Je me lance dans la création de mon clone rédactionnel avec l'IA

Beaucoup de gens utilisent l'IA pour écrire leurs emails sans le cacher, et ça se voit : la syntaxe d'une IA non guidée se repère immédiatement pour quelqu'un habitué à dialoguer avec elle. Se passer complètement de l'IA pour écrire serait pourtant une erreur, le gain de temps est trop considérable. La vraie question n'est pas « IA ou pas IA », c'est comment obtenir un texte qui ne se voit pas comme généré. Premier épisode d'une exploration en direct : trois IA testées à conditions égales pour construire un clone rédactionnel fidèle.

Pourquoi la plupart des textes générés par IA se reconnaissent-ils autant ?

Le problème n'est pas l'IA elle-même, c'est la façon dont on l'utilise. Demander simplement « écris-moi un email sur ce sujet » sans autre contexte revient à demander à un inconnu d'imiter ta voix sans jamais t'avoir entendu parler : il va produire quelque chose de plausible, mais générique. C'est exactement ce schéma qui produit les tics reconnaissables entre mille : structures répétitives en « pas de X, pas de Y », questions rhétoriques artificielles, formules de transition toutes faites. Un lecteur habitué à converser avec une IA les repère en quelques secondes.

Quelle est la clé pour qu'une IA écrive vraiment comme toi ?

Le principe central de cette méthode est simple à énoncer, moins évident à appliquer : pour qu'une IA écrive naturellement dans un style donné, il faut lui fournir un exemple réel de ce style à étudier, pas seulement lui demander d'écrire sur un sujet. Une vidéo est un excellent matériau de départ, parce que c'est là qu'on parle le plus naturellement, sans le filtre de l'écrit.

Concrètement, cela veut dire récupérer le transcript d'une vidéo (voir la documentation officielle de NotebookLM sur l'ajout de sources, qui accepte directement des liens YouTube ou des fichiers audio), puis le fournir à l'IA en pièce jointe avant de lui demander de rédiger. Pour un transcript long, mieux vaut l'envoyer sous forme de fichier texte : au-delà d'une heure à une heure trente de vidéo, coller le texte brut directement dans la conversation risque de le faire tronquer.

ChatGPT, NotebookLM et Claude donnent-ils le même résultat à consigne égale ?

Le même prompt (rédiger un email annonçant une vidéo, en tutoyant et à la première personne) a été testé dans les trois outils, avec le même transcript en pièce jointe, pour comparer à conditions strictement égales.

Sans fichier de style, ChatGPT produit un texte générique, reconnaissable à ses tics récurrents. Avec le transcript fourni, le résultat change radicalement de nature : ton plus naturel, plus proche du style oral de départ. Seul point faible persistant, les objets d'email, souvent plats malgré le contexte fourni.

NotebookLM, pourtant strictement ancré dans la source fournie et sans connaissance extérieure ajoutée, a produit ici un résultat plus robotique que prévu, avec des transitions manquantes entre les phrases, alors que le principe même de l'outil (ne travailler qu'à partir de ce qu'on lui donne) laissait espérer un résultat plus fidèle.

Claude, de son côté, a expliqué sa démarche avant de répondre (« je vais d'abord lire le fichier pour comprendre ton style »), un point d'attention apprécié. Mais le texte produit est retombé par endroits dans les mêmes tics que ChatGPT sans fichier de style, et a eu tendance à trop développer le contenu de la vidéo elle-même dans l'email, alors que la consigne était seulement de donner envie de cliquer vers la vidéo, pas d'en résumer le contenu à l'avance. Un projet Claude dédié, avec de la matière accumulée au fil du temps plutôt qu'un seul fichier ponctuel, change sensiblement la donne : c'est ce que montre la suite de cette série.

Pourquoi ce résultat est-il contre-intuitif ?

L'intuition de départ aurait plutôt fait miser sur NotebookLM, conçu justement pour rester strictement fidèle à une source, ou sur Claude, réputé pour la qualité de sa rédaction. Résultat : sur ce premier round de tests, c'est ChatGPT, avec le fichier de transcript en pièce jointe et un prompt précis, qui a produit le texte le plus proche du style recherché, au point d'être retenu tel quel avec seulement quelques retouches de personnalisation.

Ce résultat rappelle une règle plus générale : la qualité d'un texte généré par IA dépend beaucoup moins du modèle utilisé que de la matière et des instructions qu'on lui donne. Un modèle réputé supérieur, mal briefé, produira toujours un résultat plus faible qu'un modèle plus simple correctement nourri.

Quelles leçons retenir avant d'aller plus loin ?

Trois constats ressortent de ce premier tour de tests. D'abord, ne jamais demander à une IA d'écrire « dans son style » sans lui fournir un exemple concret : c'est la garantie d'obtenir un texte générique. Ensuite, une vidéo ou un enregistrement audio est une source de style particulièrement riche, parce qu'elle capture une façon de parler naturelle, plus difficile à obtenir à partir de textes déjà retravaillés. Enfin, aucun des trois outils n'est intrinsèquement meilleur pour cet exercice : le facteur déterminant est la méthode, pas le modèle.

Cette conclusion ouvre une question logique : que se passe-t-il si, au lieu d'un seul transcript fourni ponctuellement, on construit un vrai projet dédié avec plusieurs dizaines de textes de référence et des instructions affinées au fil du temps ? C'est l'objet du prochain épisode de cette exploration.

Ce module fait partie de L'Atelier Geekpratique, une bibliothèque de systèmes pratiques mise à jour chaque semaine.