Votre style d'écriture est aussi unique que votre signature. Mais comment un algorithme peut-il l'apprendre automatiquement ?
Quand Neston démarre, il scanne vos 300 emails envoyés et 500 reçus. En 3 minutes, Claude analyse vos patterns rédactionnels : la longueur moyenne de vos phrases, votre vocabulaire préféré, votre ponctuation, votre niveau de formalité, même vos expressions favorites.
Le résultat : chaque email généré sonne comme vous — pas comme ChatGPT.
📖 Table des matières
Principes du Machine Learning Appliqué aux Emails
Le machine learning, c'est l'art de faire apprendre un algorithme sans lui écrire chaque règle explicitement. Vous ne dites pas "si la phrase fait plus de 25 mots, c'est trop long" — vous laissez l'algorithme découvrir les patterns dans vos données.
Chez Neston, nous utilisons une approche à 3 phases :
Phase 1 : Scan Initial (Onboarding)
Lors du premier lancement, Claude scanne vos 800 derniers emails (300 envoyés + 500 reçus). Cette fenêtre de 800 emails représente votre "signature rédactionnelle" — assez de données pour voir un pattern, sans être pollué par de vieilles habitudes changées.
Phase 2 : Profilage
L'IA crée un profil de style avec 5 dimensions :
- Formalité : Vous utilisez "Cordialement" ou "Cheers" ?
- Longueur : Vos emails font 100 mots ou 500 mots ?
- Vocabulaire : Technique, commercial, pédagogue ?
- Ton : Direct, empathique, humoristique ?
- Structure : Numérotation ? Puces ? Paragraphes long ?
Phase 3 : Génération Personnalisée
Quand vous demandez une réponse, Claude utilise ce profil comme contrainte de génération. Vous obtenez un texte qui respecte vos patterns rédactionnels naturels.
Tokenization et Analyse Lexicale
Avant même de "comprendre" le style, l'IA doit d'abord découper le texte en morceaux. Ce processus s'appelle tokenization.
Cette étape semble bête, mais elle est cruciale. L'IA compte ensuite :
- Quelle fréquence utilisez-vous des salutations informelles ("Salut") vs. formelles ("Madame") ?
- Vos phrases sont-elles courtes (8 mots en moyenne) ou longues (25 mots) ?
- Utilisez-vous beaucoup de ponctuation ou peu ?
- Avez-vous des "tics" rédactionnels ? ("En effet", "Bien sûr", "Exactement")
Ces statistiques lexicales forment la base du profil d'écriture.
Embeddings : Les Vecteurs d'Écriture
Un "embedding" est une représentation mathématique de ce qu'est votre style. Imaginez que chaque email soit un point dans un espace à 768 dimensions (pour Claude).
Votre espace rédactionnel ressemble à ça :
- Un email très formel = position A
- Un email très informel = position B
- Un email moyen = position entre A et B
Quand Claude génère un email, il "place" le texte généré au bon endroit dans votre espace — pas trop formel, pas trop informel, juste vous.
Analogie : Si votre style est "une couleur", Claude apprend à quelle position du spectre rouge-bleu-vert vous vous situez. Ensuite, chaque phrase générée est teintée exactement de votre couleur.
Cycle d'Apprentissage Continu
Le profil initial est bon, mais insuffisant. Voilà pourquoi Neston apprend en permanence.
Après Chaque Email Envoyé
Quand vous validez et envoyez un email généré, Neston enregistre :
- Qu'avez-vous changé ? (Édition = signal d'amélioration)
- Comment Claude a-t-il mal compris votre style ?
- Cette correction améliore le modèle pour les prochains emails
Après 10 Emails
Tous les 10 emails, le système recalcule votre profil avec les nouvelles données. Votre style 3.0 = style 2.0 + apprentissage des 10 derniers envois.
Après 50 Emails (Calibrage Majeur)
Après 50 emails, recalibrage complet. Le système réanalyse vos habitudes de correction : quels types de phrases modifiez-vous ? Comment les corrigez-vous ? Cette analyse crée un "feedback loop" puissant.
Résultat : après 50 emails, le taux d'acceptation-sans-modification passe de 60% à 85%+
* Estimation basée sur notre modèle interne — les résultats varient selon l'usage.
Adaptation Progressive
Un point clé : l'apprentissage n'est pas linéaire.
- Les 10 premiers emails apprennent 40% du style total
- Les 10 suivants apprennent 30% supplémentaires
- Les 30 suivants apprennent les 30% restants (nuances, exceptions) * Répartition indicative basée sur notre modèle d'apprentissage interne.
C'est comme apprendre une langue : vous maîtrisez 80% du vocabulaire avec 1000 mots, mais les 20% restants vous demandent 10 000 mots.
💡 Chiffre clé : Après 50 emails traités, le modèle d'IA Neston vous connaît mieux que 99% des outils génériques du marché. Après 100, c'est quasi-impossible de distinguer entre un email généré et un email réel de vous.
Les Limites de l'Apprentissage Automatique
Pas d'illusions : le machine learning a des limites réelles.
1. Data Contamination
Si vous avez 300 emails envoyés, mais 250 d'entre eux sont des réunions transféréesdire, le profil est pollué. Neston applique des filtres de qualité pour identifier et exclure ce bruit.
2. Évolution Naturelle
Vous avez changé de job et votre style s'est transformé ? Le modèle s'adapte progressivement, mais il y a un délai. Pas d'apprentissage "rétroactif complet".
3. Emails Inhabituels
Si vous écrivez soudain quelque chose de totalement nouveau (ex: un email en anglais quand vous écrivez habituellement en français), l'IA peut se tromper. C'est normal — vous faites une exception.
En Résumé : Comprendre Votre Apprentissage IA
- Tokenization : L'IA découpe vos emails en mots et phrases pour analyser les patterns
- Embedding : Votre style est converti en vecteurs mathématiques (votre "espace rédactionnel")
- Cycle continu : Après 10, 50, 100 emails, le profil devient de plus en plus précis
- Résultat final : Des emails qui sonnent 100% vous, pas 100% ChatGPT
Curieux de voir comment Neston apprend votre style en action ?
Lancez une trial gratuitement. Après le 1er email, vous verrez la différence : Claude connaît déjà vos patterns.
Découvrir l'Apprentissage IA →14 jours gratuits · Machine learning en action
Votre style d'écriture n'est pas un bug à corriger — c'est votre valeur unique. Neston la préserve et l'amplifie.