Comment les rapports sur l'IA sont élaborés - Contexte
Que se passe-t-il lors de la génération d’un rapport ?
Lorsque tu cliques sur Générer, voici ce qui se passe : Picasi rassemble toutes les mises à jour de la partie de la boîte de réception actuellement visible — filtrées en fonction du dossier actif et de tous les filtres définis. Ces mises à jour sont transmises à un modèle d’IA, accompagnées de votre contexte IA (le cas échéant).
Le modèle se voit confier une tâche claire : soit résumer, analyser, créer une liste, rédiger des publications LinkedIn ou identifier des sujets de conversation. À cela s’ajoute un texte d’orientation facultatif de votre part, qui oriente le résultat dans une direction précise.
L’IA traite tout cela en arrière-plan — d’où le court délai d’attente de 15 secondes à deux minutes — et renvoie un texte fini que Picasi enregistre sous forme de rapport.
Ce qui influence la qualité
Trois facteurs déterminent de manière décisive l’utilité d’un rapport :
La base de données des mises à jour : un rapport portant sur trois mises à jour sera inévitablement plus superficiel qu’un rapport portant sur 50. Trop peu d’informations d’entrée signifie trop peu de résultats. Il n’y a pas de nombre minimum, mais pour une analyse, il est judicieux de collecter au moins une semaine d’activité.
Le contexte de l’IA : sans documents de contexte propres, l’IA ne sait pas qui vous êtes. L’analyse reste alors générale et décrit ce que fait le concurrent — sans situer ce que cela signifie pour vous. Avec un contexte de l’IA bien renseigné, les analyses deviennent concrètes et orientées vers l’action.
Le texte de focalisation : sans focalisation, l’IA génère un aperçu général. Avec un texte de focalisation tel que Was kommunizieren unsere Wettbewerber über KI und Automatisierung?, le rapport devient ciblé. Les textes de focalisation sont particulièrement utiles lorsque vous avez une question concrète et ne vous contentez pas d’un simple aperçu.
Ce que l’IA ne peut pas faire
L’IA génère des rapports sur la base des mises à jour que vous fournissez — elle ne peut pas trouver ni rechercher des mises à jour qui ne se trouvent pas dans votre boîte de réception. Si une entreprise a publié un message pertinent que Picasi n’a pas encore récupéré, celui-ci n’apparaîtra pas dans le rapport.
Les analyses ne contiennent aucune affirmation concernant les données internes du concurrent — elles portent uniquement sur les contenus accessibles au public que vous avez collectés dans Picasi.
Les rapports ne sont pas déterministes
Une même entrée peut donner lieu à des rapports légèrement différents lors de deux générations. C’est le comportement normal des modèles d’IA. Si un rapport ne correspond pas à vos attentes, il peut être utile d’affiner le texte de référence ou de définir d’autres filtres, puis de relancer la génération.
Comment les sujets de conversation sont-ils sélectionnés ?
Les sujets de conversation suivent une logique de sélection différente de celle des autres types de rapports. Au lieu de créer un résumé, l’IA évalue chaque mise à jour pour déterminer si elle peut servir de point de départ à un commentaire sur LinkedIn.
Notation : chaque mise à jour reçoit une note comprise entre 0 et 14. Celle-ci se compose d’une note de base (7 à 9 points) et d’éventuels bonus (0 à 5 points). Seules les mises à jour ayant obtenu un score d’au moins 8 sont prises en compte dans le résultat — celles dont le score est inférieur ne sont pas incluses, même si cela réduit le nombre de suggestions à moins de trois. L’objectif déclaré est d’avoir moins de suggestions, mais de meilleure qualité.
Diversité des sources : une seule mise à jour est proposée par source. Si une source a été très active, seul son meilleur résultat apparaît. Exception : un deuxième message de la même source peut être inclus s’il obtient un score de 12 ou plus.
Nombre : le résultat contient entre zéro et cinq sujets de conversation. Si aucune mise à jour n’atteint le seuil, le rapport reste vide — ce n’est pas une erreur, mais cela indique qu’il n’y a actuellement aucun point de départ approprié.
Quand y a-t-il plus de suggestions : lorsque la boîte de réception contient de nombreuses mises à jour provenant de différentes sources et que les concurrents viennent de publier des contenus particulièrement pertinents, le taux de réussite augmente. Pendant les périodes de faible activité, il est normal qu’il y ait peu ou pas de suggestions.