Prompts pour générer des réalisations de CV : transformez les tâches en preuves

Prompts IA prêts à copier qui convertissent les missions en bullets de réalisation mesurables — sans inventer de métriques ou de résultats que vous ne pouvez pas vérifier.

1. Le cadre de conversion mission → réalisation

   La plupart des CV énumèrent des missions. Les recruteurs lisent des réalisations. L'écart se comble avec une structure en quatre parties : ce que vous gériez (périmètre), ce que vous avez fait (action), comment vous l'avez mesuré (métrique) et pourquoi c'était important pour l'entreprise (résultat).

   Prompt to use: Convertissez ces énoncés de mission de CV en bullets de réalisation en utilisant cette structure : [Périmètre : quel système, projet ou domaine gériez-vous ?] + [Action : qu'avez-vous fait spécifiquement ?] + [Métrique : comment cela a-t-il été mesuré ?] + [Résultat business : pourquoi était-ce important ?]. Si mon texte original ne contient pas assez d'informations pour les quatre parties, posez-moi des questions de suivi spécifiques au lieu de deviner ou d'inventer des chiffres.
   Example wording: Mission : 'Responsable de la gestion des tickets de support client.' → Réalisation : 'Géré 1 200+ tickets de support par mois sur 3 comptes enterprise, maintenu 97 % de CSAT pendant 18 mois et réduit les escalades de 22 % grâce à un processus de triage adopté par l'équipe support de 12 personnes.'

2. Comment écrire des réalisations quand vous n'avez pas de chiffres

   Tous les postes ne produisent pas des KPI clairs. Quand les métriques chiffrées manquent, utilisez cinq dimensions alternatives : fréquence (à quelle fréquence), audience (qui et combien), qualité (taux d'erreur, taux d'approbation), ponctualité (avant la deadline, plus rapide que la référence) et comparaison (mieux qu'avant, mieux que les pairs, mieux que la norme du secteur).

   Prompt to use: Je n'ai pas de métriques quantitatives pour ces missions. Aidez-moi à écrire des bullets de réalisation en utilisant des preuves alternatives : [Fréquence : à quelle fréquence le faisiez-vous ?] [Audience : combien de personnes ou d'équipes en dépendaient ?] [Qualité : quel standard cela respectait-il ?] [Ponctualité : était-ce plus rapide ou plus fiable qu'avant ?] [Comparaison : était-ce meilleur que les pairs, la norme du secteur ou l'ancien système ?]. Posez-moi des questions sur ces cinq dimensions une par une et arrêtez-vous quand je ne peux pas répondre — n'inventez pas de données.
   Example wording: Mission : 'Gérais l'intégration des nouveaux employés.' → Réalisation (fréquence + audience + qualité) : 'Intégré 40+ nouveaux employés dans 4 départements en 8 mois ; créé une checklist de 12 étapes qui a réduit le temps de suivi des managers de 60 % et a été adoptée comme standard d'onboarding dans toute l'entreprise.'

3. Pourquoi l'IA ne doit pas inventer vos métriques — et comment la faire interroger

   Beaucoup d'outils CV IA inventent des chiffres avec assurance si vous ne les arrêtez pas. La solution est un prompt qui transforme l'IA en intervieweur, pas en écrivain fantôme. Ordonnez explicitement à l'IA de signaler les lacunes de preuve, de poser des questions de suivi et de s'arrêter quand elle devrait deviner.

   Prompt to use: Vous m'aidez à réécrire des missions de CV en bullets de réalisation. C'est une tâche d'extraction de faits, pas d'écriture créative. Règle 1 : Utilisez des chiffres, pourcentages, montants, délais ou effectifs uniquement si (a) je les fournis ou (b) si je les confirme en réponse à votre question. Règle 2 : Si une mission est trop vague pour écrire une réalisation, demandez-moi : 'Pour transformer ceci en réalisation, j'ai besoin de savoir : [preuve manquante spécifique]. Pouvez-vous fournir l'un de ces éléments ?' Règle 3 : Si je ne peux pas répondre après deux tentatives de suivi, marquez le bullet comme [PREUVE NÉCESSAIRE] et passez au suivant. N'inventez pas de données.
   Example wording: L'IA demande : 'Pour transformer «gestion des réunions d'équipe» en réalisation, j'ai besoin de savoir : Combien de participants ? Quelle était la fréquence ? Quelle décision ou action résultait habituellement de chaque réunion ? Y a-t-il eu une amélioration avant-après ?' Vous répondez avec ce que vous savez, et l'IA cadre uniquement à partir des faits confirmés.

4. Avant-après : des missions transformées en réalisations dans 3 secteurs

   Le modèle fonctionne dans tous les secteurs. Voici trois paires avant-après de différentes industries montrant la même structure — périmètre, action, métrique, résultat — adaptée aux preuves que chaque poste génère naturellement.

   Prompt to use: Voici 3-5 bullets de mon CV. Réécrivez chacun comme bullet de réalisation en utilisant uniquement les preuves que j'ai fournies ou que je peux confirmer. Montrez-moi l'avant et l'après côte à côte. Pour chaque réécriture, indiquez quelle dimension de preuve vous avez utilisée (périmètre/action/métrique/résultat/fréquence/audience/qualité/ponctualité/comparaison) pour que je puisse apprendre le modèle.
   Example wording: Avant (Retail) : 'Responsable de l'ouverture et fermeture du magasin.' → Après : 'Ouvert et fermé le magasin 5 jours/semaine pendant 14 mois ; géré la caisse avec zéro écart sur 300+ changements d'équipe ; formé 3 nouveaux employés aux procédures d'ouverture.' Avant (Admin) : 'Gérais les commandes de fournitures de bureau.' → Après : 'Géré un budget annuel de 18 K$ de fournitures pour 3 sites ; renégocié les contrats fournisseurs économisant 23 % ; maintenu 98 % de disponibilité de stock pour une équipe de 45 personnes.' Avant (IT) : 'Réparais les problèmes informatiques.' → Après : 'Résolu 40+ tickets helpdesk par semaine pour un bureau de 200 personnes ; construit une base de connaissances en libre-service qui a réduit les tickets répétés de 31 % en 6 mois.'