Comment créer un agent LinkedIn pour vos contenus B2B ?

Un agent LinkedIn se crée en chaînant recherche web, rédaction avec Claude, génération d’infographie avec Imagen 3 et livraison dans ClickUp. L’intérêt n’est pas de publier sans réfléchir, mais de transformer un sujet brut en brouillon documenté, visuel et prêt à valider.

Pourquoi automatiser vos contenus LinkedIn ?

Automatiser vos contenus LinkedIn sert surtout à réduire le temps passé à chercher, structurer et préparer vos publications, pas à remplacer votre jugement éditorial. C’est une différence importante : l’automatisation accélère la production, mais elle ne décide pas à votre place de ce qui mérite d’être dit.

Dans un contexte B2B, c’est-à-dire “Business to Business”, vous devez souvent publier avec régularité tout en restant précis, à jour et cohérent avec votre positionnement. Le problème est rarement l’absence totale d’idées. Le vrai blocage vient plutôt de la répétition du travail invisible : trouver des sources fiables, vérifier un chiffre, transformer une idée brute en angle clair, préparer un post lisible, créer un visuel, puis garder une trace pour validation.

Un agent de contenu automatisé répond à ce problème de manière très concrète. Il ne s’agit pas d’un “robot créatif” magique, mais d’un workflow, donc une suite d’étapes automatisées, qui peut fonctionner ainsi :

• Recevoir un sujet : Par exemple une tendance marché, une annonce produit ou une question client fréquente.
• Rechercher des informations : L’agent récupère des sources, des données et des exemples utiles.
• Produire un brouillon : Il propose une première version structurée du post.
• Générer un visuel : Il prépare une image simple, un carrousel ou une idée de schéma.
• Créer une tâche de validation : Une personne relit, corrige, valide ou refuse la publication.

Le contexte business justifie cet effort. LinkedIn revendique plus d’un milliard de membres dans le monde sur sa page officielle Pressroom. De son côté, le rapport LinkedIn et Edelman “B2B Thought Leadership Impact Report” montre que les contenus d’expertise influencent la manière dont les acheteurs évaluent les fournisseurs B2B. Ces éléments ne promettent pas de performance automatique. Ils rappellent simplement que LinkedIn est devenu un espace sérieux d’évaluation, de visibilité et de crédibilité professionnelle.

La limite reste non négociable : automatiser la chaîne ne garantit ni la pertinence stratégique, ni la qualité de l’opinion, ni la conformité avec votre marque. Une personne doit valider l’angle, les sources, le ton, les risques juridiques et la décision finale de publier.

Avant de parler outils, il faut donc comprendre le flux complet de bout en bout : de l’idée initiale jusqu’à la validation humaine.

Que fait l’agent de bout en bout ?

Un agent LinkedIn utile ne “génère pas juste un post”. Il enchaîne plusieurs actions dépendantes, avec une logique de production claire : partir d’un sujet brut, le documenter, le transformer en angle éditorial, produire le contenu, générer le visuel, puis envoyer le tout au bon endroit pour relecture.

Le flux commence quand l’agent reçoit un sujet, par exemple : “L’impact de l’IA générative sur les équipes commerciales B2B”. À partir de là, il lance une recherche web structurée. Cette étape sert à récupérer des faits, des tendances, des chiffres et des sources exploitables. MindStudio Agent Skills peut fournir ces capacités, notamment l’accès à une recherche Google structurée et à Imagen 3.

La recherche nourrit ensuite un brief. Ce brief résume le sujet, l’angle recommandé, les points clés, les objections possibles et les exemples utiles. C’est une étape importante, parce qu’elle évite de demander à Claude de rédiger “dans le vide”. Claude Code, ou directement l’API Anthropic, orchestre le scénario et demande à Claude de produire un post LinkedIn encadré par ce brief. Une API signifie “interface de programmation” : c’est le point d’accès qui permet à deux logiciels d’échanger.

Une fois le post généré, son contenu sert à guider le prompt image. L’agent demande alors à Imagen 3 de créer une infographie cohérente avec le message, plutôt qu’un visuel générique. Le texte influence donc l’image, comme la recherche a influencé le brief.

Dernière étape : l’agent crée une tâche ClickUp avec le post et l’image pour relecture. ClickUp devient le point central de production. Le token ClickUp sert de clé d’accès, et le list ID identifie la liste précise dans laquelle créer la tâche. Node.js exécute le script qui relie toutes ces briques.

Étape	Outil	Sortie produite
Réception du sujet	Node.js	Sujet prêt à traiter
Recherche web	MindStudio Agent Skills	Sources, faits et données structurées
Synthèse	Claude Code ou API Anthropic	Brief éditorial exploitable
Rédaction	Claude	Post LinkedIn B2B
Création visuelle	Imagen 3	Infographie adaptée au post
Mise en production	ClickUp	Tâche contenant le texte et l’image

Ce flux reste simple à maintenir si les prérequis sont propres dès le départ.

Quels outils faut-il préparer ?

Avant d’automatiser quoi que ce soit, il faut préparer les accès et les outils de base. L’objectif est simple : éviter de bloquer au moment de connecter Claude, MindStudio et ClickUp au script Node.js.

Prérequis	Rôle dans le projet
Node.js 18 ou supérieur	Exécuter le script JavaScript côté serveur ou en local.
Compte Anthropic	Utiliser Claude pour générer ou améliorer les contenus LinkedIn.
Compte MindStudio	Orchestrer certains appels, notamment l’accès à Imagen 3 via plugin.
Compte ClickUp	Centraliser les idées, brouillons, statuts et validations.
Clés API	Autoriser le script à communiquer avec les services externes.
Identifiant de liste ClickUp	Indiquer dans quelle liste créer ou lire les tâches.

Node.js est utilisé parce qu’il permet d’exécuter du JavaScript hors du navigateur, directement sur votre machine ou sur un serveur. Node.js 18 est un minimum cohérent pour ce type de projet, notamment grâce à un support moderne de JavaScript. En production, mieux vaut quand même vérifier les versions supportées dans la documentation officielle Node.js, car les cycles de maintenance évoluent.

Les clés API, c’est-à-dire les jetons qui autorisent un programme à utiliser un service, doivent être stockées dans un fichier .env. Ce fichier évite d’écrire les secrets directement dans le code.

MINDSTUDIO_API_KEY=VotreCleMindStudio
ANTHROPIC_API_KEY=VotreCleAnthropic
CLICKUP_API_TOKEN=VotreTokenClickUp
CLICKUP_LIST_ID=VotreIdentifiantDeListeClickUp

Le fichier .env ne doit jamais être envoyé dans Git. Il contient des accès sensibles. Ajoutez-le à votre fichier .gitignore avant tout premier commit.

Pour Imagen 3, l’accès passe ici par le plugin MindStudio. Il n’y a donc pas de clé Google séparée dans ce montage. Google documente bien Imagen 3 dans Vertex AI, sa plateforme cloud pour les modèles d’intelligence artificielle, mais l’implémentation opérationnelle décrite ici se fait via MindStudio.

Quelques précautions évitent les mauvaises surprises :

• Donnez aux tokens les droits minimums nécessaires.
• Prévoyez une rotation régulière des clés API.
• Utilisez un environnement de test avant de toucher à votre vrai espace ClickUp.
• Gardez une validation humaine avant publication sur LinkedIn.

Une fois les accès prêts, le projet Node.js peut être initialisé proprement.

Comment configurer le projet Node.js ?

Pour démarrer proprement, je garde le projet volontairement simple : un dossier, un fichier de configuration privé, un script principal, puis les dépendances nécessaires pour appeler Claude et les compétences MindStudio.

mkdir linkedin-content-agent
cd linkedin-content-agent
npm init -y
npm install @mindstudio-ai/agent @anthropic-ai/sdk dotenv

Ces trois dépendances ont chacune un rôle précis :

• @mindstudio-ai/agent sert à utiliser les compétences d’agent MindStudio, par exemple searchGoogle pour rechercher des informations ou Imagen 3 pour générer des visuels.
• @anthropic-ai/sdk permet d’appeler Claude depuis Node.js. Un SDK, pour Software Development Kit, est une bibliothèque officielle qui simplifie les appels à une API.
• dotenv charge les variables d’environnement depuis un fichier .env, ce qui évite d’écrire les clés API directement dans le code.

Le fichier .env doit contenir vos identifiants privés :

MINDSTUDIO_API_KEY=Votre_clé_mindstudio
ANTHROPIC_API_KEY=Votre_clé_anthropic
CLICKUP_API_TOKEN=Votre_token_clickup
CLICKUP_LIST_ID=Votre_id_de_liste_clickup

Ces valeurs ne doivent jamais être publiées dans un dépôt Git. Le fichier .env doit donc être ajouté à .gitignore, surtout si le projet est stocké sur GitHub, GitLab ou Bitbucket.

Le fichier principal peut maintenant être créé dans agent.mjs. L’extension .mjs indique à Node.js que le fichier utilise les modules ECMAScript, donc la syntaxe moderne avec import.

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

dotenv.config();

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

const mindstudioApiKey = process.env.MINDSTUDIO_API_KEY;
const clickupApiToken = process.env.CLICKUP_API_TOKEN;
const clickupListId = process.env.CLICKUP_LIST_ID;

async function main() {
  try {
    if (!mindstudioApiKey || !clickupApiToken || !clickupListId) {
      throw new Error("Variables d’environnement manquantes.");
    }

    console.log("Agent LinkedIn prêt à démarrer.");
  } catch (error) {
    console.error("Erreur pendant l’exécution de l’agent :", error.message);
    process.exit(1);
  }
}

main();

À ce stade, le socle technique est prêt. La première vraie fonction métier sera la recherche du sujet, c’est-à-dire la capacité de l’agent à identifier un angle pertinent avant de rédiger un contenu LinkedIn B2B.

Comment produire le post et la tâche ClickUp ?

Pour produire le post et la tâche ClickUp, je chaîne quatre fonctions simples : researchTopic, writeLinkedInPost, generateInfographic et createClickUpTask. Chaque étape garde une responsabilité claire : chercher, rédiger, illustrer, puis préparer la relecture.

La recherche vient en premier. Une recherche web évite de produire un post hors-sol : elle apporte des éléments récents, des angles concrets et des références à vérifier avant publication. J’utilise searchGoogle avec deux requêtes : une requête large sur le sujet, puis une requête plus précise orientée chiffres, tendances ou exemples.

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

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

async function researchTopic(topic) {
  const broad = await searchGoogle(`${topic} B2B`);
  const specific = await searchGoogle(`${topic} chiffres tendances exemples étude 2024 2025`);

  return {
    topic,
    sources: [...broad, ...specific].slice(0, 8).map(result => ({
      title: result.title,
      excerpt: result.snippet,
      link: result.link
    }))
  };
}

async function writeLinkedInPost(topic, brief) {
  const prompt = `
Rédige un post LinkedIn en français, ton B2B, clair et utile.
Contraintes :
- Accroche directe.
- Paragraphes courts avec sauts de ligne.
- Une idée par bloc.
- Exemples concrets.
- Aucune promesse non vérifiée.
- Conclusion avec question ou appel à l’action.
- Ajoute une section "Sources internes" pour relecture, non publiée.

Sujet : ${topic}
Brief : ${JSON.stringify(brief)}
`;

  const response = await anthropic.messages.create({
    model: "claude-3-5-sonnet-latest",
    max_tokens: 1200,
    messages: [{ role: "user", content: prompt }]
  });

  return response.content[0].text;
}

Claude sert à transformer le brief en post publiable. Les conventions LinkedIn sont importantes : une accroche nette, des paragraphes courts, des sauts de ligne, une idée par bloc, des exemples concrets, puis une question ou un appel à l’action. La section Sources internes reste uniquement destinée à la relecture.

Le post peut ensuite nourrir un prompt Imagen 3 via MindStudio. L’image doit soutenir l’idée principale, pas répéter tout le texte. Sur LinkedIn, un ratio carré ou 4:5 fonctionne bien pour la lisibilité mobile.

async function generateInfographic(post, topic) {
  const prompt = `
Crée une infographie LinkedIn claire sur : ${topic}.
Ratio 4:5.
Peu de texte.
Style professionnel B2B.
L’image doit soutenir l’idée principale du post, sans tout répéter.

Post : ${post}
`;

  const response = await fetch(process.env.MINDSTUDIO_ENDPOINT, {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.MINDSTUDIO_API_KEY}`,
      "Content-Type": "application/json"
    },
    body: JSON.stringify({ prompt, model: "imagen-3" })
  });

  const data = await response.json();
  return data.imageUrl || data.fileUrl;
}

La dernière étape consiste à créer une tâche ClickUp. L’API ClickUp permet de créer une tâche dans une liste avec CLICKUP_LIST_ID et un token. L’endpoint officiel est documenté ici : POST https://api.clickup.com/api/v2/list/{list_id}/task, dans la documentation ClickUp API : https://developer.clickup.com/reference/createtask.

async function createClickUpTask({ title, post, brief, imageUrl }) {
  const response = await fetch(
    `https://api.clickup.com/api/v2/list/${process.env.CLICKUP_LIST_ID}/task`,
    {
      method: "POST",
      headers: {
        Authorization: process.env.CLICKUP_TOKEN,
        "Content-Type": "application/json"
      },
      body: JSON.stringify({
        name: title,
        status: "prêt à relire",
        description: `
Post LinkedIn :
${post}

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

Image :
${imageUrl || "Aucune image générée"}
`
      })
    }
  );

  return response.json();
}

Contrôle qualité	Question à vérifier
Source vérifiée	Les chiffres et liens proviennent-ils de sources fiables et consultables ?
Ton conforme	Le post reste-t-il clair, B2B et sans promesse excessive ?
Visuel lisible	L’infographie reste-t-elle compréhensible sur mobile ?
CTA pertinent	La conclusion invite-t-elle à une réponse utile ?
Validation humaine	Une personne a-t-elle relu le fond avant publication ?

Alors, faut-il automatiser toute votre production ?

Automatiser un agent LinkedIn a du sens si vous le traitez comme une chaîne de préparation, pas comme une machine à publier seule. Le bon montage part d’un sujet, enrichit le contexte par une recherche web, fait rédiger un brouillon à Claude, génère une infographie avec Imagen 3, puis dépose le tout dans ClickUp pour validation. La qualité vient surtout du cadrage : sources fiables, prompts précis, secrets API protégés et relecture humaine. Vous gagnez du temps sur l’exécution répétitive, tout en gardant la maîtrise éditoriale. Le bénéfice est simple : produire plus régulièrement sans sacrifier votre exigence.

FAQ

• Qu’est-ce qu’un agent LinkedIn automatisé ?
  Un agent LinkedIn automatisé est un workflow logiciel qui transforme un sujet en contenu prêt à relire. Il peut rechercher des informations, rédiger un brouillon, générer un visuel et créer une tâche dans un outil de gestion comme ClickUp. Il ne remplace pas la stratégie éditoriale ni la validation humaine.
• Pourquoi utiliser Claude pour rédiger le post ?
  Claude est utile pour synthétiser un brief, structurer un raisonnement et produire un texte lisible avec des contraintes de ton, de longueur et de format. Dans ce type d’agent, il sert surtout à transformer une recherche structurée en brouillon LinkedIn exploitable.
• À quoi sert Imagen 3 dans ce workflow ?
  Imagen 3 sert à générer une infographie ou un visuel d’accompagnement à partir du sujet et du post. L’objectif n’est pas de faire une image décorative, mais de rendre l’idée principale plus claire et plus visible dans le fil LinkedIn.
• Faut-il publier automatiquement sur LinkedIn ?
  Je déconseille de publier automatiquement sans validation. Le bon usage consiste à créer une tâche prête à relire dans ClickUp, avec le texte, le brief de recherche et le visuel. Vous gardez ainsi le contrôle sur les sources, le ton, les risques et la cohérence avec votre ligne éditoriale.
• Quelles clés API sont nécessaires ?
  Le montage décrit demande une clé MindStudio, une clé Anthropic et un token API ClickUp, ainsi que l’identifiant de la liste ClickUp où créer les tâches. Ces secrets doivent être stockés dans un fichier .env, jamais écrits en dur dans le code ni publiés dans un dépôt Git.

 

 

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 dans les process métier et le SEO/GEO. J’ai travaillé pour des références comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez cadrer un agent IA utile, fiable et connecté à vos outils business, contactez-moi.