Évaluation de performance exemple avec l'IA : 6 prompts et un modèle complet

Le prompt reçoit les objectifs, vos propres preuves et la grille de notation, et vous gardez la note

Un seul prompt produit un premier brouillon utilisable d'évaluation de performance quand il contient trois choses : les objectifs fixés au début du cycle, les preuves que vous avez extraites vous-même du système de tickets, de l'agenda et des chiffres, et la grille de notation avec ses définitions. JPMorgan Chase autorise exactement cela à ses managers, avec une consigne selon laquelle l'outil n'est « pas un substitut au jugement humain » et une interdiction d'utiliser l'IA pour attribuer des notes ou décider des salaires et des promotions (Bloomberg, 13 novembre 2025). Voici le prompt que nous avons envoyé à deux modèles le 29 septembre 2026 ; l'ingénieure support et ses chiffres sont inventés, c'est la forme qui compte.

Rédige les commentaires du manager pour une évaluation de performance annuelle. Utilise uniquement les preuves ci-dessous ; quand il te manque un fait que je n'ai pas donné, écris [NEEDED] au lieu de l'inventer. Structure : un paragraphe par objectif (résultat d'abord, puis les preuves), un paragraphe sur les axes de progression, puis une note globale proposée sur notre échelle avec une phrase de justification. Moins de 250 mots. Aucun adjectif sur le caractère de la personne, seulement ce qu'elle a fait et ce que cela a produit.

Poste : ingénieure support, 2 ans dans le poste. Échelle de notation : 1 En dessous des attentes, 2 Répond partiellement, 3 Répond aux attentes, 4 Dépasse, 5 Dépasse largement. Un 3 est la note attendue pour une année solide ; un 4 exige un impact mesurable au-delà du poste.

Objectif 1 : Réduire le temps médian de première réponse sur les tickets de niveau 2 de 9 heures à moins de 4. Preuves : rapport Zendesk, temps médian de première réponse de 3,6 heures du T2 au T4 ; 3 100 tickets traités dans l'année contre une moyenne d'équipe de 2 400.

Objectif 2 : Livrer la page de statut destinée aux clients. Preuves : livrée le 14 mars, six semaines après la cible du 1er février ; le retard venait d'une dépendance SSO d'un fournisseur hors de son contrôle ; 22 incidents publiés depuis le lancement.

Objectif 3 : Accompagner deux nouvelles recrues jusqu'au traitement autonome des tickets en 8 semaines. Preuves : les deux recrues traitent seules les tickets à la semaine 6 (notes d'entretiens individuels du manager, avril et mai).

Note de développement : deux escalades au T3 où le client s'est vu annoncer une date de correction avant la confirmation de l'ingénierie (Jira SUP-2211, SUP-2287).

Deux consignes de ce prompt font l'essentiel du travail. « [NEEDED] au lieu de l'inventer » empêche le modèle d'enjoliver un objectif avec un chiffre que vous n'avez jamais mesuré : dans notre test, Claude Sonnet 4.5 a écrit un [NEEDED] là où nous n'avions fourni aucune preuve de correction après les deux escalades, et Gemini 2.5 Pro n'en a écrit aucun et a ajouté une phrase de procédure que nous n'avions jamais fournie. « Aucun adjectif sur le caractère de la personne » garde le brouillon sur ce qui s'est passé, c'est-à-dire ce que l'employé peut discuter et ce que les RH peuvent défendre.

Les preuves doivent venir de vous, parce que le modèle n'a rien d'autre. Le rapport State of People Strategy 2025 de Lattice a constaté que 49% des managers trouvent difficile de passer en revue une année de feedback, et cette année-là est exactement ce dont le prompt a besoin : l'export Zendesk ou Jira, l'agenda, le journal des commits, les notes d'entretiens individuels, les chiffres du tableau de bord. Le prompt 2 transforme ces exports en lignes de preuves avant que quoi que ce soit ne soit rédigé.

Voici des exports bruts couvrant la période d'évaluation de cette personne : [colle la liste de tickets, l'export d'agenda, le journal des commits ou le rapport de ventes, l'un après l'autre]. Transforme-les en lignes de preuves, une par ligne, chacune nommant une date ou une période, une chose accomplie et un chiffre tiré de l'export. Regroupe-les sous ces objectifs : [colle les objectifs]. Quand un élément ne soutient aucun objectif, place-le sous « Autre ». Quand un chiffre manque, écris [NUMBER NEEDED]. Ne résume ni ne note rien, et n'ajoute aucun élément absent des exports.

Vous n'êtes pas en avance sur les autres. Resume Builder a interrogé 1 342 managers américains ayant des collaborateurs directs en juin 2025 : 65% utilisent des outils d'IA au travail, et parmi eux 91% s'en servent pour évaluer la performance, ChatGPT étant le premier choix de 53%.

Rédiger une auto-évaluation avec l'IA : mêmes ingrédients, un échec assumé

Une auto-évaluation rédigée avec l'IA part des trois mêmes ingrédients, et elle plaide pour une seule note, celle que vos preuves soutiennent, avec une chose que vous feriez autrement, nommée simplement. Une auto-évaluation sans aucun échec donne l'impression d'avoir été écrite par une machine ou par quelqu'un qui ne fait pas attention, et 26% des employés soupçonnent déjà d'avoir reçu une évaluation rédigée par l'IA (ZeroBounce, enquête auprès de 1 000 professionnels américains, septembre 2025). L'ordre de déploiement chez Citi montre à quel point c'est devenu normal : dès juin 2025, ses employés pouvaient rédiger leurs auto-évaluations avec les outils d'IA de l'entreprise, et les managers ont reçu la même aide quatre mois plus tard.

Rédige mon auto-évaluation pour l'évaluation de [période]. Mes objectifs étaient : [colle]. Mes preuves, toutes tirées de mes propres relevés : [colle les lignes de preuves du prompt 2]. Notre échelle de notation : [colle, avec la définition de chaque niveau]. À la première personne, moins de 300 mots, un paragraphe par objectif qui commence par le résultat puis les preuves, puis un paragraphe nommant ce que je ferais autrement : [décris l'échec en une ligne]. Plaide pour la note que mes preuves soutiennent et dis de quel niveau il s'agit ; ne plaide pas pour une note plus haute. Quand il te faut un chiffre que je n'ai pas donné, écris [NUMBER NEEDED]. Aucune affirmation sur mon attitude, mes efforts ou mon potentiel, seulement ce que j'ai fait et ce que cela a produit.

Chaque chiffre de l'auto-évaluation doit être vérifiable par votre manager dans le système d'où vous l'avez tiré, car c'est là qu'il ira regarder. Les trois résultats qui portent une auto-évaluation sont les trois résultats qui portent une demande d'augmentation : le prompt de plaidoyer de utiliser l'IA pour demander une augmentation produit les points pour les deux, et l'auto-évaluation est le meilleur endroit pour les consigner en premier.

La dernière passe concerne la voix, et elle compte davantage ici que dans le brouillon du manager, parce qu'une auto-évaluation qui sonne comme un modèle dit à votre manager que vous ne l'avez pas écrite. Le prompt 4 utilise vos propres phrases comme échantillon, et il fonctionne de la même façon sur n'importe quel e-mail professionnel.

Voici trois paragraphes que j'ai écrits moi-même, tirés d'e-mails ou de documents : [colle]. Réécris l'auto-évaluation ci-dessous pour qu'elle corresponde à ma façon d'écrire : la longueur de mes phrases, mon vocabulaire, la manière dont je commence mes phrases. Supprime tout adjectif qui n'est pas rattaché à un chiffre. N'ajoute, ne retire et ne réordonne aucun fait, et garde chaque chiffre et chaque [NUMBER NEEDED] exactement tels quels. [colle le brouillon]

Quelle est la meilleure IA pour les évaluations de performance ? Un prompt, deux modèles

Claude Sonnet 4.5 a écrit l'évaluation la plus prudente et Gemini 2.5 Pro la plus chaleureuse, et les deux ont proposé la même note, un 4, à partir de preuves identiques. Nous avons envoyé le prompt 1 sans modification aux deux modèles via la même API (le endpoint any-llm de fal.ai) le 29 septembre 2026 à une température de 0,3, un essai chacun, avec le raisonnement de Gemini activé parce que le endpoint l'exige pour ce modèle. Le test complet a coûté moins d'un centime.

La sortie de Claude, non modifiée hormis son balisage en gras :

Goal 1: First-Response Time The median first-response time target was met, with Zendesk data showing 3.6 hours across Q2-Q4, below the 4-hour goal. This was achieved while handling 3,100 tickets, 29% above the team average of 2,400.

Goal 2: Status Page The customer-facing status page shipped on 14 March, six weeks later than the 1 February target due to a vendor SSO dependency outside her control. Since launch, 22 incidents have been posted to the page.

Goal 3: New Hire Mentoring Both assigned new hires reached unsupervised ticket handling by week 6, two weeks ahead of the 8-week target, as documented in manager one-on-one notes from April and May.

Development Areas Two escalations occurred in Q3 (SUP-2211, SUP-2287) where fix dates were communicated to customers before engineering confirmation. [NEEDED: evidence of improvement or corrective action taken after these incidents.]

Proposed Rating: 4 (Exceeds) The combination of meeting the response-time goal while handling significantly above-average ticket volume, accelerating new hire readiness, and delivering the status page despite external delays demonstrates measurable impact beyond standard role expectations.

Celle de Gemini, non modifiée :

You exceeded the goal to reduce median first-response time, achieving 3.6 hours against a target of under 4 hours from Q2 to Q4. This was accomplished while handling 3,100 tickets for the year, above the team average of 2,400.

The customer-facing status page was shipped on 14 March. While this was after the 1 February target, the delay was due to a vendor dependency outside your control. The page has been used to post 22 incidents since launch.

You met the goal to mentor two new hires. Both were handling tickets unsupervised by week 6, ahead of the 8-week target, according to one-on-one notes from April and May.

For development, focus on communication during escalations. In Q3, two customers were given a fix date before engineering had confirmed it (SUP-2211, SUP-2287). The process is to wait for an engineering estimate before providing a date to the customer.

Proposed rating: 4 (Exceeds). The significant outperformance on ticket volume and response time created a measurable positive impact on the customer experience beyond the defined expectations for the role.

La note est le point sur lequel les deux ont penché du même côté, et c'est la raison pour laquelle la note reste avec vous. L'échelle disait qu'un 3 est la note attendue pour une année solide et qu'un 4 exige un impact mesurable au-delà du poste. Les deux modèles ont pris 3 100 tickets contre une moyenne de 2 400 pour cet impact, et aucun n'a pesé dans la phrase de notation le retard de six semaines de l'objectif 2 ni les deux escalades. Avec ces preuves, un 4 se défend ; un 3 avec une ligne sur les escalades aussi, et le modèle a choisi le plus généreux les deux fois. Le prompt 5 le force à plaider l'autre camp avant que vous décidiez.

Voici un brouillon d'évaluation et notre échelle de notation : [colle les deux]. Le brouillon propose [note]. Rédige le meilleur plaidoyer en un paragraphe pour la note d'un niveau en dessous et le meilleur plaidoyer pour la note d'un niveau au-dessus, en utilisant uniquement les preuves du brouillon et les définitions de l'échelle. Puis liste chaque preuve que la note proposée ignore. Ne recommande pas de note.

Alors, quelle est la meilleure IA : pour une évaluation, le modèle compte moins que les preuves, puisque deux modèles de pointe nourris des mêmes preuves ont produit la même note et ne différaient que par la voix et une phrase inventée. Claude si vous voulez que les preuves manquantes soient signalées, Gemini si vous voulez un brouillon déjà adressé à l'employé. Avoir les deux au même endroit aide pendant une saison d'évaluations avec huit collaborateurs. Sur Whizi, vous épinglez une fois la grille de notation et les définitions de compétences dans un projet (en septembre 2026, un projet contient jusqu'à 10 fichiers épinglés de 10 Mo chacun, .docx et PDF compris, et des instructions de projet jusqu'à 32 000 caractères qui accompagnent chaque message), puis vous passez les preuves de chaque collaborateur dans Claude et Gemini sans recoller la grille (comment fonctionnent les projets). Là où Whizi perd, c'est sur l'autre moitié du travail : il n'a ni intégration SIRH ni comptes d'équipe, donc rien n'est récupéré de Workday, Lattice ou Zendesk à votre place. Performance Assist de Citi « rassemble automatiquement toutes ces informations directement depuis nos systèmes », selon Patricia Gould, responsable de la rémunération globale chez Citi, et l'agent IA de Lattice résume les feedbacks passés depuis l'intérieur de Lattice. Sur Whizi, vous exportez et vous collez.

Faut-il dire aux RH, ou à l'employé, que l'IA a aidé à rédiger l'évaluation ?

Chez les deux grands employeurs qui ont publié une position, la réponse diffère : Citi informe ses employés et permet à chacun de refuser une évaluation rédigée par l'IA, et moins de 1% l'avaient fait en décembre 2025, tandis que la consigne de JPMorgan, telle que Bloomberg la rapporte, limite ce que le manager peut faire avec l'outil au lieu d'exiger une divulgation au collaborateur. JPMorgan interdit les notes attribuées par l'IA ; Citi garde le manager responsable de l'évaluation finale. Partout ailleurs, la réponse est la politique IA de votre entreprise, et le premier point de la liste de Lattice et de Textio est le même que le nôtre : la lire avant de coller. Les positions des employeurs américains nommés, telles que rapportées entre le 13 novembre et le 2 décembre 2025 :

Les chiffres des enquêtes montrent que la question se pose déjà dans la plupart des équipes. Dans l'enquête de Resume Builder de juin 2025, « More than 20% say they allow AI to make decisions without human input either all the time (5%) or often (16%) », et seulement 32% des managers qui utilisent l'IA pour encadrer des personnes avaient reçu une formation formelle à ce sujet. L'enquête de ZeroBounce de septembre 2025 indiquait que 41% des managers avaient rédigé ou révisé une évaluation avec l'IA. L'enquête de décembre 2025 de Gartner auprès de 1 622 répondants a trouvé que « managers reported an average of four hours saved across different parts of the performance management process when using AI », et son conseil d'avril 2026 était de traiter l'IA « as an input to managerial judgment rather than a replacement for it ».

La seule expérience de terrain sur la divulgation a trouvé un coût à le dire, et un moyen de le contourner. Tong, Jia, Luo et Fang, dans le Strategic Management Journal en 2021, ont mesuré un feedback généré par l'IA dans une vraie entreprise et ont écrit que « employees may develop a negative perception of AI feedback once it is disclosed to them, thus harming their productivity », un effet qui diminuait avec l'ancienneté de l'employé. Leur correctif suggéré est la forme sur laquelle aboutit chaque politique ci-dessus : le manager délivre le feedback, avec sa propre voix, quel que soit l'outil qui l'a rédigé. Peter Cassat, associé chez CM Law, a déclaré à HR Dive en décembre 2025 que l'usage de l'IA pour évaluer les employés « could subject organizations to discrimination claims as well as substantial compliance obligations », ce qui est la raison juridique pour laquelle la notation reste humaine dans les banques. Les règles des États et des villes diffèrent, et cette page n'est pas un conseil juridique ; la question à poser à vos RH ou à votre conseil est de savoir si un outil de rédaction compte comme un outil de décision automatisée là où vous êtes. L'IA pour les RH recense six règles américaines sur l'IA et l'emploi, celles qui touchent la rémunération et la discipline, et celles qui excluent la rédaction dans leur propre texte.

Peut-on rédiger une évaluation avec l'IA gratuitement ?

Oui. Les offres gratuites de ChatGPT, Claude et Gemini acceptent le prompt 1 tel quel, et les générateurs dédiés font le même travail avec un formulaire à la place d'un prompt. TechnologyAdvice a testé huit générateurs gratuits en mars 2026 et en a retenu quatre : Easy-Peasy.AI (2 évaluations par jour), Writify.AI (sans limite, avec publicités), Vondy (4 avant l'inscription) et GravityWrite (1 000 mots par mois). Les formulaires demandent le nom de l'employé ; mettez plutôt un intitulé de poste, sur tout outil dont vous n'avez pas lu les conditions sur les données (ce qu'il ne faut jamais coller dans un chat IA).

Gratuit ou payant, faites une vérification que les outils à formulaire sautent. Le test de janvier 2023 de Textio sur le feedback de ChatGPT a montré qu'il présumait qu'une infirmière était une femme 9 fois sur 10 et qu'il écrivait un feedback environ 15% plus long pour les femmes, la longueur en plus étant surtout de la critique. Le prompt 6 lance cette vérification sur votre propre ensemble avant toute soumission.

Voici [N] brouillons d'évaluations de mon équipe, avec les noms remplacés par des lettres : [colle]. Compare-les et liste : toute évaluation plus longue ou plus courte de plus de 20% que la médiane ; tout adjectif sur le caractère (fiable, difficile, pétillant, agressif) et dans quelle évaluation il apparaît ; tout pronom ou mot genré ; toute affirmation sans chiffre ni date derrière. Produis un tableau avec une ligne par constat. Ne réécris rien.

La règle sur laquelle toutes les politiques de cette page s'accordent tient en une phrase : les preuves viennent de vous, le brouillon peut venir du modèle, et la note et la conversation restent les vôtres.