Medium : l'ingénierie de l'IA rapporte 5 000 $ en un mois

Un mois record sur Medium

En mai, mes revenus sur Medium ont dépassé les 5 000 $, un chiffre impressionnant obtenu grâce à mes écrits sur l'ingénierie de l'IA. Ce succès est d'autant plus remarquable que le mois précédent, le même compte avait enregistré 10,9 K vues, et deux mois auparavant, seulement 3,9 K. Ce bond spectaculaire pourrait sembler être le fruit de quelques articles viraux, mais la réalité est plus complexe. En effet, si ces articles avaient été publiés sur un compte tout neuf, ils auraient sans doute connu un pic avant de retomber. Cependant, sur mon compte, ils ont suscité un intérêt pour une quinzaine d'autres articles. Les lecteurs, après avoir lu un article sur les LLM locaux, ont exploré mon profil et cliqué sur d'autres articles portant sur la génération augmentée par récupération et les architectures d'agents.

Un changement progressif mais significatif

Le mois de mars avait été relativement calme. Je publiais régulièrement, mais les signes d'engagement étaient sporadiques : un commentaire ici, un extrait de code mis en avant là. Le trafic était imprévisible. Cependant, à la mi-avril, un changement a commencé à se manifester. Même sans succès viral immédiat, mes vues quotidiennes de base augmentaient. Chaque nouvel article publié entraînait une vague secondaire de trafic vers les anciens. Ainsi, le catalogue s'animait, et les lecteurs qui découvraient une de mes œuvres se mettaient à explorer les autres.

En mai, la situation a évolué de manière significative. Les recommandations ont cessé d'être aléatoires, et un type de lecteur axé sur la construction a commencé à apparaître régulièrement. Lorsqu'un article décollait, le trafic se répandait dans le reste du catalogue. Je me souviens d'un mardi matin où, en actualisant le tableau de bord, j'ai vu un ancien article sur le RAG de mars revenir soudainement dans les classements quotidiens, juste à côté d'un article que j'avais publié douze heures plus tôt.

Ne pas se fier uniquement aux articles viraux

Lorsque les gens voient un mois aussi fructueux, ils cherchent souvent à comprendre quels articles ont généré le plus de succès. En examinant mon tableau de bord de mai, il est clair que quelques articles spécifiques ont généré la majorité des chiffres. Mon guide sur la configuration de Claude Code a attiré 39 000 vues et près de 20 000 lectures, rapportant environ 1 360 $. Un autre article sur les meilleurs LLM locaux pour la programmation a également obtenu 39 000 vues et 18 900 lectures, générant un peu plus de 2 000 $ — c'était mon article le plus rémunérateur. Une liste de 12 livres sur l'IA a rapporté 28 000 vues, 12 800 lectures et 714 $.

Il serait tentant de conclure que je devrais simplement écrire plus de listes et de guides de configuration. Cependant, ces pics n'ont eu de l'importance que parce qu'il y avait 20 autres articles sur lesquels les lecteurs pouvaient atterrir ensuite. Lorsqu'un développeur a cliqué sur le guide de configuration de Claude Code, il a trouvé un tutoriel utile. En bas de cette page, il a vu des liens vers mes autres travaux. Ils ont découvert des plongées techniques approfondies comme "RAG Chunking That Works", "Systèmes Multi-Agents" et une comparaison détaillée de LangGraph contre Temporal. Si mon profil n'avait contenu que des nouvelles génériques sur l'IA, ce développeur aurait fermé l'onglet. Parce qu'il contenait des articles d'ingénierie denses, ils ont réalisé que j'étais un constructeur. Ils ont cliqué sur le bouton de suivi, ont rejoint la liste de diffusion et ont consulté des articles plus anciens.

Une niche bien définie

J'ai tracé une frontière stricte autour de mes sujets. La niche n'était pas l'intelligence artificielle au sens large, mais l'ingénierie de l'IA spécifiquement. Si j'écrivais sur l'IA en général, je serais en concurrence avec des sites d'actualités et des fermes de contenu génériques. Je finirais par écrire sur la façon dont l'IA va changer l'avenir du travail, ce qu'aucun ingénieur ne veut lire. Au lieu de cela, j'ai décomposé ma niche en voies très spécifiques. Cette cartographie spécifique a fonctionné. Elle avait suffisamment de volume de recherche pour être pertinente, mais les extraits de code ont naturellement filtré les personnes cherchant des astuces de prompt pour ChatGPT. C'était également profondément connecté. Si quelqu'un lit un article sur le RAG chunking, il est naturellement intéressé par un article sur le reranking ou la recherche hybride. Je devais rester discipliné ici. Écrire un excellent article sur les agents Python aujourd'hui et un article générique sur la productivité demain diluerait simplement la base de lecteurs exacte que j'essayais de construire.

La composition : un processus lent mais efficace

À la fin avril, j'ai réalisé que la composition dans la création de contenu ressemble à absolument rien pendant des semaines. Cela ressemble à de petits mouvements ennuyeux. Je publiais un article et obtenais 50 vues. Je publiais un autre et obtenais 70. Puis, les anciens articles ont commencé à se déclencher ensemble. Le schéma se répétait à chaque fois. Un nouvel article attirait l'attention. Les lecteurs cliquaient dessus, terminaient leur lecture, et le moteur de recommandation faisait apparaître un article de trois semaines auparavant en bas de la page. Le pic de Claude Code a directement aidé mes anciens articles sur les flux de travail de codage en IA. L'article sur les livres d'IA a redirigé du trafic vers mes articles de feuille de route. L'article sur le RAG Chunking a maintenu mon autorité technique sur le RAG et a alimenté le trafic vers mon guide de reranking. Vous ne pouvez pas juger un article technique par son trafic de la première semaine, car un article sur les agents Python peut rester inactif pendant un mois jusqu'à ce qu'un article connexe sur LangGraph le réveille soudainement.

L'importance des plongées techniques

Je pensais auparavant qu'il fallait choisir : tutoriels approfondis ou aperçus larges. Mai m'a appris qu'il faut les deux, pour des raisons différentes. Les plongées techniques approfondies ont prouvé ma compétence. Mon article sur le RAG Chunking était dense, rempli de motifs regex pour le parsing de markdown et d'explications détaillées des limites sémantiques. Il n'est pas devenu viral. Il a enregistré 2 700 vues et 1 100 lectures. Mais les personnes qui l'ont cliqué l'ont lu, avec un taux de lecture d'environ 40 %. Pendant ce temps, ma comparaison architecturale approfondie de LangGraph contre Temporal n'a obtenu que 959 vues, mais a rapporté 119,91 $. C'est un ratio élevé de gains par vue. Il a bien monétisé parce qu'il répondait à une question architecturale spécifique que les ingénieurs seniors recherchaient. Ils essayaient de décider entre les machines d'état et l'exécution durable pour leur orchestration d'agents, et ils ont passé dix minutes à lire chaque mot de cet article. La plus grande découverte est venue des articles avec des points d'entrée plus larges.