SQL + ChatGPT en entretien : ce que les recruteurs évaluent

ChatGPT et les outils d'IA générative ont redéfini la façon dont les data analysts travaillent au quotidien. Les recruteurs ne l'ignorent pas. En 2026, une proportion croissante d'entretiens techniques autorise, voire encourage, l'utilisation de ChatGPT pendant l'épreuve SQL. Mais ce que les recruteurs évaluent dans ce contexte est fondamentalement différent.

Thomas Leroy décrypte les nouveaux critères d'évaluation et vous explique comment vous démarquer.

L'état des lieux en 2026

Les entreprises qui autorisent l'IA en entretien

Selon les retours de candidats et de recruteurs, voici la répartition :

La tendance est clairement à l'ouverture. Les entreprises tech, les scale-ups et les startups data-driven sont en avance sur ce point.

Pourquoi les recruteurs autorisent l'IA

Le raisonnement est logique : en poste, vous utiliserez ChatGPT. Tester dans un environnement artificiel sans IA ne reflète pas la réalité du travail. Ce qui compte, c'est :

• Savez-vous formuler le bon problème ?
• Savez-vous vérifier la solution proposée par l'IA ?
• Pouvez-vous itérer et améliorer ?
• Comprenez-vous ce que fait le code ?

Les nouvelles compétences recherchées par les recruteurs

En autorisant l'IA en entretien, les recruteurs redéfinissent leurs critères d'évaluation. Ils cherchent désormais des candidats qui maîtrisent :

• La collaboration homme-machine : utiliser l'IA comme un assistant, pas comme un remplaçant
• La validation critique : détecter les erreurs subtiles que ChatGPT peut introduire
• La communication technique : traduire un besoin métier en prompt précis
• L'architecture SQL : comprendre suffisamment SQL pour améliorer le code généré

Ces compétences dépassent largement la simple mémorisation de syntaxe SQL.

Ce que les recruteurs évaluent quand l'IA est autorisée

La qualité des prompts

Un candidat qui tape « écris une requête pour les ventes » et copie-colle le résultat impressionne personne. Un candidat qui formule un prompt précis montre sa maîtrise du sujet.

Prompt de niveau débutant :

Calcule les ventes par mois

Prompt de niveau expert :

En PostgreSQL, écris une requête qui calcule le chiffre d'affaires mensuel TTC à partir des tables orders (id, created_at, status) et order_items (order_id, product_id, quantity, unit_price_ht, tva_rate). Inclure uniquement les commandes avec status IN ('shipped', 'delivered'). Utiliser une CTE pour la lisibilité. Formater le mois avec DATE_TRUNC. Trier par mois décroissant.

Ce que le prompt expert montre :

• Connaissance du dialecte SQL
• Connaissance du schéma de données
• Compréhension des contraintes métier (statuts valides)
• Préférence de style (CTE, lisibilité)
• Précision sur les calculs (TTC = HT × (1 + tva_rate))

La capacité de vérification

Après avoir obtenu le SQL de ChatGPT, le recruteur observe :

Candidat faible : copie-colle directement, exécute, dit « voilà ».

Candidat moyen : lit le SQL rapidement, exécute, vérifie que ça ne plante pas.

Candidat fort :

• Lit le SQL ligne par ligne
• Vérifie la logique des JOINs (types, conditions)
• Vérifie les agrégations (GROUP BY, colonnes)
• Identifie un problème potentiel et le corrige
• Teste avec un cas limite
• Explique ce que fait la requête

L'esprit critique

Le recruteur peut intentionnellement donner un prompt ambigu pour voir si vous :

• Demandez des clarifications au lieu de faire des hypothèses
• Identifiez les ambiguïtés dans le SQL généré
• Proposez des alternatives

Par exemple, « Trouve les meilleurs clients » est ambigu. Meilleurs par CA total ? Par nombre de commandes ? Par fréquence d'achat ? Par LTV ? Un bon candidat pose la question.

La capacité d'itération

Le premier résultat de ChatGPT est rarement parfait. Les recruteurs veulent voir votre processus d'itération :

• ChatGPT génère une première version
• Vous identifiez un problème : « Le LEFT JOIN devrait être un INNER JOIN ici »
• Vous corrigez vous-même ou demandez une correction précise
• Vous re-vérifiez

Ce cycle montre que vous êtes un utilisateur avancé de l'IA, pas un dépendant.

L'analyse des résultats générés

Un candidat expérimenté ne se contente pas d'exécuter la requête — il analyse la cohérence des résultats. Par exemple :

• Les totaux sont-ils plausibles par rapport à la taille de l'entreprise ?
• Y a-t-il des valeurs nulles inattendues ?
• Les variations mensuelles sont-elles logiques ?
• Les données s'alignent-elles avec la saisonnalité métier ?

Cette capacité d'analyse critique distingue un data analyst confirmé d'un simple exécutant.

Scénarios d'entretien concrets

Scénario 1 : « Résolvez avec l'IA »

Énoncé : « Vous avez accès à ChatGPT. À partir de ce schéma, trouvez les 5 catégories de produits avec la plus forte croissance de CA entre Q1 et Q2 2026. Expliquez votre démarche. »

Ce que fait un bon candidat :

• Analyse le schéma (tables, relations, colonnes pertinentes)
• Formule un prompt précis incluant le schéma
• Obtient le SQL et le lit attentivement
• Identifie un problème (par exemple, la gestion des catégories sans vente en Q1)
• Corrige et exécute
• Vérifie les résultats (le top 5 est-il plausible ?)
• Explique la logique au recruteur

Scénario 2 : « Corrigez ce SQL généré par IA »

Énoncé : « Un junior a utilisé ChatGPT pour écrire cette requête. Identifiez les problèmes et corrigez-les. »

SELECT
    u.name,
    COUNT(*) AS total_orders,
    SUM(o.amount) AS total_spent,
    AVG(o.amount) AS avg_order
FROM users u
LEFT JOIN orders o ON u.id = o.user_id
LEFT JOIN refunds r ON o.id = r.order_id
WHERE o.created_at >= '2026-01-01'
GROUP BY u.name
ORDER BY total_spent DESC
LIMIT 10;

**Problèmes à identifier** :
- `WHERE o.created_at >= '2026-01-01'` transforme le LEFT JOIN en INNER JOIN (les utilisateurs sans commande sont exclus)
- Le LEFT JOIN avec refunds peut multiplier les lignes (un order avec 2 refunds = 2 lignes)
- `SUM(o.amount)` sera gonflé par la multiplication
- `COUNT(*)` compte les refunds, pas les orders
- `GROUP BY u.name` peut regrouper des homonymes (il faudrait `u.id`)

### Scénario 3 : « Avec ou sans IA, au choix »

Certains recruteurs laissent le choix. La stratégie dépend du problème :

- **Problème simple** (JOINs basiques, GROUP BY) : écrivez vous-même, c'est plus rapide et ça montre votre maîtrise
- **Problème complexe** (CTE multiples, window functions, logique métier) : utilisez l'IA pour le squelette, puis affinez
- **Syntaxe oubliée** (DATE_TRUNC exact, EXTRACT, fonctions spécifiques) : demandez à l'IA, c'est normal

### Scénario 4 : « Optimisation collaborative »

**Énoncé** : « Cette requête fonctionne mais est lente sur 10M de lignes. Utilisez l'IA pour l'optimiser et expliquez les améliorations. »

**Démarche attendue** :
- Analyser la requête originale pour identifier les goulots
- Formuler un prompt d'optimisation spécifique
- Comparer les approches (index, réécriture, partitioning)
- Tester les performances relatives
- Expliquer les trade-offs de chaque solution

Ce scénario évalue votre capacité à collaborer avec l'IA sur des enjeux de performance avancés.

## Exemples concrets de candidats en situation

### Laura, data analyst chez une fintech

Laura passe un entretien chez une néobanque. L'exercice : « Calculez le taux de conversion par cohorte d'inscription en utilisant ChatGPT. »

**Son approche gagnante** :
- Elle clarifie d'abord : « Conversion vers quoi ? Premier dépôt, première carte, premier crédit ? »
- Son prompt détaille le schéma complet et définit précisément la cohorte
- Elle lit le SQL généré et identifie immédiatement : « ChatGPT utilise une window function mais oublie le PARTITION BY date_cohorte »
- Elle corrige, teste sur les données de 2025, et valide que les taux sont cohérents avec la saisonnalité
- **Résultat** : embauchée. Le recruteur note sa « rigueur analytique exceptionnelle »

### Maxime, candidat débutant

Même exercice, approche différente :
- Il demande à ChatGPT : « Calcule un taux de conversion par cohorte »
- Il copie-colle le SQL sans le lire
- La requête plante (table inexistante), il demande à ChatGPT de corriger
- Nouvelle erreur, nouveau copier-coller
- **Résultat** : refusé. Commentaire du recruteur : « Aucune autonomie technique »

La différence ? Laura utilise ChatGPT comme un **collaborateur junior** qu'elle supervise. Maxime s'en remet entièrement à l'IA et perd tout contrôle.

## Les pièges à éviter

### Piège 1 : Dépendance totale

Si vous ne pouvez rien écrire sans ChatGPT, c'est un signal d'alarme pour le recruteur. Vous devez pouvoir écrire au moins un SELECT/JOIN/GROUP BY de base sans aide.

### Piège 2 : Copier-coller aveugle

Le recruteur voit votre écran. Si vous collez le SQL sans le lire, c'est rédhibitoire.

### Piège 3 : Prompts trop vagues

Des prompts vagues produisent du SQL vague. Le recruteur évalue la précision de vos prompts comme un proxy de votre compréhension du problème.

<div class="callout callout-warning">
<p class="callout-title">⚠️ Attention</p>
<p>« Trouve les meilleurs clients » - « Meilleur » est ambigu : par CA total ? par nombre de commandes ? par fréquence d'achat ? par LTV ? Un bon candidat pose la question plutôt que de laisser l'IA faire des hypothèses arbitraires. Reformulez : « Trouve les 10 clients avec le CA total le plus élevé sur les 12 derniers mois, en excluant les commandes annulées. »</p>
</div>

### Piège 4 : Ne pas mentionner les limites

Si le SQL généré fait des hypothèses (par exemple, que les montants sont en euros, ou que les dates sont en UTC), mentionnez-le. « Cette requête suppose que les montants sont HT. En TTC, il faudrait ajuster. »

### Piège 5 : Ignorer la performance

ChatGPT génère du SQL qui fonctionne, pas du SQL optimisé. Si la question porte sur une grande table, mentionnez les considérations de performance même si on ne vous le demande pas.

### Piège 6 : Confondre rapidité et efficacité

Certains candidats pensent qu'utiliser l'IA les rend plus rapides, donc meilleurs. Erreur : les recruteurs privilégient la **qualité** du processus sur la **vitesse** d'exécution. Mieux vaut prendre 5 minutes pour bien formuler le prompt que 30 secondes pour générer du SQL incorrect.

## Comment se préparer

### Exercice 1 : Le double solve

Pour chaque exercice SQL :
- Résolvez-le vous-même d'abord
- Demandez à ChatGPT de le résoudre
- Comparez les deux solutions
- Identifiez les différences et comprenez pourquoi

### Exercice 2 : Le bug hunter

- Demandez à ChatGPT de résoudre un problème SQL complexe
- Cherchez systématiquement les erreurs avec la [checklist de revue](/reviewer-sql-genere-par-ia-guide)
- Corrigez les erreurs trouvées

### Exercice 3 : Le prompt engineer

- Prenez un problème SQL et écrivez le meilleur prompt possible
- Affinez le prompt en fonction du résultat
- Visez un résultat correct dès le deuxième essai

### Exercice 4 : L'explication

- Prenez une requête SQL complexe (générée par IA ou non)
- Expliquez à voix haute ce qu'elle fait, ligne par ligne
- Identifiez les cas limites potentiels

### Exercice 5 : La simulation d'entretien

Entraînez-vous en conditions réelles :

- **Chronométrez-vous** : 45 minutes pour résoudre un cas complet avec ChatGPT
- **Enregistrez votre écran** : regardez ensuite vos hésitations et erreurs
- **Parlez à voix haute** : expliquez chaque étape comme si le recruteur était là
- **Variez les dialectes** : PostgreSQL, MySQL, BigQuery selon les entreprises visées

### L'art du prompt contextuel

Développez votre capacité à intégrer le contexte métier dans vos prompts :

**Prompt basique** : « Calcule la rétention client à 30 jours »

**Prompt expert** : « Dans le contexte d'un SaaS B2B, calcule la rétention client à 30 jours post-onboarding. Définition : un client est retenu s'il s'est connecté au moins une fois entre J+25 et J+35 après sa première connexion. Tables : users (id, created_at, first_login_at), sessions (user_id, login_date). Dialecte PostgreSQL. Afficher par mois d'onboarding. »

Cette précision contextuelle impressionne les recruteurs et génère du SQL directement utilisable.

<div class="callout callout-tip">
<p class="callout-title">💡 Bon à savoir</p>
<p>Gardez un template de prompt que vous adaptez selon le contexte : [Dialecte SQL] + [Objectif précis] + [Schéma avec colonnes] + [Règles métier] + [Format de sortie] + [Contraintes techniques]. Cette structure systématique vous fait gagner du temps et impressionne les recruteurs par sa rigueur.</p>
</div>

<div class="callout callout-info">
<p class="callout-title">📌 Ce qu'il faut retenir</p>

- ~40% des entreprises autorisent ou intègrent l'IA en entretien SQL en 2026
- Les recruteurs évaluent votre **esprit critique**, pas votre capacité à copier-coller
- Un **prompt précis** montre votre maîtrise du sujet
- La **vérification systématique** du SQL généré est la compétence clé
- Préparez **les deux** : SQL sans IA (majoritaire) et SQL avec IA (en croissance)

</div>

Pour une préparation complète, consultez notre [guide pour réussir l'entretien SQL](/reussir-entretien-sql-data-analyst-guide) et entraînez-vous avec nos [packs d'exercices SQL corrigés](/exercices).

## Questions fréquentes {#faq}

### Comment formuler un bon prompt SQL pour ChatGPT ?

Un bon prompt SQL doit préciser : le dialecte SQL (PostgreSQL, MySQL, BigQuery), le schéma des tables avec les colonnes pertinentes, les contraintes métier (statuts filtrés, plages de dates), le format de sortie attendu (colonnes, ordre de tri), et les préférences stylistiques (CTE, commentaires). Plus votre prompt est précis, moins ChatGPT fait d'hypothèses arbitraires — et moins vous avez à corriger ensuite.

### ChatGPT fait-il des erreurs SQL fréquentes ?

Oui, et ce sont presque toujours des erreurs logiques, pas syntaxiques. Les plus fréquentes : multiplication de lignes par JOIN sur des tables en relation N:M, LEFT JOIN annulé par un WHERE sur la table de droite, NULL ignorés dans les calculs de taux, et mauvais dialecte SQL (ILIKE au lieu de LOWER+LIKE pour MySQL). Le SQL s'exécute et produit un résultat — mais le résultat est faux. Consultez notre [guide de revue du SQL généré par IA](/reviewer-sql-genere-par-ia-guide) pour une checklist complète.

### Peut-on utiliser ChatGPT en live pendant l'entretien ?

Environ 45% des entreprises l'autorisent maintenant (contre ~5% en 2023). Si c'est autorisé, votre valeur ajoutée est la qualité de votre prompt et votre capacité à vérifier le résultat — pas la vitesse d'exécution. Si l'IA est interdite, ne l'utilisez pas : le recruteur voit votre écran. Dans tous les cas, entraînez-vous à écrire du SQL sans IA — c'est encore le format majoritaire et la base sur laquelle tout le reste repose.

### Les recruteurs préfèrent-ils les candidats qui utilisent l'IA ou ceux qui codent manuellement ?

La préférence dépend du poste et de l'entreprise. Pour un rôle senior avec beaucoup d'autonomie, les recruteurs apprécient les candidats qui maîtrisent l'IA comme un multiplicateur de productivité. Pour un poste junior où l'apprentissage des fondamentaux est crucial, ils privilégient souvent la maîtrise manuelle. L'idéal : démontrer les **deux** compétences selon le contexte. Montrez que vous savez quand utiliser l'IA (problèmes complexes, syntaxe oubliée) et quand vous en passer (logique simple, vérification rapide).

### Que faire si ChatGPT génère du SQL qui ne fonctionne pas du tout ?

C'est un excellent test de votre autonomie technique. D'abord, lisez l'erreur attentivement — elle indique souvent le problème exact (table inexistante, colonne manquante, syntaxe incorrecte). Ensuite, corrigez vous-même les erreurs évidentes avant de redemander à ChatGPT. Mentionnez au recruteur : « Je vois que ChatGPT a utilisé une table qui n'existe pas dans le schéma, je corrige ça directement. » Cette réaction montre votre esprit critique et votre capacité à ne pas dépendre aveuglément de l'IA.