Archetype 81 — Recommandation de créateurs

Source

Template communautaire « Recommandation de créateurs » (source.md #61).

Définition

Lister N créatrices/créateurs LinkedIn (ou autres réseaux) qu'on recommande, avec une raison spécifique pour chacun.e. Format à très haut risque de réseautage back-scratch — où tout le monde recommande tout le monde dans une boucle de visibilité mutuelle.

⚠️ Variante de 41_post_curation orientée personnes (pas œuvres). Pour … : ne défendable que si la recommandation est éditoriale (tu défends pourquoi tu recommandes, pas que tu connais la personne) et désintéressée (la personne recommandée ne t'a rien promis en échange).

Pattern syntaxique

[Thème de la sélection — sur quoi tu recommandes ces personnes, 1-2 lignes]

1. **[@Handle / Nom]** — [Raison spécifique de la recommandation, ≤ 25 mots]
2. **[@Handle / Nom]** — […]
3. **[@Handle / Nom]** — […]
[3-7 personnes max]

[Ce que tu *n'as PAS* mis dans la liste et pourquoi — la moitié de la valeur du post, 2-3 lignes]
[Optionnel : ce que tu attends de la liste — pas en CTA "engagez-vous", en honnêteté "à qui je devrais l'élargir"]

Exemples

• Voici 4 créatrices/créateurs francophones que je suis activement sur l'IA appliquée — sélection éditoriale, pas réseautage. Aucune des personnes citées ne sait que je fais ce post.

1. Léa-Nathalie de Chambord-Vaillant (@lndcv) — Pour son sérieux sur l'éval. Pas une publication par semaine, mais chaque post a un protocole reproductible derrière. Elle est ce que je voudrais devenir dans 5 ans.

2. Vincent K. (@vincentkapri) — Pour ses post-mortems anonymisés de missions. Le seul créateur français à publier régulièrement des échecs analysés, pas seulement des wins. Précieux.

3. Soraya M. (@sorayam-ai) — Pour ses positions sur la gouvernance et la fairness algorithmique. Elle dit publiquement ce que la plupart taisent en interne. Désaccord régulier de ma part — c'est précisément ce qui en fait une bonne lecture.

4. Marc P. (@marcp-data) — Pour sa pédagogie sur l'observabilité ML. Il a tenu une série de 12 posts en juin 2025 qui valent un cours en ligne.

Ce que je n'ai pas mis : les comptes "AI thought leaders" qui font 3 posts par jour sans test terrain. Ils représentent peut-être 80 % du flux "IA-FR" sur LinkedIn, mais 0 % de valeur quand tu cherches à apprendre. Aussi : aucun.e ami.e proche.

Si vous suivez d'autres comptes francophones qui rentrent dans la même catégorie ("publication mesurée, contenu testé"), partagez en commentaire — j'élargis.

Anti-patterns

• ❌ Liste de 10+ noms — au-delà de 5-7, le post devient un carnet d'adresses.
• ❌ Reco sans raison spécifique — "X est génial !" sans pourquoi = pure visibilité.
• ❌ Reco de personnes qui t'ont recommandé — back-scratch détectable, dégrade tes deux comptes.
• ❌ Pas de "ce que je n'ai pas mis" — c'est l'élément qui prouve la sélection éditoriale.
• ❌ Reco de ses propres collaborateurs / employés sans le dire — conflit d'intérêt déguisé.
• ❌ Sur-utilisation — 1 par an est généreux. Au-delà, le compte devient un compte de recommandations.

Combo piliers

• ⚠️ Pilier "curation / lecture du marché" — peut être explicite.
• ⚠️ Inscription transversale rare — la reco est en général orthogonale aux piliers techniques.

Combo analogies

• ❌ Pas d'analogie. La concrétude des choix se suffit.

Cadence recommandée

1 par an maximum. Plus = compte de réseautage.

Source-discipline

• Ne prévenir personne avant publication — c'est ce qui distingue la reco éditoriale du back-scratch.
• Pas de personnes qui te paient ou que tu paies — conflit immédiat.
• Pas d'ami.e proche — l'objectivité requise tombe.
• Pas de "ping me back" — si la personne veut te répondre publiquement, tant mieux ; ne pas le solliciter.