LinkedIn automatisation : le système de contenu à livrer

La LinkedIn automatisation qui ne met pas votre compte en danger sert à publier : une idée enregistrée en note vocale devient une dizaine de posts, vous les approuvez, puis ils partent à heure fixe par une connexion que LinkedIn autorise. Pour un dirigeant ou un consultant qui manque de temps pour écrire, c’est un système à lui livrer, qui ne lui demande que 30 minutes par semaine. Quand j’ai tourné cette vidéo, en février 2025, mon système tournait depuis 4 semaines, et j’avais déjà publié plus de contenu que pendant les années précédentes.

1:26:32

Ce que LinkedIn autorise, et ce qu’il interdit

Avant de construire quoi que ce soit pour un client, mettez ce point au clair. Je l’ai revérifié le 27 octobre 2026.

Commençons par l’interdit. Les conditions d’utilisation de LinkedIn (version du 3 novembre 2025), section 8.2, interdisent d’utiliser des bots ou d’autres méthodes automatisées non autorisées pour accéder au service, ajouter des contacts, envoyer des messages ou créer de l’engagement artificiel. Elles interdisent aussi les logiciels, scripts et extensions de navigateur qui copient les données du site. La page d’aide de LinkedIn sur les logiciels et extensions interdits va dans le même sens : les outils tiers qui extraient des données, modifient l’affichage du site ou automatisent votre activité exposent le compte à une restriction, voire à une fermeture.

C’est exactement ce que font la plupart des outils de « LinkedIn automation » du top 10 : des invitations et des messages envoyés à votre place.

Ce qui reste permis : publier par l’API officielle. LinkedIn ouvre aux développeurs un produit appelé Share on LinkedIn, qui donne la permission w_member_social : créer un post au nom du membre qui s’est connecté lui-même à l’application. Buffer, le module LinkedIn de Make et le nœud LinkedIn de n8n passent par ce type de connexion. Vous écrivez, vous validez, l’outil publie à l’heure prévue : aucune règle n’est contournée.

Cet article ne traite donc que de la publication de contenu. Pour la prospection, faites-la à la main, avec méthode : la cible et le message sont détaillés dans trouver des clients sur LinkedIn, et la prise de contact des partenaires dans l’article sur le métier de consultant IA.

Le système en un coup d’œil : 2 entrées, 1 base, 3 sorties

Je l’appelle ma machine sociale. Elle tient en 12 scénarios Make et une base Airtable.

• Deux entrées : une note vocale envoyée dans un canal Slack privé, depuis le téléphone. Ou un lien YouTube enregistré dans Raindrop, un gestionnaire de favoris, dans une collection « idée » ou « promo ».
• La transcription : la note vocale passe par l’API de transcription d’OpenAI. La vidéo passe par Apify, qui récupère sa transcription.
• La base : tout arrive dans Airtable, les fichiers audio et les textes générés sont rangés dans Google Drive.
• La génération : Claude ou ChatGPT (les deux fonctionnent bien) écrivent les posts LinkedIn, les posts X, la newsletter et le texte des carrousels.
• La validation : vous relisez et vous choisissez. Rien ne part sans vous.
• Trois sorties : Buffer pour LinkedIn et X, MailerLite pour la newsletter, et une vue « publication manuelle » pour ce que Buffer ne sait pas publier.

Une idée donne 10 à 20 contenus. Le système met 1 à 2 minutes pour tous les générer.

Le scénario de traitement des vidéos YouTube, je le lance la nuit, une fois par jour. Vous pouvez le régler toutes les 15 minutes si vous préférez.

Étape 1 : capter l’idée là où elle naît

La note vocale, sans la préparer

La note n’a pas besoin d’être propre : le modèle nettoie les hésitations et retrouve le message. Pour lui donner de quoi travailler, je suis toujours le même fil, en 6 points :

1. le sujet ;
2. le principal problème que les gens rencontrent ;
3. pourquoi vous êtes légitime pour en parler ;
4. l’erreur numéro 1 qu’ils commettent ;
5. pourquoi il existe une meilleure façon d’y arriver ;
6. les étapes pour y arriver avec votre méthode.

Côté technique, il faut créer une application Slack (un bot). Make publie un guide pour ça. En plus de ce qu’il indique, donnez au bot le droit de lire les fichiers (files:read) et les messages des canaux privés, collez l’adresse du webhook Make dans la partie Event Subscriptions, et ajoutez le bot dans votre canal privé. On l’oublie souvent.

Le scénario vérifie d’abord qu’un fichier est bien joint. Sinon, le bot répond qu’il lui faut un fichier audio.

Ensuite, la taille. L’API de transcription d’OpenAI refuse les fichiers de plus de 25 Mo, et c’est toujours le cas en octobre 2026. Au-delà, mon scénario passe le fichier par CloudConvert pour le compresser en M4A. En pratique, une note vocale fait rarement 25 Mo : cette branche est facultative.

La vidéo YouTube, par un favori

Raindrop existe en module natif dans Make. Le scénario vérifie que le lien vient bien de YouTube, puis lit l’identifiant de la collection dans l’URL pour choisir la branche :

• idée : le système écrit du contenu à partir de la vidéo, sans la citer ;
• promo : il écrit un post LinkedIn, un post X et une newsletter qui annoncent la vidéo, avec le lien.

Pour la transcription, j’utilise l’acteur YouTube Transcript dans le store d’Apify. L’offre gratuite donne 5 dollars d’usage par mois, assez pour plusieurs centaines de vidéos. Le scénario lance la transcription, garde l’identifiant du jeu de données, crée la ligne dans Airtable, et poste dans Slack : « nouvelle entrée machine sociale », avec le lien. Un autre scénario viendra chercher le texte plus tard.

Le même schéma marche pour des articles ou des notes écrites : il suffit d’ajouter une branche.

Étape 2 : la base Airtable qui pilote tout

Deux tables portent le travail :

• Contenus : chaque idée qui entre (note vocale, vidéo, article) ;
• Publications : chaque contenu généré à partir de ces idées.

Les autres tables configurent le système. Ce sont elles qui le rendent vendable :

• Types d’entrée : note vocale, vidéo YouTube, vidéo YouTube à promouvoir. Chacun déclenche ses propres transformations.
• Transformations : j’en ai 11. Chacune a un nom, son type d’entrée, son type de sortie (texte, image), son canal, son déclencheur (une idée suffit, ou il faut un texte validé), ses transformations filles et l’adresse du webhook Make qu’elle appelle.
• Canaux : post LinkedIn, carrousel LinkedIn, post X, newsletter. Vous pouvez ajouter Instagram pour les carrousels.
• Marques : l’audience visée, le contexte (qui est la marque, son histoire, ce qu’elle apporte), les identifiants Buffer de chaque réseau, les dossiers Google Drive et le groupe MailerLite.

La table Marques intéresse directement une agence ou un community manager : une ligne par client, avec son audience, son contexte et ses comptes. Le même système sert plusieurs clients en parallèle.

Chaque transformation affiche un statut : en cours, prêt, ou erreur avec le message de l’erreur. Quand quelque chose casse, vous voyez où.

Les déclenchements se font par des automatisations Airtable, de petits scripts qui appellent les webhooks Make. C’est pour elles qu’il faut un forfait payant d’Airtable. La première crée, pour chaque nouvelle idée, un dossier dans Google Drive (« contenu 803 », par exemple), avec un sous-dossier input où le fichier audio est déplacé depuis la boîte de réception. Tout ce qui sort de l’idée est rangé à côté.

Étape 3 : une idée, plusieurs angles

Je ne génère pas un post par idée. Je génère un contenu par réseau, et sous plusieurs angles. La méthode a été popularisée par Justin Welsh, très suivi sur LinkedIn et sur X. Une même idée peut devenir :

• un post éducatif ;
• une liste ;
• l’observation d’une situation ;
• un contre-pied de l’idée elle-même ;
• une comparaison entre avant et maintenant ;
• un thread, plutôt pour X ;
• un carrousel.

Une fois la transcription faite, trois transformations partent en parallèle : la newsletter, le post LinkedIn, les posts X. Elles se ressemblent toutes. Seul le prompt change selon le canal et le mode, idée ou promo.

Le prompt du post LinkedIn suit cet ordre : le rôle (un expert en rédaction de posts LinkedIn), la tâche, le ton, la procédure, puis le contexte et l’audience de la marque tirés d’Airtable, quelques-uns de mes vrais posts comme exemples, mes consignes (vouvoyer, citer la vidéo, mentionner l’agence), et enfin la transcription. Je lui demande plusieurs propositions, et je garde la meilleure.

Sans les exemples, les posts sonnent comme n’importe quelle IA. Avec, le modèle part de mes idées et imite mes posts passés. Il ne copie personne, et je ne repars plus d’une page blanche.

Un premier appel au modèle donne aussi un titre à l’idée, pour la retrouver dans la base.

Les carrousels se font en deux temps. Le système écrit d’abord le texte : une accroche au choix, puis les slides. Vous gardez celles qui vous plaisent, vous validez, et c’est seulement alors que les images sont générées, une par slide. Une publication qui attend un texte validé reste en statut « en attente de validation ».

Étape 4 : valider en 30 minutes, publier à heure fixe

Je valide tout ce qui part. Le système pourrait publier sans relecture, mais pour un client je ne vous le conseille pas.

Une fois par semaine, j’ouvre la table Publications. Je relis, je retouche ce qui ne me ressemble pas, et je passe le statut à « OK validé », ou à « Non, poubelle ». Une demi-heure suffit.

La validation déclenche une automatisation Airtable, qui appelle le scénario de publication :

• Pour LinkedIn et X, le module Buffer de Make reçoit l’identifiant du canal (stocké dans la table Marques) et le texte, et l’ajoute à la fin de la file. Dans Buffer, la file se règle une fois : moi, c’est un post par jour, à des heures différentes. Le statut passe à « planifié ».
• Pour la newsletter, le modèle l’écrit en Markdown, avec 5 propositions de titre. Le scénario découpe l’accroche et chaque section, construit le HTML, puis crée la campagne dans MailerLite pour le bon groupe. Sans date choisie, elle part le samedi suivant à 8 h.
• Pour le reste, Buffer ne publie ni les carrousels LinkedIn ni les threads X. Ils tombent dans une vue « publication manuelle », et le bot Slack vous prévient qu’il faut les poster vous-même.

À savoir aussi : LinkedIn permet aujourd’hui de programmer un post depuis son propre éditeur. C’est pratique pour un post isolé, mais ça ne remplace pas une file alimentée par un système.

Ce que coûte le système : février 2025 et octobre 2026

Les prix de la vidéo datent de février 2025. Voici ce qui a bougé, vérifié sur les sites des éditeurs le 27 octobre 2026.

Total annoncé dans la vidéo : une trentaine d’euros par mois sans newsletter, une cinquantaine avec.

Un changement compte plus que les prix. Buffer a lancé une nouvelle API publique en mai 2026 et coupe son ancienne API le 1er février 2027. Avant de livrer, testez que le module Buffer de votre outil d’automatisation publie toujours. Sinon, appelez la nouvelle API par une requête HTTP.

Pour une agence qui gère beaucoup de comptes, je conseillais déjà Ayrshare dans la vidéo : une API qui publie sur plus de réseaux que Buffer, avec les statistiques et une file plus large.

Les limites à connaître avant de le livrer

• L’IA n’a pas l’idée à la place du client. Le système transforme une idée : sans note vocale ni vidéo, il ne produit rien de bon.
• La voix dépend des exemples : une dizaine de vrais posts du client dans le prompt, sinon tout sonne pareil.
• 12 scénarios, c’est de la maintenance. Un module qui change, une API qui ferme : le statut « erreur » vous le montre, mais il faut quelqu’un pour réparer. Prévoyez-le dans ce que vous vendez.
• Make n’est pas obligatoire. Le même système se monte dans n8n, qui a lui aussi un nœud LinkedIn. Les critères pour choisir chez un client sont dans Make vs n8n.

C’est une automatisation IA, pas un agent IA : chaque étape est fixée et le modèle n’écrit que le texte, donc vous savez toujours ce qui va se passer. Si votre client travaille déjà dans Claude, la même idée se livre aussi comme une machine à contenu dans Claude Cowork.