**
Le 9 juin, Anthropic a publié un nouveau modèle appelé Claude Fable 5.
Ce jour-là, j'ai décidé de lui confier l'intégralité de mon « système automatisé de vente de notes ».
Résultat : les ventes quotidiennes ont presque doublé en un peu plus d'une semaine.
Pour être honnête, je me suis simplement dit : « Un nouveau modèle est sorti, autant l'essayer », donc je suis le premier surpris par ce résultat.
Dans cet article, je vais tout vous raconter : ce que je lui ai demandé de faire, ce qui a été corrigé et même les prompts que j'ai utilisés.
Au fait, je partage habituellement les dernières évolutions de ce système et des réglages détaillés qui ne tiennent pas dans un article sur mon LINE. Si cela vous intéresse, consultez le lien à la fin.
Laisser l'IA gérer un système performant le jour de la sortie de Fable 5
D'abord, un peu de contexte.
Fable 5 est le premier modèle d'Anthropic qui rend accessibles à tous, avec des mécanismes de sécurité, des capacités de « classe Mythos » — que l'entreprise gardait jusqu'ici privées en raison de leurs performances élevées.
Il a enregistré un score de 80,3 % sur le benchmark de codage (SWE-bench Pro), un chiffre qui surpasse non seulement l'ancien Opus 4.8, mais aussi GPT-5.5 et Gemini 3.1 Pro.
Soit dit en passant, le « mécanisme de sécurité » signifie que seules les requêtes touchant à des domaines dangereux sont automatiquement basculées vers des modèles plus anciens. Selon les données officielles, cela ne se produit pas dans plus de 95 % des sessions.
En bref, pour un usage professionnel normal, vous ne sentirez aucune différence.
Cependant, ce sur quoi je me suis concentré n'est pas le score aux benchmarks, mais le fait qu'il puisse « effectuer des tâches longues et complexes sans perdre le fil en cours de route ».
Qu'est-ce que cela signifie ?
Cela signifie que nous pouvons désormais externaliser le processus d'« amélioration » lui-même — lire tous les fichiers d'un système complet, les croiser avec les données de vente et juger ce qui doit être corrigé — une tâche qui, jusqu'à présent, nécessitait une intervention humaine.
Avec les modèles classiques, si vous leur donniez 10 fichiers, ils oubliaient souvent le contenu des premiers et faisaient des suggestions hors sujet. Fable 5 ne fait presque jamais cela.
Un exemple clair est ce rapport venu de l'étranger où « la migration de 50 millions de lignes de code est passée de 2 mois à 1 jour ». En substance, cela signifie qu'il peut avancer dans le travail tout en comprenant parfaitement un ensemble massif.
Mon système compte environ 40 fichiers au total, plus les données de vente, donc cette « capacité à tout lire » est directement efficace.
C'est pourquoi j'ai décidé que « le laisser améliorer un système existant » était la manière la plus intelligente de l'utiliser, plutôt que de simplement jouer avec les nouvelles fonctionnalités.
Il y a ici une perspective importante.
L'évolution d'un modèle ne signifie pas que « le système devient obsolète ».
Cela signifie que « la vitesse d'amélioration du système augmente ».
Pour ceux qui possèdent un système, chaque nouvelle sortie de modèle est un vent favorable.
La raison pour laquelle je ne fais pas les améliorations moi-même est triple :
- Le faire soi-même introduit des « suppositions » (juger pourquoi les choses se vendent en se basant sur sa propre intuition).
- L'externalisation signifie confier le contenu du système (fuite du savoir-faire).
- L'IA peut lire toutes les données sans aucune émotion (traitant du jour au lendemain des volumes de données impossibles pour un humain).
Franchement, l'amélioration est la tâche de « lire toutes les données et de trouver les différences », donc l'IA est mieux adaptée que les humains pour cela.
Mon intuition pourrait me dire : « J'ai l'impression que les posts basés sur l'empathie fonctionnent ce mois-ci », mais si je laisse l'IA lire les données, elle revient avec des conclusions étayées : « Les posts avec un taux d'enregistrement élevé contiennent systématiquement cet élément dans l'introduction ».
Cette différence est énorme.
Aperçu du système automatisé de vente de notes
Voici la configuration que j'utilise :
- Conception du concept (Consolider qui, quoi et comment vendre dans un seul fichier md)
- Génération automatique de posts (L'IA crée 10 posts par jour basés sur le concept)
- Publication automatique (Diffusion sur Threads/X à des heures fixes chaque jour)
- Guidage vers les Notes (Le flux de Post → Profil → Article Note)
- Collecte de données (Impressions, enregistrements et ventes sont accumulés automatiquement)
- Boucle d'amélioration automatique (Les posts suivants changent en fonction des données accumulées)
Pour compléter légèrement chaque partie :
Le concept md de l'étape 1 est le point de départ de tout. Tout ce qui suit l'étape 2 se base sur le « qui, quoi et comment » écrit ici.
À l'étape 2, l'IA crée 10 posts par jour toute seule après avoir lu le concept md. Les humains ne les écrivent plus.
L'étape 3 consiste simplement à les mettre sur un outil de publication automatique, donc je n'appuie même pas sur le bouton de publication.
L'étape 5 est discrètement importante ; « quel post a été enregistré », « quel post a mené à un clic sur le profil » et « combien a été vendu ce jour-là » sont enregistrés automatiquement chaque jour.
L'étape 6 est une boucle qui lit ces données tous les 3 jours et les reflète dans les 30 posts suivants.
Le point clé est que ce système n'est pas « terminé une fois construit », mais que le cycle d'amélioration 5 → 6 → 2 continue de tourner.
Les gens disent souvent : « Ça a l'air difficile à construire », mais le plus dur n'est que la première fois.
Vous n'utilisez votre cerveau que lors de la construction initiale du concept md et des critères d'évaluation. Après cela, plus il tourne, plus les données s'accumulent, et plus la précision des améliorations augmente.
Comme c'est une structure qui se renforce avec le temps, je pense honnêtement que ceux qui commencent tôt gagnent ce jeu.
Alors, que font les humains ? En fait, seulement trois choses :
- Décider du genre et du concept au début (c'est le travail de l'humain).
- Décider s'il faut adopter les suggestions d'amélioration de l'IA (j'en parlerai en détail plus tard).
- Regarder occasionnellement les données et enquêter si quelque chose semble anormal.
En termes de temps de travail quotidien, c'est moins de 10 minutes.
Et ce que j'ai demandé à Fable 5 de faire cette fois-ci était la tâche la plus en amont du cycle : « Croiser tous les fichiers de ce système avec les données de vente récentes pour identifier les zones à corriger. »
Je n'ai rien fait de complexe pour le transfert de données ; j'ai simplement laissé l'IA lire l'ensemble des fichiers système et les données contenant les ventes, les impressions et les enregistrements tels quels.
Beaucoup de gens pensent : « Je dois organiser les données avant de les donner », mais c'est l'inverse.
Si vous donnez des données brutes, l'IA les organisera elle-même et détectera des corrélations que les humains ne remarquent pas.
Le prompt que j'ai envoyé était essentiellement celui-ci (je le laisse ici pour que vous puissiez le copier-coller) :
« Lis tous les fichiers de ce système et compare-les avec les données de vente pour identifier toutes les différences entre "quand ça se vend" et "quand ça ne se vend pas". Donne-moi uniquement les différences de données, pas les impressions. Ensuite, propose dans quel fichier et selon quels critères de jugement du système ces différences doivent être reflétées, sous la forme d'un ensemble nom de fichier et proposition de modification. »
Le point important est que je l'ai restreint à « uniquement les différences de données, pas les impressions ».
Si vous n'incluez pas cela, l'IA mélangera des conseils généraux comme « Augmentez la fréquence de publication », le genre de chose écrite partout.
En limitant aux différences de données, seuls les points d'amélioration uniques à mon système ressortent.
Une fois les différences identifiées, le prompt pour effectuer les corrections est le suivant :
« Je vais spécifier lesquelles des propositions je vais adopter, alors réécris directement les fichiers correspondants. Montre-moi une liste des différences avant et après la réécriture à la fin. Ne change pas un seul caractère dans les parties que je n'ai pas spécifiées. »
« Ne change pas un seul caractère dans les parties que je n'ai pas spécifiées » est extrêmement important. Si vous ne l'incluez pas, l'IA « améliorera » d'autres zones par excès de zèle. Lorsqu'on laisse une IA toucher à un système qui fonctionne, la règle d'or est de restreindre le périmètre des changements.
Trois différences trouvées par Fable 5 entre « quand ça se vend » et « quand ça ne se vend pas »
Fable 5 a mis en évidence trois différences.
Dès que j'ai vu la première, je me suis dit : « Ça va radicalement changer les ventes. »
Différence ① : Les notes qui se vendent contenaient « la phrase juste avant l'achat »
C'est la conclusion à laquelle Fable 5 est parvenu après avoir comparé toutes les notes qui se vendent et celles qui ne se vendent pas.
Les concepts des notes qui se vendent avaient verbalisé et inclus les « émotions qui viennent à l'esprit du lecteur juste avant l'achat ».
Celles qui ne se vendaient pas étaient conçues uniquement autour de la « cible » et du « problème ».
Plus précisément, le concept d'une note qui ne se vendait pas était à ce niveau de granularité :
« Femme de 30 ans · veut se remettre avec son ex · lui apprendre comment faire. »
Et le concept d'une note qui se vendait était comme ceci :
« Femme de 30 ans · veut se remettre avec son ex · achète au moment où elle se dit : "Si je fais exactement ce que cette personne dit, je n'aurai peut-être plus à regarder mon téléphone à minuit avec anxiété." »
Voyez-vous la différence ?
Le premier se termine avec « quoi vendre ».
Le second est conçu jusqu'aux pensées dans la tête 0,5 seconde avant d'ouvrir le portefeuille.
C'était la ligne de démarcation pour les ventes.
J'ai donc demandé à l'IA d'ajouter la « verbalisation des émotions juste avant l'achat » comme élément obligatoire dans le concept design md.
Ajouter ce seul élément change tout. Comme le concept est en amont, le choix des mots des posts générés, le titre de la note et la façon dont le texte touche le lecteur — tout commence à être écrit vers cette « pensée juste avant l'achat ».
La modification d'un seul élément dans un seul fichier se répercute sur tous les produits en aval. C'est la beauté de la systématisation.
Au fait, j'ai aussi demandé à Fable 5 de sortir le truc pour écrire cet élément : le critère est « écrire les vrais sentiments que le lecteur ne peut dire à personne, avec les propres mots du lecteur ».
« Je veux résoudre mon anxiété » est faible.
Si vous pouvez écrire : « J'ai tellement peur d'être ignorée à nouveau que je n'arrive pas à appuyer sur le bouton envoyer », c'est validé.
C'est la même chose dans d'autres genres. Par exemple, dans la niche des revenus complémentaires, au lieu de « pour les gens qui veulent gagner de l'argent avec un complément de revenu », utilisez :
« Les gens qui regardent leur solde une semaine avant la paie et remettent un article en rayon au supermarché en soupirant. »
Si vous pouvez écrire jusque-là, cela devient une note qui ressemble à une publicité visible uniquement pour cette personne.
Différence ② : Les critères d'évaluation des posts étaient trop axés sur les impressions
Les critères d'évaluation pour la boucle d'amélioration automatique étaient « trop lourds sur les impressions ».
Cependant, ce qui était corrélé aux ventes n'était pas les impressions, mais le « nombre d'enregistrements » et le « taux de clics sur le profil ».
Cela signifie que les posts qui obtiennent des impressions et les posts qui ouvrent les portefeuilles sont deux choses différentes.
Quiconque fait du marketing par liste comprendrait cela, mais le nombre de prospects et le nombre de conversions ne sont pas nécessairement corrélés.
Les posts qui obtiennent des impressions sont de type « empathie, relatable, humour ».
Mais pour les posts qui ouvrent les portefeuilles, des mouvements comme « je veux enregistrer ça pour le lire plus tard » ou « voyons le profil de cette personne » se produisent.
Devenir viral fait du bien, mais les chiffres directement liés aux ventes étaient les plus modestes.
Au fait, ces deux chiffres peuvent être vus par n'importe qui gratuitement sur X Analytics.
Rien qu'en examinant vos posts par ordre d'« enregistrements » au lieu d'« impressions », vous devriez trouver les modèles qui se vendent.
Pour référence, les posts enregistrés avaient trois points communs :
- Ils contenaient des étapes spécifiques utilisables plus tard (ne s'arrête pas au moment de la lecture).
- Ils contenaient des chiffres ou des noms propres, donnant envie aux gens de les garder comme « mémo ».
- Il y avait de la place pour l'appliquer à sa propre situation (sous une forme utilisable telle quelle).
À l'inverse, les « belles histoires » ne sont pas enregistrées. Les impressions sont consommées sur le moment et s'arrêtent là.
Quand j'ai demandé à l'IA de réécrire les critères d'évaluation pour « se concentrer sur les enregistrements et les clics sur le profil », les impressions ont légèrement chuté, mais les ventes ont augmenté — un mouvement intéressant.
Rien qu'en changeant une ligne des critères d'évaluation dans la boucle d'amélioration automatique, la direction de tous les posts générés change, donc ceux qui ont un système devraient revoir cela en premier.
Différence ③ : L'ordre du corps du texte donnait la « solution trop tôt »
Les notes qui ne se vendaient pas donnaient trop la solution au début.
Si vous montrez la réponse avant que le lecteur ne réalise « c'est mon problème », il finit de lire avant de ressentir la valeur.
Les notes qui se vendent utilisaient « 30 % du total pour verbaliser le problème ».
Dans une note de 7 000 caractères, les 2 000 premiers ne servent pas à donner une solution, mais à « décrire la situation du lecteur plus précisément que le lecteur lui-même ».
Ce n'est qu'après que le lecteur est dans un état de « Pourquoi me connais-tu si bien ? » que vous fournissez la solution pour la première fois.
Dans cet ordre, même le même contenu est lu comme quelque chose de « précieux ».
Et pour ceux qui se demandent « comment écrire la verbalisation du problème », je laisse ici la procédure que j'utilise réellement.
Je demande à l'IA d'écrire 10 monologues que la cible pense dans son lit le soir.
Des choses comme « Ça fait une semaine et toujours pas de reçu de lecture », « Je ne peux pas parler de ça à mes amis » ou « Mon historique de recherche ne parle que de se remettre avec un ex ».
Rien qu'en réorganisant ces 10 points et en les plaçant au début du corps du texte, la partie verbalisation du problème est presque terminée.
Une erreur courante ici est d'écrire le problème en « généralités ».
Des phrases comme « Se remettre ensemble est dur, n'est-ce pas ? » ou « Ça rend anxieux, n'est-ce pas ? » qui s'appliquent à tout le monde ne toucheront personne. Ce n'est que lorsque vous spécifiez au niveau d'un monologue que le moment « C'est de moi dont on parle » se produit.
C'était aussi quelque chose que Fable 5 a relevé comme différence de données. C'est un basique de la vente quand on y pense, mais c'était une partie qui n'avait pas été intégrée dans le système de génération automatique.
Les choses que les humains feraient naturellement manquent souvent à la conception du système.
Trouver ces « trous connus mais non implémentés » est le meilleur aspect de laisser l'IA faire les améliorations.
Philosophie de conception en laissant les améliorations à l'IA
Il y a trois principes que j'ai appris en essayant cela pour laisser les améliorations à l'IA.
Principe ① : Améliorations à l'IA, décisions d'adoption à vous-même
Il y avait 7 propositions de Fable 5 au total.
J'en ai adopté 3.
Parmi les 4 que j'ai rejetées, il y avait, par exemple, une proposition d'« augmenter le nombre de posts de 10 à 15 par jour ».
La logique était bonne, mais j'avais déjà vérifié par le passé que pour ma base de lecteurs, la pression sur la timeline serait trop forte et ils finiraient par me mettre en sourdine, donc je l'ai rejetée.
Si vous avalez tout, le système penchera vers les généralités de l'IA et, inversement, cessera de vendre.
En fait, j'ai une fois adopté toutes les propositions par le passé, et les chiffres ont chuté cette semaine-là.
Même si chacune semble correcte, une fois combinées, cela devient un « compte qu'on trouve partout ».
L'IA est un génie pour trouver les différences, mais les matériaux pour juger « s'il faut adopter cette différence » — l'historique des vérifications passées et le ressenti des lecteurs — n'existent qu'en vous-même.
Principe ② : Reflétez toujours les améliorations dans les « fichiers »
Ne dites pas simplement « fais ça à partir de maintenant » dans le chat et terminez là ; demandez à l'IA de réécrire les fichiers système eux-mêmes.
La raison est de transformer les améliorations en actifs.
Les instructions dans un chat disparaissent, mais les critères de jugement placés dans un fichier continuent d'être efficaces pour tout, de la prochaine génération à la suivante.
Dans mon cas, je divise les destinations de réécriture par rôle.
« Qui vendre quoi à qui » est le fichier concept, « quel post juger comme ayant grandi » est le fichier critères d'évaluation, et « dans quel ordre écrire la note » est le fichier structure.
Comme je peux voir quel fichier a grandi avec chaque amélioration, j'ai l'impression que tout le système devient de plus en plus intelligent.
Principe ③ : Corrigez depuis l'amont (Concept > Post > Formulation)
Quand il s'agit d'améliorations, on a tendance à vouloir corriger depuis l'aval, comme la formulation d'un post.
Cependant, l'ordre d'efficacité pour les ventes est « Concept > Critères d'évaluation > Structure du corps > Formulation ».
La raison principale pour laquelle les ventes ont doublé cette fois est sans aucun doute la partie concept de la Différence ①.
La raison est simple : un emplacement en amont affecte tout ce qui est généré à partir de là, mais un emplacement en aval n'affecte que cette pièce.
Si vous corrigez une ligne du concept, tous les futurs posts et notes changeront. Si vous corrigez une fin de post, seul ce post change.
Si la charge de travail est la même, il vaut mieux l'utiliser là où c'est efficace.
Peu importe à quel point vous polissez l'aval, si la conception en amont ne vend pas, les chiffres ne bougeront pas.
Les personnes du côté système profitent à chaque fois que l'IA évolue
Alors, que se passe-t-il maintenant ?
J'ai reflété les améliorations mi-juin, et depuis, les ventes quotidiennes se sont stabilisées à près du double.
La partie la plus efficace était sans aucun doute la partie concept de la Différence ①. Immédiatement après l'avoir reflétée, le flux « Enregistrement → Profil → Achat » provenant du contenu généré a changé visiblement.
Le temps de travail reste inchangé, presque zéro.
Cet incident m'a convaincu d'une chose :
Les personnes qui profitent le plus à chaque fois que l'IA évolue sont « celles qui ont un système ».
Fable 5 lui-même peut être utilisé par n'importe qui.
Mais les gens qui n'ont pas de « cible pour Fable 5 à améliorer » ne peuvent l'essayer que lorsqu'un nouveau modèle sort.
Il y a des gens qui essaient un nouveau modèle à chaque sortie, disent « c'est incroyable », postent leurs impressions et s'arrêtent là.
Et puis il y a des gens qui, à chaque fois qu'un nouveau modèle sort, le laissent lire leur système, l'améliorent et augmentent leurs chiffres de vente d'un niveau.
Même s'ils utilisent la même IA, l'un est dans la consommation et l'autre dans l'investissement.
Parce que j'avais un système et des données, mes ventes ont bougé le jour où le modèle a évolué.
Les modèles continueront d'évoluer.
Dans six mois, un modèle plus intelligent que Fable 5 sortira, et je ferai la même chose.
Cette boucle elle-même est un actif.
Chaque fois que cela arrivera, je pense que l'écart entre ceux qui ont un système et ceux qui n'en ont pas se creusera à un rythme incroyable.
On me demande parfois : « N'est-il pas trop tard pour commencer maintenant ? », mais c'est l'inverse.
Les retardataires peuvent construire un système avec un modèle intelligent dès le début, donc ils peuvent sauter les parties avec lesquelles j'ai lutté par le passé.
Quand j'ai commencé à construire ce système, je devais corriger manuellement la sortie de l'IA à chaque fois, mais les gens qui le construisent maintenant n'auront presque pas besoin de ce processus.
Que ce soit tard ou non n'est pas décidé par le moment de l'entrée, mais seulement par le fait que vous commenciez à construire un système.
Maintenant, pour ceux qui ont lu jusqu'ici et se sont dit : « Je veux passer du côté système ».
En fait, un projet incroyable est en cours en ce moment.
Je mène un défi en temps réel appelé « Faire gagner 200 000 yens à une femme au foyer de 40 ans, non technophile, en utilisant uniquement l'automatisation Claude Code, avec une limite de 30 minutes par jour. »
Pendant que vous dormez, l'IA finit d'écrire une note, et quand vous vous réveillez le matin, elle se vend toute seule.
Je montre tout, y compris les échecs, sur la façon dont « tout laisser à l'IA et la laisser gagner pour vous » devient une réalité.
Les étapes pour construire un système à partir de zéro, les modèles pour la conception de concept et les mouvements des personnes qui gagnent réellement de l'argent sont tous partagés ici, donc honnêtement, je pense que vous passez à côté si vous ne le voyez pas.
Ce que vous pouvez recevoir en participant ↓
✅ Tout le processus d'une femme au foyer de 40 ans, non technophile, passant de 0 à 200 000 yens (divulgué à un niveau que vous pouvez imiter tel quel)
✅ Distribution du contenu de l'automatisation Claude Code réellement utilisée dans le défi via des colonnes de commentaires
✅ Le dernier savoir-faire sur la vente IA x Note (plus de 50 personnes rapportant des résultats ; un cas où quelqu'un qui était un collectionneur de savoir-faire a gagné 147 000 yens en un mois)
Participez ici (complètement gratuit, il y a une limite sur le nombre de personnes, alors rejoignez-nous vite)
https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ
