Ta boîte mail est une mine d'or de renseignement privé

La plupart des gens traitent leur boîte mail comme une liste de tâches à la mauvaise UX. C'est en fait quelque chose de plus étrange. Un jeu de données comportementales de plusieurs années sur chaque personne avec qui tu travailles, posé sur ton disque dur. Chaque message est un horodatage, une relation, et un petit signal sur la façon dont l'expéditeur travaille.

Le temps de travailler une décennie, tu te retrouves avec quelque chose comme quarante à soixante mille e-mails archivés. C'est assez de lignes de données pour bâtir une vraie image de n'importe quel contact : quand il est en ligne, quand il te confie des pièces jointes, quand il se tait, quand il est là pour toi.

Si tu es un freelance qui jongle avec quinze fils clients, un fondateur qui tourne sur trois applications de messagerie, ou quiconque dont l'agenda est surtout un registre de conversations, tu possèdes déjà le jeu de données qui explique pourquoi certaines semaines marchent et d'autres non. Tu ne l'as probablement jamais lu.

Tu possèdes déjà un corpus OSINT privé

Le renseignement de sources ouvertes (OSINT) est la discipline qui consiste à bâtir une image de quelqu'un ou de quelque chose à partir de signaux publics et observables. Les analystes s'en servent pour des enquêtes. Les recruteurs pour du sourcing. Les journalistes pour de la vérification.

Tu peux faire quelque chose d'analogue avec un corpus qui est déjà le tien : ton courrier envoyé et reçu. Nous appelons cela l'intelligence de l'e-mail personnel, parce que l'OSINT ne couvre techniquement que les sources ouvertes, et que ta boîte mail en est une privée. Les techniques se ressemblent. Tu déduis des schémas à partir d'artefacts que la plupart des gens jettent.

Intelligence de l'e-mail personnel

Les schémas et déductions que tu peux extraire de ton propre historique d'e-mails, dont les rythmes des expéditeurs, les ratios de réponse, les relations dormantes et les archives de pièces jointes, sans envoyer un seul octet à un tiers.

Le hic, c'est que « ta boîte mail » signifie en général un onglet Gmail ou Exchange. La recherche est médiocre, les exports sont laborieux, et toute « fonctionnalité IA » qui promet de l'insight tend à le livrer en envoyant les données là où elles ne devraient pas aller.

La sous-application e-mail de Franz procède autrement. Les signaux sont calculés sur l'appareil, contre un cache SQLite par domaine. Le panneau d'intelligence ne fait jamais d'appel réseau. Ta boîte mail reste ta boîte mail.

Un exercice de deux secondes avant de commencer

Choisis un contact. Quelqu'un avec qui tu travaillais de près et dont tu n'as plus de nouvelles depuis un moment. Tu ne saurais probablement pas dire de tête quand il t'écrivait, à quelle fréquence il répondait, ni comment le rythme de votre conversation a changé. Les quatre signaux ci-dessous, c'est ce que le panneau peut retrouver pour cette personne, et pour toutes les autres, en une trentaine de secondes. Garde le nom en tête pendant ta lecture.

Signal n° 1 : le rythme de l'expéditeur

Le schéma le plus exploitable est aussi le plus simple : quand une personne donnée t'écrit-elle réellement ?

Agrège chaque message qu'un expéditeur a jamais envoyé dans une grille 7×24, jour de la semaine par heure, dans son fuseau local. Un rythme de travail apparaît. La plupart des gens sont extrêmement réguliers. Ils ont deux ou trois heures de pointe, un creux café, et une falaise nette à la fin de leur journée de travail.

Lis la démo ci-dessus comme une horloge. Maria envoie presque tout du mardi au jeudi entre 9 h et 11 h à son heure. Si tu lances une proposition à 18 h à Vienne, elle atterrit au bas de la file de demain sous douze fils plus récents. Si tu l'envoies à 22 h à ton heure la veille, juste avant qu'elle n'ouvre son ordinateur avec son café, tu es en haut.

La même matrice te dit autre chose : quand ne pas la déranger. Les vendredis après-midi sont froids. Les week-ends sont morts. Une « petite question » le samedi matin n'est pas petite. C'est une question du lundi 9 h avec une pénalité de latence de 48 heures.

La heatmap ci-dessus tourne sur des données de démo. Le même panneau face à tes propres contacts est une tout autre expérience ; tu te souviens soudain pourquoi les mardis à 11 h t'ont toujours semblé productifs. (Si tu veux sauter en avant et l'essayer, les détails de l'essai sont en bas de l'article.)

La plupart des études sur le « meilleur moment pour envoyer » font la moyenne sur des millions d'inconnus. Le seul expéditeur qui compte pour ton prochain e-mail, c'est la personne qui va le lire.

Signal n° 2 : la réciprocité

Le deuxième schéma porte sur la relation, pas sur le timing.

Pour chaque contact, la sous-application e-mail suit deux nombres : à quelle fréquence il t'écrit, et à quelle fréquence tu réponds. Le ratio, c'est toute la relation en un seul graphique.

Les gens à qui tu réponds plus vite qu'ils ne te répondent sont les relations que tu portes. Les gens qui écrivent trois fois pour chacun de tes messages sont à court de patience. Les gens qui étaient à 1:1 et glissent vers 5:1 sont sur le point de disparaître de ta vie.

Signal n° 3 : les fantômes

Le troisième schéma est celui dont personne ne veut admettre avoir besoin : avec qui tu es devenu silencieux.

La plupart des gens ont une longue traîne de relations qu'ils comptaient entretenir : anciens collègues, ex-clients, ce fondateur à qui tu avais promis de présenter quelqu'un. La chute est invisible par défaut, parce que les clients e-mail trient par récence. Les fils qui ont besoin d'attention sont ceux qui n'apparaissent pas.

Lancé sur ma propre boîte mail la première fois, le détecteur de fantômes a fait remonter entre vingt et cinquante contacts qui avaient franchi le seuil des soixante jours sans que je le remarque. Honnêtement, la plupart de ces relations ne reviendront pas. Une petite fraction le fera, et cette fraction a une valeur énorme.

Le détecteur de fantômes inverse le tri par récence. Il fait remonter les contacts à qui tu écrivais régulièrement et à qui tu n'as pas écrit depuis N jours, triés par la chaleur passée de la relation. C'est la fonctionnalité la plus inconfortable de l'application, et celle dont la plupart des gens nous remercient.

Signal n° 4 : l'enrichissement de l'expéditeur

Le quatrième schéma ne porte pas sur toi. Il porte sur eux.

Avant de répondre à un inconnu, trois choses comptent : qui il est, ce que fait son entreprise, et si quelqu'un de ton réseau le connaît. Le panneau d'intelligence assemble une fiche de profil à partir des signaux publics rattachés à son domaine et à son adresse : favicon, photo de profil publique s'il y en a une, identifiants sociaux extraits de sa signature, le texte « À propos » de son entreprise.

C'est la partie qui se rapproche le plus de l'OSINT au sens littéral, et celle où nous sommes les plus prudents. Nous ne faisons jamais de scraping. Nous ne rappelons jamais un fournisseur d'enrichissement tiers avec l'adresse e-mail. Tout ce que tu vois était soit dans l'e-mail lui-même, soit récupéré depuis un point public que l'infrastructure de l'expéditeur publie elle-même (un /.well-known/security.txt, une clé HKP publique, une page d'accueil autorisée par robots). Si ton contact a choisi de ne pas figurer sur le web public, il ne sera pas dans le panneau. La fiche sera presque vide, et c'est le bon résultat.

Mettre le tout ensemble : trouver leur créneau idéal de boucle

Chaque signal pris seul est un indice. Le geste qui compose, c'est de regarder les quatre à la fois.

Cette séquence (rythme, ratio, récence, pertinence) est toute la boucle. Faite à la main, elle est épuisante. Faite dans le panneau, c'est une vérification de trente secondes avant d'appuyer sur envoyer.

Ou saute complètement le panneau

Il y a une version plus discrète de tout ça à laquelle tu n'as pas du tout besoin de penser. L'intelligence vient à toi au moment où ça compte vraiment : à l'instant où tu es sur le point de répondre.

L'éditeur de message lit la même base de données par domaine que le panneau, et il fait remonter les deux signaux qui changent la décision devant toi, juste sous la pastille du destinataire. Sa fenêtre de réponse typique. Si tu es sur le point d'envoyer dans l'une de ses fenêtres d'attention ou dans l'une de ses fenêtres mortes. Pas de clics, pas de panneau, pas de détour.

Le but n'est pas de harceler. C'est de rendre le coût visible au seul moment où on peut encore agir dessus. Si la pastille dit « hors de ses heures habituelles, attends-toi à un délai », tu peux décider que c'est très bien et envoyer quand même, ou tu peux l'enregistrer comme brouillon et l'envoyer demain matin à son heure. L'un comme l'autre est un meilleur résultat qu'envoyer dans une fenêtre morte sans le remarquer.

Ce que tu perds en silence sans ça

Un petit paragraphe en cadrage de perte, parce qu'il serait malhonnête de le sauter. La plupart des expéditeurs dans nos données de test étaient deux à trois fois plus susceptibles de répondre à leur heure de pointe qu'à une heure aléatoire. Si tu envoies cinquante e-mails importants par an et que la moitié atterrit hors de la fenêtre, cela représente à peu près une semaine de réponses ratées. Pas de façon catastrophique ; en silence, et en continu, d'une manière qui n'apparaît jamais dans une boîte en particulier. À travers un réseau de cinquante contacts, le même schéma est responsable du lent effacement que tu n'arrives jamais tout à fait à expliquer.

Le but du panneau n'est pas d'optimiser chaque envoi. C'est de rendre le coût d'un envoi dans la mauvaise fenêtre assez visible pour que tu cesses de le faire par accident.

Local par défaut. Cloud au choix.

La raison pour laquelle la plupart des produits d'« IA pour l'e-mail » sont mauvais est structurelle. Pour te donner de l'insight, ils ont besoin de lire ton courrier, alors ils l'envoient à un serveur, alors le serveur devient une cible, alors l'histoire de la confidentialité meurt au deuxième paragraphe de la documentation.

Franz part d'un autre endroit. Le panneau d'intelligence tourne contre une base de données SQLite par domaine sur ton propre disque. Chaque graphique de cet article est construit à partir de ce cache local. Aucun appel réseau ne quitte le panneau. Le modèle qui classe un e-mail comme newsletter ou comme note personnelle est sur l'appareil. L'analyse des zones et l'extraction des pièces jointes tournent dans un thread de worker dans ton propre processus Electron. Rythme de l'expéditeur, réciprocité, détection de fantômes, enrichissement de l'expéditeur depuis des signaux publics : tout en local, toujours. L'architecture de confidentialité est identique sur Pro, que tu utilises ta propre clé de fournisseur ou Franz Cloud.

Le panneau d'intelligence lui-même fait partie de Franz Pro. Il est disponible sur Pro (5,99 $/mois avec ta propre clé), Pro Cloud (9,99 $/mois), et pendant l'essai gratuit de 14 jours. L'offre gratuite couvre la connexion des services, les espaces de travail et l'IA sur l'appareil ; la couche d'intelligence se débloque quand tu démarres l'essai ou que tu passes à un forfait supérieur.

Les fonctionnalités d'IA plus lourdes, c'est là où le calcul coûte réellement de l'argent : l'assistant de rédaction, la recherche sémantique profonde sur des années de courrier, la catégorisation intelligente à grande échelle. Là, tu as un choix, pas un détour forcé vers une base de données SaaS :

• Inférence locale (gratuite). Un modèle embarqué tourne entièrement sur l'appareil. Honnêtement plus lent que celui du cloud, surtout sur du matériel ancien. Rien ne quitte ta machine.
• Pro avec ta propre clé. Apporte ta propre clé de fournisseur. Franz agit comme un client léger. La requête part de ta machine vers ton compte chez OpenAI, Anthropic ou Google.
• Pro Cloud. Inférence cloud gérée pour qui veut la vitesse sans configurer de clés. Privacy-first par conception : nous n'entraînons pas sur ta boîte mail, nous ne gardons pas tes messages, et la frontière que tu attends d'un outil dont le siège est dans l'UE tient de bout en bout. Tu paies pour du calcul, pas pour une copie de tes données.

Quelques limites honnêtes, parce qu'elles vont se poser. Le panneau ne sait que ce que ta machine sait : il n'y a pas de profil multi-appareils, et l'application de bureau est l'endroit où vivent les données. Franz n'a pas d'application mobile aujourd'hui. Le panneau a besoin d'environ une journée pour se remplir avant que les schémas ne soient utiles. Et la heatmap ne vaut que ce que vaut ton archive ; si tu viens de connecter un compte, laisse-lui une semaine.

Le détail complet de ce qui reste local, de ce à quoi sert Pro Cloud, et de ce que Franz ne fait jamais de ton contenu se trouve dans Comment Pro Cloud traite tes données.

Nous n'avons pas atteint le cinquième signal

Il y a un cinquième signal qui n'a pas trouvé sa place dans cet article : l'archive des pièces jointes. Chaque fichier que tu as jamais échangé avec cette personne, trié par trimestre, remonté en ligne. C'est étonnamment émouvant à parcourir. Une autre fois.

Essaie-le sur ta propre boîte mail

Repense au contact que tu avais en tête au début. L'essai lance le panneau sur l'historique de cette personne, dans tes propres données, en environ une journée.