Contexte technique
J’ai regardé comment Coinbase a reconstruit ses entretiens pour ingénieurs, et ce n’est pas que du cosmétique. Ils ne font plus semblant que le développeur travaille en vase clos sans Copilot, Cursor, documentation ni modèles. Au contraire, l’utilisation de l’IA lors des évaluations est devenue obligatoire, ce qui envoie un signal direct pour l’implémentation de l’IA dans les équipes.
Le changement est simple mais radical : avant, les entretiens mesuraient la mémoire des patrons et la précision en live coding « stérile » ; désormais, ils mesurent comment le candidat pilote le modèle. Je le formulerais ainsi : non pas « savez-vous coder sans aides », mais « savez-vous obtenir un résultat correct avec l’IA, repérer les absurdités du modèle et ne pas planter le système ».
Concrètement, les étapes de recrutement restent familières : présélection recruteur, tests en ligne, entretien technique, conception système, comportemental. Mais à l’intérieur de ces étapes, la mécanique a changé. Le live coding autorise désormais l’IA et la documentation, et les responsables du recrutement doivent évaluer séparément la maîtrise de l’IA comme un critère obligatoire, pas un simple bonus.
Ce qui m’a frappé ici, ce n’est pas tant l’autorisation de l’IA, mais que Coinbase a déplacé l’attention vers le jugement. Si le modèle génère un morceau de code médiocre, le candidat ne doit pas se réjouir de la vitesse, mais l’arrêter, corriger l’architecture, vérifier les cas limites, sans casser l’idempotence ni la piste d’audit. Pour la fintech, honnêtement, c’est la seule approche mature.
Ce n’est pas une nouvelle d’hier, mais le résultat d’environ un an de refonte du processus – donc plus un changement industriel formalisé qu’une actualité éphémère. La source est Coinbase elle-même et les commentaires publics de ses ingénieurs, de sorte que les conclusions de base s’appuient sur des sources primaires.
Ce que cela change pour l’entreprise et l’automatisation
Premièrement, les entreprises qui recrutent encore des « champions d’algorithmes sans contexte » commenceront à passer à côté de la productivité réelle. En production aujourd’hui, le gagnant n’est pas celui qui se souvient d’un algorithme rare, mais celui qui assemble rapidement une solution et maintient la qualité.
Deuxièmement, les entretiens sont désormais plus proches de la manière dont se construit réellement l’automatisation avec l’IA. Je le vois constamment dans les projets clients : la valeur n’est pas dans ce que le modèle génère, mais dans la façon dont la personne l’intègre dans le processus, vérifie la sortie et limite les risques.
Troisièmement, les équipes sans culture de revue du code IA perdront. Si votre intégration de l’intelligence artificielle a déjà pénétré le développement, mais que le recrutement teste encore les gens comme en 2018, vous créez vous-même un fossé entre l’entretien et la production.
Si vous êtes à une bifurcation similaire, inutile de deviner. Chez Nahornyi AI Lab, je travaille précisément sur ces sujets : j’aide à reconstruire des processus où l’automatisation IA et le recrutement coïncident avec la pratique réelle de l’ingénierie, et non avec un joli mythe de l’entretien « pur ». Si besoin, nous décomposerons ensemble votre flux de travail et construirons un schéma fonctionnel sans bruit inutile.