Un assistant construit sur un LLM se conçoit autrement qu'un chatbot à intentions. Le conversational designer IA générative rédige le prompt système et la persona, pose les garde-fous, décide de la façon dont l'assistant cite ses sources et confirme une action avant de l'exécuter. Il garde des parcours scriptés là où une erreur coûte cher, comme une résiliation ou un paiement. L'entretien d'un conversational designer part de ces livrables, avec des extraits à l'appui.
Beaucoup de CV viennent de l'UX writing ou des chatbots à arbres sur Dialogflow, Botmaker ou Copilot Studio. Cette expérience sert, mais le réflexe change : on ne teste plus un chemin, on mesure un ensemble de réponses. Un profil prêt pour le génératif parle de jeu d'évaluation, de relecture de transcriptions, de refus injustifiés et de régression après une modification du prompt. Celui qui juge son assistant sur trois essais dans la console n'y est pas encore.
Le poste touche aussi à la conformité. Depuis le 2 août 2026, l'article 50 de l'AI Act impose d'informer l'utilisateur qu'il échange avec une IA, sauf quand c'est évident, et le RGPD encadre ce que l'on garde des conversations. Le PDF propose 30 questions sur six axes, un cas de 20 minutes et une grille de 1 à 4.
Outils et notions du design conversationnel avec un LLM
Prompt système et persona
Le texte d'instructions que le modèle reçoit avant chaque conversation : rôle, périmètre, ton, format des réponses, conduite à tenir dans les cas limites. C'est le premier livrable du poste. Un exemple, même anonymisé, montre si les règles sont vérifiables ou si ce sont des adjectifs.
Garde-fous et modération
Tout ce qui empêche l'assistant de sortir de son rôle. Une partie vit dans le prompt, une autre en dehors du modèle : filtres de modération du fournisseur (Azure AI Content Safety, API de modération d'OpenAI), contrôle des droits dans les API, messages scriptés pour les sujets sensibles. Un bon profil sait ce qu'une consigne seule ne protège pas.
RAG et citations
Le modèle répond à partir de documents retrouvés dans une base (articles d'aide, procédures, conditions générales). Le designer décide comment la source s'affiche, ce que l'assistant dit quand rien ne correspond et quels documents doivent être réécrits. Il lit les passages retrouvés dans les traces pour comprendre une mauvaise réponse.
Appels d'outils et agents
L'assistant consulte ou modifie des données par des API : statut d'une commande, création d'une demande, annulation. Côté conception, tout se joue sur les confirmations avant une action, le recueil des informations manquantes et le message quand l'API échoue.
Copilot Studio, Dialogflow CX, Voiceflow
Les plateformes qu'on croise dans les offres. Copilot Studio combine des topics scriptés et une orchestration générative. Dialogflow CX, dont la console s'appelle Conversational Agents, mélange des flows déterministes et des playbooks génératifs. Voiceflow sert beaucoup au prototypage et à la conception d'agents. Le nom de l'outil compte moins que la façon de répartir scripté et génératif.
Jeux d'évaluation et LLM juge
Des centaines de conversations de test avec le comportement attendu, rejouées à chaque modification du prompt ou du modèle. Des outils comme Promptfoo automatisent ces campagnes, et un LLM peut noter les réponses selon une grille, à condition d'être lui-même contrôlé par des relectures humaines.
Traces et observabilité
Chaque conversation enregistrée avec la version du prompt, les documents retrouvés, les outils appelés et le retour de l'utilisateur, dans des outils comme Langfuse ou LangSmith. C'est la matière première du travail d'amélioration, et elle contient des données personnelles à pseudonymiser et à purger.
OWASP Top 10 LLM, AI Act, RGPD
Le référentiel OWASP Top 10 for LLM Applications 2025 classe l'injection de prompt en premier risque et nomme aussi la fuite du prompt système et l'autonomie excessive. L'article 50 de l'AI Act s'applique depuis le 2 août 2026. Un designer n'a pas à être juriste, mais il doit concevoir les messages qui en découlent.
Le titre varie d'une offre à l'autre : conversational designer, conversation designer, AI experience designer, product designer interfaces conversationnelles, parfois prompt specialist. Le poste se trouve dans les équipes produit, dans les équipes relation client qui remplacent un chatbot à intentions et dans les cabinets qui livrent des agents sur Copilot Studio ou Dialogflow. Il travaille avec un AI engineer qui branche le modèle, les documents et les API, et avec le métier qui valide les réponses. Le livrable se juge sur des conversations réelles. Des chiffres avant et après, même approximatifs, et la méthode qui a servi à les obtenir font la différence.
Les savoir-faire attendus d'un conversational designer IA
- Prompt système, persona et ton
- Garde-fous et refus calibrés
- Sources et citations dans un assistant RAG
- Appels d'outils et confirmations
- Répartition scripté et génératif, escalade
- Évaluation et relecture de conversations
Ce que répond un bon conversational designer IA, question par question
Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.
Question 1 · confirmé
L'assistant tutoie certains utilisateurs, vouvoie les autres et change de ton au fil de la conversation. Que corrigez-vous dans le prompt système ?
Une bonne réponseUne persona écrite en règles observables plutôt qu'en adjectifs : vouvoiement toujours, phrases courtes, pas d'emoji, conduite face à un client énervé. Deux ou trois exemples de réponses conformes. Il cherche aussi ce qui contredit la règle : un document de la base rédigé au tutoiement, un exemple oublié dans le prompt, un historique long où la consigne s'efface. Puis il rejoue un lot de conversations pour mesurer la dérive avant et après.
Signal d'alerte« J'ajoute en majuscules : sois professionnel », ou une persona de deux paragraphes sur le caractère du bot sans une seule règle vérifiable.
Question 2 · confirmé
Sur un site de vente en ligne, un client demande à l'assistant son avis sur un litige avec sa banque. Rédigez le refus devant nous : que contient-il pour ne pas laisser la personne dans une impasse ?
Une bonne réponseUne phrase qui dit ce que l'assistant ne fait pas, sans sermon et sans citer la règle interne. Puis une suite possible : la page qui répond, le contact humain, une reformulation dans le périmètre. Le ton reste celui de la persona. Il prévoit des exemples de refus dans le prompt pour éviter la même phrase à chaque fois, et suit le taux de refus et les refus relus pour repérer ceux qui n'avaient pas lieu d'être.
Signal d'alerte« Je suis désolé, je ne peux pas répondre à cette question » pour tout, ou un paragraphe moralisateur qui explique à l'utilisateur pourquoi sa question pose problème.
Question 3 · confirmé
L'assistant répond à partir de la base d'aide. Comment montrez-vous à l'utilisateur d'où vient la réponse ?
Une bonne réponseUne à trois citations placées après l'affirmation qu'elles appuient, avec le titre de l'article, sa date de mise à jour et un lien vers la bonne section. Les liens viennent des métadonnées des documents retrouvés, jamais d'une URL écrite par le modèle. Il fait vérifier en évaluation que la source citée contient bien l'information donnée.
Signal d'alerteHuit liens en vrac sous la réponse, ou des URL générées par le modèle qui mènent parfois vers des pages inexistantes.
Question 4 · confirmé
L'assistant peut annuler une commande par une API. À quel moment demande-t-il une confirmation, et sous quelle forme ?
Une bonne réponseAvant toute action irréversible ou qui engage l'utilisateur, avec un récapitulatif exact : numéro de commande, montant remboursé, délai. La confirmation passe de préférence par un bouton plutôt que par un « oui » libre. Les actions de lecture se font sans confirmation. L'API vérifie elle-même que la commande appartient à l'utilisateur connecté, et le message final s'appuie sur la réponse réelle de l'API. Il cite l'autonomie excessive parmi les risques du Top 10 OWASP pour les LLM.
Signal d'alerteUne annulation lancée dès que le modèle croit avoir compris, ou une confirmation demandée pour chaque consultation de statut.
Question 5 · confirmé à senior
Sur un assistant existant, quels parcours gardez-vous scriptés et lesquels confiez-vous au modèle ?
Une bonne réponseScripté quand le texte est réglementé ou engageant (résiliation, authentification, paiement, mentions obligatoires), quand une demande fréquente a une réponse unique, quand l'erreur coûte cher. Génératif pour les questions ouvertes et la longue traîne de la base d'aide. Le routage passe par un classifieur ou par l'orchestration de la plateforme, topics et orchestration générative dans Copilot Studio, flows et playbooks dans Dialogflow CX. La décision s'appuie sur les transcriptions : volume et taux de résolution par motif.
Signal d'alerte« Tout en génératif, c'est plus moderne », ou un LLM ajouté seulement en cas d'incompréhension, sans critère de répartition.
Recevez la fiche d'entretien complète en PDF
La fiche pour mener l'entretien de bout en bout, prête à imprimer ou à partager avec le manager.
- 30 questions sur 6 axes, avec la bonne réponse, le signal d'alerte et la relance
- Le niveau visé pour chaque question
- Une mise en situation de 20 minutes et ce qu'on attend du candidat
- La grille d'évaluation de 1 à 4, axe par axe
Conversational designer IA, les questions qui reviennent
Conversational designer IA ou prompt engineer : qui fait quoi ?
Le prompt engineer optimise les instructions d'une application LLM, souvent sans interface : extraction, classification, sorties structurées. Le conversational designer conçoit une conversation avec un utilisateur : persona, ton, refus, confirmations, escalade vers un humain, affichage des sources. Les deux écrivent des prompts et les évaluent. Si le livrable principal est un assistant qui parle à des clients ou à des salariés, le bon profil est un conversational designer qui sait aussi mesurer la qualité des réponses.
Un conversational designer doit-il savoir coder ?
Pas au sens d'un développeur. Il doit pourtant lire un fichier de traces en JSON, modifier un prompt versionné dans Git ou dans l'outil de l'équipe, lancer une campagne d'évaluation et comprendre ce qu'un appel d'outil renvoie. Un peu de Python ou de SQL pour trier des milliers de conversations fait gagner beaucoup de temps. Sur une plateforme comme Copilot Studio ou Voiceflow, il configure lui-même une grande partie de l'assistant.
Quel test technique pour un conversational designer IA ?
Le test fournit un prompt système existant, une dizaine de transcriptions réelles anonymisées et deux règles métier. Le candidat repère les défauts, réécrit les passages fautifs et propose cinq cas à ajouter au jeu d'évaluation. En une heure apparaissent la qualité d'écriture, la lecture des conversations et le réflexe de mesure. Le commentaire du travail en entretien distingue les choix argumentés des corrections au hasard.
Un profil venu des chatbots à intentions peut-il passer au génératif ?
Souvent, et il apporte des acquis utiles : analyse de transcriptions, gestion des incompréhensions, escalade, connaissance des indicateurs de relation client. Le point à vérifier est le changement de méthode. Avec un LLM, la même question ne donne pas toujours la même réponse, donc la qualité se mesure sur un jeu de conversations et non sur un parcours testé une fois. Une question d'évaluation et une question de refus suffisent à le voir.
Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.
