Avant de modifier le plan de recrutement de votre startup à partir d’une évaluation comparative de l’IA, détaillez les tâches du poste, repérez celles pour lesquelles vous disposez de résultats pertinents et testez le travail manquant dans vos propres conditions. Précisez les responsabilités qui restent humaines avant d’autoriser ou d’annuler le recrutement. Le score d’un modèle peut orienter cette analyse ; il ne peut pas fixer vos effectifs.

Imaginez que vous vous apprêtiez à recruter pour accompagner l’intégration des clients. Un nouveau modèle obtient de bons résultats à une évaluation comparative, et une démonstration produit un document d’intégration convaincant. L’équipe se demande si le recrutement reste nécessaire. Pour avancer, examinez ce que le document laisse de côté : les justificatifs clients manquants, les engagements contradictoires, les transmissions entre collègues et la disponibilité d’une personne capable de traiter les exceptions.

La [cartographie des évaluations de Mercor, actuellement discutée sur Hacker News](https://news.ycombinator.com/item?id=50121179), offre un point de départ à cette réflexion. Elle examine la part du travail économique représentée dans une sélection d’évaluations comparatives de l’IA. Ses résultats invitent à vérifier ce qui a été mesuré avant de prendre une décision d’effectifs à partir d’un score.

## Que vous apprend la couverture des évaluations de l’IA ?

La couverture d’une évaluation indique si certaines tâches y sont représentées. Elle ne dit pas si le modèle réussit toutes ces tâches, comment il se comporte avec vos outils, ni si un poste entier peut être automatisé.

La première [cartographie de l’économie américaine](https://www.mercor.com/research/labor-index/benchmark-map/) de Mercor comprend **29 évaluations comparatives sélectionnées**. Elle recense **924 tâches couvertes sur 18 797**, dans un ensemble de **923 professions**. Selon sa définition principale, une tâche est couverte lorsqu’elle est associée à au moins cinq prompts d’évaluation. Un même prompt peut correspondre à plusieurs tâches.

L’estimation mise en avant est qu’environ **90 % des heures travaillées aux États-Unis** sont consacrées à des tâches peu ou pas couvertes par cet indice. Gardez le périmètre de ce chiffre à l’esprit. Il décrit la couverture d’une sélection d’évaluations, pondérée par des estimations du temps de travail. Il ne signifie pas que l’IA échoue sur 90 % du travail, ni que 90 % des emplois sont à l’abri de l’automatisation.

Les limites sont importantes. Mercor précise que la sélection est incomplète et provisoire. L’équipe plafonne le nombre d’évaluations par famille professionnelle et privilégie celles que les modèles les plus avancés n’ont pas déjà saturées. Ces choix peuvent réduire la couverture estimée, sans que les chercheurs puissent en chiffrer l’ampleur. La cartographie révèle donc des lacunes de mesure ; elle ne recense pas tout ce qui a déjà été testé.

Les associations reposent aussi sur une appréciation. Mercor utilise un modèle de langage pour associer les prompts aux tâches professionnelles. Des experts ont examiné les associations proposées en premier choix pour un sous-ensemble d’APEX et les ont acceptées dans **76,7 % des 1 763 avis rendus**. La cartographie compte également d’autres associations proposées, que cet examen n’a pas entièrement évaluées. Cette vérification est utile, mais sa portée reste limitée. [Méthodologie de Mercor](https://www.mercor.com/research/labor-index/benchmark-map/methodology/).

Une recherche indépendante soulève une question voisine. Wang et ses coauteurs ont analysé **43 évaluations comparatives et 72 342 tâches**. Ils constatent un décalage entre le développement d’agents, très centré sur la programmation, et la répartition du travail humain. Leur échantillon est différent : leur étude ne confirme pas indépendamment l’estimation principale de Mercor. [Dans quelle mesure le développement d’agents reflète-t-il le travail réel ?](https://arxiv.org/abs/2603.01203v2).

Pour préparer vos recrutements, déterminez quelles parties du poste envisagé sont réellement représentées dans les résultats disponibles.

## De quelles tâches dépend votre décision de recrutement ?

Partez du travail à accomplir, du rythme auquel il arrive et des conséquences s’il reste inachevé. Un intitulé de poste est trop général pour déterminer ce qu’un résultat de l’IA devrait changer.

Le [référentiel professionnel officiel O*NET](https://www.onetcenter.org/overview.html) organise des informations sur les tâches, les activités, les compétences et d’autres caractéristiques des emplois. Il peut vous aider à repérer des omissions. Ses fiches métiers ne décrivent toutefois pas la répartition exacte du travail dans votre startup, où une personne peut cumuler plusieurs fonctions et dépendre de transmissions informelles.

Demandez aux personnes qui traitent ce travail de reprendre des dossiers récents : un cas courant, un cas retardé et un cas ayant nécessité une exception. Reconstituez leur déroulement à partir des traces existantes. Identifiez qui a fourni les informations manquantes, qui a pris une décision et qui a vérifié que le résultat était utilisable.

Décrivez les tâches par des actions observables. « Accompagner l’intégration » ne vous donne pas grand-chose à tester. « Préparer un dossier d’intégration client à partir des documents approuvés du compte » précise une entrée et un résultat attendu. « Résoudre une contradiction entre le contrat signé et les notes du compte » désigne une autre tâche, même si les deux relèvent du même poste.

Incluez la coordination. Un document terminé peut encore attendre le responsable du compte, une réponse du client ou une autorisation d’accès. Si ces dépendances déterminent la fin du parcours d’intégration, les exclure de l’inventaire rendrait les résultats moins pertinents pour le recrutement envisagé.

Distinguez aussi le travail nécessaire de celui que vous pourriez abandonner. Tester un rapport inutile ne permet pas d’établir les effectifs nécessaires pour traiter une file de demandes clients en croissance. Accordez-vous sur les résultats attendus avant de débattre de la personne ou du système qui devrait les produire.

Notre [guide de planification des effectifs](/blog/headcount-planning-humans-ai-agents-new-hr-role) approfondit la question des moyens nécessaires pour accomplir le travail. Ici, vous en préparez un élément : une description claire des tâches dont les résultats pourraient modifier votre plan.

## Reliez les tâches aux éléments probants avant de tester l’IA

Associez chaque tâche importante à un cas réel, à des critères d’acceptation et aux éléments disponibles. Il s’agit d’une méthode de planification que nous proposons, et non d’une procédure validée par la recherche de Mercor.

Le tableau décrit une **charge de travail hypothétique d’intégration client**. Il ne contient aucun résultat observé, aucune donnée client ni aucun objectif de performance sectoriel. Il montre ce que vous auriez besoin d’apprendre avant de modifier le plan de recrutement.

| Tâche | Cas à inclure | Conditions pour obtenir un résultat utilisable | Éléments à recueillir |
|---|---|---|---|
| Préparer un dossier d’intégration | Documents du compte complets et cohérents | Faits requis étayés par les documents approuvés | Faits manquants, détails erronés et corrections nécessaires avant utilisation |
| Traiter des informations incomplètes | Une information client indispensable manque | Repérer la lacune et demander la précision pertinente | Lacune repérée ou non, et personne qui l’a comblée |
| Résoudre des informations contradictoires | Les notes du compte contredisent le contrat | Conserver la trace de la contradiction et la transmettre à un responsable habilité | Éléments transmis, qualité de la demande d’arbitrage et décisions restantes |
| Coordonner une transmission | Le responsable suivant est indisponible | Indiquer clairement l’état du dossier et suivre la solution de repli convenue | Destinataire du travail et aboutissement de la transmission |
| Reconnaître une limite d’action | Une demande dépasse les autorisations du système | S’arrêter à cette limite et expliquer ce qui nécessite un accord | Tentative ou réalisation d’une action non autorisée |

Ajoutez une colonne pour toute évaluation comparative publique pertinente. Notez les correspondances et les différences : données d’entrée, outils, contexte, longueur de la tâche ou notation. « Une évaluation connexe existe » est une information utile pour orienter les recherches. Cela ne prouve pas que le cas a déjà été testé dans vos conditions.

Distinguez les états **non testé**, **tenté mais inacceptable** et **accepté dans les conditions indiquées**. Une demande d’arbitrage non testée reste une inconnue. La qualifier d’échec exagérerait la portée des résultats ; la considérer comme réussie masquerait la lacune.

Fixez les critères d’acceptation avant d’examiner les résultats. Pour le dossier, vous pourriez exiger que toute affirmation factuelle requise soit étayée par un document approuvé. En cas de contradiction, le résultat acceptable pourrait être une demande d’arbitrage documentée plutôt qu’un dossier terminé. Un système qui s’arrête à juste titre peut avoir fait le travail attendu.

Limitez la documentation à ce qui vous sera utile. Elle doit expliquer la décision, y compris les omissions importantes. Un petit ensemble initial peut révéler des problèmes et orienter un nouvel essai, mais il ne permet pas d’établir un taux de réussite général. Les recherches citées ne donnent ni nombre universel de cas ni seuil de réussite applicable partout.

## Testez le flux de travail que vous comptez réellement utiliser

Évaluez la configuration proposée avec ses véritables données d’entrée, autorisations, outils et aides humaines. Rendez les conditions explicites pour éviter d’attribuer silencieusement une portée plus générale à un résultat positif.

Si le flux de travail prévoit qu’une personne vérifie chaque dossier, testez cette organisation. S’il suppose un accès à l’historique du compte, fournissez les accès que vous pourriez effectivement autoriser. Consignez l’aide des collègues, y compris les explications dont le système aurait de nouveau besoin pour un cas inconnu.

Préparez les cas avec des informations que vous êtes en droit d’utiliser dans l’environnement choisi. Retirez les détails clients inutiles tout en préservant la difficulté à tester. Si la suppression du contexte modifie sensiblement l’exemple, indiquez cette limite au lieu de le présenter comme une reproduction complète du travail.

Comparez avec le processus actuel dans des conditions comparables. L’équipe ne doit pas recevoir les cas les plus difficiles pendant que le système proposé ne traite que des dossiers complets. À l’inverse, priver les personnes de leurs collègues et du contexte habituel peut rendre la comparaison artificielle. Notez ce que chaque partie pouvait consulter et l’aide reçue.

La recherche de Mercor en comptabilité illustre l’importance de ces conditions. Dans une [étude d’octobre portant sur quatre scénarios simplifiés de clôture mensuelle](https://www.mercor.com/blog/human-baselines-for-benchmarks-ai-now-outperforms-junior-accountants/), Mercor rapporte que les meilleurs modèles ont obtenu de meilleurs résultats que les 12 participants titulaires de la certification américaine CPA. Cette comparaison portait sur des personnes sans assistance et ne démontre pas les gains d’un travail assisté par l’IA. Mercor précise aussi que le cadre excluait les collègues, le contexte accumulé et d’autres aspects du métier. De bons résultats sur des tâches délimitées peuvent coexister avec une incertitude sur un poste entier.

Pour l’intégration client, examinez l’état final autant que le texte généré. Le dossier était-il utilisable ? Les justificatifs manquants ont-ils été obtenus ? La contradiction a-t-elle été transmise à une personne habilitée ? Conservez les cas encore non résolus à la date de décision, avec leur motif et le prochain responsable.

Si vous changez le modèle, les instructions ou les outils disponibles, identifiez la nouvelle configuration. Les meilleurs résultats obtenus ensuite décrivent cette configuration. Ils ne permettent pas d’isoler le changement à l’origine de l’amélioration ni de prouver que l’ancienne configuration réussirait désormais.

La comparaison financière mérite un traitement distinct. Notre [guide du coût des essais pilotes](/blog/ai-agent-pilot-cost-per-accepted-outcome) couvre les logiciels, les nouvelles tentatives, la vérification et le travail inachevé. Conservez ces données à côté du tableau. Celui-ci indique si vous avez testé le travail déterminant pour le recrutement ; le relevé des coûts indique les ressources consommées pour le réaliser.

## Formulez une décision de recrutement aux limites explicites

Servez-vous du test pour expliquer ce qui a changé dans votre compréhension du travail. Décidez ensuite si les éléments recueillis justifient de recruter, de modifier le processus ou de mener une nouvelle expérience limitée.

Reprenons l’équipe fictive chargée de l’intégration client. Si la préparation devient plus facile, mais que les cas ambigus exigent toujours l’intervention du fondateur, vous avez appris quelque chose sur la répartition du travail. Le prochain poste pourrait nécessiter du discernement opérationnel et l’autorité pour résoudre les dossiers. Cette conclusion dépendrait des résultats réels et du volume de travail ; elle ne découle pas du tableau d’exemple.

Examinez le travail restant par personne et selon les disponibilités. De petits gains de temps répartis entre plusieurs collègues ne suffisent pas à assurer le traitement des demandes clients. Un arbitrage qui nécessite un spécialiste rarement disponible peut freiner le traitement, même si la préparation des documents s’améliore.

Gardez aussi la demande à l’esprit. Tester les cas d’aujourd’hui ne montre pas comment le flux de travail se comportera si le volume augmente ou si la clientèle change. Un poste destiné à accompagner la croissance nécessite une hypothèse de demande explicite. Placez-la à côté des observations pour que le lecteur distingue ce qui s’est produit de ce que vous prévoyez.

Une courte note de décision permet d’examiner ce raisonnement :

1. **Décision :** indiquez le poste ou la charge de travail à examiner et la date limite de décision.
2. **Éléments probants :** ajoutez les liens vers les cas testés, la configuration, les critères d’acceptation et les résultats observés.
3. **Travail restant :** nommez les décisions, les exceptions et les transmissions que des personnes doivent encore prendre en charge.
4. **Limites :** listez les conditions importantes absentes ou non testées.
5. **Action :** autorisez le recrutement, redéfinissez le poste, modifiez le flux de travail ou lancez un nouvel essai délimité. Nommez un responsable et fixez une date de réexamen.

Évitez de réduire cette note à une formalité pour une décision déjà prise. Précisez quels éléments vous feraient changer d’avis. Si le test ne peut servir qu’à justifier l’annulation du recrutement, il ne peut pas évaluer équitablement le besoin de recruter.

Un résultat prometteur peut justifier une expérience plus ciblée pendant que vous poursuivez le recrutement. Un résultat non concluant peut justifier de recueillir les éléments manquants. Une absence persistante de responsable désigné peut renforcer le besoin d’une personne disposant de l’autorité nécessaire. Ce sont des décisions possibles, qui impliquent des engagements et des exigences de preuve différents.

Une fois le recrutement autorisé, utilisez le travail restant pour définir le poste. Le guide consacré aux [postes assistés par l’IA avec de vraies responsabilités](/blog/ai-assisted-roles-meaningful-work-decision-rights) traite de cette étape suivante. La note de planification doit expliquer pourquoi le poste existe ; la description du poste doit indiquer au candidat ce dont il sera responsable.

## Préparez le recrutement du poste approuvé dans Kit

Conservez la comparaison des évaluations et le test du flux de travail interne dans votre document de planification. Kit peut vous aider à organiser le recrutement qui suit l’approbation d’un poste, mais ne fournit ni analyseur de couverture des évaluations, ni modèle de planification des effectifs, ni dispositif de test interne de l’IA.

Décrivez le travail réel dans l’offre d’emploi et expliquez l’exercice pertinent dans les instructions de l’étape destinées aux candidats. Kit propose des échantillons de travail liés au poste et des étapes de revue d’équipe. Adaptez ces étapes au poste approuvé, avec des attentes claires sur ce que les candidats doivent démontrer.

Transmettez un cahier des charges concret : les résultats dont la personne sera responsable, les décisions qu’elle pourra prendre et le travail que l’expérience n’a pas permis de prendre en charge. Une évaluation publique vous a aidé à poser une question. Vos propres observations délimitent la réponse.

> [!CTA]
> **Un recrutement a été approuvé ?** Partez d’un [modèle de recrutement Kit](/templates), puis adaptez ses étapes et ses instructions au travail dont l’équipe a réellement besoin.