LinkedIn ajoute un bouton « AI slop », les posts générés par IA dans le viseur, ce que le réseau veut désormais filtrer

LinkedIn déploie un nouveau bouton de signalement destiné aux contenus jugés trop fortement générés par intelligence artificielle. L’option, libellée Seems like AI slop dans l’interface anglophone, permet aux membres de marquer une publication ou un commentaire qui leur paraît artificiel, répétitif ou peu authentique. Le réseau professionnel ne prévoit pas une suppression automatique après signalement. L’objectif annoncé consiste à alimenter les systèmes internes de classement et de modération, dans un contexte où les plateformes cherchent à limiter la présence de contenus produits en masse par des outils d’IA.

LinkedIn teste Seems like AI slop dans le menu des posts

Le bouton apparaît dans le menu accessible par les trois points situés en haut à droite d’une publication. L’utilisateur peut sélectionner Seems like AI slop lorsqu’un texte semble avoir été produit par une IA générative sans apport humain suffisant. La formule n’est pas encore traduite en français, signe d’un déploiement progressif et encore partiel selon les comptes et les marchés concernés.

La fonctionnalité a été repérée par 404 Media, puis confirmée publiquement par Hari Srinivasan, responsable produit chez LinkedIn. Plusieurs médias spécialisés ont constaté sa présence dans l’interface. Le réseau ne présente pas ce bouton comme un outil punitif immédiat, mais comme un canal de retour utilisateur. Un signalement ne signifie donc pas que le post disparaît du fil, ni que son auteur reçoit une sanction automatique.

Le terme AI slop désigne des contenus générés par IA jugés faibles, standardisés ou sans valeur ajoutée. Sur LinkedIn, il vise souvent des publications très longues, au ton emphatique, construites autour de formules répétitives sur le leadership, la productivité ou la réussite professionnelle. Le sujet touche directement l’identité du réseau, fondée sur la réputation, l’expertise et la crédibilité des prises de parole publiques.

La difficulté tient à la frontière mouvante entre aide à la rédaction et production automatisée. Un membre peut utiliser un outil d’IA pour corriger un texte, raccourcir une phrase ou structurer une idée personnelle. À l’inverse, une publication entièrement synthétique peut reprendre les codes du témoignage authentique. En donnant un bouton dédié à ses membres, LinkedIn reconnaît que la détection technique seule ne suffit pas à traiter ce phénomène.

Hari Srinivasan veut entraîner les modèles de modération

Dans son message publié sur le réseau, Hari Srinivasan présente la lutte contre l’AI slop comme une priorité absolue. Le responsable produit explique que les signalements doivent aider LinkedIn à améliorer la qualité du fil d’actualité. La plateforme cherche moins à dresser une liste noire de mots qu’à comprendre les signaux qui font percevoir un texte comme artificiel ou peu sincère.

Ces retours doivent nourrir les modèles de modération internes. Une plateforme de la taille de LinkedIn ne peut pas examiner manuellement chaque message partagé par ses centaines de millions de membres. Les signalements servent donc de données d’apprentissage, en complément d’indicateurs déjà utilisés comme l’engagement anormal, les commentaires copiés, les comptes automatisés ou les schémas de publication trop réguliers.

Le choix de faire appel aux membres comporte une limite méthodologique. La notion de fil d’actualité de qualité varie selon les profils. Un recruteur, un ingénieur, un commercial ou un étudiant n’évaluent pas les mêmes publications avec les mêmes critères. Un texte direct et très structuré peut être utile dans un contexte professionnel, même s’il a été retouché par IA. À l’inverse, un message humain peut paraître artificiel s’il imite les codes devenus populaires sur la plateforme.

LinkedIn admet que la définition de l’AI slop reste difficile. Cette prudence est importante, car une modération trop agressive risquerait de pénaliser des utilisateurs qui se servent d’outils d’écriture pour compenser une difficulté linguistique, gagner du temps ou publier dans une langue qui n’est pas la leur. Le réseau cherche un équilibre entre réduction des contenus standardisés et maintien d’un accès ouvert aux outils d’assistance rédactionnelle.

Des auteurs alertés dans leur tableau de bord LinkedIn

LinkedIn prévoit aussi d’informer certains auteurs lorsque leurs publications sont perçues comme trop artificielles. Le signal doit apparaître dans le tableau de bord privé du compte, sans exposition publique directe. Cette approche vise à encourager une modification volontaire du style plutôt qu’une sanction visible. Le réseau espère que les membres concernés reformuleront leurs textes, ajouteront des éléments personnels ou limiteront les passages générés automatiquement.

Cette mesure touche un point sensible pour un réseau professionnel. Sur LinkedIn, la visibilité d’un post peut influencer une recherche d’emploi, une prospection commerciale ou la crédibilité d’un dirigeant. Un avertissement privé peut donc peser sur les pratiques éditoriales des membres. Les créateurs réguliers, consultants, formateurs et responsables marketing seront probablement les plus attentifs à ces signaux, car leur activité dépend souvent de la portée de leurs publications.

La frontière entre contenu assisté et contenu inauthentique demeure délicate. Un billet préparé avec l’aide d’une IA peut contenir une expérience réelle, des chiffres internes ou une analyse originale. À l’inverse, une série de posts publiés chaque jour sur des thèmes génériques peut donner une impression de fabrication, même si une personne en a validé chaque phrase. LinkedIn semble vouloir juger le résultat perçu plutôt que le seul outil utilisé.

Cette décision intervient après plusieurs mois de critiques sur la tonalité du fil. De nombreux membres disent voir davantage de récits très formatés, de conseils managériaux répétitifs et de commentaires produits en chaîne. Le bouton de signalement constitue une réponse pragmatique à cette lassitude. Il transfère une partie du diagnostic aux utilisateurs, tout en conservant la décision finale dans les systèmes de classement de la plateforme.

LinkedIn bloque des centaines de milliers de commentaires automatisés

Le nouveau bouton s’inscrit dans un ensemble plus large de mesures contre l’automatisation abusive. LinkedIn indique bloquer chaque jour des centaines de milliers de tentatives de commentaires automatisés. L’entreprise affirme aussi avoir stoppé des millions d’autres tentatives d’automatisation au cours des derniers mois. Ces volumes donnent une idée de la pression exercée par les outils capables de publier, commenter ou interagir à grande échelle.

Les commentaires automatisés posent un problème différent des publications générées par IA. Ils peuvent créer une impression artificielle de popularité, pousser certains messages dans le fil ou polluer les échanges professionnels avec des réponses creuses. Dans un environnement où la visibilité dépend en partie des interactions, cette activité peut fausser les signaux de pertinence. Les défenses automatisées deviennent donc un enjeu central pour préserver la valeur du réseau.

La question dépasse LinkedIn. Les plateformes de publication, les réseaux sociaux et les moteurs de recherche affrontent une hausse des contenus générés à bas coût. Les outils d’IA permettent de produire rapidement des textes corrects en surface, mais souvent pauvres en informations vérifiables. Pour un réseau orienté vers l’emploi, le recrutement et la réputation professionnelle, le risque porte sur la confiance accordée aux profils, aux expertises affichées et aux échanges entre membres.

La maison mère Microsoft occupe une place particulière dans ce débat, car elle investit massivement dans l’intelligence artificielle tout en contrôlant LinkedIn. La plateforme doit donc promouvoir des usages productifs de l’IA sans laisser son fil se transformer en espace saturé de contenus génériques. Les prochains ajustements devraient porter sur la pondération des signalements, la transparence donnée aux auteurs et la capacité du réseau à distinguer aide rédactionnelle et production industrielle.