Recrutement · July 21, 2026 · 9 min de lecture

Le prompt engineering par métier : à quoi ressemble l'excellence dans chacune de vos filières

Le prompt engineering est désormais une compétence clé dans presque tous les métiers, mais « bien faire » ne signifie pas du tout la même chose pour un ingénieur, un analyste, un agent de support ou un SDR. Un guide pratique, filière par filière, avec de vrais cas d'usage.

← Fait partie de The five pillars of a hire: what great assessments actually measure

Il y a un an, le « prompt engineering » avait des allures de spécialité de niche. Aujourd'hui, c'est une compétence de base dans presque tous les métiers qui touchent un clavier, et c'est l'une des choses les plus clairement révélées par l'AI Sandbox. Mais voici ce que la plupart des équipes de recrutement oublient : bien maîtriser le prompt ne ressemble pas à la même chose d'un métier à l'autre. Ce qui distingue un ingénieur solide n'est pas ce qui distingue un bon agent de support. Voici un guide pratique, filière par filière, de ce à quoi ressemble réellement l'excellence.

Le prompt engineering n'est pas une compétence unique : il épouse la forme du métier

La compétence sous-jacente est universelle : donner à l'outil un contexte et des contraintes clairs, puis vérifier et corriger ce qui revient. Cela fait partie de l'AI fluency, et le signal le plus fort est toujours le même : prendre l'IA en défaut lorsqu'elle se trompe avec assurance. Mais la tâche et les modes de défaillance sont propres à chaque métier, c'est pourquoi les astuces de formulation ne prédisent pas grand-chose, alors qu'une tâche réaliste et pertinente pour le poste, oui. Voici comment cela se traduit dans les filières que nous évaluons.

Ingénieur logiciel

Demandez à un assistant d'écrire un client API asynchrone avec une logique de nouvelle tentative. Un bon candidat précise les contraintes en amont (patterns asynchrones modernes, gestion explicite des erreurs sur les bonnes exceptions), lit le code généré et repère les problèmes subtils — un appel obsolète, une nouvelle tentative qui masque la mauvaise erreur, un cas limite manquant — puis les corrige et les teste. Ici, bien maîtriser le prompt est indissociable de la revue de code. Découvrez quoi tester d'autre dans une évaluation d'ingénierie.

• Bon : cadre la demande, lit le résultat, repère le code obsolète ou risqué, vérifie par un test rapide.
• Faible : colle la fonction générée et la livre telle quelle, avec ses cas limites non gérés.

Analyste de données

Demandez une requête SQL — disons le chiffre d'affaires net par mois en excluant les comptes de test internes — ou l'interprétation d'un résultat. Un bon candidat définit la métrique et les exclusions dans le prompt, puis contrôle la cohérence des chiffres au regard de ce qu'il sait, et remet en question un agrégat assuré mais trompeur plutôt que de le coller dans un rapport. La compétence de prompt et le jugement analytique relèvent du même muscle. Pour en savoir plus sur l'évaluation d'analyste de données.

• Bon : précise la métrique et les exclusions, contrôle la cohérence du résultat, se méfie d'un chiffre que les données ne corroborent pas.
• Faible : accepte une requête plausible, rapporte un chiffre qui, discrètement, ne tient pas debout.

Support client

Demandez à l'IA de rédiger une réponse à un client mécontent. Un bon candidat lui fournit la politique pertinente et le ton souhaité, puis vérifie l'exactitude du brouillon, adoucit tout ce qui sonne robotique ou désinvolte, et supprime une promesse excessive que le modèle a glissée. Dans le support, le prompt n'est que la moitié du travail : c'est dans la relecture que le jugement se révèle. Voir l'évaluation de support client.

• Bon : fournit politique + ton, vérifie l'exactitude, ajuste vers une empathie sincère, coupe les promesses excessives.
• Faible : envoie une réponse d'IA générique, fausse sur la politique ou au ton inapproprié.

Développement commercial

Demandez un e-mail à froid destiné à un persona précis. Un bon candidat nourrit l'outil d'un contexte réel (qui est l'acheteur, la proposition de valeur, la seule demande claire), personnalise le résultat, le raccourcit à quelque chose qu'un VP pressé lirait vraiment, et repère tout « fait » halluciné à propos du prospect avant l'envoi. Le prompt met les choses en place ; le jugement les garde crédibles. Pour en savoir plus, l'évaluation de développement commercial.

• Bon : donne du contexte, personnalise, resserre vers une demande nette, repère un détail inventé.
• Faible : envoie une salve de modèles génériques — parfois avec un fait inventé dedans.

Chef de produit

Demandez une première version d'une spécification ou d'une priorisation. Un bon chef de produit cadre clairement le problème et les contraintes, utilise l'IA pour obtenir un point de départ rapide, puis applique un véritable jugement produit — en repérant une hypothèse erronée, en coupant le périmètre que le modèle a surchargé, en l'ancrant dans les utilisateurs et les métriques plutôt qu'en livrant le brouillon tel quel. Voir l'évaluation de chef de produit.

• Bon : cadre le problème, utilise l'IA pour un brouillon, puis applique son jugement — repère les mauvaises hypothèses, le relie à des objectifs réels.
• Faible : livre une spécification générée par l'IA sans aucune réflexion produit ajoutée par-dessus.

Pour aller plus loin : un guide complet pour chaque rôle

Chaque métier a son propre guide détaillé — les bonnes pratiques, un prompt concret, les signaux « fort » contre « faible » et comment nous l'évaluons :

• L'ingénierie de prompt pour les ingénieurs logiciels : le prompting comme une revue de code inversée
• L'ingénierie de prompts pour les analystes de données : d'abord des définitions précises, puis de la méfiance envers le chiffre
• Ingénierie de prompts pour le support client : le brouillon est facile, la relecture, c'est le vrai travail
• L'ingénierie de prompts pour le développement commercial : le contexte en entrée, la crédibilité en sortie
• L'ingénierie des prompts pour les chefs de produit : l'IA rédige, le jugement décide

Comment l'évaluer

Vous ne pouvez rien mesurer de tout cela avec un quiz sur les prompts, et vous ne pouvez certainement pas le mesurer en interdisant l'IA. Vous le mesurez en plaçant le candidat dans une tâche réaliste et pertinente pour son poste, avec des outils d'IA disponibles, et en observant sa façon de travailler — c'est exactement ce que fait une évaluation en AI Sandbox, et la manière dont l'AI fluency est notée en tant que pilier. C'est la façon honnête de tester le métier tel qu'il se pratique réellement — l'idée centrale du recrutement AI-native. Vous pouvez regarder une évaluation ajustée au métier se composer pour voir où le prompt s'inscrit dans chaque filière.

Le prompt engineering n'est pas une astuce de formulation que l'on recrute. C'est du jugement face à l'assurance trompeuse d'une IA — et il prend une forme différente à chaque place autour de la table.