Construire un Brand Voice Framework rigoureux prend du temps. La plupart des organisations ne vont pas au bout : elles s’arrêtent au ton, au vocabulaire interdit, à quelques formulations signées. Trois piliers, quatre au mieux.
Notre Brand Voice Framework en couvre neuf : l’énoncé de mission, les valeurs, les traits positifs, les traits à éviter (ceux auxquels on refuse d’être associé), la personnalité, les archétypes, les émotions à susciter, les récits, enfin le ton et le langage.
Pourquoi notre Framework à 9 piliers n’est pas encore complet
Chacun de ces piliers documente une dimension distincte de l’identité de marque. Ensemble, ils forment un système, pas une liste.
Ce niveau de profondeur est rare. Il est nécessaire. Il n’est pas suffisant.
Pas parce qu’il manque un dixième pilier à ajouter. Parce que quelque chose de transversal reste non documenté dans la quasi-totalité des frameworks existants, y compris les plus solides : la manière dont la marque raisonne.
Non pas ce qu’elle dit. Non pas comment elle le dit. Mais par quel chemin intellectuel elle arrive à ce qu’elle dit.
C’est précisément ce que les LLM standardisent en priorité, et ce que même un Brand Voice Framework à 9 piliers ne protège pas explicitement, s’il ne documente pas les arcs de raisonnement qui traversent et activent chacun de ces piliers.
Ce que l’IA fait aux 9 piliers quand les arcs ne sont pas documentés
Le problème avec un Framework à 9 piliers bien construit, c’est qu’il donne l’illusion d’être protégé.
Ce n’est pas une critique. C’est le piège exact que l’IA exploite, précisément parce que le framework est solide. Parce que la surface tient. Parce que personne dans l’équipe ne voit la dérive venir.
Comprenons la mécanique de ce glissement.
Trois chercheurs de l’université de Californie du Sud (Sourati, Ziabari et Dehghani) le montrent dans une synthèse parue en 2026 dans Trends in Cognitive Sciences. Les LLM reproduisent les styles dominants de leurs données d’entraînement et marginalisent les autres façons de raisonner. L’apprentissage par renforcement, qui ajuste le modèle sur des préférences humaines, réduit la variabilité stylistique. Le raisonnement pas à pas, optimisé pour une inférence linéaire et explicite, décourage les styles plus intuitifs, qui sont aussi plus difficiles à modéliser. La synthèse rapporte un cas parlant : sur une tâche de classement où quelques exemples dérogeaient à la règle, le raisonnement pas à pas a rendu GPT-4o quatre fois plus lent à apprendre les bonnes réponses. Le modèle généralisait la règle et négligeait les exceptions.
Ce que cela signifie concrètement pour chaque pilier :
- Énoncé de mission : l’IA peut reformuler votre énoncé dans un registre plus lisse, plus « raisonnable ». Elle en préserve le squelette. Elle en évapore la densité. Et personne ne déclenche d’alerte, parce que le résultat est formellement correct, parfaitement lisible, et cognitivement interchangeable avec celui de vos concurrents.
- Valeurs : elle les mentionne. Elle ne les incarne pas. Elle produit des textes sur les valeurs, pas des textes depuis les valeurs. La nuance est invisible en surface. Elle est structurelle en profondeur.
- Traits positifs et traits à éviter : elle connaît vos interdits si vous les lui donnez. Mais sans comprendre pourquoi certaines postures sont exclues (quelle vision du monde, quel rapport à l’expertise, quelle éthique relationnelle elles impliquent), elle les contourne par inadvertance, proprement, sans déclencher aucune alerte stylistique.
- Personnalité : elle peut reproduire des marqueurs de personnalité. Elle ne peut pas reproduire la cohérence interne d’une personnalité, la manière dont un trait de caractère modifie le raisonnement, pas seulement le ton.
- Archétypes : le Sage et le Créateur sont des catégories qu’elle connaît. Elle sait les nommer, les décrire, les illustrer. Ce qu’elle ne sait pas faire : raisonner depuis l’archétype. Penser comme un Sage, c’est construire un argument par révélation progressive, pas par démonstration linéaire. L’IA produit la forme. Pas la logique interne.
- Émotions : elle tend vers le positif, le rassurant, le motivant. Les émotions moins normées (la lucidité brutale, l’inconfort productif, la tension assumée) sont structurellement sous-représentées dans ses sorties. Ce lissage est mécanique, pas intentionnel. Il a un pendant du côté de la lecture : Haller, Bolliger et Jäger (ACL 2024) montrent que les prédictions des modèles de langue correspondent aux temps de lecture des lecteurs à faible intelligence verbale bien mieux qu’à ceux des lecteurs les plus performants.
- Récits : c’est le pilier le plus exposé. Et le plus difficile à défendre, parce que la dégradation y est la plus lente et la plus invisible. Un récit de sens ne se résume pas à une formulation. Il est porté par une logique narrative spécifique (une manière de construire la tension, de poser le conflit fondateur, de ne pas résoudre ce qui ne doit pas l’être). Sans documentation de cette logique, l’IA produit des récits formellement corrects, émotionnellement rassurants, et intellectuellement vides. Le lecteur expert le sent. Il ne le dit pas. Il ne revient pas.
- Ton et langage : c’est le pilier que l’IA gère le mieux. Elle peut reproduire un registre avec une fidélité apparente élevée. C’est aussi pour ça qu’il est trompeur : la surface tient, le fond dérive.
Les 4 arcs de raisonnement : la couche transversale qui manque
Les arcs de raisonnement ne constituent pas un dixième pilier. Ils sont transversaux : ils traversent et activent les 9 piliers existants. Documenter les arcs, c’est documenter la logique interne qui rend chaque pilier opérationnel face à l’IA.
Arc 1 • Le raisonnement analogique
Il transpose une logique d’un domaine à un autre pour produire une idée que personne n’attendait là. Rigoureux, pas décoratif. Il porte une démonstration, pas une image.
Lien avec les piliers : il active directement les archétypes (le Sage révèle par analogie, pas par catalogue) et les récits de sens (le sens se construit souvent en comparant ce qui est à ce qui pourrait être dans un autre système).
Ce que l’IA en fait : elle produit des analogies génériques, surutilisées. « Comme un chef d’orchestre », « comme les fondations d’une maison ». Des images qui signalent la forme sans porter le fond.
Ce que votre Framework doit documenter : les domaines analogiques constitutifs de votre voix. Pour WeAreTheWords : architecture, ingénierie, systèmes d’exploitation, infrastructure. Ces champs signalent un positionnement. Ils ne sont pas interchangeables.
Arc 2 • Le raisonnement par tension
Il part d’une contradiction réelle (deux vérités simultanément valides) et construit une position sans chercher à les réconcilier proprement. Il habite le paradoxe.
Lien avec les piliers : il est au cœur des traits négatifs (refuser d’être associé à la posture lisse qui résout tout) et des émotions (l’inconfort productif, la lucidité sans anesthésie).
Ce que l’IA en fait : elle résout les tensions. Elle est entraînée à produire des réponses cohérentes, équilibrées. Elle transforme un paradoxe productif en nuance confortable.
Ce que votre Framework doit documenter : les tensions fondamentales que votre marque assume sans les résoudre. Dans une ETI industrielle, la tension entre « produire plus vite grâce à l’IA » et « ne pas halluciner la rigueur technique sur un dossier de conformité » n’est pas une nuance éditoriale. C’est un risque métier. Un Framework qui ne documente pas cette tension spécifique laisse l’IA trancher à sa place, proprement, sans bruit, sans que personne ne remarque que la décision a déjà été prise.
Arc 3 • Le raisonnement contextuel et situé
Il part de l’expérience concrète d’un terrain spécifique pour en tirer une règle plus générale. Du bas vers le haut. L’inverse du raisonnement top-down générique.
Lien avec les piliers : il ancre les valeurs dans le réel (elles ne sont pas déclarées, elles sont démontrées depuis un terrain), et active les récits de marque (le rôle de la marque s’illustre depuis des configurations clients précises, pas depuis des principes abstraits).
Ce que l’IA en fait : elle part des principes généraux et descend vers des exemples qui illustrent. Elle ne connaît pas vos terrains. Elle ne peut pas simuler vos frictions réelles.
Ce que votre Framework doit documenter : les terrains de référence de votre marque (secteurs, types de clients, configurations observées, frictions récurrentes). Pour une direction marketing dans l’énergie : le cycle de validation à cinq interlocuteurs, l’expert métier disponible deux heures par mois, le contenu technique qui doit simultanément convaincre le régulateur et le comité d’achat. Ces configurations ne sont dans aucun corpus d’entraînement. Elles sont votre avantage structurel. Pas documentées, elles disparaissent dès que l’IA entre dans la boucle.
Arc 4 • Le raisonnement par divergence délibérée
Il questionne explicitement le cadre dominant. Il nomme ce que tout le monde présuppose sans le dire et propose un angle que la pensée consensuelle ne génère pas.
Lien avec les piliers : c’est l’arc le plus directement lié à l’énoncé (une prise de position est toujours une divergence par rapport à quelque chose) et aux traits négatifs (refuser d’être associé au consensus mou, c’est choisir la divergence comme posture).
Ce que l’IA en fait : elle reproduit les positions dominantes. Elle est entraînée à ne pas froisser, à valider les consensus, à éviter les prises de position clivantes. La divergence délibérée est, par définition, ce qu’elle produit le moins bien.
Ce que votre Framework doit documenter : les croyances de marché que votre marque conteste explicitement, et les formulations propriétaires de ces contre-positions. Ce sont vos marqueurs d’autorité les plus forts. Et les plus exposés à la dilution.
Comment intégrer les arcs dans votre Framework existant
Pas de reconstruction. Trois opérations chirurgicales sur ce qui existe déjà.
1. Audit d’activation
Pour chacun des 9 piliers, identifiez quel arc de raisonnement l’active dans votre meilleur corpus historique. Un pilier sans arc identifiable est un pilier vulnérable à l’homogénéisation.
2. Documentation des invariants
Formalisez pour chaque arc : trois à cinq exemples tirés de vos contenus fondateurs, les domaines et terrains constitutifs, les tensions que vous assumez, les positions que vous contestez. Ce travail ne se délègue pas à un modèle. C’est un travail éditorial humain, et c’est pour cela qu’il produit une valeur durable.
3. Règles d’intervention dans le workflow
Définissez où l’IA peut entrer selon l’arc concerné.
- Reformulation factuelle sur un raisonnement situé déjà cadré humainement : délégable.
- Construction d’une divergence délibérée : non-délégable.
- Densification d’une analogie déjà choisie : délégable.
- Choix de l’analogie elle-même : non-délégable.
Le prompt de vérification multidimensionnelle
À intégrer comme contrôle systématique avant la publication de tout contenu à haute charge symbolique.
Tu agis comme contrôleur de diversité de raisonnement pour [NOM DE LA MARQUE], à partir de ses arcs de raisonnement documentés.
En analysant ce texte, réponds sur 5 axes, avec un score de 1 (très lissé IA) à 5 (fortement singulier) :
- Variabilité rythmique (mix de phrases courtes et longues, ruptures assumées)
- Dispersion lexicale (termes porteurs maintenus, registres mélangés)
- Richesse émotionnelle (émotions non normées présentes, tensions non résolues)
- Ancrage contextuel (références sectorielles précises, raisonnement situé)
- Originalité de l’arc (mode analogique, par tension, situé ou divergent identifiable)
Pour chaque axe : justifie le score et propose une modification ciblée si le score est inférieur à 4.
Verdict : « Acceptable pour publication [NOM DE LA MARQUE] » ou « À retravailler : homogénéisation excessive », avec priorités de réécriture.
Ce prompt est un instrument de gouvernance cognitive : il fait entrer les arcs dans le travail quotidien.
Ce que ça change pour votre système éditorial
Un Brand Voice Framework à 9 piliers avec arcs de raisonnement documentés répond à la question que les référentiels classiques laissent sans réponse : qu’est-ce qui, dans notre voix, ne peut pas être délégué à l’IA, et pourquoi ?
La réponse n’est pas « le ton ». Le ton est imitable. La réponse n’est pas « le lexique propriétaire ». Il est reproductible. La réponse est : les formes d’inférence constitutives de votre identité intellectuelle. Elles sont le produit de votre histoire, de vos archétypes réellement incarnés, de vos récits de sens construits depuis des frictions réelles. Elles ne sont dans aucun corpus d’entraînement.
Documenter les arcs ne garantit pas la singularité. Cela garantit qu’on sait où elle doit être protégée. Ce n’est pas la même chose. Et c’est déjà beaucoup.
Questions fréquentes sur les arcs de raisonnement
Qu’est-ce qu’un arc de raisonnement ?
Un arc de raisonnement est le chemin intellectuel par lequel une marque arrive à ce qu’elle dit. Il décrit la forme de son inférence, en amont du ton et du vocabulaire. Nous en distinguons quatre : le raisonnement analogique, le raisonnement par tension, le raisonnement contextuel et situé, et le raisonnement par divergence délibérée. Ils traversent les neuf piliers du Brand Voice Framework plutôt que de s’y ajouter.
Pourquoi l’IA menace-t-elle d’abord la façon de raisonner d’une marque ?
Parce que c’est la couche qu’aucune relecture de charte ne contrôle. Les modèles reproduisent les styles dominants de leurs données, privilégient l’inférence linéaire et résolvent les tensions au lieu de les tenir. Le ton et le lexique se vérifient ligne à ligne ; la façon de raisonner ne se vérifie pas ainsi. Un texte généré peut donc respecter toute la charte et raisonner comme celui d’un concurrent sans que personne ne le remarque.
Quelles tâches peut-on confier à l’IA une fois les arcs documentés ?
Celles qui portent sur un raisonnement déjà cadré par un humain. Reformuler un passage factuel issu d’un terrain documenté ou densifier une analogie déjà choisie, l’IA peut s’en charger. Choisir l’analogie, construire une divergence délibérée ou décider quelle tension la marque assume reste un travail humain, parce que ce sont précisément les opérations que les modèles réussissent le moins bien.
→ Téléchargez le Blueprint des arcs de raisonnement : grille de documentation des 4 arcs, protocole d’audit par pilier et prompt de vérification intégré.
→ Vous souhaitez intégrer cette dimension dans votre Brand Voice Framework ? Découvrez l’offre Clarity
Sources
Sourati, Z., Ziabari, A. S. & Dehghani, M. (2026). The homogenizing effect of large language models on human expression and thought. Trends in Cognitive Sciences. → https://www.sciencedirect.com/science/article/pii/S1364661326000033 (prépublication : https://arxiv.org/abs/2508.01491)
Santurkar, S. et al. (2023). Whose Opinions Do Language Models Reflect? ICML 2023. → https://arxiv.org/abs/2303.17548
Haller, P., Bolliger, L. S. & Jäger, L. A. (2024). Language models emulate certain cognitive profiles: An investigation of how predictability measures interact with individual differences. ACL 2024 Findings. → https://aclanthology.org/2024.findings-acl.469/