ÉTUDE DE CAS · IA / ML
Générateur de contenu IA
Un atelier d'écriture qui rédige posts, e-mails et articles avec votre propre voix, entraîné sur quelques-uns de vos textes.
- RÔLE
- Full-stack et design de prompts
- DURÉE
- 8 semaines
- ÉQUIPE
- En solo
- PLATEFORME
- Application web
IDENTITÉ PRODUIT
Quill
Écrivez comme vous, en plus rapide.
01 · APERÇU
Aperçu du projet
TEMPS DE DÉVELOPPEMENT
8 semaines
Du prototype à une bêta payante
TAILLE DE L'ÉQUIPE
En solo
Produit, frontend et ML
RÉSULTAT CLÉ
62 % plus rapide
Temps de rédaction moyen économisé
LE PROBLÈME
Les rédacteurs IA génériques sonnent comme tout le monde. Les équipes passaient autant de temps à corriger le ton d'un brouillon qu'à l'écrire elles-mêmes.
L'APPROCHE
Quill apprend une voix à partir de cinq à dix textes réels, la stocke sous forme d'embeddings et guide chaque brouillon avec cette voix et un glossaire de marque des mots à toujours et à ne jamais employer.
62 %
de temps en moins sur les premiers jets
4,6 / 5
de fidélité à la voix selon les rédacteurs bêta
14k
brouillons générés le premier mois
02 · FONCTIONNALITÉS
Ce qu'il fait
Apprentissage de la voix
Importez d'anciens posts ou e-mails et Quill apprend votre ton, vos tournures et votre rythme.
Modèles multiformats
Posts LinkedIn, plans d'articles, newsletters et objets d'e-mail à partir d'un seul brief.
Réglage du ton et de la longueur
Ajustez la chaleur, le registre et la longueur sans réécrire le prompt.
Réécriture en ligne
Sélectionnez une phrase pour la raccourcir, la muscler ou l'adoucir sur place.
Glossaire de marque
Les mots à toujours employer, à bannir, et l'orthographe des noms de produits.
Espaces d'équipe
Voix, modèles et commentaires de relecture partagés pour les équipes contenu.
03 · PROCESSUS
Comment il a été conçu
SEMAINE 1
Découvrir
Observation de trois équipes contenu pour voir où les brouillons IA échouaient.
- Carte des irritants
- Grille de voix
SEMAINE 2–3
Concevoir
Zone de prompt, cartes de résultat et parcours de réécriture, testés avec des rédacteurs.
- Prototype Figma
- Patterns de prompt
SEMAINE 4–7
Développer
Application Vue, service FastAPI, base d'embeddings et file de tâches.
- Application web
- Moteur de voix
SEMAINE 8
Lancer
Bêta privée avec 40 rédacteurs, puis facturation à l'usage.
- Lancement bêta
- Facturation en place
04 · STACK TECHNIQUE
Technologies
FRONTEND
- Vue 3
- Pinia
- Tailwind CSS
BACKEND
- Python
- FastAPI
- Celery
IA
- OpenAI API
- Embeddings
- pgvector
INFRASTRUCTURE
- PostgreSQL
- Redis
- Docker
ARCHITECTURE
Application web Quill
Vue 3 + Pinia
Service FastAPI
Brouillons, voix, tâches
OpenAI API
Génération
Postgres + pgvector
Voix, brouillons
Redis + Celery
File de tâches
05 · ENSEIGNEMENTS
Défis et enseignements
Garder une voix cohérente
DÉFI
Les longs brouillons retombaient dans un ton générique au bout de quelques paragraphes.
RÉSULTAT
Réinjecter les extraits de voix les plus proches à chaque section a gardé un ton stable du début à la fin.
Premiers jets trop lents
DÉFI
Attendre plus de 20 secondes un brouillon complet donnait l'impression d'un bug.
RÉSULTAT
Le streaming des tokens dans l'éditeur a fait apparaître les brouillons en moins d'une seconde.
Ce projet vous intéresse ?
Je vous présente volontiers le code, les choix qui l'ont guidé ou la façon dont une solution similaire pourrait servir votre équipe.