Evidence Media

Au printemps 2025, j'ai lance Evidence Media, une plateforme mediatique independante qui automatise la curation et la publication d'actualites sourcees sur X et Substack. Ce qui a debute comme un projet personnel pour contrer les biais mediatiques a evolue a travers cinq versions majeures en un media entierement autonome couvrant 8 categories quotidiennement sur plusieurs formats et plateformes.

Evidence Media est un pipeline d'information entierement autonome et propulse par l'IA, concu pour selectionner, analyser et diffuser des actualites independantes pour le public nord-americain. Il publie quotidiennement sur X (breves, threads, ultra-courts, citations) et Substack (articles de fond par categorie, un Daily Brief gratuit et des Notes tout au long de la journee).

Depuis la pandémie de COVID-19, la confiance envers les médias traditionnels a été profondément ébranlée, en raison de la collusion manifeste entre institutions, gouvernements et organes de presse. Cette convergence a donné naissance à un discours uniformisé, associé à une censure systémique orchestrée par ce qu’on appelle aujourd’hui le censorship industrial complex. Face à cette réalité, un nombre croissant de citoyens ont choisi de se tourner vers des sources d’information indépendantes : journalistes autonomes, newsletters spécialisées, podcasts alternatifs et réseaux sociaux comme X.

Mais dans ce paysage décentralisé, rester réellement informé est devenu une tâche extrêmement chronophage. Il faut croiser, vérifier et filtrer un volume croissant d'informations éparses, ce que peu de gens ont le temps de faire.

C’est précisément là qu’intervient Evidence Media : sa mission est de filtrer et d’agréger les actualités indépendantes les plus importantes pour les Nord-Américains (Canada et États-Unis). Le projet couvre les thématiques suivantes : affaires et économie, actualités générales, environnement, santé, affaires internationales, politique, science et technologie, et société.

Chaque information relayée est accompagnée de sa source primaire, permettant au lecteur d’en juger la pertinence, d’en vérifier l’exactitude ou d’approfondir ses recherches s’il le souhaite. Contrairement aux médias traditionnels, souvent inféodés à une ligne éditoriale imposée, ou à certains médias indépendants peu rigoureux sur la traçabilité de leurs contenus, Evidence Media se distingue par sa transparence, sa fiabilité et son engagement méthodologique.

Le projet a ete lance au printemps 2025. Apres quatre iterations majeures, la V5 a ete livree au printemps 2026, une reconstruction complete avec une couverture de tests exhaustive, des workflows automatises, un logging structure et un systeme d'amelioration editoriale continue.

Evidence Media est un projet que j’ai mené 100 % en solo, de la vision initiale jusqu’à l’exécution finale :

• Chef de produit : j'ai defini la mission, l'identite editoriale, le positionnement, les personas cibles et la vision a long terme.
• Developpement backend : j'ai concu l'architecture V5 complete en Python selon les principes TDD/SOLID, avec des modeles de domaine, des adaptateurs, des pipelines et 919 tests unitaires.
• Integration IA : j'ai orchestre un pipeline multi-modeles utilisant xAI Grok (toutes les taches LLM), OpenAI (embeddings) et Anthropic Claude (Selenium auto-reparateur), avec optimisation par API batch et mise en cache des prompts.
• Automatisation avancee : j'ai concu un pipeline CI/CD entierement automatise avec des gardes de sortie anticipee, des alertes de defaillance doubles (suivi d'issues + email) et une planification intelligente sur plusieurs fenetres de publication quotidiennes.

Du concept à l’itération, de la première ligne de code à la ligne éditoriale, j’ai assumé chaque décision avec un objectif clair : créer une plateforme d'information automatisée, résiliente et digne de confiance, au service du bien commun.

La création d’Evidence Media est née d’un constat limpide : rester correctement informé est devenu une tâche complexe et chronophage. Ce déficit informationnel laisse les politiciens, institutions et acteurs d’influence agir sans réel contre-pouvoir — un danger majeur pour toute société démocratique. Jadis, le journalisme faisait office de rempart. Aujourd’hui, les médias traditionnels sont détenus par ceux qu’ils sont censés surveiller, brisant irrémédiablement le lien de confiance.

Evidence Media est une réponse directe à ce déséquilibre, fondée sur trois piliers : une observation personnelle, un besoin tangible de clarté dans un paysage médiatique fragmenté, et une impulsion créative visant à structurer l’information indépendante de manière accessible et crédible.

Mon parcours à HEC Montréal a façonné la vision stratégique et le modèle d’affaires du projet, tandis que mes expériences avec Wise Duck Dev GPTs et Jean The Writer m’ont permis d’acquérir l’expertise en intelligence artificielle et en automatisation nécessaire pour construire une solution à la fois robuste, fiable et entièrement scalable.

Evidence Media est né d’une mission claire : offrir une information indépendante, sourcée, fiable et pertinente, avec un signal maximal et un bruit minimal. J’ai démarré par un MVP fonctionnel (Version 1) centré sur l’automatisation, la qualité du contenu et l’intégrité éditoriale.

Plutôt que de construire autour de personas prédéfinis ou de suivre les tendances algorithmiques, j’ai conçu le média que j’aurais aimé trouver : aligné avec mes principes, affranchi du vacarme médiatique traditionnel, et respectueux de l’intelligence du lecteur.

Cette approche centrée produit et guidée par mes valeurs m’a naturellement conduit à définir une doctrine politique unique, qui est devenue la colonne vertébrale éditoriale du projet, garantissant la cohérence, l’honnêteté et la responsabilité civique de chaque contenu diffusé.

La V5 publie plusieurs formats de contenu sur X tout au long de la journee sur des fenetres strategiques, incluant des breves, threads, ultra-courts et citations. Sur Substack, elle publie des articles quotidiens par categorie (payants), un Daily Brief gratuit chaque matin et des Notes tout au long de la journee.

La strategie de croissance privilegie la qualite du contenu aux metriques de vanite. Le Daily Brief gratuit construit la confiance et l'audience, les articles payants convertissent les lecteurs engages, et une boucle de retour Kaizen ameliore continuellement le cadre editorial a partir de la couverture reelle des actualites.

La méthodologie suivie fut agile et itérative, avec une amélioration continue des formats, du ton éditorial et des logiques d’automatisation, guidée par les observations personnelles, les retours utilisateurs, les commentaires, et les signaux algorithmiques.

Enfin, le système a été pensé pour la résilience et la scalabilité : 100 % automatisé, agent-ready, et structuré pour évoluer au rythme des capacités offertes par les APIs des plateformes.

• Langage : Python 3.12
• IA : xAI Grok (toutes les taches LLM), OpenAI (embeddings), Anthropic Claude (auto-reparation)
• APIs : xAI SDK, xdk (SDK officiel X), OpenAI API, Anthropic API, Google API, Wikidata API
• Automatisation : GitHub Actions (CI/CD), planification cron, randomisation quotidienne intelligente
• Securite : HashiCorp Vault, rotation de tokens OAuth 2.0
• Publication : curl_cffi (API Substack), Selenium (fallback), Tweepy (upload media X)
• Qualite : pytest (suite de tests exhaustive), Pydantic (modeles de domaine), logging structure compatible GCP

L'architecture V5 suit une separation claire des responsabilites : modeles de domaine (Pydantic), adaptateurs (APIs externes), pipelines (orchestration) et points d'entree (CLI). Chaque integration externe est encapsulee dans un adaptateur type avec logique de retry, logging structure et suivi des couts.

L'optimisation des couts est centrale : API Batch xAI (50% de reduction sur les tokens), mise en cache des prompts via conversation IDs (jusqu'a 75% de reduction) et suivi centralise des tarifs de tous les fournisseurs.

Evidence Media ne possède pas d’interface utilisateur classique : son expérience repose entièrement sur le contenu produit. J’ai concentré mes efforts sur la création d’un format lisible, fiable et reconnaissable, inspiré des comptes X et Substack les plus efficaces. Chaque publication est conçue pour offrir une clarté immédiate et une crédibilité traçable, en citant systématiquement les sources d’origine, à la manière de notes de bas de page académiques, afin que les lecteurs puissent soit juger rapidement de la fiabilité d’une information, soit approfondir s’ils le souhaitent.

Le principal défi UX résidait dans les hallucinations des modèles IA et leur instabilité sur les sujets politiquement sensibles. J’ai réduit ce phénomène grâce à une ingénierie de prompt rigoureuse et des contraintes personnalisées, ce qui a considérablement limité les dérives factuelles. Certains sujets restent néanmoins complexes à traiter avec les modèles actuels, ce qui renforce l’importance de sourcer chaque publication.

Pour favoriser la découvrabilité et l’adoption progressive, j’ai introduit une structure cohérente : des posts courts, sourcés et percutants sur X ; des articles plus longs, catégorisés et contextualisés sur Substack. Ce double format renforce la confiance, fidélise les lecteurs, et soutient l'engagement dans le temps.

Evidence Media repose entièrement sur une base de code hébergée sur GitHub, avec des automatisations orchestrées via GitHub Actions, déclenchées de manière planifiée ou événementielle. Bien qu’il ne s’appuie pas sur des plateformes de déploiement classiques (comme Vercel ou AWS), son architecture est pensée pour être résiliente, modulaire et infiniment scalable.

Chaque composant fonctionnel, de l’extraction de contenu à la génération via IA, jusqu’à la publication, est encapsulé dans des scripts indépendants, pouvant être scalés horizontalement ou déclenchés séparément, selon les besoins.

L'integration continue (CI/CD) est assuree par GitHub Actions, tandis que le suivi des performances et l'analytique s'effectuent directement via les tableaux de bord natifs de X et Substack. Les seules veritables limites proviennent des quotas des API (xAI, X API, OpenAI, etc.), qui definissent le debit, mais l'architecture en elle-meme permet une publication continue 24/7 a l'echelle industrielle avec un minimum d'ajustements.

En résumé, ce pipeline n’est pas seulement automatisé : il est conçu pour croître.

• V1 : Pipeline X (posts courts et sources).
• V2 : Refonte du contenu, amelioration du rythme et du format.
• V3 : Integration Substack (articles quotidiens sources).
• V4 : Pipeline 100% autonome 24/7 sur Raspberry Pi + GitHub Actions.
• V5 (actuel) : Reconstruction complete avec architecture propre, multiples formats de publication, infrastructure auto-reparatrice, abonnement payant et amelioration editoriale continue.

Prochaine etape : fine-tuner un modele sur le dataset curate pour ameliorer le contexte inter-actualites et les liens historiques.

Le compte X d'Evidence Media a depasse les 500 abonnes organiques, avec une croissance constante portee par un contenu source et de qualite. L'adoption sur Substack progresse regulierement avec l'introduction de l'abonnement payant et du Daily Brief. Les retours du public valident l'approche editoriale : les lecteurs apprecient la transparence, le sourcing systematique et la volonte de couvrir les actualites ignorees par les medias traditionnels.

L’engagement varie selon les sujets traités, mais l’accueil global confirme la mission du projet : offrir une information indépendante, vérifiable, dans une ère marquée par la méfiance envers les institutions. Le succès du système démontre que l’automatisation, la traçabilité des sources et l’itération rapide sont les piliers essentiels pour construire la confiance et l’impact dans les médias numériques.

Evidence Media n’a pas été un simple projet d’automatisation, c’était une plongée en profondeur dans la création, de A à Z, d’un média vivant, automatisé, propulsé par l’IA. Il a affûté toutes les dimensions de ma boîte à outils technique : Python, scraping web, prompt engineering, intégrité des données, pipelines CI/CD, orchestration d’APIs et cybersécurité avec HashiCorp Vault. J’ai bâti des systèmes non seulement rapides et scalables, mais aussi résilients, vérifiables et transparents, des qualités essentielles dès lors qu’on touche à la diffusion d’information.

J’ai appris à dompter les grands modèles d’IA dans des contextes éditoriaux sensibles, à corriger les hallucinations, les biais et les incohérences grâce à des stratégies de prompt en couches et à des filtres de contenu dynamiques. J’ai développé des méthodes pour que l’IA soutienne la compréhension humaine, au lieu de la déformer, en préservant la véracité et la traçabilité via un sourcing rigoureux, à la manière des publications académiques.

Mais au-delà de la tech, ce projet m’a ancré une conviction forte : ce qui est vraiment utile ne naît pas nécessairement des tendances ou des métriques d’audience, mais de la résolution d’un problème personnel, à grande échelle. J’ai construit le média que je cherchais. Celui dont j’avais besoin, mais qui n’existait pas.

Et surtout, j’en ressors avec une règle que j’applique partout désormais : itérer vite vaut mieux que viser la perfection. Livrer rapidement, observer les retours réels, améliorer en continu, c’est le chemin le plus sûr vers des systèmes fiables et à fort impact.

Leçon fondamentale : Pense librement. Itère rapidement. Automatise sans relâche. Crée des solutions que tu utiliserais toi-même, et d’autres suivront.