Comment faire écrire une IA dans ton style ?

Une IA garde ta voix quand tu lui donnes trois choses : tes propres textes plutôt qu’un savoir générique de copywriting, l’écart entre son jet et ta réécriture plutôt qu’une consigne de ton, et une liste de marqueurs à contrôler avant de publier. Une instruction comme « écris de façon directe et naturelle » ne fonctionne pas, parce que le modèle produit sa meilleure hypothèse de ce que « direct et naturel » veut dire, moyenne de tout ce qu’il a lu ailleurs. Lui montrer ta version corrigée à côté de son brouillon lui apprend autre chose : la transformation attendue, pas l’adjectif censé la décrire.

Montrer les différences entre le brouillon et ta correction

Charles décrit un workflow en quatre temps, testé sur ses propres textes : tu pitches l’idée à l’IA, elle produit un premier jet, tu le réécris toi-même à environ 70 % pour y remettre ton ton et ta personnalité, puis tu redonnes cette version corrigée à l’IA en lui demandant d’analyser ce qui a changé et de le retenir pour la suite.

Le 70 % n’est pas un seuil à respecter au pourcentage près. C’est le repère que Charles donne en coaching pour dire une chose simple : une passe de retouches légères ne suffit pas, il faut une réécriture.

Ce que tu donnes à l’IA à l’étape 4 compte plus que le prompt qui l’accompagne. Un copywriter en ghostwriting applique la même logique sur un projet client : il fait générer un post, le réécrit, puis rend à l’IA un document en trois parties (le post initial, l’analyse de ce qui n’allait pas, le post corrigé), avant de recommencer. Sur son cas, il répète cette boucle une trentaine de fois avant que le projet GPT tienne la voix sans qu’il ait à tout reprendre. C’est un repère observé sur un cas de ghostwriting précis, pas une mesure garantie sur tout projet, mais le mécanisme qu’il illustre, apprendre par contraste plutôt que par exemple isolé, vaut au-delà de ce cas.

Le corpus à réunir avant la première ligne

Deux documents forment le socle de tout projet IA orienté contenu : un document persona (qui te lit, ce qui compte pour cette personne, dans ses mots) et un document offre (ce que tu vends, à quel prix, avec quelles preuves).

Pour que l’IA écrive dans ta voix, ajoute un troisième document : tes meilleurs textes déjà publiés, nommés explicitement comme référence à imiter. Ce troisième document doit rester pratique, tes textes à toi, pas une bibliothèque théorique sur le copywriting en général. Un projet nourri du savoir de tout le monde (frameworks génériques, exemples de formateurs) produit des textes qui ressemblent à tout le monde.

Deux précautions sur ce corpus :

• Construis-le progressivement. Une base trop volumineuse ou mal nettoyée peut dégrader la sortie au lieu de l’améliorer, l’IA n’a plus de quoi distinguer le signal du bruit. Ajoute les documents un par un et compare les résultats avec les mêmes consignes.
• Vérifie les transcriptions avant de les intégrer. Beaucoup de tes textes de référence partent d’un enregistrement transcrit. Même un bon outil de transcription doit être contrôlé quand le passage contient des noms propres, des termes techniques ou des références précises à ton secteur. Sans cette vérification, l’IA apprend tes coquilles en même temps que ta voix.

Le même principe vaut en ghostwriting, quand la voix à capturer n’est pas la tienne mais celle d’un client. Elle ne se lit pas dans une fiche de brief : elle se lit dans ses contenus déjà publiés, posts, prises de parole, réponses en commentaire.

Cadrer la demande, étape par étape

Un corpus bien construit ne rattrape pas une demande vague. Un prompt efficace décompose le travail en étapes numérotées et séquentielles : lire le sujet, consulter le persona et l’offre, vérifier les interdits, rédiger. Une demande qui empile tout ça en une seule ligne embrouille le modèle, qui traite chaque instruction au même niveau faute d’ordre donné.

Ça vaut aussi pour la longueur d’une génération. Une sortie très longue en un seul bloc peut perdre en pertinence avant même que la fenêtre de travail du modèle soit épuisée. La solution n’est pas un nombre de mots fixe, c’est de découper la rédaction en sections traitées l’une après l’autre.

Faire relire un texte que tu as écrit

Il existe un usage de l’IA qui protège la voix sans jamais lui laisser tenir la plume : lui faire critiquer un texte que tu as écrit toi-même, du début à la fin.

Elle repère ce qu’un œil fatigué ne voit plus : un hook faible, une leçon annoncée trop tôt, l’absence d’exemple à l’endroit où le lecteur en attendait un, un bénéfice mal formulé. Elle décrit ces manques, et c’est toi qui réinjectes la correction, dans tes mots. La voix ne quitte jamais tes mains.

Les marqueurs à contrôler avant de publier

Un texte généré par IA et publié sans retouche est identifiable, et cette reconnaissance abîme la crédibilité de qui le signe. Les marqueurs qui reviennent le plus souvent :

• Les tirets longs, à la place d’une virgule ou d’un point. Le tiret clavier suffit toujours.
• Les guillemets courbes de style anglo-saxon, glissés dans un texte français.
• Les phrases courtes et répétitives, calées sur deux ou trois mots suivis d’un point, en rafale.
• Les formulations génériques du type « Bien sûr ! », « il est essentiel de noter que » ou « n’hésitez pas à partager vos pensées ».
• Les listes de 5 ou 7 puces, toutes d’une longueur presque identique.
• L’absence de doute. Un auteur hésite, nuance, revient sur une idée en cours de phrase. Une IA qui n’a pas été corrigée pour ça avance sans jamais douter d’elle-même, et ce lissage se sent même quand aucun des marqueurs précédents n’est là.

Ce que change (et ne change pas) un outil de relecture IA

Un outil de relecture bien configuré (upload de tes meilleurs textes en base de connaissance, mission distinguant analyse, correction et réécriture) détecte correctement les problèmes de non-spécificité et les transitions brusques. Mais il tend à réécrire le texte entier plutôt qu’à corriger localement, ce qui peut effacer d’un coup la voix que tu venais de lui apprendre.

Il ne donnera jamais une note parfaite, parce qu’il applique tous les critères de copy au même niveau, sans hiérarchie entre ce qui compte le plus et le reste. Ce qui compte, dans son retour, c’est ce qu’il a changé et pourquoi, pas la note qu’il attribue. C’est un outil d’apprentissage accéléré, pas un arbitre à suivre sans discuter : un pilote humain reste nécessaire pour juger la qualité finale.

Un exemple d’échange à rendre à l’IA après une réécriture

Texte que tu as généré :
[...]

Ma version corrigée :
[...]

Ce qui n'allait pas, dans l'ordre où je l'ai corrigé :
1. [...]
2. [...]
3. [...]

Retiens ce type d'écart pour les réponses suivantes. Ne me
redemande pas la même chose deux fois, et n'essaie pas de
généraliser au-delà de ce que je viens de te montrer.

Pour aller plus loin

Chaque format garde sa propre structure de prompt une fois le corpus en place : notre article sur le prompt par livrable, email, page, ad détaille ce qui change d’un format à l’autre. Notre article sur le workflow hybride en 5 étapes situe où l’IA apporte le plus dans une stratégie éditoriale, et où la main humaine reste la seule qui compte. Notre article sur les cinq prompts d’une page de vente détaille pourquoi la rédaction section par section évite la dérive sur un texte long.

Avant d’en arriver à cette méthode, il faut d’abord savoir reconnaître un bon texte pour pouvoir juger celui de l’IA. Notre article sur comment trouver sa voix de copywriter détaille l’audit à faire en amont. Et si le sujet plus large de ce que l’IA change au métier t’intéresse, ce guide sur l’IA et le copywriting part de zéro.