Mon post est-il enregistré ou publié quelque part ?

Non. Le texte sert au calcul et n'est écrit nulle part : ni en base, ni dans un journal. Il n'est évidemment pas publié sur LinkedIn, le scan n'a aucun accès à ton compte.

Pourquoi certaines dimensions sont marquées « non évaluées » ?

Le type de post, le fond et la famille d'accroche demandent un étiquetage que le site n'a pas : il ne reçoit qu'un texte collé par un inconnu. Les deviner fausserait tout, ces trois dimensions portant l'essentiel de ce que le corpus sait de la performance. On préfère l'écrire noir sur blanc. La comparaison des tics d'écriture, elle, ne demande que le texte : elle est donc entière ici.

Pourquoi ma note a changé alors que je n'ai rien modifié ?

Parce que l'échelle est relative au corpus, et que le corpus grossit. Si une case mieux performante apparaît dans une dimension, les notes de cette dimension se réajustent. Chaque scan porte la date de sa calibration, précisément pour que cet écart soit explicable.

Une bonne note garantit-elle que mon post va marcher ?

Non, et aucun outil ne peut le garantir. La note dit que ton post ressemble, sur des propriétés mesurables, à ceux qui ont marché. Le sujet, le moment, ton audience et l'actualité pèsent autant, et n'entrent pas dans le calcul.

Est-ce que ça marche pour un post en anglais ?

Le calcul tourne, mais le corpus est majoritairement francophone : sur les posts collectés, une large majorité est en français et environ un dixième en anglais. La note d'un post anglais repose donc sur une base plus mince, et il faut la lire avec cette réserve.

En quoi c'est différent de l'analyse dans l'application ?

C'est le même moteur, exactement. Dans l'application, il connaît en plus le type de post, tes réglages d'écriture et ton historique, et un étiquetage identifie le sujet et l'accroche : les sept dimensions sont alors évaluées, et les leviers tiennent compte de tes préférences. Ici, il travaille sur un texte seul, sans savoir de quoi il parle.

Se connecter Essayer gratuitement

Scan de post LinkedIn

Ton post va-t-il marcher ?

Colle ton brouillon. On le compare aux posts LinkedIn français d'un corpus mesuré un par un, et on t'envoie par email ce qui, dans ton texte, sonne comme une machine plutôt que comme toi.

Ton post contient

Texte seulImageVidéoCarrousel

Comment ça fonctionne ?

Étape 1
Colle ton brouillon
Le texte que tu t'apprêtes à publier, tel quel. Rien à relier, rien à installer.
Étape 2
Le scan compare au corpus
Ton texte est rangé dans des cases mesurées, puis confronté aux posts réels du corpus.
Étape 3
Ton analyse par email
Ta note, le détail dimension par dimension, et les tics d'écriture que ton post partage avec un texte généré.

Analyse gratuite de ton post LinkedIn avant de le publier

Le scan lit ton brouillon avant que tu le publies et le confronte à 4 064 posts LinkedIn mesurés un par un, portés par 249 auteurs. Il cherche d'abord ce qui trahit une écriture générée : trois tics dont l'excès sépare nos propres textes de ceux écrits à la main. Puis il mesure ce que le format de ton post vaut sur le corpus. Aucun modèle de langage n'intervient, le calcul est déterministe, et deux scans du même texte donnent le même résultat. Gratuit, sans compte, et ton texte n'est pas conservé.

Par Maxence Vroilant, fondateur de Never Boring AIMis à jour le 25 août 2026.

La note compare ton post à 4 064 publications LinkedIn mesurées une par une, pas à une opinion sur ce qui marche.

Ce que dit le corpus

Les mêmes chiffres que ceux d'un scan. Certains sont contre-intuitifs, on ne les lisse pas.

Essaie

La longueur d'un post ne change rien de mesurable

1 050 caractères

−1 % d'engagement

non distinguable du hasard

moins de 400+2 %, non distinguable du hasard
400 à 800+1 %, non distinguable du hasard
800 à 1 400−1 %, non distinguable du hasard
1 400 à 2 2000 %, non distinguable du hasard
plus de 2 200−4 %, non distinguable du hasard

Mesuré sur 1 573 posts de cette tranche, portés par 228 auteurs. Intervalle à 95 % : de −4 % à +2 %. Il chevauche la médiane du corpus, donc cet écart ne se distingue pas du hasard.

Aucune des 5 tranches ne s'écarte nettement de la médiane. La longueur ne compte pas dans la note.

Comment la note est calculée ?

Quatre questions, et ce qu'on répond à chacune. Déplie celle qui t'intéresse.

Le scan ne lit pas ton texte comme un lecteur. Il en extrait des propriétés observables : le nombre de caractères, la longueur de la première ligne, la présence de blocs séparés par une ligne vide, la longueur médiane des phrases, la façon dont le post se termine, le type de média qui l'accompagne.

Chacune de ces propriétés range ton post dans une case. « Première ligne courte, sous 60 caractères » est une case. « Se termine par une invitation à commenter » en est une autre. Le corpus contient assez de posts pour que chaque case ait sa propre performance mesurée : combien de réactions et de commentaires obtiennent, en moyenne, les posts qui tombent dedans.

Ta note pour une dimension est la performance de ta case dans cette dimension. La note globale est la moyenne de ces notes, pondérée par ce que chaque dimension sépare réellement.

Un tic d'écriture n'est pas une faute. C'est une habitude qui revient trop souvent, et une habitude, ça se change en une ligne.

4 064: posts mesurés
249: auteurs
7: dimensions

Les sept dimensions, et ce que chacune pèse

Les poids sont mesurés sur le corpus, pas choisis. Ils bougent quand le corpus grossit. Calibration du 14 octobre 2026.

Type de média

Ce qu'elle regarde: Image, carrousel, vidéo, ou texte seul.
Poids mesuré: 59,2 %
Évaluée ici: Oui

Type de post

Ce qu'elle regarde: La famille du post : récit, conseil, prise de position, coulisses.
Poids mesuré: 13,3 %
Évaluée ici: Non, demande un compte

Appel à l'action

Ce qu'elle regarde: La façon dont le post se referme : question, affirmation, invitation.
Poids mesuré: 8,1 %
Évaluée ici: Oui

Accroche

Ce qu'elle regarde: La mécanique de la première ligne, celle qui décide si on lit la suite.
Poids mesuré: 7,4 %
Évaluée ici: Non, demande un compte

Fond

Ce qu'elle regarde: Le sujet traité et la façon dont le propos se déroule.
Poids mesuré: 7,3 %
Évaluée ici: Non, demande un compte

Forme

Ce qu'elle regarde: Le découpage : blocs aérés, longueur des phrases, listes, première ligne.
Poids mesuré: 4,7 %
Évaluée ici: Oui

Nombre de caractères

Ce qu'elle regarde: La tranche de longueur dans laquelle ton post tombe.
Poids mesuré: 0,0 %
Évaluée ici: Oui

Dimension	Ce qu'elle regarde	Poids mesuré	Évaluée ici
Type de média	Image, carrousel, vidéo, ou texte seul.	59,2 %	Oui
Type de post	La famille du post : récit, conseil, prise de position, coulisses.	13,3 %	Non, demande un compte
Appel à l'action	La façon dont le post se referme : question, affirmation, invitation.	8,1 %	Oui
Accroche	La mécanique de la première ligne, celle qui décide si on lit la suite.	7,4 %	Non, demande un compte
Fond	Le sujet traité et la façon dont le propos se déroule.	7,3 %	Non, demande un compte
Forme	Le découpage : blocs aérés, longueur des phrases, listes, première ligne.	4,7 %	Oui
Nombre de caractères	La tranche de longueur dans laquelle ton post tombe.	0,0 %	Oui

Ce qu'on nous
demande le plus

Les questions qui reviennent sur le scan, et ce qu'on y répond sans arrondir.

Oui, et sans compte. Tu colles ton texte, tu donnes un prénom et un email pour ouvrir le résultat, c'est tout. Il n'y a ni carte bancaire ni limite au nombre de posts que tu peux scanner.

En deux temps. D'abord les tics d'écriture : quatre procédés sont comptés dans ton texte, puis situés par rapport à ce que font les posts humains du corpus. Ensuite la performance : ton post est rangé dans des cases observables, et chaque case porte la performance mesurée des posts qui tombent dedans. Cette seconde note ne s'affiche que si elle repose sur assez de dimensions pour séparer deux posts. Aucun modèle de langage n'intervient : le calcul est déterministe.

La méthode

Never Boring AI est un agent IA pour LinkedIn, construit par Maxence Vroilant. Le corpus qui sert de référence à ce scan est collecté un post à la fois, avec ses compteurs réels, puis nettoyé : les publications sponsorisées sont écartées, les comptes d'entreprise aussi, et les lignes dont les compteurs n'ont pas pu être lus de façon fiable sortent de la mesure.

On publie ce que le corpus permet de dire, et on écrit ce qu'il ne permet pas. Une dimension qui ne sépare rien n'entre pas dans la note. Un pattern qui ne tient pas sur un jeu de réserve est écarté. Un chiffre qu'on ne mesure pas, comme la portée, n'est pas affiché. C'est une base plus petite que celles annoncées ailleurs, et c'est un choix : on préfère un chiffre vérifiable à un grand nombre invérifiable.