Sous le capot
Comment Stynch lit un post
Un post LinkedIn passe par une chaîne d'analyse linguistique écrite en interne: nettoyage, lemmatisation, typage grammatical, segmentation du discours. Il en ressort sept représentations vectorielles distinctes, calculées pour chaque post puis agrégées par profil.
Un profil n'est donc ni un texte ni un score. C'est un point dans sept espaces, comparable à n'importe quel autre profil dans chacun d'eux.
Représentations
Sept espaces par post
Chacun capte une dimension différente du texte. Aucun ne suffit seul.
Termes pertinents
Termes et expressions extraits du post, enrichis des hashtags et de la description du profil.
Proximité de vocabulaire
Vecteurs GloVe entraînés sur un corpus de publications LinkedIn, moyennés avec une pondération TF-IDF.
Sens
Embeddings multilingues 512 dimensions (Matryoshka Representation Learning), calculés localement par ONNX Runtime.
Thématiques
Résultat d'une multi-classification d'ensemble, détaillée plus bas.
Syntaxe et énonciation
Un vecteur d'environ 158 traits grammaticaux et énonciatifs, mesurés sur chaque post.
Profils discursifs
Classification stylistique du post et du profil à partir des couches d'analyse du discours.
Proximité globale
Vecteur dense 64 dimensions, utilisé pour les comparaisons rapides entre profils.
Thématiques
Quinze classifieurs, un consensus de trois signaux
Classer un post court, allusif et souvent multi-sujet est un problème difficile. Stynch ne s'en remet pas à un seul modèle. Quinze classifieurs sont implémentés, chacun fondé sur une logique mathématique différente:
- lexicaux: comptage de mots-clés par automate Aho-Corasick, TF-IDF;
- probabilistes: Bayes naïf avec lissage de Laplace, probabilités conditionnelles P(thème|mot);
- théorie de l'information: information mutuelle entre mot et thème, entropie discriminante de chaque mot;
- voisinage: k plus proches voisins lexicaux, et sémantiques sur des posts de référence par thème;
- apprentissage: Random Forest, similarité aux centroïdes de thèmes en embeddings.
Ils sont mis en concurrence sur des jeux de référence. En production, posts et profils sont classés par consensus entre trois signaux orthogonaux: fréquence brute des mots-clés, probabilité bayésienne, information mutuelle. Chaque signal est normalisé dans [0,1] avant fusion, pour qu'aucun n'écrase les autres.
Un post sans vocabulaire thématique reste non classé: aucun thème n'est attribué par défaut.
Syntaxe
158 traits mesurés sur chaque post
Le vecteur syntaxique décrit la manière d'écrire, indépendamment du sujet:
- structure: longueur des paragraphes, des phrases et des mots, blocs de hashtags, ponctuation;
- verbes: temps, modes, voix passive, impératif, et huit classes verbales structurelles (assertion, attribution narrative ou épistémique, construction, opération, connexion, stase, modulation);
- types de phrase: déclarative, interrogative, exclamative, impérative;
- citations: source nommée ou anonyme, statut de l'énoncé (constaté, rapporté, proposé, hypothétique);
- neuf tonalités, de factuelle à provocatrice;
- sept axes d'énonciation: emphase, formalité, temporalité, certitude, émotion, orientation collective ou individuelle, posture de savoir (enseigner, promouvoir, témoigner);
- rareté du vocabulaire par TF-IDF: mots génériques, courants, spécialisés, rares.
Chaque métrique est située dans la distribution réelle du corpus par quartiles et écart interquartile. Pas par écart-type: les distributions observées sur LinkedIn ne sont pas gaussiennes. C'est la base de l'analyse du copywriting.
Discours
Une structure rhétorique pour le français de LinkedIn
Stynch implémente la Rhetorical Structure Theory, adaptée aux posts LinkedIn en français: phrases courtes, fragments, registre persuasif.
- Le post est segmenté en unités discursives élémentaires, en trois passes: paragraphes, phrases, marqueurs internes.
- Chaque unité reçoit l'une de douze relations (élaboration, contraste, concession, cause, résultat, condition, preuve, séquence, résumé, motivation…), par score lexical sur des marqueurs discursifs calibrés pour LinkedIn, biais de position et analyse structurelle.
- La relation est confrontée à la distance sémantique entre unités: un contraste doit relier des unités éloignées, une élaboration des unités proches.
- Chaque relation devient un vecteur (angle, amplitude): 0° pour la continuation, 90° pour la rupture, au-delà pour la contre-argumentation. Le post se lit alors comme un chemin dans un plan rhétorique, normalisé en empreinte comparable d'un post à l'autre.
Sur cette trajectoire reposent quatre couches d'analyse par post:
- archétypes de copywriting: AIDA, PAS, BAB, FAB, ACCA, PSB, 4C, 4U, 4P, SLAP… reconnus à la courbure de la trajectoire, pas à des mots-clés;
- intention éditoriale: neuf intentions et trente-sept formats;
- entonnoir: TOFU, MOFU ou BOFU selon le recouvrement entre le post et le domaine propre de l'auteur, et cycle de vie intemporel, réactif ou hybride;
- profils discursifs, par analyse discriminante fondée sur l'entropie.
Une cinquième couche travaille sur l'ensemble du corpus: l'écart sémantique entre lignes consécutives mesure si l'auteur déroule un fil continu ou procède par pivots, et une grammaire récursive en déduit sa famille stylistique et son sous-type.
Les seuils d'interprétation ne sont pas fixés à la main: ils sont recalculés comme percentiles empiriques (p20, p40, p60, p80) sur un corpus de profils de référence. Chaque niveau affiché regroupe la même proportion d'une population réelle.
Idées
Graphes de cooccurrences
Le mindset est un graphe: les notions qu'un auteur associe, post après post. La matrice de cooccurrences est construite sur fenêtre glissante, après lemmatisation et extraction des expressions figées (« marque employeur » reste une unité).
Les nœuds sont choisis par un vecteur de pertinence qui pondère chaque terme selon sa rareté par rapport au lexique LinkedIn: un mot banal ne structure pas un mindset. Les liens sont ordonnés par indice de Dice, les formes équivalentes fusionnées, et le bruit éditorial récurrent pénalisé. Les mentions et citations forment un second graphe, celui des influences.
Comparaison
Quatorze populations de référence
Une valeur isolée ne dit rien. Chaque métrique est exprimée en percentile au sein de populations réelles: profils de référence, panel, segment, thème, tranche d'abonnés, voisins éditoriaux, profils cités, et leurs croisements. Les distributions sont stockées par métrique et par population, sur des fenêtres temporelles recalculées chaque mois.
Les voisins d'un profil sont calculés selon trois stratégies (sémantique, lexicale, pondérée) et trois portées (globale, par thème, par vecteur thématique). C'est ce qui alimente les classements et positions.