LLM orienté produit : Confirmé en réflexion sur le workflow, en évaluation et en fondamentaux d’ingénierie ; Basique sur l’optimisation avancée du RAG ; suffisamment confirmé en sécurité pour éviter les erreurs évidentes.
• Ingénieur IA orienté données : Confirmé sur les limites des données, l’indexation/les métadonnées et les évaluations ; Basique sur le soin apporté à l’interface ; Confirmé sur la fiabilité et « ce qui casse en production ».
• Rôle plateforme/enablement : Confirmé sur la posture de sécurité, les Ops, le contrôle des coûts et la gouvernance des outils ; Basique sur la maîtrise du prompt ; Confirmé sur la conduite du changement.

Vous pouvez résumer cela en une ligne, dans la définition du poste : « Nous avons besoin d’un profil Confirmé en évaluation et propriétaire du workflow ; nous pouvons l’accompagner sur les sujets plateforme. »

Idées de parcours d’entretien (tester des preuves concrètes, pas des éléments de langage)

Vous pouvez tester ces compétences sans divulguer de données propriétaires.

Des formats qui fonctionnent bien :

• Étude de cas guidée : demandez au candidat de décrire un système qu’il a livré, les modes de défaillance rencontrés, et la façon dont il a mesuré la qualité.
• Exercice de conception : « Nous avons besoin d’un assistant de connaissance avec gestion des permissions. Esquissez l’architecture et le plan de test. »
• Exercice d’évaluation : fournissez 10 paires de questions-réponses types et demandez au candidat de proposer une grille d’évaluation et un seuil.
• Scénario d’injection de prompt : demandez quels contrôles ils ajouteraient, et à quel endroit.

Transformer la matrice en questions d’entretien (rapidement)

La matrice n’a d’utilité que si elle change les questions que vous posez.

Voici des questions types qui correspondent directement aux catégories :

• Réflexion sur le workflow : « Qu’est-ce qui ferait de cette fonctionnalité une réussite dans deux semaines ? Qu’est-ce qui en ferait un échec ? »
• Limites des données + confidentialité : « Quelles données ne devraient jamais entrer dans les prompts ou les logs ici ? Comment feriez-vous respecter cette règle ? »
• Évaluation : « Quel est le plus petit jeu d’évaluation utile que vous puissiez avoir ? Comment évitez-vous les régressions quand le workflow change ? »
• Fondamentaux d’ingénierie : « Où pensez-vous que cela va casser en production, et comment le détecteriez-vous rapidement ? »
• Posture de sécurité : « Où l’injection de prompt représente-t-elle un risque dans ce système, et quelles mitigations placeriez-vous dans le code plutôt que dans la politique ? »
• Ops + fiabilité : « Que surveilleriez-vous dès le premier jour ? Sur quoi déclencheriez-vous des alertes ? Quel est le plan de rollback ? »

Les bons candidats n’auront pas de réponses parfaites. Ils feront preuve d’une pensée structurée, et poseront des questions de clarification avant d’inventer des détails.

Copier-coller : un modèle de grille d’évaluation de recrutement

Utilisez ce modèle en entretien pour faciliter la calibration entre évaluateurs.

Candidate scorecard (AI delivery)

Workflow thinking:
Data boundary + privacy:
Evaluation mindset:
Engineering fundamentals:
Security posture:
Ops + reliability:

Evidence provided (artifacts, examples):
Concerns / risks:
Level recommendation:

Utiliser la matrice après l’embauche (vos 60 premiers jours seront plus simples)

Si vous cessez d’utiliser la matrice une fois les entretiens terminés, vous perdez l’essentiel de sa valeur.

Une approche simple après l’embauche :

1. Semaine 1 : alignez-vous sur le premier workflow dont il sera propriétaire. Rédigez ensemble les critères d’acceptation et le premier jeu d’évaluation.
2. Semaines 2-3 : faites-lui livrer une tranche fonctionnelle complète de bout en bout (même en mode « interne uniquement »), avec des règles de journalisation et de rollback.
3. Semaines 4-8 : élargissez le périmètre et relevez le niveau d’exigence : permissions, observabilité, contrôle des coûts et exercice de simulation d’incident.

Utilisez ensuite la matrice pour rendre la progression concrète : « Vous êtes Confirmé sur le workflow et l’ingénierie, mais encore Basique sur la conception des évaluations. Réglons cela ce mois-ci avec un véritable dispositif d’évaluation. »

Un test de cohérence rapide de la matrice (pour qu’elle reste opérationnelle)

Si votre matrice est trop abstraite, elle ne survivra pas à l’épreuve du recrutement réel. Un bon test de cohérence consiste à se poser les questions suivantes :

• Un recruteur pourrait-il l’évaluer lors d’un entretien de 45 minutes ?
• Un candidat pourrait-il en apporter la preuve (un document, une PR, un retour d’incident) ?
• Deux recruteurs arriveraient-ils à peu près à la même conclusion ?

Si la réponse est « non », simplifiez la catégorie jusqu’à ce qu’elle devienne observable. Par exemple, remplacez « prompt engineering » par « sait rédiger des critères d’acceptation et proposer un jeu de test », car cela, vous pouvez réellement le tester.

Erreurs de recrutement courantes

• Recruter sur la connaissance des modèles plutôt que sur la capacité à livrer et à s’approprier le résultat.
• Mener des entretiens qui ne testent jamais l’évaluation ni la fiabilité.
• Attendre d’une seule personne qu’elle soit à la fois « ingénieur IA + sécurité + produit + Ops », sans aucun soutien.

Si vous recrutez pour un poste soumis à réglementation ou sensible en cybersécurité, intégrez explicitement des questions sur la sécurité et les limites des données. Notre guide du plan de recrutement IA détaille davantage la conception d’équipe et la rémunération.

Misez sur les preuves, pas sur les éléments de langage

Le recrutement devient plus simple quand on se concentre sur les preuves : cette personne sait-elle définir un workflow, respecter les limites des données, mesurer la qualité et exploiter ce qu’elle livre ? Les outils changeront. Ces fondamentaux, non. Besoin d’aide pour construire votre équipe IA ? Parlons-en.