Comment sélectionner vos échantillons d'écriture pour l'IA

Vous avez décidé d'entraîner l'IA sur votre style d'écriture. Excellente décision. Maintenant vient la partie cruciale : sélectionner les échantillons.

La plupart des gens choisissent ce qui est le plus pratique. Des emails récents. Le premier document dans leur Google Drive. Un article de blog dont ils sont fiers. Le résultat ? Une IA qui capture une fraction de leur voix — ou pire, des patterns qu'ils ne souhaitent pas vraiment répliquer.

La sélection d'échantillons n'a rien de glamour. Mais c'est la différence entre une IA qui écrit comme vous et une IA qui écrit comme une version vaguement professionnelle de vous que personne ne reconnaît.

Ce guide détaille précisément ce qu'il faut rechercher, ce qu'il faut éviter, et où trouver les échantillons qui représentent vraiment votre manière de communiquer.

---

Pourquoi la qualité des échantillons détermine tout

Le principe est simple : l'IA apprend vos patterns à partir des exemples que vous fournissez.

Si vous téléchargez cinq emails rédigés alors que vous étiez épuisé et bâcliez le travail, l'IA apprend cette version négligée de vous. Si vous fournissez des communications d'entreprise fortement éditées, l'IA apprend la voix de l'éditeur, pas la vôtre. Si vos échantillons proviennent tous d'un seul contexte — disons, des emails formels aux clients — l'IA ne saura pas comment vous écrivez à vos collègues, collaborateurs directs, ou dans des contextes informels.

C'est le problème du garbage in, garbage out (entrées médiocres, sorties médiocres). L'analyse de style par IA fonctionne exactement aussi bien que votre sélection d'échantillons. Aucun algorithme ne peut extraire votre voix authentique d'échantillons qui ne la représentent pas.

Imaginez que vous entraînez un athlète en lui montrant uniquement des compilations de moments forts plutôt que des séquences de match réelles. Les moments forts sont impressionnants, mais ils ne montrent pas l'ensemble des compétences. Pour que l'IA capture votre voix d'écriture, elle a besoin de l'équivalent des séquences de match — une communication authentique dans des contextes réels où vous résolvez de véritables problèmes.

La bonne nouvelle ? Vous avez déjà ces écrits. Vous les produisez depuis des années. Le défi est de savoir quels morceaux sélectionner et lesquels ignorer.

---

Les cinq critères d'un bon échantillon d'écriture

Tous vos écrits ne conviennent pas à l'analyse par IA. Voici ce qui distingue les échantillons qui entraînent l'IA efficacement de ceux qui la confondent.

1. Authenticité : vous l'avez écrit

Cela semble évident, mais c'est la règle la plus souvent violée.

Bons échantillons :

• Emails que vous avez rédigés et envoyés vous-même
• Documents que vous avez écrits de zéro
• Messages où vous avez expliqué quelque chose avec vos propres mots
• Premiers brouillons (avant édition intensive par d'autres)

Mauvais échantillons :

• Documents collaboratifs où vous ne pouvez pas identifier vos sections
• Contenu écrit par d'autres que vous avez légèrement édité
• Brouillons générés par IA (même si vous les avez édités)
• Modèles que vous avez remplis
• Publications fortement éditées par un éditeur

Le point sur « édité par un éditeur » mérite d'être souligné. Si vous écrivez pour des publications formelles, la version finale n'est pas votre voix — c'est votre voix filtrée par des directives éditoriales. Utilisez plutôt votre brouillon soumis. C'est la version brute qui sonne comme vous.

2. Représentativité : c'est ainsi que vous écrivez réellement

Un échantillon peut être authentique mais non représentatif. Peut-être l'avez-vous écrit, mais il ne reflète pas votre communication typique.

Échantillons représentatifs :

• Communication que vous assumeriez comme « oui, c'est ainsi que j'écris »
• Contextes que vous rencontrez régulièrement
• Audiences que vous adressez fréquemment
• Sujets dans votre gamme normale

Échantillons non représentatifs :

• Écrits du début de votre carrière qui ne correspondent plus à votre style actuel
• Communication écrite sous stress extrême ou émotion
• Soumissions formelles ponctuelles (documents juridiques, plaintes officielles)
• Écriture délibérément expérimentale

Le test : quelqu'un qui travaille régulièrement avec vous reconnaîtrait-il ceci comme votre voix ? Si non, ignorez-le.

3. Substance : assez de texte pour montrer des patterns

L'IA a besoin de suffisamment de contenu pour identifier des patterns. Un email de deux phrases ne révèle pas grand-chose. Une explication de 300 mots, si.

Longueurs minimales viables :

• 200 mots — minimum absolu pour un seul échantillon
• 300-500 mots — fourchette idéale pour la plupart des échantillons
• 1 000+ mots — excellent si disponible (rapports, articles, longs emails)

Les échantillons courts ne sont pas inutiles, mais ils nécessitent d'être plus nombreux pour atteindre une signification statistique. Cinq échantillons de 200 mots en disent moins à l'IA que trois échantillons de 500 mots.

Ce qui compte comme « mots » :

• Paragraphes en prose (haute valeur)
• Listes à puces (valeur moyenne)
• Vos écrits dans des fils d'emails (haute valeur)
• Lignes d'objet seules (à ignorer)

4. Actualité : reflète votre style actuel

Votre écriture évolue. Votre manière de communiquer il y a cinq ans peut ne pas correspondre à votre écriture actuelle. Les échantillons récents capturent votre voix actuelle.

Actualité idéale :

• 6 derniers mois — meilleur cas
• 1-2 dernières années — parfaitement acceptable
• 3+ ans — seulement si votre style n'a pas significativement changé

Comment savoir si votre style a changé ? Lisez quelque chose que vous avez écrit il y a trois ans. Si cela vous ressemble, incluez-le. Si cela semble daté ou vous fait grincer des dents, ignorez-le.

5. Clarté du contexte : l'IA sait ce qu'elle examine

L'IA a besoin de contexte pour comprendre pourquoi vous avez écrit de cette manière. Un email à votre PDG se lit différemment d'un message Slack à votre équipe — les deux sont valides, mais le contexte explique le changement de formalité.

Contexte dont l'IA a besoin :

• Audience : à qui écriviez-vous ? (Cadre, pair, client, public)
• Objectif : pourquoi avez-vous écrit ceci ? (Informer, persuader, demander, remercier)
• Support : quelle plateforme ? (Email, Slack, document, réseaux sociaux)

La plupart des outils d'analyse IA vous demandent d'étiqueter les échantillons par catégorie. Ne sautez pas cette étape. « Email au client » et « Slack à l'équipe » peuvent tous deux être authentiques, mais ce sont différentes facettes de votre gamme. L'IA doit savoir lequel est lequel pour cartographier votre spectre complet.

---

Ce qu'il faut éviter : les signaux d'alerte

Certains échantillons nuisent activement à l'analyse par IA. Ils introduisent du bruit, confondent la reconnaissance de patterns, ou entraînent l'IA sur des voix qui ne sont pas la vôtre. Ignorez-les entièrement.

Contenu écrit ou édité par IA

Si vous avez utilisé l'IA pour écrire ou éditer fortement quelque chose, ne l'utilisez pas comme échantillon. Les patterns ne sont pas les vôtres — ils sont ceux de l'IA, filtrés par vos modifications.

Cela inclut :

• Brouillons ChatGPT que vous avez légèrement révisés
• Emails générés par Claude que vous avez retouchés
• Tout contenu où vous avez commencé avec une sortie d'IA

Exception : si vous avez réécrit une sortie d'IA si intensément qu'il reste moins de 20 % de l'original, cela peut être acceptable. Mais soyez honnête avec vous-même sur la part qui est vraiment votre voix.

Documents collaboratifs

Rapports co-rédigés, pages wiki éditées par plusieurs personnes, documents avec révisions de trois collègues — ceux-ci contiennent la voix de tout le monde, pas seulement la vôtre.

Comment savoir si c'est trop collaboratif :

• Pouvez-vous identifier quels paragraphes vous avez écrits ? Si oui, extrayez uniquement ceux-là.
• Quelqu'un d'autre a-t-il fait des éditions structurelles qui ont changé votre flux ? Si oui, ignorez-le.
• La moitié des phrases sont-elles formulées par quelqu'un d'autre ? Si oui, trop contaminé.

Trop court (moins de 200 mots)

Réponses rapides, accusés de réception, approbations en une ligne — ceux-ci ne contiennent pas assez de texte pour l'extraction de patterns.

Oui, vous écrivez régulièrement ceux-ci. Mais ce ne sont pas du matériel d'entraînement. Considérez-les comme des points de données trop petits pour être statistiquement significatifs.

Contenu technique fortement formaté

Extraits de code, feuilles de calcul exportées en texte, contrats juridiques avec texte standard, lettres types avec sections à remplir — ce ne sont pas de la prose. Une IA entraînée sur ceux-ci apprend des bizarreries de formatage, pas votre voix d'écriture.

Exception : la documentation technique que vous avez écrite sous forme narrative (expliquant comment quelque chose fonctionne) convient. C'est le code brut ou les données structurées qui ne fonctionnent pas.

Publications formelles (sauf si vous avez le brouillon pré-édition)

Articles, livres blancs, articles de blog ayant subi un processus éditorial — la version finale n'est plus votre voix. Les éditeurs standardisent, lissent la personnalité et imposent le style maison.

Si vous écrivez pour des publications formelles, déterrez votre brouillon soumis. C'est la version avant les filtres éditoriaux.

---

Où trouver vos meilleurs échantillons

Vous avez écrit des milliers de documents au cours de votre carrière. Où devriez-vous chercher ?

Archives d'emails : la mine d'or

L'email est l'endroit où la plupart des professionnels font leur véritable écriture. C'est authentique, contextuel, et couvre plusieurs audiences. Voici comment extraire de bons échantillons.

Opérateurs de recherche Gmail

from:me after:2024/01/01 -to:me -list

Cela trouve les emails que vous avez envoyés (pas les réponses à vous-même) au cours de l'année dernière, en excluant les listes de diffusion.

Affiner davantage :

from:me to:client@company.com after:2024/01/01 longer:500

Cela trouve les emails à un client spécifique de plus de 500 mots.

Filtrage avancé :

from:me -subject:re: -subject:fwd: after:2024/01/01

Cela exclut les réponses et les transferts, vous donnant les communications originales.

Recherche Outlook

Dans la barre de recherche Outlook :

from:me sent:last year

Ensuite, filtrez par taille (les emails plus volumineux sont plus longs) ou scannez manuellement les lignes d'objet pour les communications substantielles.

Historique de messages Slack/Teams

Le chat professionnel contient une voix authentique — souvent plus informelle que l'email. Recherchez :

• Longues explications : où vous avez guidé quelqu'un à travers un concept
• Justifications de décisions : où vous avez expliqué pourquoi vous avez choisi une approche
• Mises à jour de projet : messages plus longs résumant les progrès
• Fils où vous avez dominé : conversations où vous avez écrit 60 %+ du contenu

Comment exporter des messages Slack :

1. Utilisez la fonctionnalité d'export de Slack (administrateurs d'espace de travail uniquement) ou
2. Copiez/collez des fils individuels dans un document
3. Étiquetez-les clairement (« Slack à l'équipe d'ingénierie concernant la conception de l'API »)

Export Teams : Teams est plus difficile à exporter en masse. Le copier/coller manuel est généralement la voie.

Documents et rapports internes

Ceux-ci tendent à être plus longs et plus structurés. Candidats idéaux :

• Propositions de projet que vous avez écrites (avant que quelqu'un ne les édite)
• Rapports d'état que vous avez rédigés régulièrement
• Mémos internes expliquant des décisions
• Documentation d'intégration que vous avez créée
• Post-mortems dont vous êtes l'auteur

Où les trouver :

• Google Drive : filtrez par « Propriétaire : moi » et triez par date de modification
• Notion : recherchez vos pages créées
• Confluence : filtrez par auteur
• SharePoint : vérifiez votre bibliothèque de documents

Articles de blog personnels

Si vous écrivez publiquement, ce sont généralement de bons échantillons — à condition qu'ils ne soient pas fortement édités.

Bonnes sources :

• Articles de blog personnel
• Articles LinkedIn (longue forme, pas les posts de fil)
• Articles Medium que vous avez écrits
• Articles invités sur des sites sectoriels (si légèrement édités)

Vérifiez l'actualité : utilisez des articles des 1-2 dernières années sauf si votre style n'a pas changé.

Réseaux sociaux (avec prudence)

Les contraintes de plateforme façonnent votre écriture. Un thread Twitter se lit différemment d'un email. Mais le contenu social peut fonctionner si :

• Il est substantiel (posts LinkedIn de plus de 300 mots)
• Il reflète comment vous écririez dans d'autres contextes
• Il n'est pas performatif (certaines personnes écrivent différemment quand elles sont « en scène »)

Meilleures sources :

• Posts LinkedIn en longue forme
• Threads Twitter/X où vous avez expliqué quelque chose
• Posts Facebook vers des groupes privés (plus authentiques que publics)

À ignorer :

• Tweets d'une ligne
• Légendes Instagram fortement soignées
• Contenu écrit pour générer de l'engagement

---

Sélection d'échantillons par contexte : le spectre complet

Votre voix n'est pas monolithique. Vous ajustez la formalité, la franchise et la structure en fonction de votre interlocuteur et de la raison. Une bonne analyse IA capture cette gamme.

Voici comment construire un ensemble d'échantillons qui couvre votre spectre complet.

Échantillonnage basé sur l'audience

Visez à inclure des échantillons d'au moins 3-5 types d'audience différents :

Pourquoi la gamme compte : si vous ne fournissez que des échantillons destinés aux cadres, l'IA apprend le vous-formel. Elle ne saura pas comment s'adapter aux contextes informels. L'objectif est d'entraîner l'IA sur votre gamme complète afin qu'elle puisse choisir le bon registre pour chaque situation.

Échantillonnage basé sur l'objectif

Différents objectifs d'écriture révèlent différentes dimensions de votre style :

• Informatif (mises à jour d'état, FYI) : montre votre clarté et structure
• Persuasif (propositions, recommandations) : révèle votre style d'argumentation
• Directif (délégation, instruction) : capture votre voix de leadership
• Encourageant (feedback, coaching) : montre votre empathie et ton
• Difficile (mauvaises nouvelles, résistance) : révèle comment vous gérez la tension

Essayez d'inclure au moins 2-3 échantillons de chaque catégorie d'objectif que vous utilisez régulièrement.

Échantillonnage basé sur le support

Si vous écrivez sur plusieurs plateformes, représentez chacune :

• Email : formel à semi-formel
• Slack/Teams : informel, rapide
• Documents : structuré, détaillé
• Écriture publique : soignée, consciente de l'audience

L'IA peut apprendre que votre voix Slack est plus informelle que votre voix email — mais seulement si vous lui donnez des exemples des deux.

---

Combien d'échantillons avez-vous besoin ?

La réponse dépend de votre cas d'usage et de la complexité de votre voix.

Ensemble d'échantillons minimum viable

Pour l'entraînement basique au style IA :

• 5-10 échantillons couvrant 2-3 types d'audience
• Nombre total de mots : 2 000-3 000 mots
• Contextes : mélange d'emails, documents et messages

Cela donne à l'IA assez de données pour identifier vos patterns de base : rythme des phrases, habitudes de ponctuation, niveau de formalité, phrases courantes.

Ensemble d'échantillons recommandé

Pour une analyse de style complète :

• 15-25 échantillons couvrant 4-5 types d'audience
• Nombre total de mots : 5 000-7 000 mots
• Contextes : spectre complet de votre communication

Cela permet à l'IA de cartographier votre gamme : comment vous changez entre audiences, comment vous vous adaptez à différents objectifs, où sont vos limites.

Ensemble d'échantillons avancé

Pour capturer une voix nuancée et consciente du contexte :

• 30-50 échantillons couvrant 5+ types d'audience
• Nombre total de mots : 8 000-15 000 mots
• Contextes : tout ce que vous écrivez, y compris les situations de niche

C'est le niveau où l'IA peut répliquer des changements subtils — comme votre manière d'écrire différemment aux nouveaux clients par rapport aux partenaires de longue date, ou comment votre urgence affecte la longueur de vos phrases.

La règle des 5 par section : si votre outil d'analyse IA demande des échantillons par catégorie (email, rapports, messages), visez au moins 5 échantillons par catégorie. Pourquoi cinq ? Parce que la reconnaissance de patterns a besoin de plusieurs points de données pour séparer le signal du bruit. Un échantillon peut être une anomalie. Cinq échantillons révèlent le pattern.

---

Liste de contrôle qualité des échantillons : avant de soumettre

Avant de télécharger des échantillons vers un outil d'analyse IA, passez cette liste de contrôle :

• Authenticité : je l'ai écrit moi-même, pas en collaboration
• Représentativité : cela ressemble à ma manière normale d'écrire
• Substance : au moins 200 mots, idéalement 300-500+
• Actualité : écrit au cours des 1-2 dernières années
• Clarté du contexte : je peux étiqueter l'audience, l'objectif et le support
• Pas de contenu IA : ceci n'a pas été écrit ou fortement édité par l'IA
• Pas d'édition intensive : ceci n'a pas été significativement révisé par quelqu'un d'autre
• Communication typique : j'écris comme ceci régulièrement, pas une seule fois

Si un échantillon échoue à deux critères ou plus, ignorez-le. Mieux vaut avoir moins d'échantillons de haute qualité que plus d'échantillons de faible qualité.

---

Erreurs courantes de sélection d'échantillons

Erreur 1 : privilégier la fierté plutôt que la représentativité

Vous avez écrit une proposition brillante qui a gagné un client majeur. C'est votre meilleur travail. Mais c'est aussi 10 % plus formel que votre style habituel, et un collègue a édité la structure.

Le piège : vous voulez que l'IA apprenne de votre « meilleur » travail. Mais « meilleur » signifie souvent soigné, édité et atypique. L'IA devrait apprendre de votre travail normal — la version de vous que les gens rencontrent chaque jour.

Solution : incluez la proposition brillante si elle est vraiment représentative. Si c'est une anomalie, ignorez-la ou équilibrez-la avec 5-7 échantillons typiques.

Erreur 2 : échantillonner un seul contexte

Vous passez 60 % de votre temps d'écriture sur des emails aux clients. Donc vous téléchargez 20 emails clients et considérez que c'est fait.

Le piège : l'IA apprend le vous-client. Elle ne sait pas que le vous-pair, le vous-équipe, ou le vous-cadre existent. Quand vous lui demandez de rédiger un mémo interne, elle applique la formalité destinée aux clients — ce qui semble incorrect.

Solution : même si un contexte domine, incluez au moins 3-5 échantillons de contextes secondaires. Cela enseigne à l'IA que vous avez une gamme.

Erreur 3 : inclure un travail récent mais non représentatif

Vous venez d'écrire une lettre formelle à une équipe juridique — quelque chose que vous faites une fois par an. C'est récent, donc vous l'incluez.

Le piège : l'actualité n'égale pas la représentativité. Cette lettre juridique est authentique mais pas typique. Elle biaise l'IA vers une formalité qui ne correspond pas à votre base de référence.

Solution : demandez-vous : « Est-ce que j'écris comme ceci régulièrement ? » Si la réponse est « non » ou « rarement », ignorez-le — même si c'est récent.

Erreur 4 : trop réfléchir

Vous avez passé deux heures à analyser si un email de 400 mots est « assez authentique » et « vraiment représentatif ». Vous l'avez relu cinq fois. Vous êtes paralysé.

Le piège : le perfectionnisme tue le progrès. Aucun échantillon n'est parfait. L'IA a besoin de volume plus que de perfection.

Solution : utilisez le test des 10 secondes. Lisez l'échantillon. Cela vous ressemble-t-il ? Si oui, incluez-le. Si non ou incertain, ignorez-le. Avancez. Vous avez besoin de 15-20 échantillons, pas de 15-20 pièces de musée parfaitement soignées.

---

Conseils avancés par type d'échantillon

Échantillons d'emails

Ce qui fonctionne :

• Emails explicatifs où vous avez guidé quelqu'un à travers un concept
• Suivis qui nécessitaient contexte et raisonnement
• Conversations difficiles gérées par email
• Mises à jour de projet plus longues (300+ mots)

Ce qui ne fonctionne pas :

• Réponses « Merci ! » en deux lignes
• Contenu transféré avec une introduction d'une phrase
• Réponses automatisées ou modèles
• Fils d'emails où vous avez écrit moins de 50 % du contenu

Conseil pro : recherchez les emails où le destinataire a répondu avec des questions de clarification ou de l'appréciation. Ceux-ci indiquent que vous communiquiez naturellement et efficacement — le standard d'or pour les échantillons.

Échantillons de rapports

Ce qui fonctionne :

• Votre premier brouillon soumis (avant éditions)
• Rapports internes avec édition minimale
• Documentation que vous avez écrite seul
• Propositions de projet dans votre voix

Ce qui ne fonctionne pas :

• Versions finales publiées éditées par d'autres
• Sections collaboratives que vous ne pouvez pas isoler
• Rapports basés sur des modèles où seules les données ont changé
• Tableaux et graphiques fortement formatés

Conseil pro : si vous ne trouvez pas votre brouillon pré-édition, vérifiez l'historique des versions dans Google Docs ou le suivi des modifications dans Word. Votre version originale est quelque part là-dedans.

Échantillons de messages (Slack/Teams)

Ce qui fonctionne :

• Fils où vous avez expliqué une décision ou une approche
• Mises à jour longues publiées sur les canaux
• Explications techniques aux coéquipiers
• Conversations où vous avez dominé le dialogue (60 %+ du texte)

Ce qui ne fonctionne pas :

• Échanges rapides de plaisanteries
• Accusés de réception en une phrase
• Réponses uniquement en GIF et emoji
• Fils avec 10 personnes où votre contribution était minime

Conseil pro : exportez des fils entiers où vous étiez la voix principale. Étiquetez-les clairement (« Slack à l'équipe d'ingénierie concernant la décision de conception API »). Le contexte aide l'IA à comprendre le registre informel.

---

Qu'en est-il des échantillons multilingues ?

Si vous écrivez professionnellement en plusieurs langues, la sélection d'échantillons devient plus complexe. Votre voix en anglais peut être directe et concise tandis que votre voix en japonais est plus formelle et circonspecte.

Le principe : l'IA a besoin d'échantillons dans chaque langue que vous souhaitez qu'elle réplique.

Comment échantillonner de manière multilingue :

1. Séparez par langue : fournissez des ensembles d'échantillons distincts pour chaque langue
2. Faites correspondre le contexte entre les langues : si vous fournissez des emails de cadres en anglais, fournissez aussi des emails de cadres en japonais
3. Attendez-vous à des styles de base différents : votre formalité peut changer entre les langues — c'est normal et devrait être capturé

Objectifs de nombre de mots par langue :

• Si vous écrivez également dans les deux langues : 5 000-7 000 mots par langue
• Si une langue est secondaire : 3 000-4 000 mots pour la langue secondaire

Pour en savoir plus sur l'analyse de style multilingue, consultez notre guide pour professionnels bilingues.

---

L'essentiel

La qualité des échantillons détermine la qualité de l'IA. Aucun algorithme ne peut extraire votre voix authentique d'échantillons inauthentiques.

Les meilleurs échantillons sont ceux que vous avez oubliés avoir écrits — les emails que vous avez envoyés sans trop réfléchir, les rapports que vous avez rédigés dans votre flux naturel, les messages Slack où vous avez expliqué quelque chose clairement parce que l'équipe avait besoin de comprendre.

Ce ne sont pas vos compilations de moments forts. C'est votre séquence de match. Ils capturent comment vous communiquez réellement lorsque vous résolvez de vrais problèmes pour de vraies personnes.

C'est cette version de vous que l'IA doit apprendre.

---

Prêt à analyser votre écriture ?

Sélectionner de bons échantillons représente la moitié du travail. L'autre moitié est l'analyse — extraire les patterns de ces échantillons et les transformer en instructions pour l'IA.

Vous pouvez le faire manuellement (comptez 3-5 heures) ou utiliser un outil d'extraction systématique comme My Writing Twin.

Option 1 : analyse d'échantillons DIY

Lisez vos échantillons sélectionnés et documentez :

• Structures de phrases et rythmes courants
• Patterns de ponctuation (utilisez-vous fréquemment les tirets cadratin ?)
• Signatures d'ouverture et de fermeture
• Phrases que vous utilisez souvent
• Phrases que vous évitez
• Changements de formalité entre audiences

Ensuite, intégrez cela dans des instructions personnalisées pour ChatGPT ou des prompts système pour Claude.

Option 2 : extraction automatisée

My Writing Twin analyse vos échantillons systématiquement, en extrayant :

• Patterns de rythme des phrases
• Empreinte de ponctuation
• Préférences de vocabulaire et anti-patterns
• Spectre de formalité par contexte
• Architecture de transition
• Signatures d'ouverture/fermeture

Vous téléchargez vos échantillons (en suivant les directives de cet article), et nous générons un Master Prompt — l'ensemble complet d'instructions qui fait qu'une IA écrit comme vous. Collez-le dans ChatGPT, Claude, Gemini, ou n'importe quel outil d'IA. Vos échantillons deviennent votre Writing Twin.

Commencez votre instantané gratuit d'ADN d'écriture →