Inquiet de Publier du Contenu IA de Mauvaise Qualité sur LinkedIn ? Lisez Ceci d'Abord
Eliott Ardisson
Founder & CEO - Basalt Studio
Comment utiliser l'IA pour créer du contenu LinkedIn authentique : éviter les pièges du contenu générique et amplifier votre voix de dirigeant.
Points clés
- L’IA génère du contenu médiocre quand on lui donne peu d’input personnel : c’est une règle, pas une exception.
- La différence entre un post qui engage et un post qui embarrasse tient à la qualité de ce que vous mettez dans le prompt, pas à l’outil choisi.
- Former l’IA à votre voix avant de lui demander de produire est l’étape que la plupart des dirigeants sautent — et c’est là que tout se joue.
- Le contenu IA qui fonctionne part toujours d’une expérience ou d’une opinion réelle. L’IA structure et reformule. Elle n’invente pas.
- Publier moins souvent du contenu qui vous ressemble vraiment est plus efficace que publier souvent du contenu interchangeable.
Le vrai problème avec le contenu IA sur LinkedIn
Un dirigeant vous envoie un message pour vous féliciter d’un post. Puis vous tombez sur le compte d’un concurrent qui a publié exactement la même structure de post la même semaine, avec les mêmes “trois points clés”, le même paragraphe d’ouverture bienveillant, les mêmes puces bien rondes. Pas de plagiat. Juste deux personnes qui ont tapé à peu près le même prompt dans ChatGPT et publié le premier résultat.
C’est le problème central. Pas l’IA elle-même — la façon dont la majorité des gens l’utilisent.
Quand quelqu’un vous dit “l’IA c’est nul pour LinkedIn”, il a probablement donné un prompt paresseux et publié le premier jet. Quand quelqu’un vous dit “l’IA m’a permis de publier deux fois par semaine sans y passer ma vie”, il a construit un système qui part de son expérience réelle. La différence ne tient pas à l’outil. Elle tient au processus.
Ce post explique ce processus.
Pourquoi 90 % du contenu IA se ressemble
La raison est simple : la plupart des modèles de langage sont entraînés à produire des réponses “correctes”, pas des réponses distinctives. Si vous leur demandez d’écrire un post LinkedIn sur le leadership, ils vont produire ce qui ressemble statistiquement à un bon post LinkedIn sur le leadership — c’est-à-dire le centre de gravité de tout ce qui a été écrit sur le sujet.
Résultat : un texte qui ne vous ressemble pas. Pas faux, mais pas vous non plus.
Le problème s’aggrave quand les dirigeants utilisent des prompts génériques comme “écris-moi un post LinkedIn sur l’importance de la culture d’entreprise”. L’IA n’a aucune information sur vous, vos expériences, vos opinions, vos clients, vos erreurs. Elle comble le vide avec du générique. Ce n’est pas un bug — c’est une conséquence logique d’un input vague.
Il y a aussi un effet de mimétisme. Les posts IA qui performent bien sont souvent copiés-collés comme templates par des dizaines de personnes qui font les mêmes recherches. Six mois plus tard, tout le monde a la même “erreur numéro 1 que font les managers”. Votre audience l’a déjà lu ailleurs. Elle passe.
Ce que l’IA peut et ne peut pas faire pour vous
Avant de construire un système, il faut être honnête sur les limites.
Ce que l’IA fait bien :
- Structurer des idées que vous lui donnez dans un langage brouillon
- Proposer plusieurs angles d’approche sur un même sujet
- Reformuler un paragraphe trop dense ou trop technique
- Générer des ébauches que vous éditez ensuite
- Identifier des patterns dans des contenus existants
Ce que l’IA ne peut pas faire :
- Inventer des expériences que vous n’avez pas vécues
- Produire un point de vue genuinement tranchant sur votre secteur si vous ne le lui fournissez pas
- Savoir ce que vos clients vous disent en réunion
- Comprendre la nuance d’une relation client difficile ou d’un recrutement raté
- Se souvenir d’une conversation en off qui vous a changé d’avis sur un sujet
Ce n’est pas une limitation à contourner. C’est simplement la répartition du travail : vous apportez la matière, l’IA apporte la forme. Inverser cette logique produit du contenu vide.
Former l’IA à votre voix : l’étape que tout le monde saute
La plupart des guides sur “l’IA pour LinkedIn” sautent directement aux prompts. C’est une erreur. Avant de générer quoi que ce soit, vous devez faire un travail de calibrage.
Étape 1 : Constituez votre matière première
Reprenez vos 15 à 20 derniers posts LinkedIn, emails professionnels, ou prises de parole qui vous semblent représentatifs. Identifiez quelques caractéristiques de votre ton : vous prenez des positions claires ou nuancez systématiquement ? Vous utilisez des exemples concrets ou des principes abstraits ? Vous interpellez directement votre audience ou vous parlez à la troisième personne ?
Ce n’est pas un exercice de branding. C’est un audit de voix pour pouvoir décrire à l’IA comment vous parlez naturellement.
Étape 2 : Créez un “contexte de voix”
Au début de votre session (ou dans un fichier système si vous utilisez un outil qui le permet), décrivez-vous en quelques phrases : votre secteur, votre rôle, le type de problèmes que vous résolvez, deux ou trois opinions que vous défendez, ce que vous évitez de dire. Plus vous êtes précis, plus l’IA peut s’éloigner du centre de gravité générique.
Un exemple de contexte utile : “Je suis directeur associé d’un cabinet de recrutement spécialisé dans l’IT. Je travaille principalement avec des ETI françaises. Mon opinion : trop de DRH sur-optimisent le process de sélection au détriment de la relation candidat. Je parle directement, sans jargon RH. Je n’utilise jamais le mot ‘synergies’.”
Ce paragraphe change radicalement la qualité du premier jet généré.
Étape 3 : Alimentez avec du vécu réel
Avant de demander à l’IA d’écrire, donnez-lui la matière. Pas “écris un post sur l’onboarding”, mais : “Voici une observation que j’ai faite cette semaine en discutant avec un client : son onboarding dure trois mois mais personne ne sait à quoi ressemble le succès au bout de ces trois mois. Aide-moi à structurer un post à partir de cette idée.”
L’IA travaille sur votre observation. Vous avez la substance. Elle a la structure.
Construire un système de contenu durable
Un post ne fait pas une stratégie. Ce qui compte, c’est la régularité sur plusieurs mois. Voici un système simple mais efficace.
Journal d’observations hebdomadaire
Chaque vendredi, prenez dix minutes pour noter trois choses : une situation client ou projet qui vous a surpris cette semaine, une question qu’on vous a posée et que vous trouvez pertinente, une opinion que vous avez que la plupart de vos pairs ne partagent pas. Ce journal devient votre stock de contenu brut.
Deux bénéfices immédiats : vous ne partez plus d’une page blanche, et tout ce que vous écrirez sera ancré dans du réel.
La règle des trois itérations
Ne publiez jamais le premier jet. Demandez systématiquement à l’IA de vous proposer une deuxième version plus directe, ou une version qui prend une position plus tranchée, ou une version qui commence par l’anecdote plutôt que par la conclusion. Puis choisissez les meilleurs éléments de chaque proposition et assemblez.
Ce n’est pas une question de perfectionnisme. C’est juste que le premier jet IA maximise la sécurité, pas la singularité. En demandant des variations, vous forcez l’outil à explorer des zones moins confortables.
Test de reconnaissance
Avant de publier, posez-vous une question : est-ce que quelqu’un qui me connaît professionnellement reconnaîtrait ma façon de voir les choses dans ce post ? Si la réponse est non, le post ne devrait pas sortir tel quel. Ce n’est pas un test de style. C’est un test de substance.
Les signaux qui trahissent le contenu IA non édité
Certains patterns sont devenus des marqueurs très reconnaissables du contenu IA publié sans relecture sérieuse. Les identifier vous permet de les éliminer dans votre propre processus.
- L’ouverture avec une affirmation large et évidente (“Le monde du travail est en train de changer.”)
- Les listes en trois ou cinq points parfaitement équilibrés, sans aspérité
- Les conclusions qui résument exactement ce qui vient d’être dit
- Le vocabulaire “corporate” que vous n’utiliseriez jamais à l’oral : “potentialiser”, “actionner des leviers”, “nous permettre de délivrer de la valeur”
- Les nuances excessives qui évitent toute position claire (“Il faut trouver le bon équilibre entre X et Y”)
- Les anecdotes anonymes et floues (“Un dirigeant que j’ai rencontré récemment m’a dit…”)
Aucun de ces éléments n’est fatal seul. Mais plusieurs dans le même post, et l’audience le sent. Pas forcément consciemment — mais elle ne s’arrête pas sur le contenu.
Ce que l’engagement mesure vraiment
Beaucoup de dirigeants regardent les likes et les vues comme indicateurs de succès. C’est une erreur de cadrage.
Ce qui compte pour une stratégie de thought leadership, c’est :
- Les messages privés qui commencent par “j’ai lu votre post et ça m’a fait penser à…”
- Les demandes de connexion avec un message personnalisé qui cite un contenu précis
- Les références lors de réunions (“j’ai vu que tu avais publié quelque chose sur ce sujet”)
- Les conversions vers un autre canal : newsletter, appel, site
Ces signaux ne se produisent pas avec du contenu générique. Ils se produisent quand quelque chose que vous avez écrit a réellement changé la façon dont quelqu’un pense à un problème. Et ça, aucune IA ne peut le produire sans que vous ayez mis votre réflexion réelle dans le process.
Ce qu’on observe en pratique
Dans notre travail chez Basalt Studio avec des dirigeants de PME qui veulent publier plus régulièrement sans perdre leur authenticité, le problème le plus fréquent n’est pas technique. C’est que les gens n’ont pas de système pour capturer leur propre expertise au fil de la semaine. Ils arrivent devant l’IA avec l’intention de publier quelque chose, mais sans matière. L’IA comble le vide. Et le résultat le montre.
La solution n’est pas un meilleur outil IA. C’est une meilleure discipline de capture : noter les observations, les questions récurrentes, les positions que vous défendez en réunion. Quand vous arrivez à la session de création avec cinq idées brutes issues de votre semaine réelle, l’IA fait un travail utile. Quand vous arrivez les mains vides, elle fait un travail générique.
Pièges à éviter avant de lancer votre système
Publier avant d’éditer. Le premier jet IA est un brouillon, pas un post. Si vous ne relisez pas en vous demandant “est-ce que c’est vraiment ce que je pense ?”, vous publiez le point de vue statistique de l’internet sur votre sujet, pas le vôtre.
Optimiser la fréquence avant la qualité. McKinsey et d’autres cabinets ont documenté que la valeur perçue d’un contenu professionnel est étroitement liée à sa densité d’information réelle. Un post par semaine qui apporte quelque chose de concret construit plus de crédibilité que cinq posts neutres.
Négliger l’après-publication. Les commentaires sont une extension du contenu. Si vous répondez avec la même profondeur que vous avez mise dans le post, vous prolongez la conversation et signalez à votre réseau que vous êtes réellement derrière ce que vous publiez. Si vous répondez avec des emojis et deux mots, vous cassez l’effet.
Utiliser l’IA pour des sujets sur lesquels vous n’avez pas de position réelle. Si vous n’avez pas d’opinion sur un sujet, l’IA va en inventer une qui ressemble à une opinion. Ce n’est pas la même chose. Choisissez des sujets sur lesquels vous avez quelque chose à dire, même si c’est une position minoritaire.
Conclusion
L’IA est un outil de production, pas un outil de pensée. Les dirigeants qui l’utilisent bien ont compris que le travail de fond — l’observation, la position, l’expérience — reste le leur. L’IA accelere la mise en forme. Elle ne remplace pas la substance.
Si vous avez quelque chose à dire sur votre secteur, votre méthode, vos erreurs ou vos observations — et que vous vous dites que vous n’avez pas le temps de le formuler correctement — c’est exactement le cas d’usage pour lequel un système IA bien construit fait la différence.
Si vous voulez explorer comment structurer ce type de système pour votre propre contexte, vous pouvez réserver un appel stratégie avec l’équipe Basalt ici : https://cal.com/eliott-ardisson-kzq7zs/ai-strategy-call