Et bien il y a une méthode qui marche bien, avec laquelle j'ai analysé des milliers de posts, et qui consiste à analyser en profondeur nos propres pratiques pour comprendre ce qui marche, ce qui ne marche pas et ce que notre audience préfère.

Aujourd'hui, newsletter exceptionnelle: je vous explique exactement comment déterminer vos points forts pour les décupler.

La première chose à faire, c'est d'avoir les bonnes données. Et là, il y a un peu de travail car LinkedIn ne nous facilite pas la vie.

Il n'est pas possible de disposer d'un fichier propre avec les posts et l'engagement. Il faut donc le construire, et pour ce faire il faut aller chercher les données brutes, et refaire un fichier.

Ce n'est pas compliqué, voici la démarche.

Tout d'abord, vous devez récupérer vos données archives.

Pour ce faire: photo de profil ("vous" sur PC) --> Préférences et confidentialité --> Confidentialité des données --> Téléchargez vos données

Et là vous cochez l'option du haut "Téléchargez des archives de données plus importantes"

Vous allez recevoir deux fichiers zippés, le 1er le jour même, parfois 2h00 après la demande, et le second le lendemain, parfois 2 jours plus tard.

Ces deux paquets de données contiennent une très grande partie de votre activité sur LinkedIn. Ce qui va nous intéresser, c'est le fichier "Shares" qui regroupe tous vos posts, et les fichiers d'engagement.

Le fichier "Shares" est dans le deuxième fichier zippé. Gardez-le de côté, il est fondamental.

Car oui, LinkedIn ne fournit pas un tableau bien propre avec vos posts et l'engagement. Il faut le construire, mais c'est facile à faire.

La seconde collecte de données est bien plus simple, elle se fait en direct depuis votre profil.

Allez sur votre profil, et dans la rubrique "Statistiques", cliquez sur "Tout afficher".

Vous verrez plusieurs cases, ce qui nous intéresse c'est "impressions".

Cliquez sur "impressions", en haut à gauche.

Cliquez sur "les 7 derniers jours" et sélectionnez "les 365 derniers jours". Laissez "impressions", et en bas cochez "chaque jour" à la place de "nombre cumulé".

Vous allez avoir un graphique avec toutes vos vues sur l'année passée.

Cliquez sur "exporter" en haut à droite.

Vous allez obtenir un fichier XL avec 5 onglets:

Si vous voulez procéder à une analyse descriptive, vous pouvez vous contenter de cela, mais nous allons aller plus loin car si nous voulons accroître notre performance sur LinkedIn, il faut comprendre pourquoi les gens cliquent sur vos posts, et pourquoi ils vous suivent.

Il faut donc analyser les contenus des posts et comprendre les raisons de succès et d'échecs.

Nous avons donc besoin de créer un fichier propre qui croise les posts et l'engagement.

Nous prenons le fichier "Shares" téléchargé en archive. Ce fichier liste l'intégralité des posts publiés les 365 jours précédents, par date, et nous allons le fusionner avec le fichier engagement qui est lui aussi par date.

Cependant, il y a une chose à savoir. Il est fréquent quand on analyse des données avec Claude, ChatGPT ou Gemini que ces IA fassent des erreurs sur les fichiers complexes. Particulièrement si ces fichiers contiennent des onglets. J'ai fait de nombreux tests, et les erreurs ne sont pas systématiques mais elles sont fréquentes.

Donc prenez le document XLSX qui contient les 5 onglets "découverte", "Engagement", "Meilleurs posts" et "Abonnés", et faites-en une copie. Donc vous avez deux tableaux identiques. Dans le premier tableau, supprimez tous les onglets sauf "engagement". Et dans le deuxième, faites pareil en supprimant tout sauf "abonnés". Vous allez donc avoir 2 tableaux très simples.

Le 1er de 3 colonnes qui synthétise les impressions (les vues):

Et le second de 2 colonnes qui synthétise vos gains d'abonnés :

Puis prenez votre fichier "Shares" (archives téléchargées) qui est par dates lui-aussi.

A ce stade, nous avons 3 documents XL:

Les 3 tableaux ont une clé de fusion: la date, donc fusionnons.

Prenez l'IA que vous souhaitez, je le fais avec Gemini qui me semble meilleur sur les statistiques, mais Claude ou ChatGPT le font aussi très bien, et collez ce prompt (j'ai mis des --- pour bien séparer le texte à copier) :

Je te joins trois fichiers Excel exportés de LinkedIn :

Engagement quotidien — une ligne par jour, avec mes métriques (impressions, réactions, commentaires, partages, taux d'engagement…).
Liste de mes posts — une ligne par post, avec date de publication, sujet/texte, et URL si dispo.
Abonnés — une ligne par jour, avec mon nombre d'abonnés (et/ou les abonnés gagnés ce jour-là).

Fusionne les trois en un seul tableau synthétique, règles :

Jointure sur la date pour les trois fichiers. À chaque post, associe les métriques d'engagement ET les données d'abonnés du jour correspondant.
Je publie au maximum un post par jour, donc en principe une ligne = un jour = un post.
Cas rare de plusieurs posts le même jour : agrège-les en une seule ligne (concatène les sujets/URL, additionne les métriques de volume comme impressions/réactions/commentaires/partages). Recalcule les taux à partir des totaux plutôt que de les moyenner. Les données d'abonnés du jour restent inchangées (elles ne se dupliquent ni ne s'additionnent).
Tri par date décroissante.
Si une date présente dans un fichier n'a pas de correspondance dans les autres, garde la ligne et laisse les cellules vides — ne supprime rien. Signale-moi les dates orphelines à part.
Pour les abonnés : si le fichier donne le total cumulé, ajoute une colonne « abonnés gagnés ce jour » (différence avec la veille). S'il donne déjà le gain quotidien, ajoute la colonne « total cumulé ».
Ajoute une colonne « taux d'engagement par impression » si les données le permettent.

Rends-moi un fichier Excel propre, en-têtes clairs, trié, prêt à analyser pour croiser performance des posts et évolution des abonnés.

J'ai testé ce prompt sur ChatGPT, Gemini et Claude, en utilisant les modèles les plus récents. Cela marche très bien, et normalement du 1er coup, mais parfois, les informaticiens nous l'expliqueront, il m'arrive que Claude me demande des fichiers CSV au lieu du fichier XLSX, et parfois pas. Donc j'ai partagé cette routine à 2 amis chez qui cela a marché tout de suite. Il faut garder en tête qu'en matière d'IA, rien ne vaut l'expérimentation.

Donc lancez la tâche sur votre IA préférée, normalement il n'y a pas de problème.

A ce stade, nous avons un fichier comportant tous les posts des 365 derniers jours, avec l'engagement et les abonnés générés, ainsi que les textes des posts.

Avec ce fichier, vous en connaissez déjà plus que 99,5% des utilisateurs de LinkedIn. Mais nous pouvons aller plus loin.

Nous pouvons faire une analyse quantitative et qualitative de vos œuvres sur LinkedIn.

Allons-y !

Je vous recommande d'employer Claude, mais cela marche très bien aussi dans Gemini et ChatGPT, je trouve juste que le résultat sous Claude est plus esthétique.

Commencez par télécharger le prompt nécessaire: c'est ici. Download now

Il est trop long pour aller dans cette newsletter (et ce n'est pas un lead magnet !)

Lancez Claude.

Allez tout en bas du menu à gauche, et cliquez sur la petite flèche vers le bas, puis sur "Artefacts".

Quand vous êtes dans la fenêtre "artefacts" (nous en avons parlé la semaine dernière), cliquez sur "nouvel artefact", en haut à droite.

Puis allez sur "commencer de zéro".

Là, collez le prompt que vous trouverez à la fin de cet article.

Puis ajoutez le fichier .XLSX que nous avons construit précédemment (vous pourrez aussi le rajouter plus tard si vous préférez).

Puis, pour le modèle, 4.7 est très bien, mais 4.6 suffit. 4.8 est très efficace, mais encore trop cher.

Lancez.

Et regardez avec vos yeux ébahis une synthèse de cette dernière année !

Vous avez une synthèse de cette dernière année, avec tous vos points forts et vos faiblesses.

Vous pouvez consulter vos meilleurs posts, identifier ceux qui ont le plus de potentiel.

Et vous avez deux nuages de mots vous permettant de comprendre les meilleurs sujets à aborder, ou ceux à éviter.

Et vous pouvez ventiler vos résultats sur plusieurs périodes.

Et l'ensemble est beau et facile à utiliser.

Maintenant, quelques warnings et une remarque.

Sur le plan des warning, cette démarche est très gourmande en tokens, donc utilisez-la avec modération. Pas 15 fois dans la même journée, vous allez brûler votre temps d'utilisation, surtout avec Claude.

Sur le plan des résultats, j'ai remarqué que parfois il faut relancer Claude dans le processus. Cela n'arrive pas souvent mais comme il y a beaucoup de calculs intermédiaires, il arrive que l'IA fasse une erreur, et cela se répercute sur le résultat final. Donc parfois il faut s'y reprendre à 2 ou 3 fois. Voilà pourquoi je fais tourner ce dispositif sur mes 3 IA, et je compare.

Sur le plan qualitatif, l'analyse des mots employés donne parfois des résultats ambigus. En effet, si vous utilisez toujours les mêmes mots, parfois vos posts bident et parfois ils marchent, donc l'analyse peut mettre les mêmes mots en succès et en flop. Cela veut dire qu'il faut revoir les contextes.

Mon dashboard vous permet aussi une analyse fine sur les durées : 1 mois, 3 mois, 6 mois, 1 an, c'est très fin comme résultat. Je vais prendre un exemple. Vous êtes 7000 de plus à me faire confiance depuis 1 an et à vous abonner à mon compte, mais 4800 depuis 6 mois. Sans ventilation temporelle, je ne l'aurais pas vu.

Enfin, le prompt doit être personnalisé. Nous n'avons pas tous les mêmes besoins. Donc lisez-le, analysez-le, expérimentez, tentez des choses et personnalisez-le.

Dernier point:

Ce que vous venez de lire est le fruit d'un travail considérable.

Je vous le donne, gratuitement. Ce n'est pas un lead magnet, c'est un don à la communauté. Si vous le pouvez, partagez-le, cela aidera à faire connaître mon travail, et ce sera utile à vos amis.

Et si cela vous plaît, enregistrez-le et dites-le moi en commentaire sur LinkedIn, je vous proposerai plus de contenus de ce type.

· · ·

C’est tout pour aujourd’hui, on se retrouve samedi prochain ✌️​

Passez un merveilleux week-end.

Jean-Philippe

P.S. J’ai toujours beaucoup de plaisir à vous partager mes analyses et points de vues chaque samedi matin.

Et si vous êtes allé au bout, c’est que nous partageons ce goût pour l’analyse. Mais c’est peut-être aussi le cas d’un de vos proches, un ami ou un membre de la famille, que vous pourriez inviter à la discussion.

Peut-être pourriez-vous juste lui transférer Secret Sauce avec un bref message : “Je viens de lire cette analyse, je serais curieux d’avoir ton point de vue.”

· · ·

Voici le texte du prompt, à copier-coller intégralement:

Je suis expert en stratégie marketing digital et je publie régulièrement sur LinkedIn. Je veux analyser ma performance sur les 12 derniers mois via un dashboard interactif construit comme un artefact React, en mode sombre élégant. L'objectif final n'est pas de contempler des chiffres mais de décider quoi publier, quand, et comment pour accroître ma performance.

Construis un dashboard React interactif, complet et professionnel, à partir de mon export natif LinkedIn (un seul fichier XLSX, structure décrite ci-dessous). Le dashboard doit être à la fois lisible (hiérarchie visuelle claire) et précis (densité d'information maîtrisée). Chaque graphique clé doit être accompagné d'un insight automatique en une phrase qui traduit le chiffre en décision éditoriale.

Je fournis UN SEUL fichier XLSX, feuille « Synthèse », avec exactement ces colonnes :

Mon fichier ne contient PAS : l'heure de publication, le format des posts (texte/image/vidéo/carrousel/document), ni aucune donnée démographique d'audience (fonctions, secteurs, séniorités, localisations, entreprises). Ces champs viennent d'autres exports LinkedIn que je ne fournis pas ici.

N'affiche AUCUNE section qui dépend de ces données. Ne les déduis pas, ne les simule pas, n'invente pas de valeurs. Si tu es tenté d'afficher un graphique d'audience ou de format, supprime-le purement et simplement.

Ces règles priment sur tout le reste. Un dashboard joli mais faux ne sert à rien.

Les jours où j'ai publié plusieurs posts agrègent toutes les impressions/interactions sur une seule ligne : impossible d'attribuer la performance à un post précis.

Avant tout calcul de tendance ou de médiane sur le taux d'engagement :

Pour tout indicateur de performance « typique » (taux par jour de semaine, par longueur, etc.), utilise la médiane, plus robuste aux pics viraux. Réserve la moyenne aux totaux et aux KPIs cumulés.

146 jours environ n'ont pas de post mais ont des impressions (effet de traîne des posts passés). Ne les compte pas comme des « posts à 0 engagement ». Distingue toujours « jours actifs » (avec post) et « jours passifs ».

Cards de synthèse sur la période sélectionnée, avec variation vs période précédente (flèche ↑↓ + %) quand pertinent :

Line chart : dates en X, taux (%) en Y, moyenne mobile 7 jours en pointillés, tooltip détaillé. Aberrants R2 exclus de la courbe lissée.

Combiné : barres = nouveaux abonnés/jour, courbe = total cumulé, double axe Y.

Affiche la médiane du taux et des impressions par trimestre (jours mono-post), pour voir si la performance progresse une fois lissée des pics. Insight auto : « Ta performance de fond est en hausse/stable/baisse sur l'année. »

Scatter (jours mono-post uniquement) : X = impressions, Y = taux d'engagement, médianes en croix découpant 4 quadrants :

Barres horizontales triées : taux d'engagement médian par jour (jours mono-post), avec le nombre de posts par jour affiché (pour ne pas sur-interpréter un jour à faible volume). (SUPPRIMÉ : heatmap jour × heure — l'heure de publication n'est pas dans les données.)

Compare le reach et le taux médians selon le nombre de posts publiés le même jour (1 / 2 / 3 / 4+). Réponds visuellement à : « Publier plusieurs fois par jour dilue-t-il ma portée ? » Insight auto chiffré.

Gauche = mots des posts TOP 25 % (vert) ; droite = FLOP 25 % (rouge). Exclure les stop-words FR + EN. Taille proportionnelle à la fréquence.

Scatter + courbe de tendance ; surligne la zone de longueur optimale.

Bins de longueur de hook → taux médian. Insight auto.

Tableau des 10 jours ayant généré le plus de nouveaux abonnés, avec extrait du post et impressions. But : identifier ce qui convertit un lecteur en abonné (≠ ce qui engage). (SUPPRIMÉ : hashtags — mes posts n'en contiennent quasiment pas ; et section format.)

Artefact React fonctionnel dès l'upload, avec sous chaque graphique clé un micro-insight automatique formulé comme une recommandation actionnable (ex : « Tes posts de moins de 600 caractères engagent 18 % de plus → privilégie le format court. »). Aucune section ne doit s'afficher si ses données sont absentes (cf. règle audience/format).