Comment s’intéresser à un sujet qu’on n’apprécie pas ?

Il y a des sujets qu’on « devrait » aimer. La communication en fait souvent partie : utile, visible, un peu floue. On poste parce qu’il faut poster. L’intérêt ne vient pas. Il s’use. Chez DRIAD, on n’a pas essayé de se convaincre que « le social, c’est passionnant ». On a changé de question. Pas est-ce que j’aime ça ? mais qu’est-ce qu’on peut mesurer, et qu’est-ce qu’on refuse de déléguer ?

Partir de la communication, pas du contenu

La communication, ce n’est pas une pile de posts. C’est un contrat : un message, un canal, un destinataire, un moment. Tant qu’on reste au niveau du slogan, le sujet reste fade, tout se ressemble, rien ne se vérifie... Ce n'est pas une approche scientifique et rigoureuse.

Dès qu’on formalise un peu : une actualité ou un projet, une stratégie de rédaction, un canal (LinkedIn, X, Google) alors le travail change de nature. On n’écrit plus « un truc pour les réseaux »... Enrobé de bonnes pratiques ... Mais on le transforme en un objet : un texte, une file d’attente, une date d’envoi des meta datas ... C’est le premier pas vers une transformation.

L’IA pour produire, l’humain pour signer

Ensuite, on a branché la génération. Gemini rédige des posts à partir de nos projets et actualités, avec des règles (longueur, hashtags, pas d’invention de chiffres, ton selon l’âge du sujet). Plusieurs stratégies de rédaction tournent en testes A/B.

Ce n’est pas « l’IA communique à notre place ». Le brouillon arrive en proposition. Quelqu’un valide et modifie, ajoute éventuellement une image, puis envoie. L’intérêt commence là : pas dans le copywriting magique, mais dans le rôle. Comme je le dis souvent, l’IA est avant tout un catalyseur. La qualité de ce qui est généré est à la hauteur des compétences de celui qui la gouverne.

Le sujet « communication » devient un pipeline avec un vrai point de contrôle : le même réflexe que sur un déploiement : générer, relire, publier. Cela veux dire aussi des métriques et du backtesting. On exploite ici ce que l’on maîtrise avec le DevOps et le MLOps, en le revisitant pour la communication. Cela dit, le terme ComOps est utilisé pour désigner principalement la communication opérationnelle, ce qui est très intéressant dans ce context.

Quand ça sort, ça devient de la donnée

Un post envoyé n’est plus une opinion cela deviens des métriques (impressions, réactions, commentaires, clics). On les synchronise, on les agrège par stratégie, par canal, dans le temps. Là, le sujet qu’on n’appréciait pas bascule. Ce n’est plus « est-ce que ce texte est joli ? est-ce que cela colle aux bonnes pratiques ? ». C’est : cette stratégie engage-t-elle plus que l’autre ? Ce canal impressionne-t-il sans convertir ? Ce hashtag généré revient-il assez souvent pour qu’on puisse en estimer l’écart : posts avec vs sans ce tag ?

Il faut extraire, croiser ... autrement dit : un peu de data engineering (collecte, jointure, fraîcheur des syncs) et un peu d’analyse statistique (moyennes, tailles d’échantillon, comparaison, limites du signal, interpolation, prediction, ...). On n’a pas appris à aimer « les réseaux ». On a appris à traiter la communication comme le reste de notre métier : un système, avec une revue, et une vérité qui arrive après l’envoi.