Révisé le 2026-04-28 en v1.1. Voir l’historique des révisions ci-dessous.

Regardez n’importe quel fil d’actualité sceptique sur l’IA en 2026 et vous verrez le mot slop faire un travail intense. Il désigne quelque chose de réel : un texte à faible entropie, produit en masse, sans auteur derrière lui, qui inonde les fils d’actualité, les résultats de recherche, les sections de commentaires, les avis sur les produits. Il existe maintenant un petit genre d’essais expliquant pourquoi c’est mauvais pour la civilisation. Certains sont excellents. Certains sont eux-mêmes du slop.

Je veux poser une question différente. Non pas si le slop d’IA est mauvais — clairement une partie l’est — mais pourquoi nous sommes si confiants de pouvoir le reconnaître. Parce que si vous regardez de plus près une grande partie de la vie professionnelle, une bonne part de ce que nous produisons un mardi ordinaire se qualifie déjà. Boilerplate juridique. Jargon de mémo d’entreprise. Rapports trimestriels qui ne survivent que parce que personne ne les lit. Mises à jour de statut qui ne disent rien. Notes médicales standardisées dont la fonction est principalement judiciaire.

C’est du texte produit en masse, à faible entropie, formulaique. Il est défendu pour des raisons de conformité, de couverture, de diligence raisonnable. Et il est partout.

Alors : quelle est la différence ?

I. L’argument qu’ils sont identiques

Passez un paragraphe de boilerplate d’entreprise dans un algorithme de compression. Passez le billet de blog marketing moyen généré par IA dans le même algorithme. Les ratios de compression ne sont pas très éloignés. Les deux sont, en termes de théorie de l’information, à faible entropie : prévisibles, redondants, remplissables à partir de modèles.

Et les deux ont la même surface : une séquence de phrases formellement correctes arrangées dans l’ordre formellement attendu, indiscernables de la prose, ne communiquant fondamentalement rien de nouveau.

Lisez l’accord de non-divulgation moyen. Lisez le discours de remise des diplômes moyen. Lisez l’e-mail boilerplate « nous prenons votre vie privée au sérieux » après une violation de données. Lisez la section divulgation d’un dépôt financier. Ils ne communiquent pas. Ils remplissent.

Si je vous disais que ces quatre artefacts avaient été générés par GPT-9, vous pourriez me croire. La raison pour laquelle vous hésiteriez n’est pas qu’ils semblent plus rédigés que le slop d’IA. C’est que vous savez déjà qui les a remplis, et vous êtes habitué à l’idée que c’est leur travail.

II. Trois distinctions, et ce qu’elles faisaient autrefois

Trois choses ont historiquement séparé le slop bureaucratique du slop d’IA.

A. Responsabilité — avoir quelque chose à perdre. Un avocat signe le boilerplate. Un comptable atteste de la feuille de calcul. La signature d’un médecin est sur le résumé de sortie. Le slop, en revanche, est caractérisé par la suppression de la responsabilité : personne n’est responsable de la vérité de la production. Quand l’IA génère mille faux avis sur des produits, personne n’est sur le coup. L’artefact est produit en masse précisément parce que personne n’a eu à s’en porter garant.

C’était la distinction la plus forte. C’est aussi la première à s’éroder. Au moment où un avocat colle la production d’un LLM dans un mémoire sans vérifier — et les affaires en appel se multiplient maintenant — la signature est encore là mais la peau dans le jeu a disparu. L’artefact n’a pas changé ; la responsabilité derrière lui, oui.

B. Intention — utilité contre capture. Le travail professionnel est généralement orienté vers l’utilité : résoudre un problème, satisfaire une exigence, transmettre des informations spécifiques à quelqu’un qui en a besoin. Le slop d’IA est orienté vers la capture : inonder les fils d’actualité, détourner le SEO, occuper de l’espace dans l’index de recherche, récolter l’attention ou les clics. Le travail professionnel tente de résoudre une tâche. Le slop tente de gagner un jeu de volume.

Cette distinction tient également — jusqu’à ce que vous remarquiez qu’une bonne partie du travail professionnel est lui-même un jeu de volume. Rapports de performance trimestriels pour un département que personne ne dirige. Documentation de conformité pour un audit que personne ne lit. Présentations construites pour exister, pas pour être comprises. L’intention avait déjà dérivé ; l’IA ne l’a pas fait dériver.

C. Rapport signal-sur-bruit. Les modèles existent pour rendre le signal trouvable — un cadre fixe pour que le lecteur puisse localiser rapidement les nouvelles informations. Les parties boilerplate d’un contrat sont skippées exprès ; les clauses négociées sont là où l’attention atterrit. Dans cette perspective, le slop permet le signal : il fait le travail cognitif de rendre le reste lisible.

Le slop, en revanche, imite l’apparence de l’information sans en livrer aucune. Il coûte plus au lecteur à filtrer qu’à l’écrivain à produire. Cette asymétrie est ce qui le rend mauvais.

C’est la plus défendable des trois distinctions. C’est aussi là où les choses deviennent intéressantes.

III. Le point de bascule : quand le professionnalisme devient du slop

La ligne où le travail professionnel devient du slop n’est pas subtile. Elle bascule quand le coût de production de l’artefact tombe en dessous de la valeur de l’information qu’il porte.

Un médecin utilisant un LLM pour résumer l’histoire d’un patient dans une note de sortie propre : efficacité. L’attention du clinicien a été libérée pour le patient.

Un médecin utilisant un LLM pour générer mille notes de sortie pour satisfaire un audit de facturation : slop. L’artefact a été découplé de la réalité sous-jacente qu’il prétendait décrire.

Le même outil. Le même modèle. La même surface. La différence est de savoir si l’artefact est en aval de l’attention, ou en amont de la fraude.

C’est la partie de l’argument qui devrait nous rendre nerveux. Le coût de production d’artefacts professionnels a maintenant chuté, dans de nombreux domaines, à près de zéro. Les artefacts n’ont pas changé. Ce qui a changé, c’est de savoir si quelqu’un est encore en amont d’eux.

C’est ce que Cory Doctorow appelle l’enshittification à l’échelle des plateformes : le moment où les incitations s’inversent et où l’intérêt du producteur pour l’artefact se dissocie de celui du lecteur. Le point de bascule du slop est l’enshittification compressée dans un seul flux de travail — le producteur n’a plus aucune raison de se soucier de savoir si le document est lu, parce que le produire ne coûte rien. Une fois cette asymétrie installée, l’artefact cesse d’être un service au lecteur et commence à être une dette prélevée sur lui.

IV. L’inversion : peut-être que l’IA supprime l’inflammation

Maintenant la lecture inconfortable.

Peut-être que la bonne façon de lire ce qui se passe en 2026 n’est pas que l’IA a introduit le slop. Peut-être que l’IA a révélé le slop, en supprimant la friction qui le cachait.

Une grande partie de ce que nous appelions « travail professionnel » était toujours un rituel à faible information — du boilerplate maintenu parce que quelqu’un devait le taper, des rapports de statut écrits parce que quelqu’un devait assister à la réunion, des présentations construites parce que quelqu’un devait remplir le calendrier. La friction coûteuse de produire ce matériau était, paradoxalement, la seule chose qui lui donnait l’apparence du sens. Nous ne voyions pas le slop parce que nous étions trop occupés à le générer.

Supprimez la friction et le slop est nu. Les pages sont encore là ; les tampons sont encore là ; les modèles sont encore là ; seul le coût humain a disparu. Et ce que nous regardons maintenant — et appelons slop d’IA, avec une indignation offensée — est, dans de nombreux cas, l’artefact exact que notre propre profession produisait depuis le début. Graeber était presque vingt ans trop tôt pour utiliser le mot slop, mais Bullshit Jobs est le livre sur cette catégorie de travail, et son diagnostic s’avère avoir préparé le terrain pour ce que l’IA révèle maintenant.

Cela a un corollaire tranchant. Si l’IA supprime la graisse, la panique morale est en partie du deuil. La graisse était un emploi. L’inflammation était une carrière. Nous regardons un marché découvrir qu’une grande partie de ce pour quoi il payait était l’expérience de quelqu’un remplissant le formulaire, pas le formulaire lui-même. Cette expérience est partie, et le formulaire, finalement, est lu selon ses propres mérites — qui sont, souvent, nuls.

La question honnête

Je ne pense pas que cet argument exonère entièrement le slop d’IA. Les faux avis, le spam SEO, les articles d’appât à l’engagement, les lettres de commentaires réglementaires générées par millions — ce sont de vrais dommages selon n’importe quel standard, et les personnes en aval ne sont pas des professionnels exerçant leur jugement, ce sont des lecteurs qui sont attaqués. On Bullshit de Harry Frankfurt était déjà le prédécesseur philosophique de cette plainte : un langage indifférent à la vérité, déployé pour l’effet. L’IA n’a pas inventé le bullshit ; elle l’a industrialisé. C’est un vrai dommage.

Mais l’argument force une question que nous préférerions ne pas poser. À l’intérieur de notre propre travail — votre travail, mon travail, le travail de quelle que soit la guilde à laquelle nous appartenons — quelle part de ce que nous produisons un mardi ordinaire survivrait au test que nous appliquons joyeusement au slop d’IA ?

Si la réponse est la plupart, la panique est juste et utile.

Si la réponse est honnêtement, pas grand-chose, alors la panique est aussi une confession. Nous regardons une machine faire le travail que nous faisions déjà, légèrement plus vite, légèrement moins cher, avec le même rapport signal-sur-bruit. Et la partie de nous qui frémit est la partie qui savait.

Historique des révisions

  • v1.1 — 2026-04-28 — Ajout d’une citation de Cory Doctorow sur l’enshittification à la fin du Mouvement III, cadrant le point de bascule du slop comme enshittification compressée dans un seul flux de travail.
  • v1.0 — 2026-04-28 — Première publication.

Lectures recommandées

⚠️ Veuillez consulter l’Avertissement sur les LLM