Questions d'entretien IA pour les métiers de la vente : SDR, AE, AM

Par Jürgen Ulbrich

Les questions d'entretien sur l'IA pour les métiers de la vente vous aident à déterminer si les candidats utilisent la vente assistée par l'IA de façon responsable, ou s'ils voient dans l'automatisation un raccourci vers le spam, les affirmations inventées et une gestion risquée des données clients. Ce guide vous propose une banque de questions structurée pour les postes de SDR, d'AE et d'Account Manager, avec une grille de notation et des repères de conformité UE/DACH.

Vous cherchez plutôt une IA qui mène l'entretien à votre place ? Cette page présente des questions pour tester comment les candidats commerciaux utilisent l'IA. Pour les entretiens menés par un intervieweur IA, consultez les entretiens IA dans la présélection et la vue d'ensemble des entretiens IA et du recrutement vocal. La même méthode pour une autre fonction : questions d'entretien IA pour les métiers de la finance et du contrôle de gestion.

Pourquoi tester de façon structurée les compétences de vente avec l'IA ?

Quand des candidats mentionnent « vente assistée par l'IA » sur leur CV, cela ne dit rien de la manière dont ils l'utilisent réellement. Le spectre va d'un usage rigoureux et fondé sur les faits à l'automatisation de spam sans contrôle, en passant par des données clients hallucinées et des violations du RGPD.

Un processus d'entretien non structuré récompense souvent les mauvais critères : des candidats qui produisent vite des résultats IA impressionnants, sans jamais vérifier le contenu ni connaître les limites. Résultat : des recrues qui adoptent des comportements risqués sous la pression des objectifs et exposent votre entreprise à des risques de conformité.

Les entretiens structurés rendent l'évaluation reproductible. Selon la méta-analyse de Sackett et al. (2022), l'entretien structuré est le meilleur prédicteur isolé de la performance professionnelle parmi les méthodes de sélection courantes.

Trois risques précis qui vous échapperont sans structure :

  • Risque d'exactitude : les candidats envoient des messages générés par l'IA sans vérification : produits erronés, références inventées, cas d'usage fictifs arrivent chez le client.
  • Risque lié aux données : des données clients (coordonnées, détails de deals, prix contractuels) sont collées dans des outils d'IA sans contrôle, ce qui constitue une violation du RGPD dès le premier jour.
  • Risque de gouvernance : aucune transparence sur l'usage de l'IA envers les managers ou les représentants du personnel, et des problèmes de conformité apparaissent avant même qu'un accord d'entreprise existe.

Les 7 domaines de compétences de la vente assistée par l'IA

Pour évaluer les compétences de vente avec l'IA, il faut un cadre de référence commun. Sans lui, chaque intervieweur juge selon ses propres critères : certains récompensent la rapidité, d'autres la conformité. Le résultat n'est ni équitable ni reproductible.

Les sept domaines suivants couvrent l'ensemble du cycle de vente et se traduisent directement en exercices d'entretien et en grilles de notation. Pour compléter avec les compétences commerciales fondamentales au-delà de l'IA, associez-les à une matrice de compétences commerciales par niveau de poste, afin de ne pas surpondérer la maîtrise de l'IA au détriment des bases de la vente.

DomaineCe qu'il couvreLe plus pertinent pour
1. Recherche & prospectionSources de données, frontière entre données publiques et personnelles, formulation d'hypothèsesSDR, AE
2. Prise de contact & messagesVérification des faits, maîtrise du ton, alignement sur l'ICP, qualité plutôt que volumeSDR, AE
3. Préparation des rendez-vous & suiviOrdre du jour, résumés d'appels, prochaines étapes, traitement des objectionsAE, Account Manager
4. RGPD & données clientsCe qui n'a pas sa place dans les outils d'IA, anonymisation, autorisationsTous les postes
5. Forecast & qualité du pipelineSignaux de risque sur les deals, intégrité du CRM, prévisions honnêtesAE, Account Manager
6. Éthique & contrôles qualitéDétecter les hallucinations, vérifier les affirmations, communiquer les limitesTous les postes
7. Transparence & gouvernanceDocumentation, apprentissage d'équipe, escalade, sécurité psychologiqueTous les postes

Banque de questions : domaine 1, recherche & prospection avec l'IA

Ici, vous testez si les candidats savent utiliser l'IA comme assistant de recherche sans franchir de limites : pas de données personnelles issues de notes CRM ou de profils LinkedIn collées sans contrôle dans des modèles, pas d'hypothèses présentées comme des faits.

  • Décrivez-moi comment vous recherchez habituellement un nouveau compte. Quelles sources utilisez-vous, et que mettez-vous dans les outils d'IA durant ce processus ?
  • Comment distinguez-vous, en prospection, les données publiques des données personnelles que vous ne pouvez pas réutiliser librement ?
  • Décrivez un cas où un résultat de l'IA n'était pas fiable pendant la recherche sur un compte. Comment l'avez-vous détecté, et qu'avez-vous changé ?
  • Comment transformez-vous une recherche assistée par l'IA en hypothèse de découverte concrète, sans traiter des suppositions comme des faits confirmés ?
  • Quelles informations ne mettriez-vous jamais dans un outil de recherche IA, même si cela accélérait le processus ?

Signal positif : les candidats expliquent explicitement quelles sources ils utilisent, fixent des limites claires et savent distinguer le savoir public des informations confiées par les clients. Signal d'alerte : « Je copie les profils LinkedIn et les notes du CRM directement dans l'outil », sans la moindre réflexion sur la protection des données ou le consentement.

Banque de questions : domaine 2, prise de contact & messages

L'enjeu n'est pas de savoir si les candidats savent générer de bons messages avec l'IA, mais s'ils vérifient les faits des brouillons de l'IA avant de les envoyer.

  • Montrez-nous un message de prospection qui a réellement reçu une réponse. Qu'avez-vous modifié dans le brouillon de l'IA, et pourquoi ?
  • Comment vérifiez-vous les affirmations d'un message généré par l'IA avant de l'envoyer à un prospect ?
  • Que faites-vous quand un brouillon de l'IA contient un cas d'usage ou une référence client que vous ne pouvez pas vérifier ?
  • Comment vous assurez-vous que votre prospection paraît personnalisée sans inventer de faits ?
  • À partir de quand la prospection assistée par l'IA devient-elle, selon vous, du spam ? Comment le reconnaissez-vous dans votre propre travail ?

Signal positif : les candidats décrivent un processus de relecture et de vérification : ils retravaillent les brouillons de l'IA, contrôlent les affirmations et suppriment le contenu non vérifié. Signal d'alerte : « J'ajuste l'objet et j'envoie », sans relecture du contenu.

Banque de questions : domaine 3, préparation des rendez-vous & suivi

L'IA peut aider pour les ordres du jour, les résumés d'appels et les prochaines étapes, mais seulement si les candidats repèrent ce qu'un résumé IA déforme ou omet.

  • Comment utilisez-vous l'IA pour préparer un appel de découverte ? Que vérifiez-vous encore manuellement ?
  • Avez-vous déjà lu un résumé d'appel généré par l'IA en constatant qu'un élément important manquait ou était faux ? Qu'avez-vous fait ?
  • Comment rédigez-vous des messages de suivi à partir d'un résumé IA sans prendre d'engagements qui n'ont pas été évoqués dans l'échange ?
  • Décrivez comment vous traitez une objection lorsque votre support de préparation basé sur l'IA ne vous donne pas de réponse utile.
  • Quelles informations de la conversation ne mettriez-vous pas dans un outil de résumé IA parce qu'elles sont confidentielles ?

Banque de questions : domaine 4, RGPD & limites sur les données clients

C'est le domaine le plus critique pour les entreprises de l'UE et de la zone DACH. Les violations du RGPD liées au collage de données de prospects ou de clients dans des outils d'IA ne sont pas un risque théorique : c'est un problème de conformité bien réel. Les candidats doivent savoir ce qu'ils n'ont pas le droit de faire.

  • Que ne saisiriez-vous jamais dans un outil d'IA concernant des données clients ? Pouvez-vous citer des catégories précises ?
  • Décrivez votre démarche lorsque vous voulez utiliser des informations sur un prospect pour rédiger des messages avec l'IA. Quelles étapes cela comprend-il ?
  • Que signifie concrètement l'anonymisation pour vous lorsque vous utilisez des notes de réunion ou des détails de deals comme contexte pour des outils d'IA ?
  • Avez-vous déjà utilisé un outil pour traiter des données clients, puis vous êtes demandé si c'était réellement autorisé ? Comment avez-vous réagi ?
  • Qu'attendez-vous de votre employeur pour pouvoir utiliser des outils d'IA en conformité avec le RGPD : règles, outils approuvés, formations ?

Contexte juridique : selon l'art. 22 du RGPD, les décisions entièrement automatisées concernant des personnes et produisant des effets significatifs sont en principe interdites sans intervention humaine. Pour les équipes commerciales, cela signifie que des profils de prospects générés par l'IA ou un lead scoring automatisé sans supervision humaine se situent dans une zone grise juridique. Dans les entreprises allemandes dotées d'un comité d'entreprise, le § 87 Abs. 1 Nr. 6 BetrVG s'applique en outre lorsque des outils d'IA peuvent surveiller le comportement ou les performances des salariés.

Banque de questions : domaine 5, forecast & qualité du pipeline

  • Comment utilisez-vous l'IA pour repérer les signaux de risque sur les deals de votre pipeline ? Que vérifiez-vous encore manuellement ?
  • Que faites-vous quand l'IA signale un deal comme très probable alors que votre intuition dit le contraire ?
  • Comment évitez-vous que les outils de prévision assistés par l'IA vous poussent vers des projections trop optimistes ?
  • Quels indicateurs de pipeline considérez-vous comme des indicateurs avancés fiables, et lesquels sont des « vanity metrics » que les outils d'IA ont tendance à surpondérer ?
  • Comment vous préparez-vous à une revue de deal avec votre manager lorsque les analyses de l'IA et votre propre évaluation divergent ?

Banque de questions : domaine 6, éthique & contrôles qualité

Ces questions révèlent si les candidats savent détecter les hallucinations de l'IA et agir correctement sous la pression des objectifs, ou s'ils ferment les yeux sur les problèmes parce que la vitesse semble plus urgente.

  • Avez-vous déjà remarqué qu'un message généré par l'IA contenait une information produit erronée, un prix incorrect ou une référence client inventée ? Qu'avez-vous fait ?
  • Comment expliquez-vous à un client les limites d'une proposition assistée par l'IA, par exemple lorsque le résultat contient des hypothèses non confirmées ?
  • Imaginez que vous êtes sous pression pour atteindre vos objectifs et qu'un brouillon de l'IA contient une affirmation que vous ne pouvez pas vérifier, mais qui paraît convaincante. Que faites-vous ?
  • Quels types d'affirmations supprimeriez-vous toujours d'un message généré par l'IA avant de l'envoyer à un client ?
  • Comment réagissez-vous lorsqu'un résultat de l'IA enfreint la politique interne, le RGPD ou une clause contractuelle convenue ?

Banque de questions : domaine 7, transparence & gouvernance

  • Comment communiquez-vous à votre manager quand et comment vous utilisez l'IA dans votre travail quotidien ?
  • Avez-vous déjà documenté un processus ou un prompt assisté par l'IA pour que l'équipe puisse en profiter ? Comment vous y êtes-vous pris ?
  • Comment réagissez-vous lorsqu'un collègue ou un manager est sceptique face à l'usage de l'IA ?
  • Qu'est-ce qui constituerait pour vous un déclencheur d'escalade : à partir de quand un résultat de l'IA n'est plus défendable et vous demandez conseil ?
  • Comment vous comporteriez-vous si l'entreprise introduisait de nouveaux outils d'IA que vous jugez meilleurs que ceux qui sont approuvés ?

Grille de notation : signaux positifs et signaux d'alerte en un coup d'œil

Sans repères d'évaluation communs, les intervieweurs peuvent tirer des conclusions totalement différentes des mêmes réponses. Le tableau ci-dessous donne à votre jury un standard commun.

Élément de l'entretienCe qui est testéSignal positifSignal d'alerte
Scénario de prospectionFrontière entre données publiques et personnellesCite explicitement ses sources ; explique ce qui reste hors de l'outil ; présente clairement ses hypothèses« Je copie les profils LinkedIn et les notes du CRM directement dans le modèle »
Exercice de prospection (relecture & vérification)Exactitude et maîtrise du tonRetravaille le brouillon de l'IA ; supprime le contenu non vérifié ; explique ses modificationsEnvoie des affirmations audacieuses sans explication ; ne sait pas dire ce qui a été vérifié
Relecture d'un résumé d'appelCapacité à repérer les omissionsTrouve les parties prenantes manquantes, les mauvaises prochaines étapes, les citations erronéesAccepte le résumé sans le vérifier ; passe à côté d'objections essentielles
Mise en situation éthique sous pressionComportement sous pression des objectifsArrête la prospection ; escalade ; documente ; propose une alternative plus sûre« Je l'enverrais quand même pour voir ce qui se passe »
Question sur les limites du RGPDSensibilité à la protection des donnéesNomme des catégories de données précises à ne pas utiliser ; connaît le principe d'anonymisationAucune limite concrète ; ne connaît ni les catégories du RGPD ni la politique de l'entreprise

Spécificités UE/DACH : AI Act et comité d'entreprise dans le processus de recrutement

Si votre entreprise utilise des outils d'IA dans le processus d'entretien lui-même, par exemple pour une présélection automatisée, des entretiens vidéo assistés par l'IA ou des systèmes de scoring, les obligations applicables aux systèmes à haut risque de l'AI Act de l'UE s'appliquent à partir du 2 décembre 2027 (reportées par le Digital Omnibus sur l'IA) (annexe III, section 4). Les systèmes utilisés pour la sélection du personnel relèvent de cette catégorie.

Ce que cela signifie concrètement :

  • Système de gestion des risques : mettez en place et documentez un cadre de gestion des risques pour tout outil d'IA utilisé en recrutement
  • Obligation de transparence : informez les candidats que l'IA intervient dans le processus
  • Supervision humaine réelle : intégrez un contrôle humain dans le processus lui-même, pas seulement comme une formalité
  • Non-discrimination : auditez les données d'entraînement et les résultats pour détecter les biais ; assurez la conformité avec la loi allemande sur l'égalité de traitement (AGG)

Dans les entreprises allemandes dotées d'un comité d'entreprise (Betriebsrat), un niveau supplémentaire s'applique : en vertu du § 87 Abs. 1 Nr. 6 BetrVG, il existe un droit de cogestion lorsque des systèmes techniques sont capables de surveiller le comportement ou les performances des salariés ou des candidats. En vertu du § 90 Abs. 1 Nr. 3 BetrVG, une obligation d'information envers le comité d'entreprise naît dès que vous prévoyez d'introduire un tel outil, et non une fois la décision prise.

Pour un aperçu structuré des exigences du comité d'entreprise à l'égard des logiciels RH, la checklist comité d'entreprise pour les logiciels RH en zone DACH couvre les points de contrôle essentiels : accès aux données, conservation et limitation des finalités. Pour construire un cadre de gouvernance de l'IA en RH de manière plus générale, le guide sur l'AI enablement en RH pour la zone DACH constitue un bon point de départ.

Notation et évaluation : transformer les réponses en décisions

Notez les réponses sur une échelle de Likert de 1 à 5. Utilisez les moyennes par domaine comme des signaux, pas comme des vérités absolues. Un système de seuils simple aide à prioriser les actions :

Score du domaineInterprétationAction recommandée
≥ 4.0Stable et reproductibleDocumentez ce qui fonctionne ; servez-vous-en comme standard du jury
3.0 – 3.9À améliorerCalibrez les intervieweurs ; ajustez les exercices et les grilles dans un délai de 30 jours
< 3,0CritiqueRevoyez immédiatement la conception de l'entretien ; remplacez un exercice à haut risque sous 7 à 14 jours ; organisez une session de calibrage sous 30 jours

Un score inférieur à 3,0 dans le domaine RGPD (domaine 4) est toujours un problème de processus, jamais un problème individuel. Cela signifie que les exercices d'entretien ne sont pas formulés assez clairement ou qu'il n'existe pas de consigne commune sur ce qui est autorisé. Corrigez d'abord la conception de l'exercice, puis mesurez à nouveau.

Erreurs courantes de conception d'entretien à éviter

Trois schémas reviennent régulièrement en pratique, et tous trois font que votre processus d'entretien mesure les mauvaises choses :

Erreur 1 : « Rédigez un e-mail de prospection » au lieu de « Relisez cet e-mail de prospection ». Générer un e-mail de zéro montre la maîtrise de l'outil. Repérer et corriger les erreurs d'un e-mail défaillant montre le jugement. Remplacez les exercices de création par des exercices de vérification.

Erreur 2 : interroger sur les noms d'outils plutôt que sur les comportements. « Utilisez-vous Outreach.io ou Salesloft ? » n'est pas une question de compétence. « Comment vérifiez-vous les affirmations d'un brouillon de l'IA ? » en est une. Évitez les questions qui assimilent la familiarité avec une marque à une compétence.

Erreur 3 : exiger des outils payants pour des exercices à faire à la maison. Demander aux candidats de réaliser un exercice avec un outil payant désavantage systématiquement ceux qui n'y ont pas accès. Proposez des scénarios et évaluez la démarche et le raisonnement, pas l'accès à un outil précis.

FAQ

Quelles compétences en IA comptent le plus pour les SDR ?

Pour les SDR, trois compétences sont particulièrement critiques : d'abord, savoir séparer la recherche assistée par l'IA des données personnelles (RGPD) ; ensuite, vérifier systématiquement les affirmations des brouillons de prospection générés par l'IA ; enfin, reconnaître le moment où l'automatisation par l'IA bascule dans le spam. Tout le reste, qualité des prompts ou familiarité avec les outils, s'apprend et pèse moins que ces comportements fondamentaux.

Comment tester si quelqu'un sait détecter les hallucinations de l'IA ?

Donnez aux candidats un message de prospection ou un résumé généré par l'IA qui contient volontairement un fait faux (fonctionnalité produit erronée, référence client inventée). Demandez-leur de marquer tout ce qu'ils modifieraient avant l'envoi. Les candidats qui trouvent l'erreur et expliquent pourquoi elle pose problème font preuve d'une réelle exigence de qualité.

Comment garder le processus équitable pour les candidats ayant peu d'expérience des outils d'IA ?

Testez les comportements et le raisonnement, pas la connaissance d'un outil précis. Un candidat capable d'expliquer comment il rechercherait, vérifierait et documenterait, même avec un simple outil d'assistance, démontre la compétence recherchée. Créez des conditions égales : soit tous les candidats ont accès à un outil de base, soit l'exercice est formulé uniquement en termes de démarche (sans outil en direct).

Faut-il associer le comité d'entreprise lorsque nous utilisons des outils d'entretien IA ?

Oui, si l'outil peut saisir, évaluer ou enregistrer le comportement ou les performances de salariés ou de candidats. Les droits de cogestion prévus par le § 87 Abs. 1 Nr. 6 BetrVG s'appliquent dès la phase de planification. Associez le comité d'entreprise tôt, pas après avoir déjà choisi un outil.

À quelle fréquence faut-il mettre à jour la banque de questions ?

Au minimum une fois par an, et aussi chaque fois que les outils approuvés ou les règles de protection des données changent. Gardez les domaines stables (recherche, prospection, rendez-vous, RGPD, forecast, éthique, gouvernance) et ne mettez à jour que les exemples et exercices qu'ils contiennent. Versionnez la banque de questions pour que les modifications restent traçables.

Quel est le principal signal d'alerte lorsqu'un candidat commercial ne sait pas utiliser l'IA de façon responsable ?

Le signal d'alerte le plus fort n'est pas l'ignorance, mais la combinaison d'une priorité donnée à la vitesse et d'un refus de vérifier : quelqu'un qui utilise rapidement les résultats de l'IA sans les remettre en question et présente cela comme de l'efficacité en entretien. Ce schéma s'accentue sous la pression des objectifs, c'est-à-dire exactement l'environnement dans lequel votre future recrue travaillera chaque jour.

Conclusion

Les questions d'entretien IA pour les métiers de la vente ne sont pas un complément à cocher en fin d'entretien. Elles sont au cœur d'une évaluation des compétences équitable et pratique, à un moment où la vente assistée par l'IA devient la norme, et où le potentiel de risque augmente avec elle.

Commencez par un poste pilote (par exemple SDR), mettez en œuvre les sept domaines et organisez une seule session de calibrage pour que votre jury s'aligne sur des repères de notation communs. Après deux cycles de recrutement, vérifiez si les scores sont cohérents et si les réponses libres révèlent des faiblesses systémiques. Étendez ensuite à d'autres postes.

L'objectif n'est pas de trouver les candidats qui vantent le plus fort l'IA, mais d'identifier ceux qui vendent de façon responsable et honnête avec l'aide de l'IA, même quand aucun manager ne regarde.

Jürgen Ulbrich

CEO et cofondateur de Sprad

Jürgen Ulbrich cumule plus de dix ans d’expérience dans la construction et la direction d’équipes et d’entreprises performantes. Expert des programmes de cooptation ainsi que des processus de feedback et de performance, Jürgen a aidé plus de 100 organisations à optimiser leur stratégie d’acquisition et de développement des talents.

Modèles et téléchargements gratuits

Rejoignez la communauté en seulement 26 secondes et profitez d’un accès gratuit à plus de 100 ressources, modèles et guides.

Modèle gratuit d'enquête sur l'efficacité du leadership (Excel)
Vidéo
Gestion de la performance
Modèle gratuit d'enquête sur l'efficacité du leadership (Excel)
Modèle de feedback 360 gratuit : un outil Excel prêt à l'emploi
Vidéo
Gestion de la performance
Modèle de feedback 360 gratuit : un outil Excel prêt à l'emploi

La People Powered HR Community s’adresse aux professionnels RH qui placent l’humain au cœur de leur travail RH et recrutement. Ensemble, transformons notre conviction commune en un mouvement qui change le monde des RH.