Un spécialiste du marketing a créé en cinq mois Znich, un outil d'analyse par IA pour les vidéastes YouTube

Un spécialiste du marketing a raconté sur Habr comment il a construit seul, en cinq mois, Znich, un outil d'analyse par IA pour les créateurs de vidéos YouTube. L'outil répond à une question qui hante tout créateur de contenu : pourquoi une vidéo atteint un million de vues, alors qu'une autre, réalisée avec les mêmes efforts et une qualité comparable, sombre dans le silence.

D'où est venue l'idée

Dans son métier de marketeur, l'auteur analysait régulièrement la concurrence : il regardait quelles vidéos décollaient et cherchait des régularités. YouTube Studio livre les données sans difficulté : rétention de l'audience, CTR des miniatures, sources de trafic, positions dans la recherche. Mais tout est éparpillé. Pour obtenir une vue d'ensemble, il faut croiser les chiffres à la main, comparer les vidéos entre elles, formuler des hypothèses et les vérifier une à une. Ce processus prenait des heures et ne garantissait pas de réponse à la question principale.

L'auteur a décidé d'automatiser l'analyse, non pour lancer une startup, mais pour son propre travail quotidien. Le détail compte : Znich est né comme un outil pour lui-même et n'est devenu un produit que plus tard. C'est pourquoi il ne contient rien de superflu : chaque fonction règle un problème précis que le créateur a rencontré personnellement, et à de nombreuses reprises.

Ce que sait faire Znich

Cinq mois de développement, sans formation classique d'ingénieur, essentiellement avec des outils d'IA et une approche itérative. L'auteur décrit le processus sans détour : chaque fonction apparaissait quand la dernière difficulté devenait insupportable et l'analyse manuelle trop coûteuse.

Znich analyse ce que l'analytique standard ne fournit pas sous une forme prête et interprétée :

• La rétention de l'audience sur la ligne de temps : où exactement les spectateurs partent, et à quelle seconde
• Le CTR de la miniature associé au titre : ce qui fonctionne le mieux dans une niche donnée et chez les concurrents
• Les sources de trafic et leur part : recherche, recommandations, accès directs, liens externes
• La structure des vidéos à succès des concurrents : premières secondes, transitions, conclusions
• Les schémas de viralité : ce que les vidéos à millions de vues d'une niche ont en commun

La différence de fond : pas seulement des chiffres, mais de l'interprétation. La couche d'IA cherche à répondre au « pourquoi », pas seulement au « combien ». Cela déplace le travail de l'auteur de la collecte de données vers la prise de décision éditoriale.

Fonction après fonction, par la douleur

L'auteur explique que le produit a évolué non selon une feuille de route, mais au gré des plaintes, à commencer par les siennes. Si une analyse devait être faite à la main plus de deux fois, une nouvelle fonction voyait le jour. Aucune planification produit au sens classique : seulement la douleur comme méthode de priorisation.

« YouTube Studio montre honnêtement les chiffres : rétention, sources de trafic, CTR.

Mais ces chiffres ne contiennent pas de réponse d'ensemble : il faut la reconstituer à la main », écrit l'auteur.

Construire d'abord pour soi a donné au produit une qualité rare : chaque élément de l'interface répond à un problème réel, et non supposé. Cela contraste fortement avec les tableaux de bord analytiques conçus selon le principe « ajoutons tout ce qui se mesure », devenus des interfaces surchargées où il est difficile de trouver la réponse à une question simple.

En cinq mois, le produit est passé d'un script personnel à un outil abouti doté d'une interface complète. L'auteur ne cache pas que le processus a été non linéaire et parfois douloureux, mais chaque itération rapprochait un peu plus Znich de la question qui avait tout déclenché.

Ce que cela signifie

L'histoire de Znich illustre bien comment les outils d'IA ont ouvert le développement aux profils non ingénieurs. Un spécialiste du marketing sans bagage technique a assemblé en cinq mois un produit de niche fonctionnel, ce qui aurait auparavant exigé une équipe complète de développeurs. Le seuil d'entrée pour créer des outils SaaS spécialisés est tombé au niveau d'une seule personne avec un problème clair, du temps et l'envie de le résoudre.