Grille d'évaluation d'un candidat data : 6 critères et comment les noter
Une grille d'évaluation de candidat data repose sur six critères : maîtrise technique, raisonnement sur la donnée, rigueur méthodologique, communication au métier, autonomie et adéquation au contexte. Chacun se note sur une échelle à quatre niveaux décrits par des comportements observables, puis se pondère selon le poste. L'intérêt n'est pas la note finale : c'est de rendre les candidats comparables et la décision explicable.
Dans la plupart des processus de recrutement data que nous observons en France, l'entretien se déroule sans référentiel écrit. Chaque intervenant pose ses questions, se forge une impression, et la restitution finale se joue en réunion sur des formulations du type « il m'a paru solide » ou « je ne le sens pas sur la partie métier ». Personne n'est de mauvaise foi. Simplement, rien de ce qui a été dit n'est comparable d'un candidat à l'autre.
C'est un problème mesurable, et il a été mesuré.
Pourquoi noter plutôt que ressentir
La réanalyse de référence publiée par Sackett et ses coauteurs dans le Journal of Applied Psychology en 2022 a recalculé la validité prédictive des méthodes de sélection, en corrigeant une surestimation systématique qui affectait les méta-analyses antérieures. Le résultat a déplacé la hiérarchie admise depuis vingt ans : l'entretien structuré arrive en tête, à environ .42, devant les tests d'aptitude cognitive (.31). L'entretien non structuré, lui, tombe autour de .19.
Deux entretiens, le même temps passé, le même interlocuteur : la structure double le pouvoir prédictif. Ce que recouvre le mot « structuré » est d'ailleurs assez modeste — des questions identiques posées à tous les candidats, dans le même ordre, notées sur une échelle définie à l'avance. C'est exactement ce qu'est une grille.
Ce que la structure corrige. Un entretien libre mesure surtout l'aisance verbale et la ressemblance du candidat avec son évaluateur. Sur des métiers data, où la valeur tient souvent à la capacité de contredire un chiffre confortable, ce sont deux signaux faiblement corrélés à la performance en poste.
Le contexte français rend la question plus vive encore. Selon l'étude Pratiques de recrutement de cadres publiée par l'Apec en 2026, le délai moyen de recrutement d'un cadre se stabilise autour de douze semaines, et parmi les entreprises ayant rencontré des difficultés, 75 % citent le décalage entre les candidatures reçues et les profils recherchés, devant l'insuffisance du nombre de candidatures (73 %). Le problème dominant n'est donc plus le volume : c'est le tri. Or on ne trie pas sans critères.
Les six critères
Ces six critères couvrent l'essentiel de ce qui fait la réussite d'un profil data en poste, sans redondance entre eux. Les deux premiers relèvent de la compétence, les deux suivants de la méthode, les deux derniers de l'insertion dans l'organisation.
| Critère | Ce qu'il mesure réellement | Ce qui le révèle en entretien |
|---|---|---|
| 1. Maîtrise technique | La profondeur réelle sur la stack du poste, par opposition à la familiarité déclarative | Faire expliquer un choix technique passé et ses alternatives écartées |
| 2. Raisonnement sur la donnée | La capacité à interroger un chiffre avant de le produire | Soumettre un résultat contre-intuitif et observer la réaction |
| 3. Rigueur méthodologique | Ce qui reste quand personne ne regarde : tests, documentation, versionnage | Demander comment un incident de production a été tracé puis corrigé |
| 4. Communication au métier | La restitution d'un résultat technique à un interlocuteur non technique | Faire expliquer un projet complexe comme à un directeur commercial |
| 5. Autonomie | La capacité à avancer sur un problème mal posé | Faire raconter une situation où la demande initiale était fausse |
| 6. Adéquation au contexte | L'écart entre la maturité data du candidat et celle de l'entreprise | Comparer l'environnement de son dernier poste au vôtre, sans le lui décrire d'abord |
Le sixième critère est celui qui sauve le plus de recrutements, et c'est celui que les grilles omettent le plus souvent. Un ingénieur excellent venant d'une entreprise où la donnée est industrialisée depuis dix ans peut échouer dans une organisation qui démarre — non par incompétence, mais parce qu'il n'a jamais eu à construire sans socle. L'inverse est vrai aussi. Ce critère ne juge pas le candidat, il juge l'appariement.
Comment noter : quatre niveaux, des ancrages, pas des adverbes
Une note ne vaut que par la description du niveau. « Bon » ne veut rien dire ; deux évaluateurs ne mettront pas le même « bon » au même candidat. Chaque niveau doit être décrit par un comportement observable, c'est le principe des échelles à ancrages comportementaux.
Quatre niveaux, pas cinq : une échelle impaire offre un point milieu, et le point milieu est le refuge de l'évaluateur qui n'a pas d'avis. Voici l'exemple complet du critère de raisonnement sur la donnée.
| Niveau | Ancrage observable — « raisonnement sur la donnée » |
|---|---|
| 1 | Prend le chiffre demandé pour acquis. Produit ce qu'on lui demande sans interroger la définition de l'indicateur ni le périmètre. |
| 2 | Repère une incohérence quand elle est flagrante, mais la signale sans proposer d'hypothèse sur son origine. |
| 3 | Vérifie systématiquement la définition et le périmètre avant de produire. Sait dire ce que le chiffre ne prouve pas. |
| 4 | Reformule la question posée quand elle est mal posée, et documente l'écart entre ce qui a été demandé et ce qui a été mesuré. |
Deux règles d'usage. Noter immédiatement après l'entretien, jamais le lendemain : la note différée est une reconstruction de l'impression générale, pas une évaluation. Et noter avant d'échanger avec les autres évaluateurs, pour éviter l'alignement sur le premier avis exprimé — celui du plus ancien ou du plus affirmatif.
Pondérer selon le poste
Les six critères sont stables ; leur poids ne l'est pas. Pondérer, c'est déclarer ce que le poste exige vraiment, et c'est souvent la seule discussion utile que l'équipe aura eue avant de publier l'offre.
| Critère | Data analyst | Data engineer | Data scientist |
|---|---|---|---|
| Maîtrise technique | 15 % | 30 % | 20 % |
| Raisonnement sur la donnée | 25 % | 15 % | 30 % |
| Rigueur méthodologique | 15 % | 25 % | 15 % |
| Communication au métier | 30 % | 10 % | 15 % |
| Autonomie | 10 % | 10 % | 15 % |
| Adéquation au contexte | 5 % | 10 % | 5 % |
| Total | 100 % | 100 % | 100 % |
Ces pondérations sont un point de départ à ajuster, pas un standard. Sur un poste de data engineer isolé, le premier de l'entreprise, l'adéquation au contexte et l'autonomie montent nettement : il n'y aura personne pour rattraper une erreur d'architecture. Sur un poste d'analyste intégré à une équipe métier, la communication peut dépasser 30 %.
Un seuil est utile : aucun critère pondéré au-dessus de 20 % ne doit être noté en dessous de 2, quelle que soit la moyenne. Une moyenne flatteuse masque toujours une faiblesse structurelle sur un critère décisif, et c'est précisément le recrutement dont le coût se révèle six mois plus tard.
Les cinq erreurs qui annulent la grille
- La grille est construite après les premiers entretiens. Les critères sont alors dessinés autour du candidat déjà vu. C'est une justification, pas une évaluation.
- Tous les évaluateurs notent tous les critères. Chacun réévalue moins bien ce que le précédent a déjà vu, et personne ne couvre le reste. Répartissez les critères entre les étapes.
- La pondération n'est pas fixée à l'avance. Elle est alors ajustée en réunion, presque toujours dans le sens du candidat que l'on préfère déjà.
- Les questions varient d'un candidat à l'autre. La grille ne produit de la comparabilité que si le stimulus est identique. Des questions différentes rendent les notes incomparables, quelle que soit la qualité des ancrages.
- La note remplace la décision. La grille classe et documente ; elle ne décide pas. Un candidat à 3,4 avec un 1 sur la rigueur méthodologique n'est pas meilleur qu'un candidat à 3,1 homogène.
Appliquer la grille à quarante candidatures
C'est ici que la méthode se heurte au réel. Une grille sérieuse suppose de poser les mêmes questions à tous les candidats — y compris à ceux qui seront écartés au premier tour. Sur une offre data qui reçoit quarante candidatures, cela représente une vingtaine d'entretiens de présélection strictement identiques. Aucune équipe ne le fait. On remplace donc le premier tour par une lecture de CV, c'est-à-dire par le signal le moins prédictif de tous, et la structure est perdue là où le volume était le plus fort.
Or le premier tour est, par construction, la partie la plus mécanique du processus : mêmes questions, même ordre, même grille. C'est la raison pour laquelle nous avons conçu SELECT : un entretien d'expertise de 20 à 25 minutes mené par un évaluateur IA, avec approfondissement adaptatif selon les réponses du candidat, qui restitue une évaluation notée sur les critères retenus et un rapport disponible en quelques minutes. Le recruteur reçoit des candidats déjà comparables entre eux, avec la vidéo, la transcription et le détail de la notation — pas un score opaque.
La décision reste humaine, et elle doit le rester : depuis le 2 août 2026, les systèmes d'IA utilisés pour le recrutement et l'évaluation de candidats relèvent de la catégorie haut risque du règlement européen sur l'intelligence artificielle, avec des obligations de transparence, de documentation et de supervision humaine. Une grille écrite, des ancrages explicites et une trace de notation ne sont pas seulement de bonnes pratiques d'évaluation : ce sont les pièces qu'un tel système doit pouvoir produire.
Sur la mécanique du premier tour, voir présélectionner des candidats data en cinq minutes. Pour les questions elles-mêmes, la banque la plus utilisée de nos lecteurs reste les 20 questions d'entretien pour évaluer un data analyst, et son équivalent côté évaluation d'un data engineer.
Questions fréquentes
Qu'est-ce qu'une grille d'évaluation de candidat data ?
C'est un référentiel écrit, arrêté avant le premier entretien, qui fixe les critères sur lesquels tous les candidats d'un même poste seront jugés, la façon de noter chacun d'eux et leur pondération relative. Sa fonction n'est pas de produire une note mais de rendre les candidats comparables entre eux, et les décisions explicables après coup. Une grille qui ne sert qu'à justifier une intuition déjà formée n'est pas une grille.
Quels critères retenir pour un data engineer plutôt que pour un data analyst ?
Les six critères restent les mêmes, c'est la pondération qui change. Pour un data engineer, la maîtrise technique et la rigueur méthodologique pèsent le plus lourd, parce qu'une erreur de conception de pipeline se paie pendant des années. Pour un data analyst, la communication au métier et le raisonnement sur la donnée prennent le dessus : un chiffre juste mais incompris ne produit aucune décision. Pour un data scientist, le raisonnement et l'autonomie dominent, la valeur du poste tenant à la formulation du problème autant qu'à sa résolution.
Faut-il noter sur 4 ou sur 5 ?
Sur 4. Une échelle impaire offre un point milieu, et le point milieu est le refuge de l'évaluateur qui n'a pas d'avis. En pratique, une échelle sur 5 concentre l'essentiel des notes sur 3, ce qui ne discrimine rien. Une échelle paire force le positionnement au-dessus ou en dessous du seuil d'acceptabilité. Ce qui compte davantage que le nombre de niveaux, c'est l'ancrage : chaque niveau doit être décrit par un comportement observable, pas par un adverbe comme « correct » ou « satisfaisant ».
Une grille est-elle compatible avec le RGPD et l'AI Act si l'entretien est mené par une IA ?
Elle est même ce qui rend la conformité atteignable. Depuis le 2 août 2026, les systèmes d'intelligence artificielle utilisés pour le recrutement et l'évaluation de candidats relèvent de la catégorie haut risque du règlement européen sur l'IA, avec des obligations de transparence, de documentation et de supervision humaine. Des critères écrits, des ancrages explicites et une trace de la notation constituent exactement la documentation attendue. À l'inverse, un système qui produit un score sans référentiel explicable est difficilement défendable. La décision d'embauche, elle, doit rester humaine.
Combien de temps faut-il pour évaluer un candidat avec une grille ?
Sur un entretien classique, comptez cinq à dix minutes de notation par candidat immédiatement après l'échange, et une heure de préparation initiale pour construire la grille du poste, réutilisable ensuite. Le coût réel n'est pas là : il est dans le premier tour de présélection, où les mêmes questions sont reposées à chaque candidat. C'est la partie que l'on peut automatiser sans rien perdre, puisqu'elle est par construction identique pour tout le monde.
Peut-on utiliser la même grille pour tous les entretiens du processus ?
Non, et c'est une erreur fréquente. Une grille unique conduit chaque intervenant à réévaluer les mêmes critères, souvent moins bien que le précédent, et à ne jamais couvrir les autres. Répartissez les six critères entre les étapes : la présélection traite la maîtrise technique et le raisonnement, l'entretien opérationnel la rigueur méthodologique et l'autonomie, l'entretien managérial la communication et l'adéquation au contexte. Chaque critère est évalué une fois, par celui qui est le mieux placé pour le faire.
En résumé
Six critères, quatre niveaux ancrés sur des comportements observables, une pondération arrêtée avant le premier entretien, et une répartition des critères entre les étapes du processus. Rien dans cette méthode n'est coûteux ; ce qui l'est, c'est de la tenir sur quarante candidatures.
La grille ne rend pas un recrutement infaillible. Elle rend les candidats comparables, les décisions explicables, et les erreurs analysables — ce qui est déjà considérablement plus que ce que produit un entretien mené au feeling, et ce que les données de la recherche en sélection mesurent depuis vingt ans.
Sources
- Sackett, Zhang, Berry & Lievens, « Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range », Journal of Applied Psychology, 2022 : estimations révisées de validité prédictive — entretien structuré ≈ .42, tests d'aptitude cognitive ≈ .31, entretien non structuré ≈ .19.
- Apec, Pratiques de recrutement de cadres 2026 (enquête menée du 13 janvier au 12 février 2026 auprès de 1 150 entreprises de 10 salariés et plus ayant recruté au moins un cadre en 2025) : délai moyen de recrutement stabilisé autour de 12 semaines, 15 semaines dans l'industrie ; parmi les entreprises en difficulté, décalage entre candidatures reçues et profils recherchés cité par 75 % d'entre elles, insuffisance de candidatures par 73 %.
- Règlement (UE) 2024/1689 sur l'intelligence artificielle : les systèmes d'IA destinés au recrutement et à l'évaluation de candidats relèvent des systèmes à haut risque, obligations applicables depuis le 2 août 2026.
Évaluer quarante candidats data sans y passer la semaine
SELECT mène le premier tour en 20 à 25 minutes par candidat, avec approfondissement adaptatif, et vous restitue une évaluation notée, critère par critère.
Voir une démonstration →