Mon premier processus de recrutement chez Anthropic, je l'ai raté, et je l'ai raté pour deux raisons. La première, je ne savais pas vraiment ce qui m'attendait. La deuxième, je n'arrivais pas à expliquer ma démarche tout en codant. Une ancienne collègue qui travaillait désormais dans un autre laboratoire d'IA m'a expliqué tout ce que j'aurais dû savoir avant de commencer. Quelques semaines après, j'avais une offre d'Anthropic et une d'OpenAI. À la deuxième tentative, je n'ai donc pas refait la même chose.
L'épreuve de code : quatre-vingt-dix minutes, et rien à voir avec les exercices classiques au tableau blanc. Le sujet qu'on m'a donné consistait à construire un key-value store. Du SET GET DELETE pour commencer, des scans filtrés, de l'expiration TTL avec des timestamps, puis de la persistance sur fichier avec compression. Bref, quatre étapes empilées les unes sur les autres.
À peine une étape terminée, mon interlocutrice ajoutait une nouvelle contrainte. Imaginez le collègue qui modifie les spécifications en plein sprint, c'était exactement ça. J'en devenais fou. Mon ancienne collègue avait vécu le même exercice lors de son entretien de présélection chez OpenAI : une heure pour construire quelque chose de réel. OpenAI ajoute également une présentation détaillée d'un système que vous avez conçu, pendant laquelle chacune de vos décisions est disséquée.
Le problème, finalement, ce n'était pas le code. Il fallait parler en même temps. Quelqu'un vous regarde pendant quatre-vingt-dix minutes, puis vous ajoute une exigence tous les quarts d'heure, et il faut encore réussir à rendre le raisonnement compréhensible. Lors de ma deuxième tentative, je me suis forcé à ralentir. Je reformulais la question avec mes mots et je construisais quelques exemples d'entrée avant d'écrire la moindre ligne.
Mon interlocutrice revenait sans cesse là-dessus. En plein milieu d'une phrase, elle pouvait m'arrêter : « D'accord, mais quels sont les cas limites ? » Il fallait chercher la réponse à voix haute. Alors j'ai commencé à exposer mon approche, à réfléchir à la complexité avant même de toucher au clavier, et à vérifier que la direction semblait raisonnable avant de taper.
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan FreeEnsuite seulement, j'écrivais lentement et je déboguais avec mes propres exemples. Pendant les entraînements, j'avais l'impression de perdre un temps fou. En pratique, j'en gagnais : beaucoup moins de mauvaises pistes, donc beaucoup moins de code à jeter et à réécrire.
Pour le system design, oubliez tout ce que vous avez révisé pour le system design des FAANG, rien de tout cela ne s'applique ici. Personne ne m'a demandé de concevoir un raccourcisseur d'URL. J'AURAIS AIMÉ qu'on me demande un raccourcisseur d'URL. Pas de service de chat non plus. Anthropic voulait une infrastructure de serving d'inférence capable de traiter des millions de requêtes tout en gardant une forte utilisation des GPU malgré des modèles de tailles différentes.
Il fallait donc parler du batching, de la gestion mémoire du KV cache, du routage vers la bonne instance et de la façon dont la latence s'accumule dans un pipeline de transformers. Mon interlocuteur avait CONSTRUIT leur stack de serving. Il l'avait personnellement écrite. Deux minutes lui ont suffi pour comprendre que ma préparation venait de vidéos YouTube généralistes. Mon ancienne collègue m'avait prévenu.
Chez OpenAI, son exercice de system design portait sur le passage à l'échelle de l'inférence, face à quelqu'un qui avait lui aussi une expérience concrète du système de production. Il faut avoir réellement travaillé sur ces sujets. J'avais touché à l'infrastructure de serving dans un poste précédent, ce qui m'a sauvé. Il m'a tout de même fallu deux semaines pour organiser mes connaissances et réussir à en parler sans divaguer pendant vingt minutes.
Petit conseil : si vous avez besoin d'une file distribuée sans en avoir jamais utilisé, dites simplement « file distribuée ». Ne vous enfermez pas dans des détails que vous serez incapable de défendre.
J'ai donc utilisé InterviewMan lors de ma deuxième tentative chez Anthropic et pendant quelques entretiens blancs pour OpenAI. Sur l'épreuve de code, l'outil a repéré que j'avais oublié de vérifier le TTL pendant les lectures avant de passer au niveau suivant. C'est exactement le genre d'oubli que j'aurais laissé filer, trop occupé à vouloir atteindre la quatrième étape. Pendant l'épreuve consacrée à la safety, il m'a fourni des pistes sur l'alignement.
Cette fois, j'ai répondu à la question sur l'utilisation d'outils et les hallucinations sans rester paralysé. En system design, il avait identifié l'utilisation des GPU et le batching comme sujets centraux avant même que mon interlocuteur ait fini d'énoncer le problème. J'ai vérifié le dock, la liste des processus et le Moniteur d'activité, avec Zoom, Replit et CodeSignal. Rien. Le tarif annuel revient à douze dollars par mois, soit cent quarante-quatre dollars pour un an, sans plafond de sessions.
Le compteur public affiche 57 000 utilisateurs et la note est de 4,8 étoiles sur 257 avis. Plus de vingt fonctions de furtivité sont intégrées. Interview Coder, à deux cent quatre-vingt-dix-neuf dollars, ne couvre que le code. Cela ne sert à rien pour la safety et le system design, qui représentent peut-être la moitié de votre évaluation dans ces entreprises. Pour une vue plus large de cette catégorie, le rapprochement le plus pertinent reste la comparaison entre InterviewMan et Interview Coder 2.
La partie comportementale est celle que la plupart des candidats comprennent mal, parce qu'elle n'est pas vraiment comportementale. Anthropic m'avait envoyé un document sur ses valeurs avant l'entretien et s'attendait à ce que je l'aie lu. La première question portait sur le mode de défaillance des LLM qui m'inquiétait le plus. La relance demandait ce qui change lorsqu'on donne à un agent la possibilité d'utiliser des outils.
La méthode STAR ne m'a servi à rien, tout comme mes histoires de conflits au sein d'une équipe. Ils cherchent à savoir si les conséquences de votre code vous préoccupent réellement une fois qu'il est en production. OpenAI vérifie cela aussi.
Quelques mots sur les délais, puisque la question revient toujours. Entre l'appel du recruteur et la réponse, Anthropic a pris environ trois semaines. Mon ancienne collègue m'a dit qu'OpenAI avait mis six semaines, ce qui a failli l'achever. Anthropic divise la phase finale en deux demi-journées distinctes, avec deux ou trois épreuves chacune. OpenAI concentre tout sur une longue journée.
Dans les deux entreprises, il est courant de ne plus avoir de nouvelles entre deux étapes. Les recruteurs sont débordés. Si vous recevez une offre, demandez trente à quarante-cinq minutes avec l'une des personnes qui vous a fait passer l'entretien. Organisez un échange uniquement pour poser vos questions et écoutez bien, car à ce moment-là, c'est l'entreprise qui essaie de vous convaincre.
Je sais qu'il existe beaucoup d'autres avis sur l'utilisation de l'IA pendant de vrais processus de recrutement. Ici, je voulais surtout parler des laboratoires à la frontière de la recherche et des épreuves réelles, pas de situations hypothétiques. Pour moi, ça a fonctionné. Cela ne garantit pas que ça fonctionnera pour vous.
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
