Pourquoi le message doit rester relu par un humain
L'outil gère le style. Il ne gère pas le contexte fin. Quand vous envoyez un message de setting LinkedIn, la différence entre un DM qui fait mouche et un DM qui passe inaperçu, c'est rarement la formulation. C'est le détail récent que vous avez repéré dans le profil, la phrase exacte du dernier commentaire du prospect, l'ancre qui prouve que vous avez lu avant d'écrire.
L'IA ne voit pas tout ça. Elle part de ce que vous lui donnez. Si votre description du prospect est vague, le message sera vague. Si elle est précise, le message sera précis — mais il faudra quand même votre relecture pour vérifier que l'angle est juste, que le ton matche la situation, que le timing est bon.
C'est la différence de fond entre le setting humain et l'automatisation pure. L'outil accélère la rédaction, il ne remplace pas le jugement. On considère que 20 % du temps restant — la relecture et l'ajustement — fait 80 % de l'écart de taux de réponse.
Ce que cette version lite ne fait pas
Cet outil gratuit est une version allégée. Il prend 3 à 5 posts en entrée et produit un message. C'est utile pour un usage ponctuel, ou pour tester la méthode. Pour un usage quotidien à volume, il manque plusieurs briques que la version complète apportera.
Version lite (ici)
- •3 à 5 posts par génération
- •Pas de mémorisation entre sessions
- •Pas d’apprentissage des corrections
- •3 générations / jour / IP
- •Corpus réduit : style capturé en surface
Version complète (en préparation)
- •Indexation de tout votre historique de posts
- •Graphe de connaissances sur vos clients et sujets
- •Apprentissage des corrections que vous faites
- •Score de fidélité par message et par batch
- •Corpus persistant, style qui évolue avec vous
Si l'usage quotidien vous intéresse, inscrivez votre email dans le formulaire ci-dessus. Les premiers inscrits auront un accès anticipé.
3 conseils pour tirer le meilleur de l'outil
Quelques réglages simples qui changent significativement la qualité du résultat.
- Variez vos posts d'entrée. Ne collez pas 3 posts d'opinion ou 3 retours d'expérience. Mélangez les formats. Plus la variété est large, plus le clone capte votre palette complète.
- Soyez chirurgical sur le signal. « A liké mon post sur les objections commerciales » est 10 fois plus utile que « prospect chaud ». L'ancre du message sortira naturellement bien si le signal est explicite.
- Régénérez au moins une fois. La première génération est rarement la meilleure. La deuxième ou la troisième sonnent souvent plus fluides. Les deux régénérations ne consomment pas de quota supplémentaire.
Besoin d'exemples concrets de messages qui convertissent ? 15 exemples de messages de prospection LinkedIn. Et pour construire une vraie méthode signal-based : détecter les signaux d'achat sur LinkedIn.
Questions fréquentes
Mes posts LinkedIn sont-ils stockés quelque part ?
+
Non. Les posts que vous collez passent directement à l'API de génération sans être sauvegardés en base. On ne crée pas de compte, on ne logue pas le contenu. Le seul élément qu'on garde temporairement en mémoire, c'est un compteur lié à votre adresse IP pour la limite quotidienne.
Combien de messages puis-je générer par jour ?
+
Trois générations par jour et par adresse IP. La limite se remet à zéro toutes les 24 heures. Chaque message peut ensuite être régénéré deux fois sans consommer de génération supplémentaire, pour vous laisser ajuster le ton.
Est-ce que ça marche pour d'autres langues que le français ?
+
L'outil est calé sur le français professionnel. Vous pouvez coller des posts en anglais, mais le message final sera probablement en français, avec une fidélité de style moins bonne. Pour du B2B anglophone, la version complète en préparation gérera le bilinguisme proprement.
Comment améliorer la qualité du message généré ?
+
Trois leviers. Premier : collez des posts longs et variés (vous partagez plus d'échantillons de votre style). Deuxième : soyez précis dans la description du prospect — rôle, secteur, signal observé, éventuel contexte de prise de poste. Troisième : régénérez deux fois et gardez la version qui sonne le plus naturel.
Pourquoi le message doit-il rester relu par un humain ?
+
Parce que même un clone bien calibré rate parfois le contexte fin : l'actualité récente du prospect, un détail de son dernier post, une formulation qui ne vous ressemble pas ce jour-là. Le setting LinkedIn qui fonctionne, c'est un humain qui envoie. L'outil vous fait gagner 80 % du temps de rédaction, pas 100 %.
Puis-je utiliser l'outil sans compte LinkedIn ?
+
Oui, l'outil n'est pas connecté à LinkedIn. Vous collez le texte des posts à la main. C'est volontaire : pas d'automatisation, pas de risque de blocage de compte, pas de scraping. L'outil génère un texte. Vous l'envoyez vous-même, depuis votre compte LinkedIn normal.
Comment l'outil fonctionne, en 3 étapes
La plupart des générateurs de messages LinkedIn produisent un texte qui sonne faux dès la première ligne. Trop lisse, trop générique, trop « ChatGPT ». Les prospects le voient en trois secondes, et le message file en archive. L'approche ici est différente : l'outil part de 3 à 5 de vos propres posts pour extraire votre signature stylistique, puis rédige dans ce même ton.
Collez 3 à 5 posts LinkedIn que vous avez écrits
Sélectionnez des posts récents, variés (un post d'opinion, un retour d'expérience, un post technique). 50 caractères minimum par post. Plus l'échantillon est large, plus le clone capte vos tics, votre longueur de phrase moyenne et votre façon de poser les questions. C'est votre corpus d'entraînement mini.
Décrivez votre prospect et le signal d’achat
En deux lignes : rôle, secteur, taille d'entreprise, et surtout le signal que vous avez détecté (commentaire sur votre post, prise de poste, interaction avec un concurrent). C'est ce contexte qui fait la différence entre un DM qui sonne juste et un DM générique.
Générez, relisez, envoyez
L'outil produit un message de 50 à 80 mots dans votre style. Vous pouvez le copier, le régénérer (2 essais offerts), ou l'ajuster à la main. Un score de fidélité vous montre à quel point le texte généré ressemble statistiquement à votre corpus.