Un constat de départ : les tests à domicile ne sont plus un signal fiable
Gonfire part d’un constat partagé par de nombreux recruteurs techniques : les « take-home » classiques ne permettent plus de distinguer les candidats. « Il y a quelques années, un test à domicile vous apprenait quelque chose. Aujourd’hui, chaque candidat livre une pull request propre, générée en grande partie par un assistant IA », explique la plateforme sur son site. Le résultat final – le code soumis – a perdu sa valeur discriminante, que le candidat ait conçu la solution lui-même ou qu’il ait simplement demandé à l’IA de l’écrire.
Ce que le processus révèle
Plutôt que de tenter d’interdire l’IA, Gonfire l’intègre comme partie intégrante de l’évaluation. La plateforme enregistre l’intégralité des interactions entre le candidat et l’outil d’IA : les invites saisies, les relectures de code, les annulations, les modifications manuelles, les exécutions de tests. Ce sont ces comportements, et non la provenance de chaque ligne, qui constituent le véritable signal, selon Gonfire. « Nous n’essayons pas d’étiqueter chaque ligne comme “humaine” ou “IA”. Le candidat utilise l’IA pour l’ensemble – c’est le principe. L’étiquette importante est comportementale : quelle invite a conduit à quelle décision, où le candidat a pris le temps de lire la réponse de l’IA, et où il l’a acceptée sans vérification. »
Un exemple typique d’interaction
Un extrait d’une session est présenté sur le site : à 09h14, le candidat invite l’IA à « expliquer la logique de fenêtrage » ; il lit la réponse pendant 12 secondes ; à 09h18, il modifie un fichier ; à 09h21, il annule sa modification et relance une invite ; à 09h24, il demande « quels cas limites manquent ? » ; à 09h27, il accepte une suggestion sans modification ; à 09h31, il exécute les tests – 14 tests passent. La session totalise 14 invites, 3 annulations et 5 exécutions de tests.
Comparaison avec les tests traditionnels
Gonfire dresse un tableau comparatif. Avec un test à domicile classique, le recruteur passe environ deux heures à examiner une pull request en tentant de reconstituer ce qui s’est passé. Avec Gonfire, le temps de relecture est réduit à environ 30 minutes, et l’évaluation porte sur le processus observé directement : planification, invites soumises, réactions aux erreurs, décisions de revenir en arrière. La plateforme ne nécessite qu’un lien à envoyer au candidat, et le référentiel peut être n’importe quel dépôt GitHub ou archive zip. Les langages pris en charge incluent TypeScript, Python, Rust et Go.
Positionnement et limites actuelles
Gonfire précise qu’elle ne se positionne pas en concurrent direct des plateformes comme HackerRank ou CodeSignal, car celles-ci cherchent à empêcher l’usage de l’IA – une approche inverse de la sienne. La plateforme est encore en accès anticipé, avec un petit groupe de partenaires de conception. Aucun tarif n’est encore publié ; les équipes intéressées sont invitées à contacter Gonfire pour configurer un compte. Les fonctionnalités de personnalisation des grilles d’évaluation ne sont pas encore disponibles, mais figurent à la feuille de route.
Transparence et questions fréquentes
Sur la question de l’enregistrement, Gonfire assure que les candidats sont informés : « La page de configuration indique explicitement que leurs interactions avec l’IA seront enregistrées et évaluées dans le cadre du test. Il n’y a pas de capture clandestine. » Parmi les autres questions posées par les responsables techniques, l’entreprise répond que le référentiel source peut être n’importe quel dépôt GitHub ou archive zip, et que les langages testés incluent TypeScript, Python, Rust et Go. Un accès à une évaluation réelle peut être demandé par les partenaires.
En résumé
Gonfire propose un changement de perspective dans l’évaluation technique : mesurer non pas le code final, mais la manière dont le candidat utilise l’IA pour y parvenir. La promesse est de réduire le temps de relecture tout en offrant un signal plus riche sur les véritables compétences de collaboration avec les outils modernes. Reste à voir si cette approche séduira les recruteurs au-delà des premiers partenaires de conception.
