Le slop IA est un problème de processus

Deux dictionnaires ont fixé le vocabulaire l’an dernier. En novembre, le Macquarie Dictionary, en Australie, a choisi « AI slop » comme mot de l’année et l’a défini comme un contenu de faible qualité produit par l’IA générative, souvent entaché d’erreurs, que personne n’a demandé. En décembre, les éditeurs du dictionnaire Webster’s, aux États-Unis, ont retenu simplement « slop » : « contenu numérique de faible qualité, produit généralement en grande quantité au moyen de l’intelligence artificielle ». Son président, Greg Barlow, a confié à l’Associated Press : « C’est presque un mot frondeur lorsqu’il s’agit d’IA. »

Le développeur Simon Willison avait proposé le test le plus simple en mai 2024 : « si c’est généré sans réfléchir et imposé à quelqu’un qui ne l’a pas demandé, slop est le terme parfait. »

Pour une entreprise, le mot désigne un jugement que les clients portent désormais en une seconde. Selon nous, le slop n’est pas une propriété de l’outil. C’est ce que produit un processus sans références, sans règles et sans personne pour dire non. On peut donc y remédier.

À quoi ressemble le slop au travail

Le slop, ce n’est pas seulement la vidéo étrange dans un fil d’actualité. Des chercheurs de BetterUp Labs et du Stanford Social Media Lab ont donné un nom à sa version de bureau dans la Harvard Business Review : le workslop, un travail réalisé avec l’IA qui a belle allure mais manque de substance. Dans leur enquête auprès de 1'150 employés de bureau à plein temps aux États-Unis, 40 pour cent en avaient reçu au cours du mois précédent, et chaque cas demandait environ deux heures pour être réglé.

Le marketing a sa propre version : la publication qui pourrait appartenir à n’importe quelle entreprise, l’image à la lumière glacée que l’on reconnaît d’emblée, le texte qui ne dit rien en trois paragraphes. Chacun coûte peu à produire, et c’est le lecteur qui paie.

Pourquoi cela arrive

Quatre causes reviennent sans cesse.

La première est le réglage par défaut. L’équipe d’IA appliquée d’Anthropic a expliqué en novembre dernier pourquoi son propre modèle, laissé sans direction, produit toujours les mêmes designs sans risque : il puise dans le centre le plus probable de ce qu’il a vu. Elle parle de convergence distributionnelle, et note que les utilisateurs appellent le résultat l’esthétique du slop IA. Une étude parue dans la revue Patterns fait le même constat pour les images. Des chercheurs ont laissé un modèle d’image et un modèle de légendage s’alimenter mutuellement pendant 100 tours, et ce 700 fois, et chaque série a dérivé vers quelques motifs génériques qu’ils ont baptisés « musique d’ascenseur visuelle ». Ils soupçonnent que l’ingrédient manquant est la pression correctrice de l’interaction humaine.

La deuxième est la référence manquante. Un prompt décrit, une référence montre. Sans vraies images du produit et de la lumière, le modèle comble les lacunes avec sa moyenne.

La troisième est la règle manquante. Le modèle ne sait pas que votre marque n’utilise jamais de dégradés, ne qualifie jamais rien de solution et montre toujours le vrai produit. Si ces règles ne sont pas écrites là où la machine les lit, pour elle, elles n’existent pas.

La quatrième est la relecture manquante. Willison l’a dit sans détour : « partager avec d’autres un contenu généré artificiellement sans l’avoir relu est impoli. »

Le public le remarque, même quand il ne sait pas le dire

Les preuves les plus solides de cette année viennent d’un test d’Ipsos et de la Newhouse School de l’Université de Syracuse, publié en mai. Les chercheurs ont montré 20 publicités à 3'000 consommateurs américains : dix réalisées par des personnes pour des marques telles que Febreze, H&M et Chewy, et dix produites entièrement par l’IA à partir du même brief, utilisées telles quelles. Seuls 25 pour cent de ceux qui avaient vu une publicité IA étaient au moins assez sûrs qu’elle avait été faite par l’IA. Pourtant, les publicités humaines se sont révélées 14 pour cent plus fortes selon la mesure d’Ipsos de l’effet sur les ventes à court terme, et 17 pour cent plus fortes sur l’effet de marque à long terme. Les auteurs le résument en une formule : crédible ne veut pas dire convaincant.

Les attitudes déclarées vont dans le même sens. Dans une enquête de juin menée par The Harris Poll avec 4As et Infillion, 73 pour cent des consommateurs ont dit qu’ils feraient moins confiance à une publicité qu’ils soupçonnaient d’avoir été réalisée avec l’IA, et 63 pour cent qu’ils seraient moins enclins à acheter auprès d’une marque qui utilise des publicités générées par l’IA.

Une enquête mondiale auprès de 22'000 consommateurs dans 22 marchés, commandée par la société de vérification publicitaire DoubleVerify et publiée en juillet, apporte la nuance qui compte. 42 pour cent ont indiqué qu’une publicité IA de mauvaise qualité ou étrangement artificielle nuirait à leur opinion d’une marque, tandis que 40 pour cent jugeaient positivement les publicités IA soignées et professionnelles. Son directeur général, Mark Zagorski, l’a résumé ainsi : « Ce n’est pas l’IA elle-même qui détermine l’engagement. C’est la qualité du résultat. »

Les plateformes réagissent

Les plateformes sont passées de la tolérance aux règles. Dans sa lettre pour 2026, le directeur général de YouTube, Neal Mohan, a consacré une section à la gestion du slop IA et expliqué que YouTube s’appuie sur les systèmes qu’il utilise contre le spam et les appâts à clics pour limiter la diffusion des contenus répétitifs et de faible qualité. En juillet, a rapporté TechCrunch, YouTube a précisé ce qui ne peut plus rapporter d’argent publicitaire : les vidéos génériques, répétitives ou fondées sur des modèles, les contenus conçus pour causer de la détresse, et les personas IA qui traitent de sujets sensibles comme la santé et la finance.

Pinterest a ajouté en octobre 2025 des réglages permettant de voir moins d’images IA dans les catégories où elles s’accumulent : beauté, art, mode et décoration d’intérieur. Deezer a indiqué en juillet que les titres entièrement générés par l’IA avaient dépassé la moitié de toute la nouvelle musique qui lui est livrée chaque jour à leur pic de juin, tout en ne représentant que 1 à 3 pour cent des écoutes. Il les tient à l’écart de ses recommandations algorithmiques et de ses playlists éditoriales.

La direction est la même partout. Fait avec l’IA, c’est permis. Fait en masse, sans soin, c’est relégué.

Comment nous l’écartons

Nous réalisons chaque jour des images, des films et des publications avec l’IA. Il a donc fallu répondre à cette question dans la pratique, avec une réponse pour chaque cause.

Des styles verrouillés. Dans Reel, chaque style se construit à partir de vraies références, avec la lumière, l’objectif et le décor choisis comme le ferait un photographe, puis testé jusqu’à ce que le client l’approuve. Chaque image et chaque clip suivent cette recette, si bien que la centième image ressemble à la première.

Les règles de marque dans le cerveau. Studio saisit une fois pour toutes l’ADN, la voix, le positionnement et les règles rédactionnelles d’une marque, puis les verrouille. Twin conserve les règles de l’entreprise et sa manière d’écrire dans son cerveau d’IA, afin que chaque assistant travaille à l’intérieur de ce cadre au lieu de deviner.

Des personnes pour les idées et les choix, et une relecture avant que quoi que ce soit ne sorte. Dans Reel, les idées, les références et les styles sont validés avant toute production, chaque résultat est vérifié avant que le client ne le voie, et une personne choisit chaque image et chaque clip retenus. Dans Tempo, chaque idée est testée avant d’être planifiée, et une personne approuve chaque publication.

Nous voulons que l’IA réalise, vérifie et accélère autant de travail que possible. Les idées, les choix et la responsabilité de ce qui sort restent aux mains des personnes, car c’est là que se joue la qualité et là qu’un nom est engagé.

Ce qu’une entreprise peut faire

Partez des quatre causes. Rassemblez vingt vraies images dont vous êtes fiers et servez-vous-en comme références. Consignez vos règles de marque là où chaque outil peut les lire : les couleurs, les mots que vous employez et ceux que vous n’employez jamais, l’aspect que le produit doit toujours avoir. Désignez la personne qui choisit, et donnez-lui le droit de dire non à la plupart de ce que produit la machine. Placez une relecture entre le générateur et le public, à chaque fois.

Le slop coûte peu à produire, et cher quand il devient votre réputation. Le remède n’est pas moins d’IA, mais davantage de jugement autour d’elle.