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.

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.

Séparez les rôles selon le problème dont chacun est responsable. Une petite entreprise peut les combiner, mais l'entretien doit conserver une responsabilité principale :

• 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 grâce à des sources fiables, des schémas, des permissions et des pipelines. Ce rôle doit passer en premier lorsque la qualité ou l'accès aux données bloque le travail.
• 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 point de départ illustratif pour un poste consacré à la livraison de produits reposant sur des LLM. Il ne constitue ni une référence universelle de recrutement ni une règle de droit du travail. Adaptez les critères et les pondérations au poste réel, puis faites examiner le processus par les responsables RH ou juridiques compétents dans votre juridiction.

Une entreprise évoluant dans un secteur régulé pourra, par exemple, donner plus de poids aux frontières données/sécurité. Convenez de la grille avant de rencontrer les candidats, puis vérifiez qu'elle produit des éléments cohérents et liés au poste au lieu de traiter les chiffres comme une vérité objective.

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

L'autorisation des outils doit suivre le travail que l'entretien cherche à reproduire. Une interdiction générale peut masquer les habitudes de vérification du candidat.

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.

Évaluez la manière dont le candidat cadre, vérifie et explique l'usage des outils, plutôt que de récompenser ou sanctionner leur simple utilisation.

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

Les exercices à faire à la maison créent des arbitrages à examiner selon le poste et la population de candidats :

• un exercice long peut exclure les personnes disposant de peu de temps non rémunéré
• l'effort de présentation peut masquer les décisions que vous vouliez observer
• une remise non observée peut ne pas montrer quelle part le candidat a réalisée

Deux alternatives à envisager 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 un exercice à la maison, publiez le temps attendu, la politique de rémunération, les outils autorisés et les critères de notation. Faites tester sa durée par des personnes qui ne l'ont pas conçu.

Prise de références : demandez des preuves opérationnelles

Une démo fournit des preuves différentes de l'exploitation d'un système en production. Les prises de références peuvent explorer cet écart lorsque le droit local et la politique de l'entreprise le permettent.

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 ? »

Posez des questions cohérentes et liées au poste, avec les consentements requis. Les références constituent un élément parmi d'autres et ne remplacent pas les preuves recueillies pendant l'entretien.

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.