Sur l’écran d’un recruteur, l’annonce semble demander une créature impossible : maîtriser les modèles de langage, l’infrastructure cloud, la sécurité, le produit, le droit des données et, tant qu’à faire, diriger une équipe. Dans la salle d’à côté, une entreprise possède déjà les outils, mais personne ne sait précisément quel problème elle veut résoudre avec eux. Entre ces deux scènes se joue une partie des recrutements IA les plus déroutants.
Quand le marché embauche une promesse
L’intelligence artificielle a produit une étrange inflation des intitulés de poste. Certains sont très techniques, d’autres relèvent davantage du signal envoyé au marché : montrer que l’on est « dans le coup », rassurer des investisseurs, séduire des candidats ou afficher une ambition de transformation. Le phénomène n’est pas propre à l’IA. Chaque vague technologique fabrique ses titres prestigieux, ses profils rares et ses définitions mouvantes. Mais l’IA accentue le mouvement parce qu’elle touche presque tous les métiers à la fois.
On peut ainsi voir surgir des demandes qui mélangent plusieurs professions : chercheur, ingénieur logiciel, spécialiste des données, chef de produit, consultant métier et responsable de conformité. Le problème n’est pas l’ambition. Une personne très polyvalente peut être précieuse dans une petite structure. Le problème commence quand l’entreprise ne distingue plus ce qu’elle cherche vraiment : un bâtisseur de prototype, un expert de machine learning, un intégrateur d’outils existants, ou quelqu’un capable d’organiser le travail autour de ces outils.
Cette confusion nourrit des recrutements « dingues » : des profils surqualifiés pour un besoin modeste, des experts recrutés sans équipe ni données exploitables, ou des candidats sommés de démontrer une expertise sur des technologies dont l’usage interne reste flou. L’IA n’est alors plus une capacité à développer ; elle devient une étiquette à acquérir.
Le mythe du profil qui sait tout faire
La figure la plus recherchée est souvent celle de l’« expert IA » absolu. Or cette catégorie est peu opérante. L’IA recouvre des compétences très différentes, parfois complémentaires, parfois éloignées.
- La recherche consiste à faire progresser des méthodes, à tester des hypothèses et à produire des connaissances nouvelles.
- L’ingénierie transforme des modèles et des données en systèmes fiables, maintenables et sécurisés.
- Le produit identifie un usage, arbitre entre plusieurs solutions et mesure une valeur concrète pour l’utilisateur.
- Le métier apporte la connaissance du terrain : ses exceptions, ses contraintes, ses décisions délicates.
- La gouvernance organise les règles de qualité, de confidentialité, de responsabilité et d’évaluation.
Demander à une seule recrue d’exceller partout revient souvent à différer le vrai travail d’organisation. Une entreprise n’a pas nécessairement besoin d’un virtuose capable de tout couvrir. Elle a besoin d’une combinaison cohérente de compétences, adaptée à la maturité de son projet.
Dans bien des cas, le meilleur premier recrutement n’est pas un spécialiste d’algorithmes. C’est une personne capable de cadrer les usages, de dialoguer avec les équipes opérationnelles et de poser les bonnes questions : quelle décision voulons-nous améliorer ? Quelle erreur serait inacceptable ? De quelles données disposons-nous réellement ? Quel contrôle humain voulons-nous préserver ? Cette capacité de cadrage vaut souvent plus qu’une liste impressionnante d’outils maîtrisés.
Une embauche n’efface pas les problèmes de fond
Le réflexe « recrutons quelqu’un pour faire de l’IA » peut dissimuler des difficultés plus anciennes. Des données dispersées, des processus mal documentés, des responsabilités incertaines ou une expérience client incohérente ne disparaissent pas avec l’arrivée d’un spécialiste. Au contraire : l’IA les rend fréquemment plus visibles.
Un modèle peut accélérer le traitement d’une demande. Il ne saura pas définir, à lui seul, ce qu’est une bonne réponse si l’organisation ne le sait pas. Il peut résumer des documents, mais pas réconcilier spontanément des sources contradictoires. Il peut assister une équipe commerciale, mais pas remplacer une stratégie commerciale absente. L’intelligence artificielle a besoin d’un environnement de travail suffisamment intelligible.
Recruter pour l’IA n’est pas acheter une réponse ; c’est choisir la personne qui aidera l’organisation à formuler de meilleures questions.
Cette idée change la manière d’évaluer un besoin. Avant d’ouvrir un poste, il est utile de décrire une situation concrète : une tâche répétitive, une décision lente, une connaissance difficile à retrouver, une relation client à personnaliser. Ensuite seulement vient la question technique. Faut-il un modèle sur mesure ? Un outil existant configuré avec soin ? Une amélioration des données ? Ou simplement une procédure plus claire ?
Le coût caché de la rareté
Les marchés de compétences tendus favorisent les comportements de panique. Une entreprise craint de manquer le virage, voit ses concurrents publier des offres spectaculaires et se met à chercher un profil identique. Elle entre alors dans une compétition de prestige plutôt que dans une réflexion sur ses besoins.
Cette course peut avoir plusieurs effets. Elle pousse à surdimensionner les salaires ou les titres, mais surtout à créer des attentes irréalistes. La personne recrutée arrive avec un mandat flou, une promesse de changement radical et parfois une solitude considérable. Elle doit convaincre les équipes, mettre de l’ordre dans les données, obtenir des accès, choisir des outils, définir des indicateurs et livrer rapidement une démonstration visible. Même un excellent professionnel ne peut durablement réussir dans un tel vide.
Il est plus sain de considérer le talent IA comme une capacité collective. L’expert n’est pas seulement celui qui connaît les modèles ; c’est aussi celui qui sait travailler avec les métiers, expliciter les limites et transmettre des pratiques. Une organisation qui dépend entièrement d’une personne-clé n’a pas construit une compétence : elle a créé un goulot d’étranglement.
Le bon entretien commence loin de la technique
Pour les employeurs, l’entretien devrait moins chercher à vérifier la récitation des derniers termes à la mode qu’à éclairer le jugement du candidat. Un bon professionnel de l’IA sait expliquer les compromis : précision contre rapidité, automatisation contre contrôle, performance apparente contre robustesse, expérimentation contre déploiement.
Quelques questions sont particulièrement révélatrices :
- Comment le candidat transforme-t-il un problème métier vague en problème testable ?
- Comment vérifie-t-il qu’un système fonctionne aussi en dehors d’une démonstration séduisante ?
- Que fait-il lorsque les données sont insuffisantes, biaisées ou difficilement accessibles ?
- Comment explique-t-il une limite technique à une direction non spécialiste ?
- Quel rôle laisse-t-il à l’humain dans une décision sensible ?
Ces questions permettent d’éviter le double écueil du discours magique et du fétichisme technique. Elles révèlent une qualité décisive : la capacité à exercer une pensée critique face aux résultats produits par les systèmes. Dans l’IA, savoir douter méthodiquement est une compétence opérationnelle, pas une réserve de principe.
Pour les candidats : chercher un terrain, pas seulement un titre
Les candidats peuvent eux aussi être fascinés par des intitulés flamboyants. Pourtant, le titre ne dit presque rien des conditions réelles du travail. Un poste modeste dans une organisation qui possède des données accessibles, une direction engagée et des utilisateurs prêts à tester peut offrir davantage d’apprentissage qu’une fonction prestigieuse sans mandat clair.
Avant d’accepter une mission, il est utile de sonder le terrain. Quel problème l’entreprise espère-t-elle résoudre ? Qui utilisera le système ? Qui en sera responsable lorsqu’il se trompera ? Quelles données sont disponibles et dans quel état ? Existe-t-il un accès aux équipes métier ? Le projet vise-t-il une expérimentation, une industrialisation, ou une transformation plus large ?
La réponse à ces questions renseigne aussi sur la qualité de la gouvernance. Une organisation mature n’affirme pas que l’IA résoudra tout. Elle sait désigner les risques, dire ce qu’elle ignore encore et réserver du temps pour tester. Ce n’est pas moins ambitieux ; c’est la seule manière de transformer une promesse technologique en pratique durable.
Sortir du casting spectaculaire
Les recrutements les plus raisonnables en IA ne sont pas forcément les moins audacieux. Ils évitent simplement de confondre vitesse et précipitation. Ils partent d’un usage précis, définissent les compétences nécessaires, réunissent les fonctions concernées et installent des critères d’évaluation avant de célébrer une solution.
L’IA continuera de modifier les rôles, les équipes et les hiérarchies de compétences. Mais le principe restera stable : une technologie puissante ne dispense jamais de savoir organiser le travail. Plutôt que de chercher le prodige censé tout résoudre, mieux vaut recruter, former et associer des personnes capables de faire circuler l’intelligence — humaine, technique et collective.
