Notre processus évalue le jugement d’architecture, la qualité de code en revue et l’AI-readiness — le tout sur des cas réels de production.
LE PROBLÈME
Quatre dimensions que notre vetting est conçu pour mesurer, chacune évaluée sur du travail réel de production.
Nous évaluons le travail dont dépend votre produit : maintenir une API qui encaisse 50 000 requêtes par heure, pas résoudre un casse-tête de graphes en 45 minutes. Des compétences différentes, et nous testons celle qui livre.
Un CTO en activité sait juger si une décision d’architecture est solide ou une erreur qui coûtera des mois — un jugement hors de portée d’un filtre par mots-clés.
La livraison en remote repose sur la communication, la documentation et l’autonomie : nous testons donc exactement cela, sur des scénarios asynchrones réels.
Sur l’ensemble de nos missions, un ingénieur à l’aise avec les outils d’IA livre 30 à 40 % plus vite. Nous mesurons cette maîtrise directement, appliquée à de vraies tâches d’ingénierie.
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