9 min de lecture - Recruter des ingénieurs IA : parcours d'entretien pour PME

Si votre parcours d'entretien pour recruter un ingénieur IA vous semble plus difficile que votre parcours d'entretien technique classique, ce n'est pas une impression.

Les candidats peuvent être impressionnants sur le papier, mais le poste consiste rarement à « construire un modèle ». Il s'agit de livrer des workflows qui résistent à des données imparfaites, à des besoins changeants et à une dérive de la qualité.

Ce que vous allez apprendre

• Un parcours d'entretien en 5 étapes adapté aux startups et aux PME
• Une grille d'évaluation pour aligner vos intervieweurs
• Comment gérer les outils d'IA pendant les entretiens (sans se voiler la face)
• Un exercice pratique qui teste la capacité à penser production
• Les signaux d'alerte courants (et comment y réagir)

L'essentiel

Un bon parcours d'entretien pour ingénieur IA évalue le jugement en conditions de production, pas les mots à la mode. Adoptez un parcours court : filtrez sur les fondamentaux, faites passer un exercice pratique avec des exigences d'évaluation, testez la conception système et les arbitrages, puis évaluez la collaboration. Autorisez les outils d'IA avec des règles claires et notez la vérification, la sécurité et la clarté. Le recrutement devient plus simple quand la grille est explicite.

Étape 1 : définir le poste avant de concevoir le parcours

Les startups et les PME se retrouvent bloquées lorsqu'elles recrutent un « ingénieur IA » générique.

Rédigez la fiche de poste comme un plan à 6 mois :

• Quel workflow livrera-t-il en premier ?
• À quels systèmes de données aura-t-il accès ?
• Qui sont les parties prenantes (support, ventes, opérations, conformité) ?
• Quelles contraintes sont non négociables (données personnelles, latence, auditabilité) ?

Si vous ne pouvez pas répondre à ces questions, le parcours d'entretien dérivera vers des questions anecdotiques.

Ingénieur IA, ingénieur ML, « LLM app engineer » : que recrutez-vous réellement ?

L'intitulé « ingénieur IA » est aujourd'hui surchargé de sens. Avant de faire passer un seul entretien, décidez quel problème vous voulez réellement résoudre.

Voici une façon pratique de distinguer ces rôles (vous pouvez les combiner dans une petite entreprise, mais il faut quand même savoir quelle casquette compte le plus) :

• LLM app engineer : livre des fonctionnalités en s'appuyant sur des modèles et des API, conçoit les prompts et les outils, construit la récupération d'information (retrieval), met en place les garde-fous et prend en charge l'évaluation. C'est le besoin le plus courant dans les startups et les PME.
• ML engineer : prend en charge les pipelines d'entraînement, le feature engineering, le serving offline/online et le cycle de vie des modèles. Ce rôle compte quand vous entraînez ou personnalisez fortement des modèles, ou quand l'inférence est votre produit.
• Data/analytics engineer (proche de l'IA) : rend la donnée exploitable : sources fiables, schémas, permissions et pipelines. Si vos données sont en désordre, ce rôle débloquera l'« ingénierie IA » bien plus qu'un énième magicien du prompt.
• Platform/DevOps (proche de l'IA) : prend en charge les déploiements, l'observabilité, la CI, la gestion des secrets, le contrôle des coûts et la réponse aux incidents. Si vous mettez de l'IA en production, vous avez besoin d'une version de cette compétence.

Quand une équipe recrute pour le mauvais rôle, les symptômes sont prévisibles : le candidat brille en entretien, puis passe des mois bloqué, car le poste consistait en réalité à « faire de la plomberie de données + aligner les parties prenantes + évaluer », pas à « faire des tours de magie avec des modèles ».

Étape 2 : un parcours d'entretien en 5 étapes pour ingénieur IA (adapté aux PME)

Étape A : présélection par le recruteur ou le hiring manager (20 à 30 minutes)

Objectif : confirmer l'adéquation au poste et la qualité de la communication.

Signaux à observer :

• Le candidat décrit-il clairement ses expériences passées ?
• Comprend-il la notion de responsabilité sur un workflow ?
• Pose-t-il des questions sur les frontières des données et les indicateurs de succès ?

Étape B : présélection technique (45 minutes)

Objectif : vérifier les fondamentaux d'ingénierie.

Sujets à explorer :

• approche du débogage
• fiabilité et gestion des erreurs
• arbitrages d'architecture de base

Étape C : exercice pratique (60 à 90 minutes)

Objectif : tester la capacité à livrer.

Rendez-le réaliste et bien cadré. Exemple de consigne :

• « Concevez un système de résumé de tickets support avec un chemin de secours (fallback) et un plan d'évaluation. »

Évaluez :

• l'exactitude et les cas limites
• le plan d'évaluation (même minimal)
• la vigilance sécurité (ce qu'il ne faut pas logger)
• la clarté des hypothèses

Étape D : conception système (60 minutes)

Objectif : observer comment le candidat raisonne face aux contraintes.

Proposez un scénario :

• « Nous voulons un moteur de recherche interne sur notre base de connaissances, avec gestion des permissions et citations des sources. »

Recherchez :

• la définition des frontières de données
• la réflexion sur le contrôle d'accès
• le plan de supervision et de retour en arrière (rollback)
• la place de l'évaluation dans le dispositif

Étape E : entretien de collaboration (45 minutes)

Objectif : réduire le risque de recrutement.

Évaluez :

• la façon dont il travaille avec le produit et les parties prenantes
• la façon dont il rédige et documente ses décisions
• la façon dont il gère les désaccords

Terminez par un court comité de recrutement et forcez une décision le jour même.

Étape 3 : grilles d'évaluation et calibration (l'étape que tout le monde saute)

Votre parcours d'entretien vaut ce que vaut votre notation.

Une règle simple : chaque intervieweur doit noter les mêmes catégories.

Catégories recommandées :

• cadrage et clarté
• exactitude
• sécurité et frontières des données
• culture de l'évaluation
• communication et collaboration

Organisez une calibration de 10 minutes après 3 candidats. Cela évite le recrutement par consensus mou du type « tout le monde l'a bien senti ».

Parcours d'entretien pour ingénieur IA : une grille qui évite le recrutement au feeling

Pour plus de cohérence, ajoutez des pondérations. Non pas parce que les mathématiques ont un pouvoir magique, mais parce que cela force l'équipe à s'accorder sur ce qui compte vraiment.

Voici un système de pondération qui fonctionne bien lorsque vous recrutez pour livrer des produits reposant sur des LLM :

Vous pouvez ajuster ces pondérations. Une entreprise évoluant dans un secteur régulé, par exemple, pourra donner plus de poids aux « frontières données/sécurité ». L'essentiel est de vous accorder sur les pondérations avant de rencontrer les candidats, pas après avoir commencé à vous disputer à leur sujet.

Étape 4 : comment gérer les outils d'IA pendant les entretiens

Interdire les outils est tentant, mais ce n'est pas ce qu'il faut évaluer.

Définissez plutôt des règles :

• L'usage d'outils est autorisé.
• Le candidat doit expliquer ce qu'il a délégué.
• Le candidat doit vérifier les résultats critiques.

Vous recrutez pour du jugement.

Un candidat capable d'utiliser des outils de manière responsable a plus de valeur qu'un candidat qui fait comme s'ils n'existaient pas.

L'exercice pratique : évitez les pièges du take-home

Les exercices à faire à la maison (take-home) sont populaires parce qu'ils semblent « équitables ». En pratique, ils pénalisent souvent les meilleurs candidats :

• les profils seniors, qui ont un emploi et une famille, ne passeront pas 6 heures sur un exercice pour peut-être décrocher une offre
• les candidats sur-optimisent la présentation plutôt que la prise de décision
• impossible de distinguer ce qui a été copié de ce qui a été compris

Deux meilleures options pour les startups et les PME :

1. Pair programming en direct (60 à 90 minutes) : proposez un petit problème de workflow, demandez au candidat d'expliciter ses hypothèses à voix haute, puis de coder une tranche minimale avec des tests ou des ébauches d'évaluation.
2. Revue d'un livrable réel : demandez au candidat de vous présenter un vrai projet : une PR, un design doc, un rapport d'évaluation, ou même un compte rendu d'incident anonymisé. Vous cherchez à comprendre sa façon de penser, pas la perfection.

Si vous utilisez malgré tout un exercice à la maison, limitez-le à 90 minutes et notez-le sur la clarté, les arbitrages et la réflexion sur l'évaluation. Pas sur « le nombre de fonctionnalités casées ».

Prise de références : demandez des preuves opérationnelles

Les fonctionnalités IA ont tendance à briller en démo et à s'effondrer en production. Vos questions de prise de références doivent cibler cet écart.

Posez à d'anciens managers ou collègues des questions comme :

• « Qu'a-t-il livré qui fonctionnait encore trois mois plus tard ? »
• « Comment a-t-il géré les régressions ou les incidents ? »
• « Consignait-il ses décisions et ses hypothèses par écrit, ou les gardait-il pour lui ? »
• « Respectait-il les frontières des données et la confidentialité des secrets, surtout sous pression ? »

Si vous êtes une petite équipe, une prise de références rapide est l'une des étapes les plus rentables que vous puissiez ajouter au parcours.

Étape 5 : le modèle d'exercice pratique

Utilisez ce format et adaptez-le à votre workflow.

Exercise brief:
- Workflow:
- Input examples:
- Expected output:
- Constraints (security, latency, policy):

Requirements:
- Pseudocode or architecture diagram
- Failure modes and fallback behavior
- Evaluation plan (test set + metric)

What we score:
- Correctness and clarity
- Safety and data boundaries
- Production readiness
- Communication

Notez pour le jugement en production

Un bon parcours d'entretien pour ingénieurs IA est court, explicite et centré sur le jugement en conditions de production. Notez les mêmes catégories, exigez une réflexion sur l'évaluation et intégrez l'usage des outils à la grille de notation. Pour en savoir plus sur la conception des équipes et la rémunération, consultez notre guide du plan de recrutement IA. Besoin d'aide pour construire votre équipe IA ? Discutons-en.