Un expert en recrutement affirme que l’IA élimine les difficultés qui forgent la maîtrise

David Stepania est un leader d'entreprise et un fondateur en série. Il est actuellement PDG de ThirstySprout, une place de marché qui connecte des talents en ingénierie IA à distance avec des startups américaines financées.

Nous avons discuté avec David pour comprendre comment l'IA transforme le leadership et le recrutement. Voici ce qu'il nous a partagé.

L’IA redéfinit ce que signifie être une équipe ultra-performante

Je suis David Stepania, fondateur et PDG de ThirstySprout, une place de marché reliant des talents en ingénierie IA à distance — principalement d’Amérique latine, d’Europe de l’Est et d’Asie — avec des startups technologiques américaines financées. J’ai également créé ChoppingBlock.ai, une plateforme d'intelligence sur les salaires et emplois dans l’IA, et j’anime le podcast AI Chopping Block.

Je suis un fondateur autonome à deux reprises. Pas de capital-risque, pas de filet de sécurité — chaque entreprise que j’ai construite devait être rentable pour survivre. Ma dernière entreprise a atterri à la 247e place du classement Inc. 5000 en 2024, et au fil de ma carrière, j'ai généré plus de 100 M$ de chiffre d'affaires.

Je gère tout en 100% télétravail depuis des endroits ensoleillés à travers le monde, avec une équipe distribuée sur quatre continents.

Mon parcours de leadership a toujours été une grande leçon pour faire plus avec moins. Le bootstrapping impose cette discipline. Vous ne pouvez pas embaucher pour résoudre chaque problème, donc vous vous améliorez dans l’art du levier — processus, systèmes et trouver les bonnes personnes aux bons postes.

Je trouve ce moment de l’IA fascinant car je le vis de deux côtés à la fois. En interne, je reconstruis ma propre organisation autour de l’IA comme couche d’exécution. À l’externe, des dizaines de jeunes pousses financées me disent exactement ce qu’elles attendent désormais des ingénieurs — et cette demande a évolué plus vite en 18 mois qu’en dix ans auparavant. J'ai un accès privilégié pour voir comment l'IA redéfinit le concept même « d'équipe ultra-performante ».

Comment l’IA transforme les opérations d’équipe et la prise de décision

Tout a changé pour moi lors d’une revue de classements de candidats générée par l’IA.

Voici ce qui s’est passé : j’ai demandé à l’IA de noter un groupe d’ingénieurs pour un poste. Elle a rendu des classements à peu près comme je l’attendais — sauf pour un candidat, où elle a relevé quelque chose que je ne lui avais pas demandé : cet ingénieur était quasi parfait techniquement, mais il vivait dans un pays non autorisé par la liste du client.

Puis, l’IA a fait quelque chose qu’un simple outil ne fait pas d’habitude. Elle a proposé une solution — le candidat pouvait déménager dans un pays voisin approuvé, ou nous pouvions l’aider à obtenir une résidence au Mexique — ce que nous avions déjà fait pour d’autres ingénieurs.

À ce moment-là, ce n’est pas seulement une exécution de tâche. L’IA a raisonné sur mon entreprise comme le ferait un excellent collaborateur. Et j’ai compris que le goulet d’étranglement de ma société avait changé.

Pourquoi l’humain incarne l’intelligence, l’IA les mains

Tout le monde veut désormais des ingénieurs « natifs de l’IA », pas seulement des gens sachant utiliser Cursor. Il s’agit d’un ingénieur qui confie le codage à l’IA tandis qu’il s’occupe de la réflexion — cadrer les problèmes, l’architecture, les choix de jugement.

Mon propre rôle a évolué de la même manière. Il y a deux ans, une grande partie de mon travail consistait à répartir les tâches — décider qui fait quoi, et attendre les livrables. Aujourd’hui, mon rôle est de définir précisément les problèmes pour exécuter les solutions, et une part croissante de cette exécution passe par l’IA plutôt que par un nouvel embauche.

Je pensais devoir embaucher un DAF externe pour vraiment comprendre nos unités économiques. Finalement, j’ai pu faire moi-même une analyse financière complète de niveau DAF avec l’IA et j’ai découvert qu’une catégorie de coûts masquait notre réalité économique. C’est une analyse que j’aurais soit payée à prix fort, soit jamais réalisée.

Idem pour le juridique. J’ai refait tout notre Master Services Agreement, nos contrats de sous-traitants et nos accords de partage de commission. L’IA rédige, un avocat revoit. Le modèle de coûts s’inverse : l’humain coûteux ne fait plus que les 10% finaux, plus les 90% initiaux.

J’ai aussi repensé l’équipe elle-même. Nous délaissons le fonctionnement en équipes pour passer à des responsables uniques de domaines entiers, chacun profondément augmenté par l’IA. Une personne gère toute notre stratégie de SEO programmatique. Une autre gère l’infrastructure communautaire et data. Chaque unité n’est plus une équipe — c’est un opérateur expérimenté + IA.

Où l’IA doit être utilisée — et où elle ne devrait pas l’être

J'utilise également l'IA dans la stratégie, la prise de décision et la conception organisationnelle, avec une intensité différente selon le domaine.

• La prise de décision est le domaine le plus poussé : je teste mes hypothèses de tarification, de recrutement et de stratégie de négociation avec mon système IA avant de m'engager.
• Pour la stratégie, je l'utilise intensément pour l'analyse de marché.
• Concernant la conception organisationnelle, lorsque j'ai restructuré l'entreprise autour de responsables de domaine unique au lieu d'équipes, j'ai travaillé cette refonte avec l'IA, en modélisant ce que chaque rôle devait prendre en charge et où étaient les vraies contraintes.

La culture est l'aspect auquel je prête le plus d'attention. Elle est fondamentalement humaine, car elle se façonne par la manière dont les personnes sont traitées dans les moments difficiles, et cela ne peut pas s'externaliser. L'IA aide à la préparation. Avant un entretien de performance difficile, je réfléchis à la façon d'être direct sans être cruel, à ce que la personne a besoin d'entendre. Mais la conversation elle-même doit venir de moi.

L'IA peut faire de moi un leader mieux préparé. Elle ne peut pas faire de moi un leader présent. Je ne peux pas déléguer cette part-là.

Comment le screening peut être repensé avec l’IA

Le recrutement, traditionnellement, est une question de volume : sourcer une centaine de CV, les parcourir, en transmettre trente, et espérer que quelques-uns conviennent. La valeur du recruteur résidait dans le débit. Mais nous avons entièrement repensé l'opération de sélection autour de l'IA.

D'abord, nous avons créé un projet Claude dédié pour chaque client, avec des instructions personnalisées qui intègrent le vrai niveau d'exigence de recrutement — pas les exigences énoncées dans la fiche de poste, mais ce que le manager attend réellement après discussion avec lui.

Une fiche de poste indique « ingénieur senior React ». Le vrai standard, après un appel, c’est « quelqu’un qui a déjà déployé un pipeline RAG en production et qui sait connecter des intégrations de téléphonie ». Cette nuance est conservée dans l’espace de travail.

Ensuite, nous chargeons le plan d'entretien et la grille d’évaluation du client comme source de vérité. Ainsi, l'IA sélectionne en fonction du référentiel exact utilisé par le client, et non sur une séniorité générique.

Troisièmement, chaque candidat reçoit une note de un à dix sur chaque compétence indispensable, avec une justification écrite et les écarts explicitement signalés. Pas de « bon profil » — mais « front-end : 9, pipeline RAG livré : 8, téléphonie : 0, voici pourquoi ».

Notre production a radicalement changé. Nous avons arrêté d’envoyer trente CV pour n’en transmettre que trois à cinq parfaitement adaptés, chacun accompagné d’un rapport détaillé exploitable par le client.

Les shortlists sont devenues bien plus précises, les candidats allaient bien plus loin dans les processus d’entretien, et les échanges sont passés de « Voici des candidats » à « Voici précisément comment chacun correspond à vos critères ».

Mais le véritable changement concernait les missions de mon équipe. L’IA gère désormais les tâches ingrates — lecture, correspondance et premier tri. Cela signifie que chaque heure humaine investie par mon équipe va sur ce que l’IA ne peut pas faire, comme décrypter la motivation, juger si quelqu’un s’épanouira dans une startup chaotique, établir la relation, et finaliser la signature.

Le poste n’a pas diminué. Il a gagné en valeur. En tant que leader, mon véritable rôle est donc de m’assurer que l’équipe comprend cette évolution et l’adopte, au lieu de s’en sentir menacée.

Pourquoi repenser les processus est crucial dans l’adoption de l’IA

David partage

Le plus grand malentendu est que les entreprises considèrent l’IA comme quelque chose à ajouter — des licences, un outil, une injonction verticale à “utiliser l’IA” — alors qu’il faut en réalité repenser l’organisation autour d’elle.

Le plus grand malentendu est que les entreprises considèrent l’IA comme quelque chose à ajouter — des licences, un outil, une directive venue d’en haut pour « utiliser l’IA » — alors qu’il faut en fait repenser l'ensemble autour d'elle. Ce sont des projets totalement différents.

Ce mécanisme échappe à beaucoup. L’IA amplifie tout processus sur lequel on l’applique. Si le processus de base est bon, l’IA le rendra beaucoup plus rapide. Si le processus est médiocre — et la majorité le sont — l’IA permettra seulement d’accélérer l’exécution de tâches médiocres. Il n’y a pas de transformation. Il y a la même confusion, mais plus vite.

Je vois cela des deux côtés de mon entreprise. En interne, lors de l’audit de notre propre stack logicielle, j’ai constaté que nous utilisions plus de cinquante outils, dont une bonne partie d’outils d’IA achetés parce que nous pensions que l’achat lui-même était la transformation.

C’est confondre la multiplication des outils avec le progrès. Et à l’extérieur, je vois client après client équiper chaque ingénieur d’outils de codage IA, alors qu’ils peinent toujours à livrer, tandis qu’une poignée avance réellement vite. La différence ne tient jamais au nombre d’outils, mais à la façon dont le travail a été repensé.

Comment les défis psychologiques impactent l’adoption de l’IA

Lorsque j’ai introduit l’IA dans une partie de l’entreprise, les gens résistaient rarement à voix haute. La résistance était plus discrète. Certains l’utilisaient peu et continuaient à faire les choses lentement. D’autres l’utilisaient constamment mais n’en parlaient pas, comme s’ils avaient peur d’être pris en train de tricher. Personne ne disait « Je me sens menacé », mais leurs comportements parlaient pour eux.

J’ai fini par comprendre que pour beaucoup, leur métier est leur identité, et que leur valeur est liée à la maîtrise d’un savoir-faire particulier. Lorsqu’un outil peut soudain effectuer une grande partie de ce savoir-faire, il ne s’agit pas seulement de changer le processus de travail de quelqu’un, on touche à la façon dont il se perçoit. Ce n’est pas un problème de formation que l’on peut régler avec un tutoriel.

Je pensais autrefois qu’accompagner une transition technologique, c’était faire de bons choix d’outils et de processus. Aujourd’hui, je pense que le vrai travail est d’aider les gens à renégocier leur propre valeur — ouvertement, en toute sécurité.

Concrètement, cela signifiait normaliser explicitement et à plusieurs reprises l’utilisation de l’IA. Autoriser à dire « L’IA a fait la majeure partie de ce brouillon ». Autoriser à ne plus être le ou la plus rapide au clavier ni le meilleur chercheur ou la meilleure sur l’équipe, parce que la valeur ne se situe plus là. Il a fallu lever la honte avant que l’adoption soit possible.

La partie qui m’a le plus touché personnellement, c’est que j’ai dû répondre à la même question pour moi-même.

Pendant des années, je pouvais justifier les lenteurs avec « nous n’avons pas la capacité ». Cette excuse a quasiment disparu. Si quelque chose n’avance pas aujourd’hui, c’est généralement parce que je ne l’ai pas défini de façon assez claire pour qu’un humain ou une IA puisse s’en charger. C’est une vraie leçon d’humilité.

Comment réussir la partie ingrate de l’adoption de l’IA

Voici comment j’aborde l’adoption de l’IA.

Première règle stricte : nous n’automatisons jamais un processus que nous n’avons pas d’abord maîtrisé manuellement. Nous menons actuellement une campagne de développement commercial et j’ai explicitement demandé à l’équipe de la réaliser d’abord manuellement.

Envoyez les messages vous-même, menez les conversations, découvrez ce qui fonctionne réellement. Ce n’est qu’après avoir validé un processus que nous l’automatisons, car l’automatisation ne fait qu’amplifier ce qu’on maîtrise déjà. Si on automatise un processus que l’on ne comprend pas, on crée un moyen très efficace d’échouer.

Deuxièmement, je traite l’adoption de l’IA comme une question de flux de travail et de discernement, pas comme une question d’achats. Le succès ne viendra jamais de « plus d’outils ». C’est moins d’outils, mais exploités en profondeur par des personnes qui ont réellement transformé leur façon de travailler. Nous coupons agressivement.

Troisièmement, j’ai changé ce que l’on valorise. L’IA a rendu la production brute abondante et le jugement — savoir quel problème résoudre, détecter quand l’IA se trompe avec assurance — est devenu la denrée rare et précieuse.

Une organisation ancienne récompense ceux qui produisent le plus. Une organisation adaptée à ce monde-ci doit valoriser ceux qui prennent les bonnes décisions. C’est une vraie évolution dans la manière de mener les entretiens d’évaluation.

Comment développer la culture IA et la préparation dans les équipes

La plupart des gens pensent que la préparation à l’IA relève de la maîtrise des outils — que votre équipe sait utiliser les produits IA. Mais c’est l’aspect le moins important, qui de toute façon évolue tous les six mois.

Être prêt pour l’IA signifie quatre choses :

1. Quelqu’un pense d’abord à demander « Est-ce que l’IA devrait faire un premier jet de cela ? » avant de le faire à la main.
2. Il ou elle sait rédiger un cahier des charges clair, car des instructions vagues produisent des résultats vagues, et l’articulation du problème est la vraie compétence.
3. Il ou elle sait repérer quand l’IA se trompe avec assurance.
4. L’utilisation de l’IA est assumée et transparente.

Discernement, communication claire, vérification, transparence. Rien de tout cela n’est un outil.

Voici les étapes pour développer la littératie en IA :

1. Rendez cette démarche explicitement sûre et attendue. Les personnes cachent leur utilisation de l’IA si elles pensent que cela les rend remplaçables ; les dirigeants doivent donc activement normaliser le « L'IA a fait la première version de ceci » jusqu'à ce que la honte disparaisse. La littératie ne peut pas croître en secret.
2. Enseignez dans le cadre du travail réel, pas lors d’un séminaire générique — un recruteur développe sa littératie en IA à travers le filtrage de CV, une personne en demand-gen en faisant de la recherche de prospects. Cela fonctionne parce que c’est lié au métier.
3. Voici l’étape que la plupart oublient : abaisser le seuil de compétence au lieu de faire de tout le monde des experts. Nous créons des infrastructures communes — des espaces de travail préconfigurés avec du contexte et des instructions déjà intégrés — pour qu’une personne débutante puisse obtenir des résultats de niveau expert sans être un(e) expert(e) en rédaction de prompts.

David Shares

Être prêt pour l’IA signifie quatre choses : Quelqu’un se demande spontanément « Est-ce que l’IA devrait faire une première passe là-dessus ? » avant de le faire à la main. Il ou elle peut rédiger un brief clair parce qu’un énoncé vague donne un résultat vague, et savoir formuler le problème est la vraie compétence. Cette personne repère quand l’IA est convaincante, mais se trompe. Elle est transparente sur l’utilisation de l’IA.

Pourquoi la littératie en IA pose ses propres problèmes

Les problèmes sont bien réels. Le plus grand est la confiance excessive.

Une fois que les gens sont à l’aise, certains acceptent les résultats de l’IA sans esprit critique. Un(e) junior publie quelque chose de subtilement erroné parce que son jugement sectoriel n’a pas encore rattrapé sa confiance dans l’outil. C’est précisément pourquoi il faut intégrer la vérification dans votre définition du « prêt ».

Le second problème est plus difficile, et personne ne vous y prépare : l’IA ne profite pas à tous de la même manière. Vos meilleurs éléments progressent très vite avec, tandis que vos plus faibles stagnent. L’écart de performance dans votre équipe se creuse. C’est un problème de management, qui oblige à engager des discussions franches et incontournables.

Pourquoi retirer des outils renforce votre pile logicielle

Le changement le plus important de ma pile cette année a été la soustraction.

Laissez-moi commencer par la colonne vertébrale, puis expliquer le changement.

La colonne vertébrale, c’est Claude. Ce n’est pas « un outil » de la pile comme les autres, c’est la couche par laquelle passent la plupart des vrais travaux : sélection et classement des candidats, analyses financières, rédaction de contrats, contenus, stratégie.

Je le mets en œuvre comme un ensemble d’espaces de travail dédiés, un pour chaque domaine majeur de l’entreprise, chacun avec des instructions personnalisées encodant le fonctionnement de ce domaine. Pour les tâches plus techniques et agentiques, j’utilise Claude Code.

Mon constat : c’est l’outil offrant le plus fort levier dans l’entreprise, et de loin. Rien ne s’en approche.

Autour de cela, le reste de la pile est volontairement simple. Google Workspace et Slack pour la communication, les opérations et notre infrastructure communautaire. Beehiiv pour la newsletter, Riverside pour le podcast. Deel pour les contrats et paiements des sous-traitants. Calendly pour la planification, Fathom pour l’enregistrement des réunions et appels, et BetterProposals pour les propositions clients. C’est la grande majorité.

Mon évaluation de cette couche est simple : elle est stable, sans fioritures, et doit le rester. La couche opérationnelle d’une entreprise n’est pas là où l’on veut de la nouveauté.

Maintenant, le changement notable. Plus tôt cette année, j’ai audité chaque abonnement logiciel. Je m’attendais à vingt ou trente outils… il y en avait plus de cinquante. Le groupe le plus révélateur : cinq abonnements IA différents pour des tâches globalement similaires. Deux outils de suivi du temps distincts. Trois outils différents de publication LinkedIn. Cinq plateformes de site web.

Rien de tout cela n’était stratégique. C’était le résidu d’une année de « oui ». Chaque « je vais juste essayer » qui n’a jamais été annulé. Cinq outils utilisés à 10% de leur potentiel valent moins qu’un outil utilisé à 90%. Nous avons donc massivement rationalisé : réduction des outils IA à Claude comme principal, et un seul outil par besoin pour le reste, en supprimant tout le superflu.

Comment l’IA va remodeler le marché des talents en ingénierie

Voici une observation intéressante que je fais sur le marché du recrutement en ingénierie. Cela mérite réflexion.

D’ici cinq ans, le poste classique d’ingénieur débutant aura pour l’essentiel disparu. Pas « transformé » — disparu. L’IA accomplit désormais précisément les tâches de codage bien définies et simples, supervisées, pour lesquelles les jeunes diplômés ingénieurs étaient historiquement embauchés, et elle les exécute bien et à moindre coût.

Les entreprises ralentissent déjà l’embauche de débutants. D’ici cinq ans, ce ne sera plus un ralentissement, ce sera structurel.

On ne peut pas former un ingénieur senior sans les années en début de carrière. Le jugement senior — savoir quelle approche ne tiendra pas à l’échelle, déceler une mauvaise décision d’architecture — ça ne s’enseigne pas, cela s’acquiert en réalisant des milliers de petites tâches et parfois en se trompant.

Si vous supprimez le niveau débutant, vous supprimez le terrain d’apprentissage. Ma véritable prédiction, donc, est que d’ici cinq ans, après la disparition des postes juniors, le secteur connaîtra une pénurie d’ingénieurs seniors qu’il aura lui-même provoquée. Nous optimisons l’élimination du bas de l’échelle sans réaliser que c’est justement cette échelle qui permettait à chacun d’atteindre le sommet.

Le poste d’ingénieur débutant va disparaître — et les entreprises qui survivront à la décennie seront celles capables de fabriquer des talents seniors, pas seulement de les trouver. L’ensemble du secteur va passer d’une logique de recherche des bons profils à leur construction.

Pourquoi l’honnêteté est essentielle pour naviguer la transformation liée à l’IA

Voici mon conseil aux dirigeants :

• L’IA ressemble à un problème technologique, et donc les dirigeants la traitent comme tel — outils, budgets, formations. Mais c’est avant tout un problème de leadership. Le logiciel n’a jamais été la partie difficile. L’IA oblige chaque membre de votre équipe à renégocier sa propre valeur et cela fait peur. Personne ne l’avouera à voix haute. Si vous gérez le déploiement mais pas la peur, le déploiement échouera. Guidez d’abord la transition humaine.
• L’IA ne résout pas une organisation dysfonctionnelle, elle l’expose. Elle accélère et rend plus visibles les processus bancals et les raisonnements approximatifs. Une grande partie du vrai travail ne consiste donc pas à adopter l’IA, mais dans la tâche, peu valorisée, d’être honnête sur la manière dont fonctionne votre organisation — et à la corriger. L’IA vous empêche simplement de vous y soustraire.
• Commencez dès maintenant, sur votre propre travail concret — pas un pilote, pas une tâche déléguée. Les dirigeants qui n’ont jamais utilisé personnellement ces outils sur leurs problèmes les plus complexes ne peuvent guider personne dans cette transition.

Et une dernière chose. Personne n’a trouvé toutes les réponses, moi y compris. Toute personne qui prétend le contraire cherche à vendre quelque chose. La posture juste n’est pas la confiance, mais l’honnêteté, la capacité d’apprendre rapidement, et la discipline de ne pas déléguer à la machine la dimension humaine du leadership, aussi performante soit-elle.

Les leaders qui réussiront cette étape ne seront pas ceux qui adopteront le plus d’IA. Ce seront ceux qui resteront les plus honnêtes.

Pourquoi les dirigeants doivent préserver la place pour la maîtrise — et la difficulté

Une dernière remarque. À un moment donné, les dirigeants devront cesser de penser à ce que l’IA nous apporte et commencer à réfléchir à ce qu’elle nous retire discrètement.

Chaque discussion sur l’IA et le leadership, y compris la majorité de celle-ci, se concentre sur les gains. Plus vite, moins cher, plus de levier. Tout cela est réel. Mais il y a un coût, et il faut l’identifier honnêtement.

C’est ce coût qui me préoccupe le plus. La maîtrise — le vrai jugement profond, de haut niveau — se Forge toujours à travers la difficulté. On se retrouve bloqué, on réfléchit longuement à un problème, on se trompe à plusieurs reprises, et l’on apprend au cœur de ces frictions.

L’IA enlève cette friction. Elle vous donne la solution avant que vous n’ayez eu à lutter pour la trouver. À court terme, c’est un avantage : le travail est fait. Mais la difficulté n’a jamais été qu’une inefficacité. C’était ce qui rendait les gens compétents. En la supprimant, on obtient un résultat plus rapide, mais aussi, discrètement, des personnes moins profondes. On troque la profondeur contre la rapidité sans vraiment s’en rendre compte.

Je ne dis pas cela pour ralentir — ce n’est pas possible, et il ne le faut pas. Je le dis parce que nommer une perte est la première étape pour l’affronter. Si la difficulté forge le jugement, et que l’IA supprime la difficulté, alors un dirigeant a désormais une mission nouvelle et explicite : remettre volontairement cette difficulté dans l’équation.

Donnez à vos équipes des problèmes que l’IA ne peut pas court-circuiter. Protégez la difficulté productive même si la solution rapide s’offre à vous. Considérez le développement de vos collaborateurs comme un acte intentionnel, car l’environnement ne leur offrira plus naturellement cette opportunité d’apprentissage.

C’est ce point que je souhaite voir les autres dirigeants considérer. Les bénéfices de l’IA viendront d’eux-mêmes — tout le monde les poursuit déjà. Le coût est subtil ; il apparaîtra après quelques années, et retombera intégralement sur vos collaborateurs. Il faut que quelqu’un en soit conscient dans la pièce. Cette personne, c’est vous. Voilà désormais votre rôle.

Suivez l’actualité

Vous pouvez retrouver davantage de contenu de David Stepania sur LinkedIn, X, Instagram, YouTube et stepania.co. Ou découvrez ThirstySprout et Chopping Block.

D'autres interviews d'experts à venir sur People Managing People !