Créateur

Fusion de Modèles

Un synthétiseur Content Spy : noter 14 patterns de packaging sur une vidéo publiée, puis recommander les blends à lancer ensuite. Dix crédits. Mode comparaison inclus. Pas l’outil Content Lab du même nom.

Aperçu

La Fusion de Modèles Spy est dans Content Spy, sous Viralité & Croissance. Vous choisissez une vidéo publiée. Le modèle note 14 patterns nommés sur le packaging (titre, description, tags, classe de durée), puis synthétise des blends recommandés, une stack psychologique et des upgrades structurels. C’est de l’optimisation, pas de la classification. Les Mécaniques Virales classent ce qui a déjà tiré. Cet outil dit quoi combiner ensuite.

Le Content Lab a déjà une page Fusion de Modèles sur /resources/pattern-fusion (3 crédits : Identification, Fusion Analysis, Innovation, Replication Blueprint). Le Lab reverse-engineere comment une vidéo chargée fusionne des formats. Spy note le packaging, puis propose de nouveaux blends. Même nom. Produit, coût et URL différents.

Lancer l’outil

  1. 1Ouvrez Content Spy et sélectionnez Fusion de Modèles — ou lancez le mode comparaison et ajoutez cet outil.
  2. 2Choisissez une vidéo publiée (ou non répertoriée). Pas de formulaire. Durée ≤ 60 secondes = YouTube Shorts ; plus long = YouTube Video.
  3. 3Confirmez. 10 crédits — identique en run seul ou par vidéo en comparaison.
  4. 4Lisez d’abord Blend Strength et le Dominant Cluster (Attention, Retention ou Conversion). Puis les 14 scores, les blends recommandés, et les upgrades hook / rétention / conversion.
Dix crédits, entre Mécaniques Virales (15) et Valeur Estimée (8). Lancez Mécaniques Virales pour une carte à 15 patterns avec transcription et vision miniature. Lancez celui-ci pour des blends à appliquer.

Données utilisées

Payload packaging. Pas de fenêtre de transcription. Pas de passe vision miniature — contrairement aux Mécaniques Virales et au CTR Audit.

  • Titre, description (800 premiers caractères), jusqu’à 15 tags.
  • Classe de durée : YouTube Shorts si ≤ 60 secondes, sinon YouTube Video. Ça bascule les règles de blend Shorts vs long-form.
  • Chaîne, vues, likes, commentaires — contexte seulement. Ils ne gonflent pas un pattern tout seuls.

Ce qui n’est pas dans le payload

  • Transcription — ce moteur ne lit pas la preuve parlée. Les patterns de rétention sont inférés du packaging, pas du corps du script.
  • Vision miniature — le prompt parle de signaux miniature, mais cette route ne lance pas de modèle vision. Pas de paragraphe visage/overlay ici.
  • Un formulaire brouillon. La vidéo doit être dans la bibliothèque.
Les lignes monétisation (lift CTR, lift rétention, RPV estimé 2–25 $) sont des estimations du modèle, pas AdSense, pas le RPM YouTube Analytics.

Quatorze patterns, trois clusters

Chaque run note les 14 noms (0–100). 0 = absent. ~30 faible. ~50 modéré. ~70 fort. 90+ dominant. Le Dominant Cluster est le groupe le plus fort : Attention, Retention ou Conversion.

Recettes nommées que le modèle peut recommander : Curiosity + Open Loop + Escalation (binge-watch). Fear + Specificity + Outcome (haute conversion). Identity + Validation + Tribal (communauté). Surprise + Escalation + Rewatch (viralité). Validation, Tribal et Rewatch sont des noms de recette — pas des piliers notés en plus des 14.

Attention drivers

Accroche
  • Curiosity Gap, Cognitive Dissonance, Surprise, Fear / Loss, Identity Hook.
  • Shorts : interrupt dans les 1–2 premières secondes. Long-form : le titre doit encore gagner le clic avant qu’une boucle puisse marcher.

Retention drivers

Watch-time
  • Open Loop, Micro-Narrative, Escalation, Progressive Revelation.
  • Shorts : nouveau stimulus toutes les 2–4 secondes, boucles qui se ferment en 30–60 secondes. Long-form : boucles empilées, re-hooks toutes les 60–90 secondes.

Conversion drivers

Action
  • Outcome Reinforcement, Authority, Specificity, Risk Reversal, Payoff.
  • Ça note si le packaging promet une action concrète et peu risquée — pas si le spectateur s’est abonné.

Résultat

Un run solo renvoie l’analyse de blend. Le mode comparaison renvoie une carte de poids compacte, au même coût de 10 crédits par vidéo.

  • Pattern Scores — les 14 noms, chacun 0–100 avec un pourquoi de 5–15 mots.
  • Current Blend Profile — Dominant Cluster (Attention / Retention / Conversion), Blend Strength 0–100, zones de déséquilibre.
  • Recommended Blends — recettes nommées avec patterns, but, et impact attendu pour cette vidéo.
  • Psychological Stack — triggers ordonnés à déployer dans le cut.
  • Structural Upgrades — Hook, Retention, Conversion.
  • Monetization Impact — lift CTR, lift rétention, impact RPV estimés. Des estimations, pas des factures.
  • Mode comparaison : patterns dominant / secondaires plus six poids compactes — pas le dump 14 lignes.
Un Blend Strength de 71 mesure comment le mix actuel tient ensemble — pas un % de viralité, pas le Pattern Fusion Score du Lab, pas un RPM.

Étude de cas

Scénario de documentation composite — pas un rapport client. Les scores sont des jugements du modèle sur le packaging, pas Analytics.

Scénario

Une vidéo concurrente publiée « J’ai compris pourquoi mon workflow était cassé — et ce n’était pas les outils ». Long-form (plus de 60 secondes). Le titre retient la cause. La description liste des outils, pas une tentative ratée. L’escalation est le trou.

Contexte (entrées disponibles)

  • Vidéo publiée — titre, description, tags, classe de durée
  • Pas de transcription, pas de vision miniature
  • Type : YouTube Video (> 60 s)
  • Coût : 10 crédits IA

Résultat de l’outil

Scores de patterns

0–100

66avg
  • Curiosity Gap84/100
  • Identity Hook71/100
  • Specificity70/100
  • Open Loop62/100
  • Escalation41/100
Fusion de Modèles — Content Spy
Curiosity Gap84 / 100
84
Identity Hook71 / 100
71
Specificity70 / 100
70
Open Loop62 / 100
62
Escalation41 / 100
41
71

Blend Strength

71 / 100

Cluster dominant : Attention. Déséquilibre : titre qui retient, escalation faible dans le milieu décrit. Blend recommandé : Binge-Watch (Curiosity + Open Loop + Escalation).

Blend recommandé

  • Patterns : Curiosity Gap, Open Loop, Escalation.
  • But : garder la cause retenue vivante après le tour des réglages.
  • Impact : moins de sorties mid-vidéo si chaque beat d’outil est plus intense que le précédent.

Upgrades

  • Hook : gardez la cause retenue ; nommez le coût dans la première ligne de description.
  • Rétention : une tentative ratée avant le reveal pour qu’Escalation ait un beat.
  • Conversion : fermez sur un seul défaut à tester, pas une stack de 12 outils.

À retenir

  • Spy Fusion propose le prochain mix. Ça ne certifie pas que cette vidéo a déjà bien fusionné.
  • Lab Fusion de Modèles (3 crédits) est le reverse-engineer / Replication Blueprint. Cette page-là quand vous voulez de l’identification, pas de la synthèse.
  • Pas de transcription ici. Pour de la preuve parlée, lancez Mécaniques Virales (15) ou Analyse de Rétention (6) sur la même vidéo.

Questions fréquentes

C’est la même Fusion de Modèles que dans Content Lab ?

Non. Lab = outil de recherche à 3 crédits : Identification, Fusion Analysis, Innovation, Replication Blueprint, Pattern Fusion Score global. Spy = synthétiseur à 10 crédits sur le packaging de bibliothèque, avec mode comparaison. URLs : /resources/pattern-fusion (Lab) vs /resources/spy-pattern-fusion (cette page).

Quelle différence avec les Mécaniques Virales ?

Les Mécaniques Virales classent 15 patterns comportementaux à partir de la transcription + vision miniature (15 crédits). La Fusion note 14 patterns de packaging sans transcription ni vision, puis recommande des blends (10 crédits). Classer d’abord, fusionner ensuite — ou sauter la classification si vous voulez seulement des recettes.

Est-ce qu’elle lit la transcription ou la miniature ?

Ni l’une ni l’autre. Titre, description, tags, classe de durée, métadonnées d’engagement. Pas de fenêtre 8 000 caractères. Pas de paragraphe vision.

Qu’est-ce qui compte comme Short ici ?

Une durée de 60 secondes ou moins — YouTube Shorts. Même ligne que Mécaniques Virales Spy. Pas le Short-form 180 secondes de l’Analyse de Rétention.

Le lift CTR et le RPV, c’est de l’argent réel ?

Non. Ce sont des estimations du modèle. Le RPV est borné à 2–25 $ pour 1 000 vues dans le prompt. Pas AdSense. Pas le RPM Analytics.

Puis-je comparer deux vidéos ?

Oui. Mode comparaison activé. 10 crédits par vidéo. La carte compare est compacte (dominant, secondaires, six poids) — pas le dump 14 patterns.

Combien coûte un run ?

10 crédits IA. La comparaison multiplie par 2 ou 3.

Et ensuite

Mécaniques Virales

Classez 15 patterns sur la même vidéo publiée (transcription + vision miniature, 15 crédits).

Fusion de Modèles (Lab)

L’outil Content Lab à 3 crédits : reverse-engineerer la fusion d’une vidéo chargée et obtenir un Replication Blueprint.

Content Spy

Le reste des outils spy, y compris Valeur Estimée quand vous voulez des estimations de monétisation ensuite.

Crédits IA

La Fusion Spy coûte 10 crédits — identique en run seul ou par vidéo en mode comparaison.