Le problème de l’IA générative en 2026 n’est plus sa qualité moyenne. Les modèles écrivent proprement. Le problème, c’est l’uniformité. Quand tout le monde utilise les mêmes outils, tout le monde finit par écrire pareil. Si vous êtes rédacteur indépendant, fondateur qui publie sur LinkedIn ou chargé de communication, cette uniformité vous est défavorable : elle efface votre singularité.

Voici trois méthodes pour que l’IA écrive comme vous.

Méthode 1, le prompt maison

La plus accessible, la plus limitée. Vous rédigez un prompt détaillé qui décrit votre style, et vous le réutilisez à chaque génération.

Exemple :

Écris dans un style journalistique français, phrases de 12 à 18 mots en moyenne, variées. Utilise les connecteurs « or », « en revanche », « certes ». Pas de tirets cadratins. Pas de listes à puces sauf nécessité. Registre soutenu mais accessible. Jamais de « il est important de noter », ni de « en conclusion ».

Ce prompt fonctionne… pour un résultat générique. Le modèle comprend les instructions mais n’a aucun exemple concret de ce que vous écrivez, donc il vous rapproche de la moyenne des textes similaires sur lesquels il a été entraîné. Utile pour partir, insuffisant pour imiter quelqu’un.

Verdict : 3/10 en imitation réelle, 6/10 en gain de temps.

Méthode 2, le few-shot prompting

Un cran au-dessus. Vous incluez dans votre prompt 2 ou 3 extraits de textes que vous avez écrits, et vous demandez au modèle d’imiter.

Voici trois extraits de mon écriture. Imite ce style pour le prochain texte.

EXTRAIT 1 :
"..."

EXTRAIT 2 :
"..."

EXTRAIT 3 :
"..."

Texte à réécrire dans mon style :
"..."

C’est nettement mieux. Le modèle pioche dans vos extraits des tics concrets : vos connecteurs préférés, votre longueur de phrase, votre vocabulaire. Pour une ou deux générations ponctuelles, c’est suffisant.

Limites :

  • À chaque requête, vous devez recopier vos extraits. Usage répété = fatigue.
  • Les extraits prennent du contexte : vous les payez à chaque appel API.
  • Pas d’analyse systématique : le modèle peut passer à côté d’un tic important.

Verdict : 6/10 en imitation, 4/10 en confort.

Méthode 3, Ma plume (fonctionnalité Rephrase)

La méthode que Rephrase propose, et qui règle les deux limites de la précédente.

Comment ça fonctionne techniquement

  1. Vous collez 3 à 5 textes (minimum 300 mots au total) dans l’outil.
  2. Un appel GPT dédié analyse ces textes et produit un JSON structuré : votre signature linguistique. Elle comprend votre longueur de phrase moyenne, la variance de cette longueur, vos connecteurs préférés, votre registre, vos tics stylistiques détectés, votre vocabulaire caractéristique, votre style de ponctuation, votre rythme paragraphe.
  3. Cette signature est chiffrée au repos (AES-256-GCM) et stockée.
  4. À chaque humanisation, vous sélectionnez votre voix. Le prompt système est augmenté de votre signature et de deux extraits représentatifs. Le modèle a exactement le contexte nécessaire pour vous imiter.

L’avantage concret

Vous payez l’analyse une seule fois (1 crédit) par voix créée. Ensuite, chaque humanisation avec cette voix ne coûte que le prix normal (1 crédit pour 100 mots). Pas de recopiage, pas de réanalyse. Le confort est maximal.

Et comme la signature est distillée sous forme structurée (un JSON petit et dense), elle coûte moins de tokens qu’un empilement brut d’extraits. À volume équivalent, la qualité monte.

Verdict : 9/10 en imitation, 10/10 en confort.

Comment choisir vos échantillons

La qualité de votre Custom Voice dépend directement de la qualité des textes que vous fournissez. Trois règles :

1. Des textes représentatifs de ce que vous voulez produire

Si vous voulez imiter votre style LinkedIn, donnez trois posts LinkedIn que vous avez aimés. Ne mélangez pas avec un email formel et un article de blog : la voix deviendra floue.

2. Au moins 300 mots au total, idéalement 600-1000

Moins de 300 mots, la signature est mince et imprécise. Plus de 2000, la signature devient trop spécifique et manque de généralisation.

3. Des textes récents

Votre style évolue. Prenez des textes des 12 derniers mois, pas des copies de votre mémoire de fin d’études de 2018.

Plusieurs voix ou une seule ?

Certains utilisateurs créent une seule voix générique. D’autres en créent une par canal : « moi-LinkedIn », « moi-blog », « moi-client-X ». Les deux approches fonctionnent.

Si votre style est assez cohérent d’un canal à l’autre, une seule voix suffit. Si vous changez beaucoup de registre (par exemple un blog très littéraire + des posts LinkedIn business), mieux vaut deux voix séparées.

Rephrase permet autant de voix que vous le souhaitez. Il n’y a aucune limite par pack, seul le crédit d’analyse compte.

Ce que Custom Voice ne fait pas

Soyons honnêtes. Custom Voice ne remplace pas votre écriture quand vous avez un texte important à produire (livre, keynote, lettre personnelle). Elle vous fait gagner du temps sur les textes répétitifs ou fonctionnels, pas sur ceux qui nécessitent un vrai effort créatif. Pour les publications courtes, les fiches produit, les emails, les posts réseaux sociaux, elle est redoutable. Pour un essai de 10 000 mots, écrivez-le vous-même.

Sécurité de vos échantillons

Les textes utilisés pour créer une Custom Voice sont chiffrés en base de données avec AES-256-GCM. Vous pouvez supprimer une voix à tout moment depuis votre espace : la suppression est immédiate et définitive, samples compris. La signature JSON extraite, elle, n’est pas sensible (c’est une description abstraite), mais elle est supprimée avec la voix.

Pour commencer

Créez un compte, collez trois textes, nommez votre voix, cliquez. La première humanisation avec votre propre style prend 30 secondes à configurer. Les suivantes, 3 secondes.