Recruter un profil IA : ce qu’il faut vraiment chercher

Un bon profil IA à recruter est une personne qui a déjà mis un système en service auprès d’utilisateurs réels, qui sait construire une mesure de qualité et qui sait écarter un cas d’usage, au-delà de la maîtrise d’outils. Ces trois capacités ne figurent presque jamais dans les annonces.

La plupart des annonces listent des outils : tel cadre applicatif, telle base vectorielle, tel fournisseur de modèle. Ces compétences sont nécessaires, mais leur acquisition et leur durée de validité varient selon la technologie et la personne.

Ce qui ne s’acquiert pas en quelques semaines, c’est le jugement sur ce qu’il ne faut pas construire. C’est pourtant ce qui sépare un système en service d’un prototype abandonné. Ce jugement est au cœur du métier de Forward Deployed Engineer, décrit plus largement sur la page métiers.

Je recherche chez un candidat des preuves d’usage réel, une méthode d’évaluation, des arbitrages expliqués et une compréhension du métier auquel le système doit rendre service.

• A-t-il déjà mis quelque chose en service ? Pas livré : mis en service, avec des utilisateurs qui s’en servaient encore six mois plus tard. Faire préciser le chiffre d’usage.
• Sait-il construire une mesure ? Demander comment il s’y prendrait pour savoir si un système répond bien. Une réponse qui parle de jeu de tests métier et de jugement extérieur vaut mieux qu’une réponse qui cite des indicateurs académiques.
• A-t-il déjà dit non ? Faire raconter un cas d’usage qu’il a refusé, et pourquoi. L’absence d’un tel exemple appelle d’autres questions, notamment sur les arbitrages effectués au sein d’un projet.
• Comprend-il le métier de quelqu’un d’autre ? Lui faire expliquer le travail réel d’un utilisateur d’un de ses projets. La précision de cette description permet d’évaluer la compréhension métier, en complément des compétences techniques.

Les critères d’une offre d’emploi en IA gagnent à relier les technologies maîtrisées aux situations déjà traitées pour examiner la capacité à travailler dans les conditions du poste. Le tableau suivant propose la correspondance.

Deux questions départagent mieux que tout le reste de l’entretien : « quel projet avez-vous arrêté, et pourquoi » et « comment sauriez-vous que ce système fonctionne ». Elles portent sur des compétences non déclaratives.

La première teste la capacité à renoncer, qui est la part du travail la plus rentable et la moins visible. Un candidat peut avoir exercé son jugement sans arrêter un projet entier : il faut aussi explorer les fonctionnalités écartées. Savoir combien de cas d’usage il faut abandonner fait partie du métier.

La seconde teste la capacité à construire une mesure sur une question mal définie. Une réponse utile décrit un jeu de cas, une réponse attendue et un seuil ; une réponse insuffisante parle de qualité en général. La méthode correspondante figure dans construire un jeu de tests en une journée.

Demander pourquoi un système n’est plus utilisé aide à examiner les décisions, les contraintes et les apprentissages du candidat, sans assimiler tout abandon à un échec personnel. C’est la question que je pose en fin d’entretien.

« Racontez-moi un système que vous avez construit et qui n’est plus utilisé. Pourquoi ? » Demandez ensuite quelles informations étaient disponibles, qui décidait et ce que la personne ferait différemment. Une réponse analytique permet d’apprécier son jugement ; un candidat junior peut répondre à partir d’un exercice ou d’un projet de formation.

Un processus de recrutement pour un profil IA s’organise en cinq étapes, de la description du système à construire jusqu’à une mise en situation sur un cas réel, chaque étape testant une capacité distincte. L’ordre évite de sélectionner sur les outils dès le premier tri.

1. Rédiger l’offre à partir du système à construire et du corpus concerné, pas d’une liste de technologies.
2. Trier les candidatures sur les systèmes mis en service et leur durée de vie, plutôt que sur les mots-clés.
3. Mener l’entretien autour des deux questions centrales et de la question de fin d’entretien.
4. Proposer une mise en situation courte : un corpus réel anonymisé et une demande floue, pour observer comment le candidat cadre avant de construire.
5. Faire participer un utilisateur métier à l’une des étapes, pour vérifier la capacité à comprendre un travail qui n’est pas le sien.

Un format de type hackathon peut aussi servir d’observation, à condition de regarder l’arbitrage plutôt que la vitesse, comme le montre ce qu’un hackathon révèle du niveau réel.

Un profil très compétent sur les outils peut manquer de préparation à la production s’il n’a jamais confronté son travail aux utilisateurs et aux contraintes d’exploitation. Ce point demande une vérification, pas une exclusion automatique.

Interrogez le candidat sur un corpus imparfait, les droits d’accès, les incidents et les personnes qui tenaient le système après sa livraison. Une limite technique peut être un vrai motif d’échec : il faut savoir la reconnaître autant qu’un problème d’organisation.

Le rapport RAND publié en août 2024 identifie des causes liées au cadrage et aux données, mais aussi aux infrastructures et aux problèmes dépassant les capacités techniques. Il ne justifie pas un taux universel d’échecs non techniques.

L’article sur les agents en entreprise prolonge cette question de préparation. Le manque d’exposition au terrain peut se travailler avec un utilisateur métier et un référent expérimenté ; son délai de correction dépend du poste.

Non, un doctorat n’est pas nécessaire pour un poste en IA appliquée : il apporte une exigence de mesure et une lecture critique des publications, utiles mais acquérables autrement. Je le dis alors que j’en suis un.

Ce qui compte davantage, c’est d’avoir vu un système vivre dans la durée : encaisser un changement de modèle, absorber une évolution du corpus, être repris par quelqu’un d’autre. C’est ce que je développe dans soutenir une thèse et déployer en entreprise.

Une offre d’emploi en IA devrait décrire le système à construire et le corpus sur lequel il portera, plutôt que la liste des technologies attendues. Cela attire des candidats différents et filtre mieux.

Une offre qui énumère des bibliothèques attire ceux qui les connaissent. Une offre qui décrit un corpus documentaire désordonné, des utilisateurs métier et une exigence de traçabilité attire ceux qui ont déjà traité ce genre de situation.

Elle a un second mérite : elle oblige l’organisation à formuler ce qu’elle cherche réellement, ce qui révèle parfois que le besoin relève de la gestion documentaire plus que de l’IA. C’est le point développé dans le corpus est le projet.

Quand le recrutement tarde, faire monter en compétence une personne interne qui connaît déjà le métier est souvent une alternative sérieuse, à condition de la former à tenir un système plutôt qu’à utiliser un outil.

Le recrutement d’un profil IA doit combiner compétences techniques, compréhension métier, capacité de mesure et expérience adaptée au poste, sans réduire la sélection à un diplôme.