Il y a encore deux ans, “prompt engineering” était le titre de poste le plus en vogue dans la tech. Puis les modèles ont progressé, l’intuition des utilisateurs s’est développée, et le terme a perdu de sa mystique. Mais le concept, lui, est devenu fondamental — particulièrement pour les recruteurs.
La différence entre un recruteur qui utilise l’IA efficacement et un recruteur qui en tire peu de valeur tient souvent à une seule chose : la qualité de ses instructions. Savoir parler aux modèles de langage est devenu une compétence de recruteur, aussi concrète que de savoir mener un entretien structuré.
Ce qu’un bon prompt change vraiment
La majorité des recruteurs qui utilisent ChatGPT ou des outils similaires s’en servent pour des tâches basiques — rédiger une offre, reformuler un email. Ce n’est pas inutile. Mais c’est loin d’exploiter le potentiel réel de l’outil.
La vraie puissance des modèles de langage s’exprime quand on leur donne du contexte, une structure, des contraintes. Un prompt générique donne un résultat générique. Un prompt bien construit — avec le bon rôle, le bon contexte, les bonnes contraintes — donne un résultat qui peut faire économiser des heures de travail et des dizaines de messages médiocres.
La question n’est plus “est-ce que j’utilise l’IA ?” C’est “est-ce que je l’utilise bien ?”
Les trois usages les plus puissants en recrutement
Le sourcing booléen. Générer des requêtes Boolean pour LinkedIn Recruiter ou GitHub est l’un des cas d’usage les plus sous-exploités. Un bon prompt ressemble à ceci : “Tu es un recruteur tech spécialisé en SaaS B2B. Génère trois variations de requêtes Boolean pour LinkedIn pour trouver un Staff Engineer backend avec une expérience en systèmes distribués, chez des startups en hypercroissance. Exclus les profils issus de grands groupes type Capgemini ou Atos.” Le résultat est infiniment plus précis que n’importe quelle requête générée sans contexte.
Les messages d’approche. C’est là que le prompt engineering fait la plus grande différence opérationnelle. Un message rédigé sans contexte est immédiatement reconnaissable — et généralement ignoré. Un prompt qui inclut le nom du candidat, son dernier post LinkedIn, sa trajectoire, l’entreprise cliente et le ton souhaité produit quelque chose de personnalisé, de crédible, et qui donne envie de répondre.
La préparation d’entretien. Générer une grille de questions structurées à partir d’une fiche de poste, simuler les objections d’un candidat passif, préparer un guide d’évaluation des soft skills pour un profil spécifique — autant de tâches que les recruteurs font rarement faute de temps, et que l’IA peut produire en quelques secondes avec le bon prompt.
Les erreurs qui coûtent du temps
- La première erreur est de trop faire confiance à la première réponse. Les modèles produisent toujours quelque chose — mais “quelque chose” n’est pas “ce qu’il vous faut”. L’itération fait partie du processus : un prompt, une réponse, un ajustement, une meilleure réponse. Ce n’est pas une perte de temps — c’est le fonctionnement normal de l’outil.
- La deuxième erreur est d’oublier de donner un rôle au modèle. “Rédige un message d’approche” est beaucoup moins efficace que “Tu es un chasseur de têtes senior spécialisé dans les profils tech, tu t’adresses à un profil passif et tu dois être percutant en moins de 120 mots.” Le rôle donne au modèle un cadre de référence et améliore significativement la qualité des sorties.
- La troisième erreur est d’utiliser l’IA pour éviter de personnaliser. Un message généré et envoyé tel quel sans adaptation détruit exactement ce que l’IA était censée améliorer — la pertinence perçue par le candidat. La règle d’or : si vous pouvez envoyer le message à n’importe quel candidat sans changer un mot, il n’est pas assez personnalisé.
Construire sa bibliothèque de prompts
Les recruteurs les plus efficaces ne réinventent pas leurs prompts à chaque fois. Ils construisent une bibliothèque — une liste de prompts testés et optimisés pour leurs usages récurrents. Offres d’emploi, messages LinkedIn, grilles d’entretien, synthèses de candidature, prépas de brief client — chaque tâche récurrente mérite un prompt de référence.
C’est un investissement d’une heure qui se rentabilise à chaque utilisation. Et c’est l’une des façons les plus concrètes de transformer l’IA en avantage compétitif dans un métier où tout le monde utilise les mêmes outils.
Conclusion
Le prompt engineering n’est pas un sujet réservé aux ingénieurs ou aux passionnés de technologie. C’est une compétence de recruteur — concrète, apprise, et qui se traduit directement en productivité et en qualité.
L’IA ne remplace pas le jugement du recruteur. Elle lui libère du temps pour l’exercer là où il compte vraiment.
FAQ
Le prompt engineering est-il difficile à apprendre pour un recruteur ?
Non — il n’exige pas de compétences techniques. C’est principalement une discipline de précision et de méthode. Les recruteurs qui progressent le plus vite sont ceux qui prennent le temps d’itérer et de noter leurs meilleurs prompts pour les réutiliser. Une semaine de pratique régulière suffit à développer une vraie aisance.
Faut-il former toute l’équipe recrutement au prompt engineering ?
Oui, progressivement. Commencez par identifier les deux ou trois tâches récurrentes qui consomment le plus de temps dans votre équipe, puis développez des prompts de référence pour chacune. Former l’équipe sur ces prompts spécifiques est plus efficace qu’une formation généraliste sur l’IA.
