Les algorithmes au tableau ne disent rien de l’ingénierie en production. Notre processus évalue le jugement d’architecture, la qualité de code en revue et l’AI-readiness sur des cas réels.
LE PROBLÈME
Avant d'expliquer comment fonctionne le nôtre, il faut comprendre pourquoi les processus habituels produisent de mauvais ingénieurs.
Résoudre un arbre de graphes en 45 minutes n'a aucune corrélation avec la maintenance d'une API qui reçoit 50 000 requêtes par heure. Ce sont des compétences différentes qui ne se chevauchent pas.
Un recruteur peut vérifier si le candidat dit les bons mots. Seul un CTO actif peut évaluer si une décision d'architecture est correcte ou une erreur qui coûtera des mois.
Le travail à distance exige des compétences spécifiques en communication, documentation et autonomie qui n'apparaissent dans aucun entretien standard en personne.
En 2026, un ingénieur qui ne maîtrise pas les outils d'IA livre 30% à 40% plus lentement qu'un qui les maîtrise. Presque aucun processus ne l'évalue.
5 PILIERS
Des scénarios réels avec des contraintes réelles : échelle, budget, taille d'équipe, dette technique existante. Nous évaluons le raisonnement sur les compromis et la capacité à communiquer des décisions techniques à des parties prenantes non techniques.
Nous examinons le vrai code du candidat — quelque chose construit en production, pas un exercice d'entretien. Nous regardons la structure propre, la gestion des erreurs, la discipline de testing, la séparation des responsabilités et la lisibilité.
Nous évaluons l'utilisation efficace de GitHub Copilot, Cursor, Claude et outils similaires. Le prompt engineering appliqué à des tâches d'ingénierie réelles. Et le plus important : le jugement pour savoir quand la sortie de l'IA nécessite une révision humaine.
Clarté écrite, fluidité verbale, capacité à signaler des problèmes de manière proactive et discipline de fuseau horaire. Le travail à distance n'échoue pas par manque de compétence technique — il échoue quand la communication se rompt.
Vérification d'emploi, références professionnelles réelles et alignement culturel avec les environnements de startup et scale-up. Nous cherchons des ingénieurs qui ont travaillé sur des produits avec de vrais utilisateurs.
L'ENTONNOIR
Chaque étape élimine des profils qui ne correspondent pas — pas des personnes, mais des profils qui ne pourraient pas livrer dans le contexte de nos clients.
100% des candidats entrent dans le processus.
40% passe. Screening initial d'expérience, stack et travail en production.
20% passe. Clarté écrite, fluidité verbale, discipline de fuseau horaire.
12% passe. Pair programming avec un CTO actif sur des problèmes réels.
10% passe. Historique d'emploi, références professionnelles confirmées.
4 % final. Prêts à être déployés sur des projets clients.
taux d'acceptation final