JD par AI : prompts ChatGPT qui produisent vraiment des JD utilisables

Un document blanc. Un intake flou avec le hiring manager. Une deadline avant que le rôle parte en ligne. Tout recruteur connaît la taxe d’écriture de JD : fixer un template, recopier la formulation d’anciennes annonces, douter d’avoir bien noté la fourchette salariale.

ChatGPT peut raccourcir le travail, mais seulement si votre prompt est juste. Un prompt vague comme “écris-moi une description de poste pour un ingénieur logiciel” produit une sortie vague : responsabilités génériques, exigences irréalistes, le même paragraphe “À propos de nous” qu’on voit dans toutes les annonces.

Rich, de la chaîne SkillDeck, présente une technique qui corrige ça dans sa série Talent Acquisition. L’astuce, c’est que vous n’écrivez pas le prompt vous-même. Vous utilisez un générateur de prompts pour écrire le prompt, puis vous passez ce prompt dans ChatGPT. Deux outils, une JD utilisable.

Cet article couvre les prompts qui marchent, la structure qu’ils produisent, et le moment où l’écriture manuelle de prompts commence à craquer face à un outil de JD intégré.

Pourquoi les prompts directs à ChatGPT produisent des JD faibles

En bref : ChatGPT produit une JD générique à partir d’un prompt d’une ligne, mais la sortie manque de structure, de responsabilités spécifiques au rôle et des éléments qui comptent vraiment pour les hiring managers. La correction, c’est soit un prompt plus fort, soit un générateur de prompts qui construit la structure pour vous.

Voici ce que la plupart des recruteurs font la première fois qu’ils essaient ChatGPT pour des JD :

écris une description de poste pour un stagiaire SEO, remote, Inde

ChatGPT vous donnera quelque chose. Il y aura un titre, quelques responsabilités, quelques exigences. Mais comparez ça à ce qu’un hiring manager veut vraiment publier :

Y a-t-il un résumé d’entreprise qui vend le rôle ?
Les responsabilités sont-elles assez précises pour que le candidat puisse s’auto-sélectionner ?
Les exigences séparent-elles les obligatoires des “nice-to-have” ?
Y a-t-il une section avantages qui correspond à ce que votre entreprise offre vraiment ?
Y a-t-il un process de candidature ou un call-to-action ?

Un prompt d’une ligne produit une sortie où il manque la majorité de ça. Vous passez un bon morceau du temps à éditer pour la remettre en forme, ce qui n’est pas beaucoup plus rapide que d’écrire de zéro.

Le point de Rich sur la chaîne SkillDeck est que demander une JD directement à ChatGPT marche techniquement, mais vous n’aurez pas une description de poste correcte comme ça. La JD juste vient de faire passer un prompt dans un prompt writer d’abord, puis de coller le résultat dans ChatGPT.

Le prompt est le produit. Le modèle est le moteur.

Le workflow du générateur de prompts

En bref : Utilisez un générateur de prompts comme PromptHackers pour traduire vos exigences en langage courant en prompt ChatGPT structuré. Copiez le prompt généré dans ChatGPT. La sortie est une JD avec résumé d’entreprise, responsabilités, exigences, avantages et process de candidature dans le bon ordre.

Le workflow recommandé par Rich utilise deux outils :

PromptHackers (prompthackers.com) : transforme vos exigences en langage courant en prompt structuré
ChatGPT : exécute ce prompt

Vous n’essayez pas d’être prompt engineer. Vous laissez un outil de prompt-engineering faire l’engineering.

Étape 1 : décrivez le rôle en langage courant

Ouvrez PromptHackers. Dans la zone de saisie, écrivez ce que vous voulez comme vous le diriez à voix haute :

Joue le rôle d'un rédacteur de JD.

Écris une description de poste. Je veux embaucher des stagiaires
qui peuvent gérer le SEO, le marketing digital, faire de la recherche,
être malins, écrire des blogs. Le poste est en remote, télétravail.
Le candidat peut postuler depuis n'importe où en Inde.

Pas de magie. Pas de “agis comme un recruteur senior avec 20 ans d’expérience”. Juste les exigences en français normal. Le générateur de prompts gère la mise en forme.

Étape 2 : générez le prompt

PromptHackers prend votre saisie et produit un prompt structuré avec contexte de rôle, exigences de format et contraintes déjà remplies. Le prompt généré inclut des choses que vous n’auriez pas pensé à préciser :

“Inclure un résumé d’entreprise”
“Séparer les qualifications requises des préférées”
“Sortie en markdown avec des en-têtes H2”
“Ton professionnel mais engageant”

Vous n’écrivez rien de tout ça. Le générateur l’ajoute.

Étape 3 : passez-le dans ChatGPT

Copiez le prompt généré. Collez dans ChatGPT. La sortie est une JD avec la structure que la première vidéo SkillDeck de Rich sur l’écriture de JD apprend aux recruteurs à utiliser :

Titre du poste
Résumé d’entreprise
Description du poste (la vue d’ensemble du rôle)
Responsabilités
Exigences
Avantages
Process de candidature

Ce n’est pas du hasard. C’est la structure canonique d’une JD. Un prompt direct d’une ligne saute la moitié de ces sections. Un prompt construit par un générateur force ChatGPT à toutes les produire.

Ce qui distingue un prompt JD fort d’un prompt faible

En bref : Les prompts faibles donnent à ChatGPT un sujet. Les prompts forts lui donnent une affectation de rôle, une structure de sortie et des contraintes. La différence, c’est la cohérence. Les prompts forts produisent la même qualité de sortie à chaque fois. Les prompts faibles produisent un coup de pile ou face.

Si vous voulez sauter les générateurs de prompts et écrire les vôtres, la différence entre faible et fort se résume à quatre éléments :

Élément	Prompt faible	Prompt fort
Affectation de rôle	Manquante	”Tu es un recruteur tech senior qui rédige des JD pour des startups SaaS”
Structure de sortie	”Écris une description de poste"	"Sortie : 1) Titre 2) Résumé 3) Responsabilités 4) Exigences 5) Avantages”
Contraintes	Aucune	”Ton : pro mais conversationnel. Longueur : 400-600 mots. Pas de clichés.”
Contexte	”pour un ingénieur backend"	"pour un Senior Backend Engineer dans une fintech Series B de 50 personnes, hybride Berlin, 80-100 k€”

Voici un template de prompt fort que vous pouvez adapter :

Tu es un recruteur senior qui écrit des descriptions de poste pour
une entreprise [INDUSTRIE] au stade [STADE] avec [TAILLE] employés.

Écris une description de poste pour le rôle suivant :

- Titre : [TITRE]
- Localisation : [LOCALISATION + POLITIQUE REMOTE]
- Fourchette salariale : [FOURCHETTE]
- Reporte à : [RÔLE MANAGER]
- Équipe : [CONTEXTE ÉQUIPE]

Exigences obligatoires :
- [EXIGENCE 1]
- [EXIGENCE 2]

Nice-to-have :
- [EXIGENCE 1]

Structure de sortie :
1. Hook d'entreprise en 2 phrases (précis, pas générique)
2. Aperçu du rôle (3 phrases max)
3. Responsabilités (5-7 bullets, verbes d'action uniquement)
4. Exigences séparées en "Requis" et "Préféré"
5. Avantages (4-6 bullets, réels et non aspirationnels)
6. Process de candidature (1 paragraphe)

Contraintes :
- Ton : confiant, précis, sans clichés corporate
- Longueur : 400-600 mots au total
- Pas d'expressions comme "rockstar", "ninja", "environnement dynamique"
- Utilise "vous" et pas "le candidat"
- Évite le langage genré

Sauvegardez ça comme un snippet. Remplacez les placeholders entre crochets pour chaque nouveau rôle. La sortie reste cohérente entre les rôles parce que la structure est verrouillée.

SpotGPT : le prompt TA tout-en-un

En bref : SpotGPT génère une JD plus les artefacts qui suivent habituellement (KPI, questions de screening, questions d’entretien méthode STAR, copie de post LinkedIn, emails d’outreach candidats) à partir d’un seul prompt. Sautez sa sortie de chaîne booléenne, peu fiable.

Si vous voulez tout ce dont un process TA a besoin en un seul prompt, SpotGPT couvre plus de terrain que ChatGPT seul.

Vous vous connectez avec votre compte Gmail et écrivez le même genre de prompt en langage courant que vous utiliseriez dans PromptHackers :

J'ai besoin d'une description de poste pour un HR Manager chez SkillDeck
maîtrisant le Talent Acquisition, la paie, le L&D, etc., avec 7 à 9 ans
d'expérience à Bangalore.

La sortie n’est pas qu’une JD. C’est un package TA :

Rôles et responsabilités (la JD elle-même)
Objectifs de performance, ce que le rôle est censé atteindre dans les 90/180/365 premiers jours
KPI, les critères de succès mesurables du rôle
Questions de screening, ce qu’il faut demander à l’appel initial du recruteur
Questions STAR basées sur des scénarios pour les entretiens situationnels
Copie de post LinkedIn, formatée pour publication directe
Un template d’email d’outreach candidat pour les candidats passifs

L’avis de Rich sur la chaîne SkillDeck est que SpotGPT regroupe les artefacts dont un expert Talent Acquisition a typiquement besoin (JD, questions de screening, questions STAR, copie d’annonce, email d’outreach) dans une seule sortie. Sa seule réserve : sautez la sortie de chaîne booléenne. Le booléen est la seule chose que l’outil ne fait pas bien. Utilisez une approche dédiée pour ça : notre guide Chaînes booléennes pour 15 rôles courants le couvre.

L’arbitrage face à ChatGPT plus PromptHackers : SpotGPT vous donne plus d’artefacts d’un coup mais moins de contrôle sur chacun. ChatGPT vous laisse itérer sur une seule sortie. SpotGPT vous tend huit sorties dans lesquelles piocher.

Avant et après : une JD générique réécrite avec l’AI

En bref : Une JD faible écrite par un recruteur s’appuie sur des adjectifs génériques et des responsabilités placeholder. Le même rôle, passé dans un workflow de générateur de prompts, revient précis et scannable. Voici un croquis de la différence avec des placeholders entre accolades. Adaptez avec vos vrais chiffres avant publication.

Voici le genre de JD de départ qu’un recruteur copie depuis une ancienne annonce :

Backend Engineer

Nous sommes une startup dynamique à la recherche d’un ingénieur backend dynamique pour rejoindre notre équipe en croissance. Le candidat idéal sera autonome et s’épanouira dans un environnement collaboratif.

Responsabilités :

Développer et maintenir des systèmes backend

Travailler avec l’équipe pour livrer des fonctionnalités

Écrire du code propre

Exigences :

3+ années d’expérience

Excellentes capacités de communication

Bachelor préféré

Trois problèmes avec ce brouillon : chaque adjectif est générique, les responsabilités sont des placeholders, et les exigences correspondraient à presque tous les rôles backend.

Maintenant passez le même rôle dans un prompt fort. Remplissez les emplacements entre accolades avec les détails de votre hiring manager et laissez ChatGPT produire une sortie structurée :

{Séniorité} Backend Engineer, {Domaine ou Zone Produit}

Vous prendrez l’ownership de {zone système} dans une entreprise {taille} {industrie}. Vous travaillerez avec {composition équipe} et reporterez à {rôle manager}.

Ce que vous ferez :

{Livrable concret 1 : ce qui sort, ce que ça remplace}

{Livrable concret 2 : cible de performance ou d’échelle}

{Livrable concret 3 : collaboration cross-équipe}

{Responsabilité opérationnelle : on-call, périmètre d’ownership}

Requis :

{N}+ années à construire des services backend en production en {langages}

Expérience directe avec {systèmes ou patterns spécifiques au domaine}

Solide background {base de données / infra}

Préféré :

{Expérience d’outillage spécifique}

{Expérience technologie adjacente}

Rémunération : {fourchette salariale} {+ equity le cas échéant}, {localisation et politique remote}

La deuxième version est plus courte en adjectifs mais plus lourde en spécificités. Les candidats peuvent s’auto-sélectionner. Les hiring managers peuvent la défendre. ChatGPT, avec le bon prompt et vos vraies données de rôle dans les accolades, produit ce genre de structure par défaut.

Là où le workflow piloté par prompt craque

En bref : L’écriture de JD pilotée par prompt craque au volume d’agence, quand les hiring managers envoient des notes d’intake fragmentées, ou quand chaque JD doit aussi être reparsée en critères de recherche structurés pour le sourcing. Au-delà d’un certain volume, il vous faut un intake JD intégré dans votre CRM, pas un onglet ChatGPT.

Le workflow PromptHackers + ChatGPT est super pour des JD ponctuelles. Il craque à l’échelle. Trois modes d’échec :

Le volume. Une agence de staffing avec beaucoup de rôles actifs finit par faire tourner le cycle de prompt à chaque ouverture de rôle. Chaque cycle veut dire copier les notes d’intake dans un générateur de prompts, copier le prompt généré dans ChatGPT, puis copier le résultat quelque part où il peut être édité et partagé. Le context switching s’accumule.

La fragmentation de l’intake. Les hiring managers n’envoient pas des exigences en bullet points propres. Vous recevez un fil Slack, une transcription Zoom, une vieille JD avec des commentaires gribouillés dessus. Reformater ce bordel dans le genre d’input propre que veut PromptHackers, c’est le vrai travail, et le générateur de prompts ne peut pas le faire pour vous.

Le parsing aval. Une JD finie n’est que le début. Vous devez ensuite en réextraire les exigences pour le sourcing : compétences obligatoires, années d’expérience, localisation, fourchette salariale, mots-clés de recherche. Faire ça deux fois (une pour écrire la JD, une pour la parser) c’est du travail gaspillé.

Des outils comme Recrudoc gèrent la deuxième moitié du pipeline nativement. Collez une JD (ou même des notes d’intake brutes), et le JD Parser extrait les exigences structurées, génère des chaînes booléennes et pousse tout dans votre pipeline de matching de candidats. La même JD parsée alimente ensuite les scorecards AI, les scripts de screening et les messages d’outreach, sans copier-coller entre onglets.

Pour un contexte plus large sur où l’AI change les workflows recruteurs, voyez notre vue d’ensemble Tendances AI recrutement 2026 et les meilleurs outils AI pour recruteurs cette année. Une fois la JD écrite, le problème suivant est de la convertir en recherche candidat, ce que couvre notre guide Traduire une JD en recherche candidat AI.

Référence rapide : prompts à sauvegarder

En bref : Trois prompts couvrent la majorité des scénarios d’écriture de JD pour recruteurs : un prompt structuré intake-vers-JD, un prompt JD-vers-post-LinkedIn, et un prompt de réécriture de JD qui corrige le langage générique sans tout réécrire.

Sauvegardez-les dans une appli de notes ou un gestionnaire de snippets. Adaptez les sections entre crochets par rôle.

Prompt 1 : notes d’intake vers JD complète

Agis comme un recruteur senior. J'ai des notes d'intake pour un nouveau rôle.
Convertis-les en description de poste complète avec :
1) Hook d'entreprise en 2 phrases
2) Aperçu du rôle
3) 5 à 7 bullets de responsabilités (verbes d'action)
4) Qualifications requises et préférées (séparées)
5) Avantages (uniquement ce que l'entreprise offre vraiment)
6) Process de candidature

Ton : confiant, précis, sans clichés du genre "rockstar" ou "environnement dynamique".
Longueur : 400-600 mots. Utilise "vous" et pas "le candidat".

Notes d'intake :
[COLLER LES NOTES BRUTES ICI]

Prompt 2 : JD vers post LinkedIn

Convertis cette description de poste en post LinkedIn qui pousse aux candidatures.

Format :
- Phrase d'accroche (1 phrase, attire l'attention, sans emoji)
- Résumé du rôle en 3 lignes
- 4-5 bullets sur ce que le candidat obtient (pas ce qu'on veut)
- CTA de candidature clair
- 5 hashtags pertinents

Longueur : moins de 1300 caractères au total.
Ton : humain, pas corporate.

JD :
[COLLER LA JD ICI]

Prompt 3 : réécriture de JD générique

Cette description de poste est trop générique. Réécris-la avec le même rôle
et la même séniorité mais rends-la précise.

Remplace chaque cliché ("équipe dynamique", "environnement dynamique",
"excellentes capacités de communication") par des détails concrets.
Ajoute taille d'équipe, stack technique ou contexte business si pertinent.
Garde la même structure mais coupe le filler.

JD originale :
[COLLER LA JD ICI]

Ces trois prompts couvrent la majorité des situations d’écriture de JD. Combinez-les avec PromptHackers pour les cas plus durs, ou sautez le workflow manuel entièrement avec un CRM intégré aux JD.

Marre de copier-coller des prompts entre PromptHackers, ChatGPT et votre ATS ? Essayez Recrudoc CRM gratuitement. Collez n’importe quelle JD ou des notes d’intake et obtenez des exigences structurées, des chaînes booléennes et des matchs candidats intégrés.

Sources

The insights in this article are based on the following industry expert discussion:

“AI in Recruitment | Crafting Job Descriptions in Seconds — ChatGPT, SpotGPT, PromptHackers” — Rich, SkillDeck, YouTube