Auteur/autrice : Oriane Santhasouk

En décembre dernier, la Coupe de France du Recrutement 2025 a été remportée par la Team de l’Espace, du cabinet Science Me Up. Ce n’est pas leur premier coup d’éclat. Aux éditions précédentes, des membres de l’équipe avaient déjà réalisé de belles performances en individuel. Mais cette fois, ils ont clairement surperformé.

Forcément, je me suis posé la question : qu’est-ce qui fait la différence dans cette équipe ?

Le hasard a bien fait les choses : Science Me Up est basé à Strasbourg, comme moi. Quelques messages plus tard, je me retrouve autour d’un café avec Anne-Sophie, pendant qu’Émilie nous rejoint en visio depuis Marseille. On a papoté plus d’une heure, sans langue de bois, pour comprendre ce qu’elles font concrètement, ce qui change dans leur façon de recruter, et pourquoi ça marche.

Voici ce que j’en retiens.

Des recruteuses qui viennent d’un autre monde (et c’est leur force)

Avant de parler de méthode, il faut comprendre d’où viennent Anne-Sophie et Émilie. Parce que ce n’est pas anodin.

Anne-Sophie est docteure en chimie. Elle a passé dix ans en recherche, à enchaîner les expériences qui ne fonctionnaient pas, à reformuler des hypothèses, à recommencer. C’est là qu’elle a forgé quelque chose d’essentiel pour le recrutement : une résilience à toute épreuve.

« Je peux passer trois heures à sourcer sans trouver la bonne personne. Ce n’est pas grave. J’ai l’habitude. »

Un jour, elle a eu ce qu’elle appelle elle-même une épiphanie. Elle a compris qu’elle n’aurait pas le prix Nobel (alors que c’était vraiment son ambition). Elle ne le vit pas comme un échec, mais c’est le déclic pour pivoter. Elle veut viser l’excellence, mais autrement. Elle atterrit dans le recrutement, un peu par hasard, comme souvent. Mais elle y apporte tout ce que dix ans de recherche lui ont appris : la rigueur, la méthode, la capacité à tenir quand ça coince.

Émilie partage le même ADN : même bagage scientifique, même approche structurée. Chez Science Me Up, la majorité de l’équipe vient du monde de la technique : doctorat, ingénierie, labo. Ce n’est pas un détail, c’est le fondement de tout le reste.

Parce que quand tu recrutes des profils scientifiques et techniques de niche (des équipes R&D, des spécialistes en dispositif médical, des ingénieurs à cheval entre la technique et le commercial), parler le même langage que ton candidat et ton client, ça change radicalement la nature de l’échange. Pas besoin de surjouer la crédibilité. Ils comprennent réellement les sujets, les contraintes, les environnements.

La méthode scientifique appliquée au recrutement

Des scientifiques qui recrutent, ça donne quoi concrètement ? Ça donne une équipe qui va naturellement chercher ce que dit la recherche sur le recrutement. Et la recherche dit : l’entretien structuré est l’un des outils d’évaluation les plus fiables qui existe.

Alors c’est ce qu’ils font. Et le résultat est saisissant : il n’est pas rare qu’ils ne poussent qu’un seul profil au client. Un seul. Et c’est le bon.

On n’arrive pas à ce niveau de précision par hasard. Ca commence bien avant l’entretien, dès le brief client. Avant même la réunion de cadrage, Anne-Sophie et Émilie demandent la fiche de poste et l’analysent. Elles ne la découvrent pas en réunion. Elles arrivent avec des questions précises, des hypothèses, parfois des références à des publications scientifiques trouvées sur Google Scholar. Leur ancienne vie de chercheuses les positionne avec une vraie double expertise aux yeux des clients.

Autre pratique qui surprend : avant de lancer le sourcing, elles envoient cinq profils d’exemples au client pour s’assurer que tout le monde parle bien de la même chose. Mieux vaut ajuster au début que corriger après trois semaines de recherche dans la mauvaise direction.

Une organisation pensée pour aller en profondeur

Un des choix organisationnels qui m’a le plus frappée : chez Science Me Up, il y a une sourceuse dédiée à 100% pour quatre recruteurs. Une seule personne dont le travail est de sourcer : en profondeur, sans interruption, sans se disperser sur l’évaluation ou la relation client.

C’est un pari fort. La plupart des équipes font tout en même temps. Ici, le sourcing est traité comme une compétence à part entière, qui mérite une attention entière. Et ça libère les recruteurs pour se concentrer sur l’évaluation des candidats et la relation avec les clients.

Dans le même esprit, leur approche du sourcing est pilotée par objectif, pas par temps passé. L’héritage du monde de la recherche, encore. On ne se dit pas « j’ai passé deux heures là-dessus ». On se dit « je dois trouver X profils pertinents », et on cherche jusqu’à y être.

Ce qu’elles font que peu d’équipes font vraiment

Quelques pratiques concrètes qui, mises bout à bout, font une vraie différence.

Le fit culturel, d’abord. Chez Science Me Up, ce n’est pas un critère vague qu’on évalue « au feeling » en fin d’entretien. C’est une compétence évaluée comme les autres, avec des questions structurées, des critères explicités. Ils évaluent la capacité du candidat à réussir dans cet environnement précis, avec ces managers-là, ces contraintes-là. On ne cherche pas un « fit sympa » mais un fit opérationnel.

Les relances, ensuite. Mais pas celles qu’on pense. Quand un client met trop de temps à répondre, elles relancent. Parce qu’un process lent, c’est un bon candidat qui leur file entre les doigts. Ça paraît évident dit comme ça. Dans la pratique, beaucoup d’équipes n’osent pas.

Et puis il y a cette chose simple, presque banale, mais que beaucoup ne font pas : tous les candidats reçoivent une réponse. Même en volume. Anne-Sophie m’a raconté avoir reçu 120 candidatures d’un coup, juste avant de partir en vacances, après avoir posté une annonce en biologie. Aucun n’est resté sans réponse.

L’IA, sans effet de mode

L’équipe a monté une task force interne dédiée à l’IA, pour tester, comprendre et intégrer les bons usages, ceux qui font vraiment sens dans leur process.

L’objectif n’est pas d’aller plus vite à tout prix. C’est de sécuriser le process de A à Z : ce qui peut être automatisé l’est, ce qui doit rester humain reste humain, et chaque outil est intégré dans une méthode déjà claire. Pas de gadget. Pas de remplacement de la méthode par la technologie.

Ce que je retiens de cet échange, c’est qu’un recrutement performant n’est pas une somme de « bonnes pratiques » empilées les unes sur les autres. C’est un système cohérent, sécurisé de bout en bout : du cadrage à l’évaluation, du sourcing au suivi candidat. Chaque maillon tient parce que les autres tiennent aussi.

Et ce qui rend Science Me Up particulier, ce n’est pas un outil miracle ou un secret bien gardé. C’est une équipe qui a appliqué à son métier la même rigueur qu’elle appliquait autrefois à ses recherches. La méthode scientifique au service du recrutement.

L’entretien structuré, le sourcing par objectif, le brief challengé… ce sont exactement les compétences qu’on transmet et qu’on aide à ancrer depuis plus de 10 ans. Si tu veux savoir où tu en es dans ta pratique, on peut en parler.
Prends RDV avec l’équipe

Quand j’étais recruteuse dans une ESN, j’ai recruté plus d’une centaine d’ingénieur·es en informatique. En quelques années, l’entreprise a triplé ses effectifs. J’ai fini par piloter une petite équipe de deux recruteuses… et un sacré volume de postes à pourvoir.

Autant dire que j’en ai vu, des cycles de recrutement, des candidats qu’on perd pour un mauvais timing et des managers qui pensent que les candidats n’attendent que nous.

Et aussi, des croyances bien ancrées sur ce qu’il faut pour recruter dans la tech. Certaines m’ont fait perdre un temps fou, d’autres ont clairement plombé mes résultats.

Voici ce que j’aurais aimé qu’on me dise bien plus tôt.

1. L’offre « parfaite » n’existe pas. L’offre honnête, si

Quand j’arrive dans l’entreprise, on m’envoie faire le tour des agences pour rencontrer les autres recruteuses. Elles m’accueillent avec un constat unanime :

« On est une petite ESN, personne ne nous connaît. Les salaires ? Pas fous. Les avantages ? Mutuelle, tickets resto, et basta. Et certaines missions… franchement, pas sexy. »

Sur le papier, ça semblait perdu d’avance. Mais je décide de vérifier par moi-même. De retour à Strasbourg, j’envoie un message à tous les développeurs de l’agence pour leur proposer un café.

Une vingtaine de cafés plus tard (et un début de tachycardie, j’ai fini par passer à la tisane), je comprends bien plus qu’à travers n’importe quel brief. Les devs m’expliquent qu’ils aiment travailler ici parce qu’ils ne sont pas envoyés en mission chez une grosse banque pour fixer du code en Cobol, que leurs chefs de projet viennent du terrain, et qu’on leur a promis des évolutions concrètes. Mais ils me disent aussi le revers : salaires un peu en dessous du marché, organisation pyramidale, technos pas toujours les plus modernes.

Rien de glamour. Mais tout est vrai.

C’est là que je comprends : je ne pourrais jamais sortir des offres « sexy ». Par contre, je pouvais sortir des offres honnêtes. Je savais désormais exactement qui s’épanouirait ici, et qui partirait avant la fin de sa période d’essai.

Je n’ai plus cherché à plaire à tout le monde. Juste à attirer les bonnes personnes pour notre contexte. Les candidatures sont devenues moins nombreuses, mais beaucoup plus pertinentes.

Si tu passes ton temps à justifier ce que tu n’as pas, c’est perdu d’avance. Mais si tu assumes ce que tu as vraiment à offrir, tu attires naturellement ceux et celles qui cherchent exactement ça. Commence par aller parler aux gens qui sont déjà là. Leurs réponses valent plus que n’importe quelle stratégie de marque employeur.

2. Les annonces ne sont pas mortes. Ce sont les mauvaises annonces qui le sont.

Dès mon arrivée, le discours ambiant était clair : ne perds pas de temps avec les annonces, les devs ne lisent plus ça.

Par curiosité, je vais quand même regarder celle qu’on utilise en interne (validée par la com’, propre, bien mise en page…). Et là : une succession de tâches copiées-collées, aucune info sur le projet, l’équipe, les outils, la manière de travailler. Rien de ce qu’un·e développeur·se voudrait savoir avant de postuler.

Je tape « développeur » sur un jobboard et je scrolle. Même ton, mêmes phrases, mêmes clichés d’un bout à l’autre. Le niveau moyen est catastrophique (ce qui est, paradoxalement, une excellente nouvelle : sortir du lot ne demanderait pas grand-chose).

Grâce aux échanges avec les devs de l’équipe, j’avais enfin des choses à raconter. « Vous n’irez pas en banque. » « Vos chefs de projets sont techniques. » « Vous pourrez évoluer rapidement. » Mais aussi : « Les salaires ne sont pas les plus élevés. » « L’organisation est pyramidale. »

Les candidatures sont revenues. Moins nombreuses, mais les devs qui postulaient savaient déjà où ils mettaient les pieds.

Dis simplement ce qu’ils vont construire, avec qui et comment. Donne la stack, la méthodologie, le niveau de qualité du code. De quoi se projeter. Et diffuse là où ils sont vraiment : Slack, Discord, GitHub, meetups, cooptation… pas uniquement sur les jobboards.

3. Le silence d’un candidat n’est pas un non

On interprète l’absence de réponse à un message d’approche comme du désintérêt. Mais ne pas répondre au premier message, ça peut vouloir dire mille choses : un oubli, des vacances, un message vu en réunion qu’on n’a jamais retrouvé. Tant qu’une personne n’a pas répondu, on ne sait tout simplement pas.

Ca s’appelle la méthode Dumbledore. Si Dumbledore n’avait pas envoyé mille chouettes à Harry Potter, il ne serait jamais allé à Poudlard. Harry, au départ, ne répond pas. Mais Dumbledore insiste, et c’est ce qui fait toute la différence.

Les chiffres sont sans appel : avec une ou deux relances, le taux de réponse tourne autour de 9 %. Entre trois et six relances, il grimpe à près de 27 %. On peut tripler son taux de réponse simplement en relançant davantage.

Depuis que j’ai compris ça, je prépare mes séquences de relances en même temps que mes messages d’approche. Plusieurs relances, espacées, chacune avec un angle différent (une actu, une info sur le projet, une ressource utile). Et je varie les canaux. Ma dernière relance finit toujours par quelque chose du genre : « Promis, c’est mon dernier message, mais j’aurais regretté de ne pas vous relancer une dernière fois. » Ce ton sincère fonctionne infiniment mieux que le silence poli.

Harry Potter aussi a ignoré sa première chouette. Heureusement que Dumbledore n’a pas laissé tomber.

4. Les candidats qu’on n’a pas recrutés sont souvent les plus précieux

Quand j’arrive dans l’entreprise, on m’explique que dans la tech, ça bouge vite, et qu’un candidat rencontré il y a six mois est sûrement déjà pris ailleurs. Autant chercher du nouveau.

Puis j’ai rencontré Cédric.

Je ne l’ai jamais recruté. Et pourtant, grâce à lui, j’ai signé deux de mes meilleurs recrutements, et mis en vivier deux autres profils très prometteurs.

On s’était rencontrés pour un poste de développeur PHP. Tout s’était enchaîné vite : préqual, entretien en café, test technique, direction, proposition. Mais au dernier moment, il refuse car il a une autre offre, un peu meilleure, ailleurs. Dossier clos, profil archivé. Normalement.

Quelques semaines plus tard, je vois son anniversaire sur LinkedIn. Je lui écris juste pour lui souhaiter une bonne journée, en ajoutant une note perso : « Je t’envoie ça depuis l’Islande, où je suis en vacances en ce moment. »

Il me répond dans l’heure. Sa femme et lui rêvent d’y aller. On échange sur le voyage, je lui envoie mes meilleurs bons plans. Deux jours plus tard :

« Au fait, tu recrutes toujours en PHP ? J’ai des copains qui cherchent. »

Il m’envoie trois profils. On en recrute deux.

Depuis ce jour, j’ai arrêté de penser qu’un candidat non recruté ne servait plus à rien. Un candidat que tu n’as pas embauché peut devenir un apporteur d’affaires, un futur candidat si le timing change, ou un ambassadeur s’il garde une bonne image de toi. Garder le lien ne prend pas grand-chose (un anniversaire, un message spontané, une ressource). Parfois ça ne mène à rien. Parfois ça fait toute la différence.

5. La tech n’est pas un monde à part, c’est juste un marché exigeant

En ESN, j’entendais souvent : « Recruter un dev, ça n’a rien à voir avec recruter un commercial ou un comptable. »

Et c’est vrai qu’à première vue, tout semble plus compliqué : pénurie de talents, candidats ultra-sollicités, exigences techniques difficiles à évaluer, process à rallonge.

Mais plus j’ai recruté, plus j’ai compris que la tech n’est pas « un autre monde ». C’est un marché déséquilibré, comme il y en a plein d’autres. Dans la santé, on manque de médecins et d’infirmiers. Dans l’industrie, de techniciens et de soudeurs. Dans le bâtiment, d’électriciens et de plombiers. La tech n’a pas le monopole des métiers en tension.

Ce qui change, c’est la visibilité et la vitesse. Les développeurs ont un marché global, peuvent travailler à distance pour une boîte à Paris, Montréal ou Lisbonne. Mais le fond reste le même : quand le rapport de force bascule vers les candidats, c’est à l’entreprise de se montrer à la hauteur.

L’autre grand cliché : « Les devs sont allergiques aux recruteurs. » Vrai, quand on reçoit dix messages mal ciblés par jour, tout le monde le deviendrait. Un·e commercial·e expérimenté·e ou un·e contrôleur·se de gestion aussi. Ce n’est pas propre à la tech. Tous les métiers demandent une expertise de recrutement spécifique. En finance, il faut saisir la nuance entre un auditeur et un contrôleur de gestion. En santé, entre un cardiologue interventionnel et un chirurgien cardiaque. En tech, on parle de langages et de frameworks au lieu de normes ou de certifications. Le jargon change, le principe reste le même : comprendre avant de recruter.

Au fil des années, j’ai compris que ce métier devient bien plus agréable quand on arrête de foncer tête baissée. Quand on comprend vraiment les candidats, qu’on ose dire la vérité dans ses annonces, qu’on entretient les bonnes relations et qu’on adopte une vraie méthode.

C’est là que les résultats changent.

Et si on prenait 30 minutes pour comprendre ce qui bloque tes recrutements, et trouver ensemble la meilleure façon d’avancer ? Prends RDV ici avec l’équipe LEDR !

Cabinet ou PME. Google Drive ou SharePoint. ATS dernier cri ou Excel bricolé. Recruteuse solo ou équipe de cinq. Il existe autant de contextes de recrutement que d’entreprises, et ce serait prétentieux de prétendre qu’il existe une clé unique pour ouvrir toutes les serrures.

Ce qu’on peut faire en revanche, c’est poser une méthode universelle de réflexion. Une marche à suivre qui fonctionne quel que soit ton contexte, tes outils ou ton volume de recrutements. Ce que tu vas lire ici n’est pas un tutoriel technique. C’est une méthode stratégique pour concevoir ton agent IA de manière solide, rentable et maîtrisée.

Et avant d’aller plus loin : créer un agent IA, ce n’est pas « installer ChatGPT ». C’est choisir les bonnes tâches, les structurer, choisir les bons outils, et les assembler dans le bon ordre. C’est tout, mais c’est déjà beaucoup.

Étape 1 : Comprendre ton propre métier avant d’automatiser quoi que ce soi

Le point de départ, c’est une cartographie honnête de tes tâches. Pas ce que tu devrais faire en théorie, ce que tu fais vraiment, semaine après semaine. Sourcing, tri de CV, messages d’approche, réponses aux candidats, préparation d’entretien, comptes-rendus, relances managers, reporting… Plus tu décris précisément, plus tu vas voir apparaître trois choses : le temps réel passé sur chaque tâche, les irritants du quotidien, et les goulots d’étranglement.

Si tu n’as pas le temps de tout cartographier, commence par une liste courte : les tâches qui t’énervent, celles qui mangent ton temps, et celles que tu fais en mode pilote automatique tellement elles sont répétitives. Relancer des managers qui ne répondent pas, trier des centaines de candidatures, répondre aux mêmes questions basiques, reformuler dix fois la même annonce, c’est souvent là que se cache ton futur agent IA.

Étape 2 : Vérifier si la tâche vaut vraiment le coup

Toutes les tâches ne méritent pas d’être confiées à une IA. Pour le savoir, on passe par trois filtres.

Le premier, c’est la récurrence. Une tâche faite une fois par an ? Inutile d’automatiser : tu mettras plus de temps à construire le système qu’à la faire toi-même. Une tâche hebdomadaire ou quotidienne, en revanche, est une candidate idéale.

Le deuxième filtre, c’est ta maîtrise de la tâche. L’IA ne sait que ce que tu lui enseignes. Si tu ne sais pas toi-même expliquer comment tu fais ton sourcing, comment tu structures ta trame d’entretien ou comment tu évalues un profil, l’IA va improviser. Et quand elle improvise, elle hallucine.

Le troisième, c’est le ROI. En moyenne, l’IA peut faire gagner environ deux heures par semaine, soit huit heures par mois. Si ton coût chargé est de 2 000€ net, ça représente environ 240€ de valeur mensuelle, à comparer avec le coût des outils et le temps de mise en place. Une stack IA sérieuse coûte environ 100€ par mois. Sans budget, on bricole. Et en recrutement, on sait où ça mène.

Étape 3 : Prioriser avec le modèle IER

Une fois tes tâches candidates identifiées, encore faut-il savoir par laquelle commencer. C’est là qu’intervient le modèle IER : on note chaque tâche sur trois critères, de 0 à 3.

L’Impact d’abord : que se passe-t-il concrètement si cette tâche est automatisée ? Le scoring automatique de CV, la synthèse de profils pour les managers, la préparation structurée d’entretien … ce sont des tâches à fort impact parce qu’elles libèrent du temps de décision.

L’Effort ensuite : un prompt simple, c’est un effort faible. Un workflow multi-outils, c’est moyen. Une automatisation complexe avec plusieurs systèmes connectés, c’est élevé.

Le Risque enfin : que se passe-t-il si l’IA se trompe ? Une décision finale d’embauche, un message envoyé sans relecture, un élément à portée juridique : risque élevé. Un pré-scoring indicatif, un brouillon à relire : risque faible.

La formule de priorisation : Impact × 2 – Effort – Risque. Les tâches avec le score le plus élevé passent en premier.

Exemple concret | Screening LinkedIn Impact = 3, Effort = 1, Risque = 0 → Score = 5. Priorité forte.

Étape 4 : Assembler les 3 briques techniques

Un agent IA repose toujours sur les mêmes trois éléments, quel que soit le contexte.

La base de données | La matière première

C’est là que vivent tes données : ATS, Google Drive, Notion, SharePoint, Google Sheets… La question clé n’est pas « quel outil j’utilise ? » mais « où l’IA va-t-elle chercher l’information dont elle a besoin, et est-ce que ces données sont propres et exploitables ? » Un agent IA mal nourri est un agent IA inefficace, aussi sophistiqué soit-il.

Le système d’exploitation | Le cerveau

C’est le LLM (le modèle de langage) qui exécute la logique via un prompt : ChatGPT, Claude, Gemini, Copilot, Le Chat, DeepSeek. Tous ne sont pas équivalents. ChatGPT est polyvalent, Claude est particulièrement performant sur le rédactionnel, Gemini est très structuré. Le choix dépend de la tâche. Et petite astuce utile : tu peux demander au LLM lui-même de t’aider à rédiger le prompt dont tu as besoin.

L’interface d’exécution | L’automatisation

C’est ce qui fait circuler l’information entre les outils : Zapier, Make, n8n. Un exemple simple : quand un nouveau CV arrive dans l’ATS, générer automatiquement une synthèse avec trois points forts et trois points faibles, et l’envoyer par email au manager. Pour 80% des besoins en recrutement, Zapier suffit largement.

Étape 5 : Construire, et tester. Vraiment tester.

C’est ici que la méthode universelle s’arrête, parce que chaque contexte est unique. Un chatbot de prise de brief n’a rien à voir avec un outil de préqualification CV, ni avec un assistant rédactionnel. La construction dépend de toi, de tes outils, de tes données.

Ce qui ne dépend pas du contexte, en revanche, c’est la rigueur du test. Avant d’industrialiser quoi que ce soit : vérifie sur un échantillon d’une dizaine de profils, utilise une moyenne plutôt qu’un résultat isolé, configure l’IA pour qu’elle pose des questions quand elle ne sait pas plutôt que d’inventer une réponse, et stabilise les résultats avant de déployer à grande échelle.

L’IA ne remplace pas les recruteurs. Elle structure et accélère une méthode déjà solide. Si la méthode est bancale au départ, l’IA va juste aller plus vite dans la mauvaise direction.

Et si on prenait 30 minutes pour comprendre ce qui bloque tes recrutements, et trouver ensemble la meilleure façon d’avancer ?
Prendre RDV ici avec l’équipe LEDR !