1. Outils utilisés

Trois outils IA principaux ont été mobilisés pour cet article :

• Claude (Anthropic) — modèle Claude Opus 4.5, utilisé pour l’exploration d’angles, la structuration du plan, la première version de rédaction et les réécritures successives.
• Perplexity — pour la vérification des références citées dans l’article (notamment les stats sur les profils GTM et l’écosystème français des reconversions tech).
• Notion AI — pour la prise de notes rapide pendant la phase d’exploration et la centralisation des idées.

Aucun de ces outils n’a fonctionné en pilote automatique. Chaque sortie a été lue, retravaillée et confrontée à mon expérience personnelle avant publication.

2. Exploration créative

Le premier défi a été de transformer une expérience personnelle (mon échec en médecine et ma reconversion) en angle éditorial qui parle au-delà de moi. J’ai ouvert une conversation avec Claude pour explorer plusieurs cadres possibles :

• Le récit purement autobiographique (rejeté car trop centré sur moi)
• Le manifeste pour les profils atypiques (rejeté car trop générique)
• L’analyse structurelle du métier GTM (rejeté car trop froid)
• Le rebond polémique : pourquoi les écoles d’ingé ne forment plus les meilleurs GTM (retenu)

Le quatrième angle a été choisi parce qu’il permettait de combiner une thèse forte, un appui sur ma propre histoire, et une dimension utile pour les lecteurs (étudiants en reconversion, recruteurs tech). L’IA a accéléré cette exploration de plusieurs heures à environ 40 minutes.

3. Planification

Une fois l’angle choisi, j’ai demandé à Claude de proposer trois structures différentes : chronologique, argumentaire, et rebond. J’ai retenu la structure rebond, en cinq sections :

1. Pourquoi la question se pose en 2026
2. Ce que les écoles d’ingé apprennent (et ne suffit plus)
3. Ce que les profils en reconversion apportent en plus
4. Ma propre histoire comme illustration
5. Ce que ça change pour le recrutement tech

Le plan a été validé en humain avant d’attaquer la rédaction. C’est l’étape la plus importante : un mauvais plan génère un mauvais article, quel que soit le modèle utilisé ensuite.

4. Rédaction

La rédaction s’est faite en trois passes :

Première passe (Claude, brouillon) : j’ai demandé à Claude de rédiger une première version à partir du plan validé, en précisant ma voix souhaitée (phrases courtes, actives, sans tournures académiques).

Deuxième passe (humaine, réécriture) : j’ai repris chaque paragraphe pour y injecter des éléments personnels que Claude ne pouvait pas connaître (anecdotes précises, références à mon réseau, ton informel). Environ 50% du texte final a été réécrit à la main.

Troisième passe (Claude, polissage) : dernière relecture avec Claude pour traquer les répétitions, les phrases trop longues, et les transitions abruptes. Les suggestions ont été acceptées au cas par cas, pas en bloc.

5. Éthique et sources

Trois règles éthiques ont guidé tout le processus :

• Aucune statistique inventée. Toute donnée chiffrée présente dans l’article a été vérifiée auprès d’une source primaire et liée explicitement (Major League Hacking, rapports métier, études citées).
• Pas d’attribution fictive. Aucune citation n’a été inventée ni attribuée à un tiers réel. Les positions exprimées sont les miennes.
• Transparence sur le rôle de l’IA. Cette note documente précisément ce qu’a fait l’IA et ce qui relève de mon travail propre. Le but n’est pas de minimiser l’usage IA, mais de montrer comment elle s’intègre dans un workflow éditorial responsable.

Sur la question de l’authenticité : l’article reflète ma pensée et mon expérience. L’IA a accéléré la formulation, pas remplacé le jugement éditorial.

6. Exemples de prompts utilisés

Trois prompts représentatifs du workflow, dans l’ordre chronologique.

Je veux écrire un article personal branding sur ma reconversion (médecine ratée
en 2020 → tech / GTM). Public cible : étudiants tech, recruteurs SaaS, GTM
Engineers. Propose-moi 5 angles éditoriaux possibles, du plus narratif au plus
analytique. Pour chaque angle, donne le titre, la thèse principale en une
phrase, et le risque éditorial associé.

Angle retenu : "Les écoles d'ingénierie ne forment plus les meilleurs profils
GTM en 2026, les reconversions oui." Propose trois structures possibles pour
un article de 1200 mots qui défend cette thèse. Pour chaque structure, liste
les 5 sections, leur fonction argumentative, et où placer mon histoire perso.

Voici ma première version. Réécris-la avec ces contraintes : phrases courtes
et actives, jamais d'em dash, pas de "pivot" (utiliser "bifurcation"), pas de
tournures de conférencier. Garde la structure et les idées, change uniquement
la voix. Le ton doit être direct, comme une discussion entre praticiens.

[texte brouillon collé ici]

Note rédigée par Anas Essalhi — MBA DMB, EFAP Paris — Juin 2026