Ressource · Entretien
Scorecard d’entretien Data & IA
Une grille pour évaluer les candidats au-delà du CV
Expertise technique, capacité à délivrer, compréhension business, collaboration, impact… Cette scorecard permet de définir les attentes d’un poste Data ou IA avant l’entretien, puis d’évaluer chaque candidat à partir d’éléments observables plutôt que d’une impression générale.
Principe central
Définir les critères avant de rencontrer les candidats.
01 — Observer.
02 — Documenter.
03 — Comparer.
Mode d’emploi
Comment utiliser cette scorecard ?
01
Avant l’entretien
Définissez ce que le poste exige réellement.
02
Pendant
Notez des exemples et éléments observables.
03
Après
Évaluez chaque dimension séparément.
04
En débrief
Comparez les observations des différents évaluateurs.
Évaluez le poste avant d’évaluer la personne.
La scorecard doit être préparée avant le premier entretien afin d’éviter d’adapter inconsciemment les critères au profil rencontré.
Scorecard vierge
Aucune information n’est enregistrée ni transmise.
Le poste
Les 3 résultats attendus dans les 12 premiers mois
Avant de continuer
Pouvez-vous expliquer en une phrase pourquoi ce poste existe ?
Si ce n’est pas le cas, les critères d’évaluation sont probablement encore insuffisamment définis.
La grille d’évaluation
Évaluer cinq dimensions séparément : expertise, delivery, business, collaboration et impact.
01
Expertise
Le candidat maîtrise-t-il réellement les compétences nécessaires au poste ?
Observer
Fondamentaux · Profondeur technique · Compréhension des outils · Capacité à expliquer ses choix · Compréhension des limites · Capacité d’apprentissage
02
Delivery
Le candidat sait-il transformer son expertise en solution réellement utilisable ?
Observer
Exécution · Production · Fiabilité · Qualité · Contraintes · Maintenance · Capacité à terminer
03
Business
Le candidat comprend-il le problème derrière la technologie ?
Observer
Compréhension métier · Besoins utilisateurs · Priorisation · Capacité à challenger une demande · Arbitrage valeur / complexité
04
Collaboration
Le candidat sait-il travailler avec des interlocuteurs aux expertises différentes ?
Observer
Communication · Pédagogie · Écoute · Gestion des désaccords · Collaboration avec métiers, Product, Engineering, Data ou autres fonctions
05
Impact
Le candidat sait-il relier son travail à un résultat ?
Observer
Définition du succès · Mesure · Adoption · Performance · Amélioration · Résultat produit · Apprentissage
Quel niveau d’autonomie avons-nous observé ?
Niveau 1
Exécuter
Réalise une tâche dans un cadre défini.
Niveau 2
Résoudre
Prend en charge un problème et choisit une approche.
Niveau 3
Arbitrer
Traite des situations ambiguës et fait des compromis argumentés.
Niveau 4
Structurer
Améliore les pratiques, standards ou capacités au-delà de son propre travail.
Le niveau attendu dépend du poste. Il n’est pas nécessaire de rechercher le niveau maximal sur toutes les dimensions.
Les 10 questions à poser
- 01
Quel problème deviez-vous résoudre ?
- 02
Quel était précisément votre rôle ?
- 03
Quelle décision importante avez-vous prise ?
- 04
Quelles autres options avez-vous envisagées ?
- 05
Quelle difficulté n’aviez-vous pas anticipée ?
- 06
Comment avez-vous mesuré la qualité de votre solution ?
- 07
Le projet est-il arrivé en production ?
- 08
Quel résultat a-t-il produit ?
- 09
Qu’auriez-vous fait différemment aujourd’hui ?
- 10
Qu’avez-vous personnellement appris ?
Adapter la scorecard au profil
Profil sélectionné
Data Engineer
1. Quel pipeline avez-vous personnellement conçu ou repris ?
2. Comment gériez-vous qualité et incidents ?
3. Quel compromis avez-vous fait entre performance, coût et maintenabilité ?
Synthèse
Expertise
Delivery
Business
Collaboration
Impact
Cette scorecard structure l’évaluation. Elle ne produit aucune note automatique et ne détermine pas à elle seule une décision de recrutement.
Pour comprendre la méthode
Comment évaluer un profil Data ou IA ?
La scorecard est issue du framework développé dans notre guide consacré à l’évaluation des profils Data et IA.