Comment créer un agent de contenu LinkedIn ?

Un agent de contenu LinkedIn automatise la recherche, la rédaction, le visuel et la livraison du brouillon. L’intérêt n’est pas de publier sans réfléchir, mais de produire plus vite un contenu vérifiable, prêt à relire, avec Claude Code, Imagen 3, MindStudio et ClickUp.

Quel problème faut il automatiser ?

Le problème à automatiser, c’est la chaîne complète de production d’un post LinkedIn, pas seulement la rédaction. Un agent de contenu utile ne doit pas simplement générer un texte “propre”. Il doit aider à passer d’une idée vague à un paquet de contenu révisable, prêt à être validé.

Produire régulièrement sur LinkedIn demande plusieurs tâches distinctes. Il faut choisir un sujet pertinent, rechercher des informations récentes, vérifier quelques sources, synthétiser les points importants, rédiger dans un format lisible, créer ou proposer un visuel, puis transmettre l’ensemble à une personne qui valide avant publication.

L’objectif n’est donc pas de remplacer la réflexion éditoriale. Il s’agit plutôt de réduire le temps passé sur les étapes répétitives : collecte, reformulation, structuration, mise en forme, préparation du brief visuel et livraison du brouillon. Dans le scénario visé, le flux produit un paquet de contenu révisable en moins de trois minutes.

Ce paquet peut contenir plusieurs éléments utiles :

• Un angle éditorial clair, c’est-à-dire la manière dont le sujet est traité.
• Une synthèse courte des informations trouvées.
• Un brouillon de post LinkedIn structuré.
• Une proposition de visuel ou un prompt pour le générer.
• Les sources utilisées pour faciliter la vérification.

Le rôle humain reste central. Je garde la validation du fond, la conformité avec la ligne éditoriale, la vérification des sources et l’adaptation du ton. Une ligne éditoriale, c’est simplement l’ensemble des règles qui définissent ce que vous publiez, pour qui, avec quel niveau d’expertise et quelle posture.

LinkedIn impose aussi une écriture spécifique. Le lecteur scrolle vite, souvent sur mobile. Il faut donc une accroche courte, des paragraphes aérés, une idée principale facile à comprendre, puis une fin qui ouvre la discussion avec une question ou un appel à l’action. Un bon agent doit respecter ces contraintes, sans transformer chaque post en texte générique.

Tâches à automatiser	Tâches à garder côté humain	Risque si on automatise trop
Recherche initiale, synthèse, brouillon, structure du post, proposition de visuel.	Choix final de l’angle, validation du fond, vérification des sources, ajustement du ton.	Contenu générique, erreurs factuelles, perte de crédibilité.
Mise en forme LinkedIn, découpage en paragraphes, préparation du paquet de validation.	Décision de publier ou non, arbitrage éditorial, ajout d’expérience personnelle.	Posts trop lisses, absence de point de vue, décalage avec votre audience.

Quelle architecture faut il prévoir ?

L’architecture repose sur un orchestrateur Node.js, Claude Code pour générer le texte, MindStudio Agent Skills pour accéder aux services comme la recherche web et Imagen 3, puis ClickUp pour livrer la tâche à valider.

Le flux reste volontairement simple. Un sujet est saisi, par exemple “les erreurs fréquentes avec les agents IA en entreprise”. Node.js 18+ exécute le projet et orchestre les appels. MindStudio lance une recherche web, puis renvoie les éléments utiles. Claude transforme ces informations en brief compact, c’est-à-dire une synthèse courte avec les angles, les faits importants et les sources à garder. Claude génère ensuite le post LinkedIn. MindStudio appelle Imagen 3 pour produire une infographie. ClickUp reçoit enfin une tâche contenant le brouillon, l’image et les consignes de validation éditoriale.

Chaque outil a un rôle précis dans cette chaîne.

• Node.js 18+ : Exécute le script, charge les variables d’environnement et coordonne les appels API. La version LTS est à vérifier dans la documentation officielle Node.js.
• Claude Code et le SDK Anthropic : Pilotent Claude pour produire le brief et le post. Les références techniques à vérifier sont la documentation Anthropic sur Claude Code et l’API Messages.
• MindStudio : Simplifie l’accès aux modèles et aux Agent Skills via une clé API unique, notamment pour la recherche web et la génération d’image.
• Imagen 3 : Génère l’infographie. La documentation de référence côté modèle reste Google Cloud Vertex AI pour Imagen 3.
• ClickUp : Centralise la validation éditoriale. La création de tâche doit être vérifiée dans la documentation ClickUp API.

Les prérequis sont les suivants.

• Compte MindStudio
• Clé MINDSTUDIO_API_KEY
• Clé ANTHROPIC_API_KEY
• Token CLICKUP_API_TOKEN
• Identifiant CLICKUP_LIST_ID
• Node.js 18 ou supérieur
• Npm

Il n’est pas nécessaire d’avoir une clé Imagen 3 séparée si l’accès passe par le plugin MindStudio Agent Skills. MindStudio sert alors d’intermédiaire : votre script appelle MindStudio, et MindStudio gère l’accès au service configuré côté plugin.

Outil	Rôle	Donnée manipulée	Point de vigilance
Node.js	Orchestration du projet	Sujet, variables, réponses API	Utiliser Node.js 18+ et npm à jour
Claude	Rédaction du brief et du post	Sources, angle, brouillon LinkedIn	Contrôler les faits et les formulations
MindStudio	Accès aux skills	Recherche web et prompt image	Vérifier les droits des plugins activés
Imagen 3	Génération d’infographie	Prompt visuel	Éviter les visuels trompeurs ou trop chargés
ClickUp	Validation éditoriale	Tâche, brouillon, image	Vérifier le bon CLICKUP_LIST_ID

Comment initialiser le projet ?

Il faut créer un petit projet Node.js, installer les dépendances, stocker les clés dans un fichier .env et préparer un fichier principal agent.mjs. L’objectif est simple : avoir une base propre avant d’ajouter la recherche web, la génération du post LinkedIn, l’infographie et la création de tâche ClickUp.

Commencez par créer un dossier dédié, puis initialisez le projet Node.js.

mkdir linkedin-content-agent
cd linkedin-content-agent
npm init -y

Installez ensuite les dépendances nécessaires. @anthropic-ai/sdk sert à appeler Claude via l’API Anthropic. dotenv charge les variables du fichier .env. @mindstudio-ai/agent servira à structurer l’agent côté MindStudio.

npm install @mindstudio-ai/agent @anthropic-ai/sdk dotenv

Pour éviter les problèmes d’import, le plus simple est d’utiliser le format ES Modules avec un fichier .mjs. Si vous préférez CommonJS, utilisez plutôt require, un fichier .cjs, et gardez une configuration cohérente. Ne mélangez pas les deux formats dans le même fichier.

Une variable d’environnement est une valeur de configuration gardée hors du code. Elle sert notamment à éviter d’exposer des secrets comme des clés API dans vos fichiers JavaScript.

MINDSTUDIO_API_KEY=Votre_cle_mindstudio
ANTHROPIC_API_KEY=Votre_cle_anthropic
CLICKUP_API_TOKEN=Votre_token_clickup
CLICKUP_LIST_ID=Votre_id_de_liste_clickup

Ne commitez jamais le fichier .env dans Git. Ajoutez-le tout de suite dans .gitignore.

echo ".env" >> .gitignore

La structure minimale du projet reste volontairement simple.

linkedin-content-agent/
  agent.mjs
  .env
  .gitignore
  package.json

Préparez maintenant le fichier agent.mjs. Ce squelette charge la configuration, initialise Anthropic, prépare MindStudio, puis laisse les fonctions métier vides pour la suite.

import "dotenv/config";
import Anthropic from "@anthropic-ai/sdk";
import * as MindStudio from "@mindstudio-ai/agent";

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

const mindstudioClient = {
  sdk: MindStudio,
  apiKey: process.env.MINDSTUDIO_API_KEY,
};

async function researchTopic(topic) {
  // Ajouter la recherche web ici.
}

async function writeLinkedInPost(research) {
  // Générer le post LinkedIn ici.
}

async function generateInfographic(post) {
  // Préparer les données ou le prompt d’infographie ici.
}

async function createClickUpTask(content) {
  // Créer une tâche ClickUp ici.
}

console.log("Agent initialisé.");

Avant de passer à la recherche web, vérifiez ces points.

• Le projet Node.js est initialisé avec npm init.
• Les dépendances sont installées sans erreur.
• Le fichier .env existe et contient les quatre variables attendues.
• Le fichier .env est bien listé dans .gitignore.
• Le fichier principal s’appelle agent.mjs.
• La commande node agent.mjs affiche bien “Agent initialisé.”

Comment rédiger le post avec Claude ?

Claude doit recevoir un brief de recherche structuré, puis un prompt éditorial précis qui impose le format LinkedIn, le ton, les contraintes et la sortie attendue. Sans cette double étape, le modèle écrit souvent un post propre, mais trop générique.

La recherche commence avec la méthode searchGoogle du plugin MindStudio Agent Skills. Elle sert à récupérer des résultats structurés avec un titre, une URL et un snippet, c’est-à-dire un court extrait de la page affiché par Google.

J’utilise ensuite une fonction researchTopic. Elle prend un sujet, lance une recherche large, puis une recherche plus spécifique. Les deux listes sont fusionnées, les doublons évidents sont supprimés, puis la fonction produit un brief compact utilisable par Claude.

async function researchTopic(topic) {
  const broadResults = await searchGoogle(topic);
  const specificResults = await searchGoogle(`${topic} étude chiffres exemple récent`);

  const merged = [...broadResults, ...specificResults];

  const unique = merged.filter((result, index, self) =>
    index === self.findIndex((item) => item.url === result.url)
  );

  return unique.slice(0, 8).map((result) => ({
    title: result.title,
    url: result.url,
    snippet: result.snippet
  }));
}

Cette étape est indispensable. Elle donne à Claude un contexte récent, des angles concrets et des formulations proches du terrain. Elle réduit aussi le risque de produire un post interchangeable. Attention toutefois : un snippet n’est pas une preuve. Les sources importantes doivent être relues avant de citer un chiffre, une étude ou une affirmation sensible.

Une fois le brief prêt, j’appelle Claude avec le SDK Anthropic. Les paramètres essentiels sont simples : model définit le modèle utilisé, max_tokens limite la longueur de sortie, temperature ajuste le niveau de variation, et content contient le prompt envoyé au modèle.

import Anthropic from "@anthropic-ai/sdk";

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY
});

async function writeLinkedInPost(topic, researchBrief) {
  const prompt = `
Sujet : ${topic}

Brief de recherche :
${JSON.stringify(researchBrief, null, 2)}

Rédige un post LinkedIn en français.

Contraintes :
- Accroche de une à deux lignes.
- Paragraphes courts.
- Pas de mur de texte.
- Trois à cinq idées maximum.
- Angle concret et utile.
- Aucune statistique inventée.
- Ton professionnel, clair, sans jargon.
- Conclusion par une question ou un appel à l’action.
- Retourne uniquement le texte du post.
`;

  const response = await anthropic.messages.create({
    model: "claude-3-5-sonnet-20241022",
    max_tokens: 900,
    temperature: 0.4,
    messages: [
      {
        role: "user",
        content: prompt
      }
    ]
  });

  return response.content[0].text;
}

Contrainte du prompt	Effet sur le post
Accroche de une à deux lignes	Capte vite l’attention sans surécrire.
Paragraphes courts	Améliore la lecture mobile, majoritaire sur LinkedIn.
Trois à cinq idées maximum	Évite la dispersion et garde un message mémorisable.
Aucune statistique inventée	Réduit les hallucinations et protège la crédibilité.
Conclusion par question ou appel à l’action	Invite à répondre, commenter ou prolonger la discussion.

Comment livrer un contenu prêt à relire ?

Il faut transformer les points clés du post en prompt visuel pour Imagen 3, générer une infographie, puis créer automatiquement une tâche ClickUp avec le texte, l’image et les informations de relecture. Cette étape ne publie rien. Elle prépare un contenu propre, vérifiable et prêt à être validé.

Un bon prompt d’image doit rester utile, pas spectaculaire. Je demande une infographie claire, lisible, centrée sur trois à cinq points clés, avec une hiérarchie nette entre le titre, les idées principales et les éléments visuels. Il faut éviter la surcharge : trop de pictogrammes, trop de texte ou trop de chiffres rendent souvent l’image inutilisable.

• Demandez des blocs visuels simples : cartes, colonnes, timeline, schéma en trois étapes.
• Précisez le format attendu, par exemple carré 1:1 ou vertical 4:5 pour LinkedIn.
• Limitez le texte dans l’image, car les modèles génératifs peuvent produire des mots mal orthographiés ou incohérents.
• Préférez une image qui illustre le message plutôt qu’une image qui répète tout le post.

L’appel à Imagen 3 peut passer par les MindStudio Agent Skills. Dans ce cas, l’accès au modèle est géré par MindStudio, donc inutile de prétendre utiliser une clé Google séparée si votre workflow s’appuie déjà sur cette intégration.

async function generateInfographic(agent, keyPoints) {
  try {
    const prompt = `Create a clean LinkedIn infographic.
Use 3 to 5 key ideas only.
Make it readable, minimal, structured, with clear visual hierarchy.
Avoid long sentences inside the image.
Key points: ${keyPoints.join(" | ")}`;

    const image = await agent.skills.imagen3.generateImage({
      prompt,
      aspectRatio: "4:5"
    });

    return image.url;
  } catch (error) {
    throw new Error(`Image generation failed: ${error.message}`);
  }
}

La tâche ClickUp sert de point de contrôle humain. Son titre reprend le sujet du post. Sa description contient le post LinkedIn, le brief de recherche, les consignes de relecture et le lien ou fichier de l’image générée.

async function createClickUpTask({ token, listId, topic, post, brief, imageUrl }) {
  try {
    const response = await fetch(`https://api.clickup.com/api/v2/list/${listId}/task`, {
      method: "POST",
      headers: {
        "Authorization": token,
        "Content-Type": "application/json"
      },
      body: JSON.stringify({
        name: `Relire post LinkedIn - ${topic}`,
        description: `
Post LinkedIn:
${post}

Brief de recherche:
${brief}

Consignes de relecture:
Vérifier les sources, le ton, les chiffres et les affirmations.
Valider l'image avant publication.

Image:
${imageUrl}
`
      })
    });

    if (!response.ok) throw new Error(`ClickUp error ${response.status}`);
    return await response.json();
  } catch (error) {
    throw new Error(`Task creation failed: ${error.message}`);
  }
}

Le contrôle qualité reste obligatoire. Il faut vérifier les sources, relire le ton, supprimer les affirmations non prouvées, valider que l’image est exploitable et adapter le sujet au calendrier éditorial. Un agent accélère la préparation, mais la décision de publier doit rester humaine.

Critère	Validation attendue
Post lisible	Le texte est clair, structuré et adapté à LinkedIn.
Sources vérifiables	Les chiffres et affirmations importantes renvoient vers des sources fiables.
Image exploitable	L’infographie est lisible, simple et sans texte incohérent.
Tâche ClickUp complète	Le post, le brief, l’image et les consignes sont présents.
Intervention humaine prévue avant publication	Une relecture finale est obligatoire avant toute mise en ligne.

Prêt à reprendre la main sur vos contenus ?

Un agent de contenu LinkedIn bien conçu ne publie pas à votre place. Il prépare un brouillon solide, une image exploitable et une tâche de relecture en automatisant les étapes répétitives : recherche, synthèse, rédaction, génération visuelle et livraison. Claude apporte la structure éditoriale, Imagen 3 produit le support visuel, MindStudio simplifie l’orchestration et ClickUp centralise la validation. La vraie valeur reste dans votre jugement : vérifier, ajuster, décider. En mettant ce workflow en place proprement, vous gagnez du temps sans sacrifier la qualité ni le contrôle éditorial.

FAQ

• Qu’est ce qu’un agent de contenu LinkedIn ?
  Un agent de contenu LinkedIn est un workflow automatisé qui prend un sujet, recherche des informations, rédige un brouillon de post, génère un visuel et prépare une tâche de validation. Il ne doit pas publier sans contrôle humain : son rôle est de produire une base de travail plus vite.
• Pourquoi utiliser Claude pour rédiger le post ?
  Claude est utile pour transformer un brief de recherche en texte structuré, clair et adapté à LinkedIn. Avec un prompt précis, il peut respecter un format : accroche courte, paragraphes aérés, idées limitées, ton professionnel et conclusion orientée discussion.
• À quoi sert MindStudio dans ce workflow ?
  MindStudio sert d’orchestrateur et simplifie l’accès à plusieurs capacités via ses Agent Skills, notamment la recherche web et la génération d’image avec Imagen 3. L’intérêt est de limiter la complexité d’intégration entre plusieurs API.
• Faut il vérifier les contenus générés avant publication ?
  Oui, systématiquement. Le modèle peut produire une formulation convaincante mais imprécise, surtout si les sources sont faibles. La relecture doit vérifier les faits, les chiffres, le ton, les droits sur l’image et l’adéquation avec votre ligne éditoriale.
• Quels outils sont nécessaires pour créer cet agent ?
  Il faut Node.js 18 ou supérieur, npm, Claude Code ou le SDK Anthropic, un compte MindStudio avec clé API, un compte ClickUp avec token API et l’identifiant de la liste où créer les tâches. L’accès à Imagen 3 peut passer par MindStudio selon la configuration utilisée.

 

 

A propos de l’auteur

Je suis Franck Scandolera, responsable de l’agence webAnalyste et de l’organisme Formations Analytics. J’accompagne les entreprises sur le tracking avancé server-side, l’Analytics Engineering, l’automatisation No/Low Code avec n8n, l’intégration de l’IA, le SEO et le GEO. J’ai travaillé pour des références comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez industrialiser vos workflows IA, automatiser votre production de contenus ou connecter vos outils business sans perdre le contrôle, contactez-moi.