# Archetype 41 — Post de curation argumentée

## Source

Template communautaire « Post curation de contenu » (source.md #11).

## Définition

Sélectionner **N œuvres / contenus / créateurs** (livres, articles, podcasts, comptes, talks) autour d'un **thème précis** et expliquer *pourquoi* chacun a sa place dans la sélection. La curation est une **prise de position** : le lecteur retient ce que tu as exclu autant que ce que tu as inclus.

⚠️️ Variante de `20_curation` (existant). Différence : `20` est la curation au sens large (formats variés). **41** insiste sur le **thématique précis** — N items autour d'une question.

## Pattern syntaxique

```
[Question / thème, 1 phrase]
[Pourquoi ce thème m'occupe en ce moment, 1-2 phrases]

1. **[Œuvre]** par [auteur]. [Pourquoi c'est dans la liste, 1-2 lignes]
2. **[Œuvre]** par [auteur]. […]
3. **[Œuvre]** par [auteur]. […]
[…]

[Ce que j'ai *exclu* et pourquoi, 1-2 lignes — la moitié de la valeur du post]
[CTA léger : ce que vous ajouteriez]
```

## Exemples 



- *Quelle "lecture sur l'IA appliquée" je recommande à un CTO non-data — 5 livres choisis sur 30+ lus en 2 ans :

 En ce moment je vois beaucoup de CTOs déléguer leur compréhension de l'IA à leur data team. Mauvaise idée. Voici 5 livres qui font le pont :

 1. **"You Look Like a Thing and I Love You"** — Janelle Shane. Vulgarisation joyeuse, sans condescendance. Lecture week-end, retour assuré.
 2. **"Weapons of Math Destruction"** — Cathy O'Neil. Pour comprendre pourquoi un modèle qui marche peut être dangereux. Manque dans 90 % des décisions tech.
 3. **"Designing Machine Learning Systems"** — Chip Huyen. Le seul vrai manuel d'architecture ML que je connaisse. Lis-le avec un crayon.
 4. **"Building LLMs for Production"** — Louis-François Bouchard et al. Pratique, à jour. Section "eval" particulièrement solide.
 5. **"Atlas of AI"** — Kate Crawford. Pour le contexte macro (data centers, mine de terres rares, infra invisible).

 Ce que j'ai exclu et pourquoi :
 - Les livres de "Prompting" — vieillissent en 6 mois.
 - "Life 3.0" de Tegmark — bon livre mais pas un CTO survival kit.
 - Les biographies d'OpenAI / Anthropic — légères en savoir actionnable.

 Vous y ajouteriez quoi ?*


## Anti-patterns

- ❌ **Sélection consensuelle** où tu mets tout ce que tout le monde cite — du "Sapiens" obligatoire, du "Lean Startup" qui sent le tour de table. Si la liste n'a aucune sortie de chemin, elle n'a aucune valeur.
- ❌ **Sélection sans justification individuelle** — la liste *brute* sans le pourquoi est juste une bibliographie sans signal.
- ❌ **Pas de "ce que j'ai exclu"** — c'est ce qui prouve que tu as réfléchi.
- ❌ **Recommandations payées** non déclarées — affilié, ami auteur, livre que tu as écrit toi-même.
- ❌ **Top 100** — au-delà de 10, le lecteur saute. 3-7 est l'optimum.

## Combo piliers

- ✅ **Tous piliers**, à condition que la curation soit sur un sujet aligné.
- ⭐ **Pilier "transmission / formation"** — la curation argumentée est leur formule.

## Combo analogies

- ⚠️️ Pas d'analogie. La curation parle par les œuvres elles-mêmes.

## Cadence recommandée

≤ 4 par an, sur des thèmes **différents** à chaque fois. Une curation trimestrielle sur le même thème = compte de critique.

## Source-discipline

- **Lis vraiment** ce que tu cites. Le lecteur peut te tester en commentaire (« qu'as-tu pensé du chapitre 7 ? »).
- **Précise l'année de lecture** pour les livres qui datent. *« Lu en 2018 — toujours actuel »* ou *« Lu cette année »* change le statut.
- **Pas d'auto-citation déguisée** (« et bien sûr, mon propre livre / podcast / formation ») — si tu inclus ta propre œuvre, dis-le explicitement et mets-la en dernier.