Comment faire un clone IA de soi-même pour sa communauté ?

Les quatre couches, et ce que chacune coûte

Le vocabulaire varie d’un article à l’autre, la chaîne non. Un clone qui tient debout fait toujours les quatre mêmes choses, dans cet ordre. La colonne qui compte est la dernière : elle dit où part réellement le temps de quelqu’un qui construit ça.

Couche 1. Le corpus : le problème n’est pas la collecte

On imagine que la difficulté est de rassembler assez de contenu. En pratique, quelques dizaines de milliers de mots suffisent pour une première version. Nos premiers clones ont été entraînés sur quelques dizaines de milliers de mots, et le volume n’a jamais été le facteur limitant.

Deux obstacles se présentent à la place, et aucun des deux n’est celui qu’on attend.

• Récupérer les sous-titres depuis un serveur est bloqué. YouTube refuse les requêtes venues d’une adresse de centre de données. La même commande fonctionne depuis un ordinateur personnel et échoue depuis un serveur loué, avec un message qui ressemble à une panne de code. Les flux de podcast, eux, n’ont aucune protection de ce genre : quand la source existe en RSS, c’est le chemin le plus court.
• Si vous interviewez des gens, votre parole publique n’est pas la vôtre. Sur un podcast d’interview, l’invité parle environ 80 % du temps. Entraîner un clone sur ces épisodes donne un clone des invités, publicité comprise, et le résultat paraît excellent puisqu’il est fidèle au corpus. Le corpus était faux. Pour un intervieweur, il faut prendre les vidéos où il est lui-même l’invité.

Couche 2. La personnalité : les 90 %

C’est ici que se joue la différence entre un clone crédible et un assistant poli portant le prénom de quelqu’un. Trois pièges reviennent, et les trois sont invisibles sans mesure.

1. Les tics de langue se comptent, ils ne se devinent pas. Demander à un modèle d’observer le style de quelqu’un rend ce qui sonne plausible chez un Français, pas ce que cette personne dit. Vérifié en comptant les occurrences dans le corpus : le mot que le modèle plaçait en tête n’y apparaissait que deux fois, et un autre qu’il proposait n’y figurait pas une seule fois. On mettait dans sa bouche des mots qu’il ne dit pas, à chaque phrase. Un tic inventé est pire qu’un tic manquant.
2. Un modèle valide tout, par défaut. Laissé à lui-même, un clone approuve les idées de son interlocuteur. C’est le contraire d’une personnalité. Il faut lui donner ses vraies punchlines en exemple et lui interdire explicitement d’être d’accord pour faire plaisir.
3. Les exemples de style peuvent être vides sans que rien ne le dise. Un découpage du corpus aux sauts de ligne ne rend rien du tout sur une transcription, qui arrive en un seul bloc. Le clone tourne alors sans un seul échantillon de la voix réelle, et rien ne l’indique : le prompt se construit, la réponse arrive, elle est simplement générique.

Comment savoir si le clone est bon ?

Demander à un modèle de noter la ressemblance sur dix est la méthode la plus répandue, et elle ne marche pas. Sur des entraînements au contexte strictement identique, l’écart entre la meilleure et la moins bonne exécution dépasse deux points sur dix. Un seuil fixé à l’intérieur de cet écart ne décide de rien : le verdict est un tirage.

Ce qui fonctionne est une comparaison en aveugle : on montre à un juge un vrai extrait du créateur, puis deux réponses dans un ordre tiré au sort, et on demande laquelle lui ressemble le plus. Avec cette méthode, le clone complet l’emporte très largement sur un modèle nu. Le contrôle qui valide l’instrument, la même version opposée à elle-même, doit tomber autour de la moitié. Sans ce contrôle, aucun des autres résultats ne vaudrait la peine d’être lu.

Couche 3. La mémoire : ce qui rend la relation crédible

Un clone qui redécouvre son interlocuteur à chaque message reste un chatbot. Il faut deux mémoires distinctes, et elles n’ont pas la même durée de vie. La première garde les derniers échanges et une poignée de faits distillés sur cette personne. La seconde retrouve, dans le corpus, les passages proches de la question posée.

C’est la seconde qui réserve la mauvaise surprise. Indexer des documents entiers ne fonctionne pas : à cette taille, tout document contient tout mot courant, la recherche ne distingue plus rien, et l’extrait renvoyé est une fenêtre posée au hasard. Le symptôme est traître, chaque question testée « trouvait » quelque chose, donc rien ne signalait la panne. Un moteur qui ne trouve rien se voit ; un moteur qui trouve n’importe quoi remplit le contexte de bruit et on accuse le modèle. Le remède est d’indexer des passages courts plutôt que des documents.

Couche 4. Le canal : c’est là qu’on se fait refuser

Cette couche demande peu de code et beaucoup de patience. Si le clone doit répondre sur WhatsApp, trois règles de Meta décident du projet avant la première ligne écrite.

• L’IA ne peut pas être la fonctionnalité principale. Depuis le 15 janvier 2026, les conditions de WhatsApp Business interdisent l’API aux produits dont l’intelligence artificielle est la fonction première plutôt qu’accessoire. Une exception écrite couvre les numéros de l’Espace économique européen et du Brésil.
• Le nom affiché ne peut pas être un nom de personne. Meta refuse explicitement le nom complet d’un individu comme nom affiché d’un numéro. Le format accepté ressemble à « Prénom Nom by Marque ».
• Un compte vérifié plafonne autour de vingt numéros. Au delà, il faut ouvrir un ticket. Cela borne le nombre de créateurs qu’on peut servir avec un numéro chacun.

Pour la voix, le budget de latence est contre intuitif, et c’est la mesure qui change le plus les priorités. Entre la fin de la phrase du fan et le premier son de la réponse, le poste le plus lourd n’est pas la synthèse vocale, c’est la réflexion : la voix ne pèse qu’une fraction du total. Optimiser la synthèse avant d’avoir mesuré le reste revient à économiser sur le seul poste qui s’entend.

Ce que ça coûte, en ordre de grandeur

Contre-intuitivement, la facture n’est pas le problème. Un message texte coûte une fraction de centime, et une minute de voix reste inférieure au prix auquel elle se revend. Le poste le plus lourd est le temps humain : fabriquer, relire, corriger, et tenir la modération.

Deux dépenses fixes surprennent en revanche. Le clonage de voix se paie par abonnement et non par crédits, donc il coûte quelque chose même un mois sans appel. Et la vérification d’entreprise exigée pour WhatsApp Business est gratuite mais longue : c’est un délai à provisionner, pas une ligne budgétaire.

Le faire soi-même, ou pas

La question honnête n’est pas « est-ce faisable » mais « qu’est-ce que je gagne à le faire moi-même ». Voici comment nous trancherions, sachant que nous vendons l’une des deux réponses.

Une chose ne se délègue pas, quelle que soit la colonne : la modération. Un clone reçoit des confidences, et parfois des messages de détresse. Cette réponse-là ne peut pas dépendre d’une consigne donnée au modèle, qui se contourne en trois phrases. Elle doit être en code, avant toute génération, et fonctionner même quand le reste du système est en panne.

À lire ensuite

Questions fréquentes