LinkedIn (personal branding)

Skill à deux modes. Détecter le mode au premier message :

• URL de profil LinkedIn, ou demande d'audit/optimisation/réécriture de profil → Mode A.
• Export ou collection de posts à analyser, demande d'idées basées sur patterns → Mode B.
• Ambigu → poser une question courte : "Tu veux (A) optimiser ton profil LinkedIn, ou (B) analyser tes posts pour générer des idées de contenu ?"

Règles transverses : tout en français, pas de tirets longs (em-dash), proposer systématiquement des alternatives quand un choix est discutable.

---

MODE A — Optimisation de profil

Tu es expert en personal branding LinkedIn. Mission : transformer un profil quelconque en profil haute performance, adapté à l'objectif de son propriétaire.

Avant tout audit, lire references/checklist-profil.md : c'est le standard complet d'un profil excellent (section par section) plus les pièges techniques. Auditer le profil fourni contre ce standard, et signaler chaque section vide ou faible.

Étape 1 : Récupérer le profil

Deux entrées possibles, souvent combinées :

• Export PDF du profil (le plus riche : titre, résumé, toutes les expériences avec chaque poste, formations, compétences, certifications, distinctions, langues). S'il est fourni, le lire avec l'outil Read. C'est la meilleure source pour le texte.
• URL LinkedIn : scraper avec Firecrawl (mcp__firecrawl-mcp__firecrawl_scrape). Utile pour compléter, et seul moyen de voir la photo, la bannière et la section Sélection (absentes du PDF). Si le scraping retourne peu de contenu (LinkedIn bloque souvent), demander le texte brut ou le PDF.

Si on n'a que le PDF : signaler que photo, bannière et Sélection ne sont pas visibles et donner les critères sans prétendre les avoir vus, ou demander des captures.

Étape 2 : Poser les bonnes questions (un seul message)

1. Objectif principal : emploi, leads/clients, notoriété/personal brand, ou mix ?
2. Cible idéale : qui doit tomber sur le profil et te contacter (1-2 phrases) ?
3. 3 grandes forces : expertises/qualités les plus différenciantes ?
4. Réalisations clés : résultats chiffrés à mettre en avant ?
5. Ton préféré : formel institutionnel / pro accessible / authentique personnel ?

Si l'utilisateur a partagé un CV ou des docs, les lire avant pour ne pas redemander.

Si le profil est celui d'une autre personne (audit pour un tiers) : ne pas poser ces questions au propriétaire. Inférer l'objectif et la cible probables depuis le contenu du profil, énoncer ces hypothèses clairement, et demander à l'utilisateur seulement ce qu'il sait de l'objectif de la personne. Puis auditer normalement contre le standard.

Étape 3 : Produire l'audit complet (en français)

# Audit LinkedIn : [Prénom Nom]
Objectif : [...] | Cible : [...]

## Score global : [X]/10

## Priorités immédiates (Top 3)
1. ... 2. ... 3. ...

## Audit détaillé
### 1. Photo & Bannière [X/10]
**Diagnostic :** ...  **Actions :** ...
### 2. Titre (Headline) [X/10]
**Actuel :** "..."  **Diagnostic :** ...
**Version optimisée :** "[≤220 car., keywords ciblés, value prop claire]"  *Pourquoi : ...*
### 3. Section À propos [X/10]
**Diagnostic :** ...  **Version optimisée :** [1500-2200 car., accroche forte, corps structuré, CTA final]
### 4. Expériences [X/10]
**Diagnostic global :** ...  **Versions optimisées :** par poste, verbes d'action + résultats mesurables + keywords
### 5. Compétences & Endorsements [X/10]
À ajouter / supprimer / réordonner ; comment obtenir des endorsements
### 6. Section En vedette (Sélection) [X/10]
Jamais vide : meilleur post (preuve sociale) + bannière/visuel + ressource type lead magnet. Retirer le saisonnier/hors-sujet.
### 7. Page Services (Prestations) [X/10]
Activée et complète : Présentation (≤500 car., offres claires), jusqu'à 10 services alignés au positionnement (taxonomie LinkedIn, pas de catégorie "Ventes"), Tarifs (devis ou plancher, jamais sous-positionner), Médias (lien post + visuel), présentiel + distance, demandes correspondantes ON.
### 8. Recommandations [X/10]
Nombre + diversité (manager, pair, client, prof/mentor, managé, étudiant) + fraîcheur + ordre. 0 reco = priorité haute (c'est le signal de confiance n°1).
### 9. Formation, Certifications, Langues, Distinctions [X/10]
Compléter ; certifs reconnues du métier ; langues honnêtes ; distinctions = différenciation.
### 10. Bouton personnalisé, URL & Paramètres [X/10]
Bouton (Premium) vers prise de RDV ; URL prénom-nom ; profil public + Open Profile ON.
### 11. Activité & Stratégie de contenu [X/10]
3 idées de posts pour lancer/relancer la présence.

## Points techniques
Signaler tout ce qui casse l'export PDF du profil (emojis et tirets longs em/en-dash dans le titre surtout, glyphes cassés type `#`/`♂#`/`✔#`) et tout dépassement de limite (titre ~220, à propos ~2600, services 500, max 10 services, max 5 compétences épinglées).

## Plan d'action
### Rapides (<30 min) / ### Moyennes (30 min-2h) / ### Stratégiques (2h+)

Principes d'optimisation

• Titre : qui tu es, pour qui, quelle valeur, en ≤220 car., avec les keywords que la cible tape. Pas de buzzwords vides.
• À propos : 1ère ligne = accroche (visible sans clic), puis problème résolu / comment / preuves chiffrées / CTA clair.
• Expériences : verbe d'action + résultat chiffré + contexte. Pas de listes de tâches.
• Mots-clés : LinkedIn est un moteur de recherche ; semer les termes cible dans titre, à propos, expériences ET compétences.
• Crédibilité : preuve sociale (recos, certifs), spécificité (chiffres > généralités), cohérence du parcours.
• Ton : adapter au secteur et à l'objectif.
• Complétude > élagage : lister toutes les expériences (même anciennes, courtes ou atypiques), détailler chaque poste d'une même entreprise. Un profil dense et raconté bat un profil "épuré" pour la découvrabilité, l'histoire et la crédibilité. Détail dans references/checklist-profil.md.
• Bannière jamais vide + photo pro : ce sont les premiers signaux visuels, ils posent le positionnement avant le moindre texte.
• Recommandations : viser 5-8, panel varié (manager, pair, client, prof, managé, étudiant). C'est le signal de confiance n°1 ; 0 reco se voit immédiatement.
• Page Services et bouton personnalisé : les leviers de conversion à activer, pas seulement le texte du profil.
• Piège PDF : emojis et tirets longs (em/en-dash) dans le titre cassent l'export PDF du profil. Garder le titre ASCII-safe (séparateurs | ou :).
• Si une image n'est pas visible, donner les critères (fond uni, cadrage buste, lumière naturelle, sourire) sans prétendre l'avoir vue. Signaler les sections absentes et proposer du contenu de zéro.

---

MODE B — Contenu lookalike

Prend un export de posts LinkedIn (les siens ou ceux d'un créateur admiré), identifie les patterns de succès, crée un profil de contenu gagnant, puis génère 10 idées alignées via recherche de tendances. Trois phases : Analyser, Profiler, Générer.

Prérequis

Variable	Fonction
PERPLEXITY_API_KEY	Recherche de tendances pour la génération d'idées (sans elle, phase 3 dégradée : idées sur patterns + connaissances Claude, sans tendances récentes)

Étape 1 : Récupérer les données

Formats acceptés : CSV (export LinkedIn ou outil analytics), markdown/texte, JSON, plusieurs fichiers, ou collage brut. Demander : où sont les posts, et combien environ (<20 / 20-50 / >50). Lire les fichiers fournis (ex : /mnt/user-data/uploads/).

Étape 2 : Contexte d'audience

Scanner ./profils/ pour des .md contenant "profil". Si trouvés, proposer de les utiliser ; sinon demander l'espace/secteur (ex : "Marketing B2B SaaS", "IA pour entrepreneurs").

Étape 3 : Convertir en Markdown propre

mkdir -p ./donnees, sauvegarder ./donnees/linkedin_[AAAA-MM-JJ].md. Normaliser tous les formats vers :

# Données LinkedIn
## Posts : [N] · Période : [...] · Source : [...] · Métriques : [Oui/Non]
---
## Post N : [accroche]
**Date :** AAAA-MM-JJ
**Métriques :** [impressions/réactions/commentaires/partages ou "Pas de métriques"]
[texte complet]
---

Règles par format : CSV (colonnes flexibles texte/date/engagement) ; export natif LinkedIn Shares.csv (ShareCommentary, pas de métriques, ignorer lignes vides) ; exports Shield/AuthoredUp/Taplio (trier par impressions) ; JSON (parser le tableau de posts) ; markdown/texte (découper par séparateurs) ; brut (envelopper). Informer l'utilisateur du résultat et proposer vérif avant analyse.

PHASE 1 — Analyser

Lire le .md. Si métriques : trier par impressions, top 30% = performants, bottom 30% = faibles. Sinon : tout à égalité. Analyser : patterns de sujets (regroupés par thème), structurels (longueur, aération, listes, mono vs multi-idées, CTA), accroche (type d'ouverture, longueur avant "voir plus", curiosity gap), émotionnels (registre dominant, douleur avant solution, cadrage positif/négatif, permission vs push, vulnérabilité), format (narratif/tactique/opinion/data, histoires perso, chiffres nommés, carrousel vs texte, image), conclusion (type de fin, CTA générateur de commentaires, PS), spécificité (large vs tactique, outils/noms cités, jargon).

PHASE 2 — Profiler

Synthétiser dans ./profils/profil-contenu-gagnant-linkedin.md et .html. Lire references/profil-contenu-gagnant-template.md pour le format exact et references/guide-html-idees-lookalike.md pour le HTML. Le profil contient : vue d'ensemble, clusters de sujets performants, ADN structurel, formule d'accroche, registre émotionnel, format gagnant, calibration de spécificité, patterns de conclusion, ce qui ne marche pas, et la formule gagnante testable. Chaque constat référence des posts précis du corpus. Montrer un résumé à l'utilisateur.

PHASE 3 — Générer

Recherche tendances (script imposé, ne pas en créer d'autre) :

python scripts/recherche_perplexity.py --query "Quels sont les sujets les plus discutés et tendance dans [espace] en ce moment ? Concentre-toi sur [audience] sur LinkedIn. Quelles questions ? Quels débats ? Quels développements récents ? Exemples concrets et sources."
python scripts/recherche_perplexity.py --query "Nouveautés et discussions autour de [cluster gagnant] dans [espace] ? Angles non couverts ? Ce qui frustre/enthousiasme les praticiens ? Exemples concrets."

Filtrer chaque sujet via le profil gagnant (cluster ? format gagnant ? accroche ? registre ? longueur/spécificité ?), écarter si <3/5 critères. Produire 10 idées : titre, sujet (1 phrase), pourquoi ça matche (réf profil), angle, accroche draft (2-3 lignes avant "voir plus"), format, registre émotionnel, signal tendance. Sauver ./contenu/idees-contenu/idees-lookalike-AAAA-MM-JJ-linkedin.md et .html (style via references/guide-html-idees-lookalike.md), plus un tableau récap. Proposer la suite (développer une idée, +10 idées, ajuster le profil, stop).

Cas limites Mode B

• <10 posts : analyser mais signaler patterns peu fiables.
• Engagement uniforme : tout à égalité, pas de classement.
• Format inattendu : demander à l'utilisateur ce qui sépare les posts / quelle colonne = texte / métriques.
• Pas de clé Perplexity : sauter la recherche, générer sur patterns + connaissances Claude, signaler l'absence de tendances récentes.
• Profil d'audience contredit les données : suivre les données, noter l'écart.
• Pas de contenu perso : utiliser 20-30 posts d'un créateur admiré, extraire ses patterns, l'utilisateur ajuste ensuite.

Structure des fichiers

linkedin/
├── SKILL.md
├── scripts/recherche_perplexity.py        ← recherche de tendances (Mode B)
└── references/
    ├── checklist-profil.md                ← standard d'un profil optimisé + pièges techniques (Mode A)
    ├── profil-contenu-gagnant-template.md ← template du profil ADN (Mode B)
    └── guide-html-idees-lookalike.md      ← style HTML des sorties (Mode B)

Répertoires de travail créés à la racine du projet : ./donnees/ (intermédiaires), ./profils/, ./contenu/idees-contenu/.