Le bouton anti-AI slop de LinkedIn est-il une gigantesque opération d’étiquetage gratuit ?
Depuis le 30 juillet 2026, LinkedIn permet à ses membres de signaler un post ou un commentaire avec l’option « Seems like AI slop ». En quelques semaines, plus d’un million de personnes ont utilisé le bouton. Derrière l’outil de modération se cache un mécanisme beaucoup plus intéressant : LinkedIn explique lui-même que ces retours l’aident à ajuster ses modèles et améliorer le fil d’actualité. Chaque clic produit donc une information rare : ce qu’un humain considère, à cet instant, comme du contenu IA générique. Cela ressemble beaucoup à une gigantesque opération d’étiquetage distribuée.
Un million de personnes ont déjà défini ce qui ressemble à de l’AI slop
Le bouton « Seems like AI slop » ne demande pas aux utilisateurs de déterminer avec certitude si ChatGPT, Claude ou un autre modèle a écrit un texte. LinkedIn demande quelque chose de plus subjectif : est-ce que ce contenu ressemble à du slop ?
La plateforme définit l’AI slop comme un contenu probablement produit avec l’IA, avec peu d’effort humain, qui peut sembler propre en surface mais manque de point de vue, d’expérience ou de substance. Un texte assisté par IA reste donc parfaitement acceptable selon les règles de LinkedIn s’il reflète une vraie expertise ou une perspective personnelle.
Cette distinction compte. Le bouton ne crée pas un dataset simple « humain contre IA ». Il collecte le jugement de ses membres sur une notion plus difficile à mesurer : le caractère générique, répétitif ou artificiel d’un contenu.
En quelques semaines, plus d’un million de personnes ont déjà fourni ce type de retour. À l’échelle d’un système de recommandation, c’est une quantité de labels humains particulièrement intéressante.
LinkedIn dit explicitement que ces signalements servent à ajuster ses modèles
Hari Srinivasan, Chief Product Officer de LinkedIn, explique que le slop est difficile à définir et que sa définition change. Selon lui, laisser les membres signaler les contenus concernés permet à LinkedIn de « tune our models and make better feeds », autrement dit d’ajuster ses modèles pour améliorer le fil d’actualité.
LinkedIn utilise déjà des classificateurs entraînés à reconnaître des signaux associés au contenu générique. La plateforme indiquait en juillet atteindre 94 % de bonne identification du contenu générique lors de ses premiers tests. Les retours des utilisateurs apportent une couche supplémentaire : un signal humain continu qui peut aider le système à suivre l’évolution des usages.
C’est particulièrement utile dans le cas de l’IA générative. Les marqueurs changent vite. Les formulations caricaturales de ChatGPT d’hier disparaissent à mesure que les modèles progressent et que les utilisateurs apprennent à mieux les utiliser. Un classificateur figé risque donc de vieillir rapidement. Des millions d’utilisateurs qui continuent à dire « ceci ressemble à du slop » constituent au contraire une source de feedback toujours renouvelée.
Pourquoi ces labels humains ont-ils autant de valeur ?
Internet ne manque pas de texte. Ce qui coûte cher dans beaucoup de systèmes d’apprentissage automatique, c’est le jugement humain associé au texte.
Un modèle peut analyser des milliards de publications sans savoir lesquelles irritent réellement les lecteurs. Avec ce bouton, LinkedIn récupère autre chose : un post, son contexte, les réactions qu’il provoque et un retour explicite indiquant qu’un membre le perçoit comme générique ou artificiel.
Le principe rappelle, sans être identique, les méthodes de feedback humain utilisées pour entraîner ou ajuster des modèles d’IA. Dans un processus de RLHF, des humains comparent ou évaluent des réponses afin d’apprendre au système quels comportements sont préférables. Ici, les membres ne notent pas un chatbot. Ils fournissent des signaux à un système de classement et de recommandation.
La logique reste proche : la donnée brute est abondante, le jugement humain est la donnée rare. Et LinkedIn l’obtient directement à partir de l’usage normal de son réseau.
Non, cela ne prouve pas que LinkedIn entraîne son IA générative avec vos signalements
LinkedIn confirme que les retours servent à améliorer ses modèles de détection, de classement et son feed. Je n’ai trouvé aucune déclaration indiquant que les posts signalés seraient ensuite utilisés comme exemples négatifs pour apprendre à une IA générative à mieux rédiger.
Techniquement, ce serait une information intéressante pour un futur système de rédaction : connaître les formulations que les utilisateurs associent au slop permettrait de savoir ce qu’il vaut mieux éviter. Mais passer de cette possibilité technique à l’affirmation « LinkedIn utilise le bouton pour entraîner son IA à écrire de meilleurs posts » serait aller trop loin.
Le constat documenté est déjà suffisamment intéressant : les utilisateurs participent gratuitement à l’amélioration des systèmes qui décident quels contenus méritent d’être distribués.
LinkedIn avait pourtant lui-même encouragé l’écriture avec l’IA
L’histoire devient plus ironique quand on regarde les outils proposés par LinkedIn quelques semaines plus tôt. La plateforme disposait d’une fonction « Enhance post » capable de reformuler une publication avec l’IA. L’étude publiée par Pangram en juillet relevait d’ailleurs cette contradiction : LinkedIn était la plateforme la plus saturée en contenu détecté comme généré par IA parmi celles étudiées, tout en fournissant lui-même un outil d’aide à la rédaction.
Selon Pangram, plus de 40 % des posts LinkedIn de plus de 250 mots présents dans son échantillon étaient classés comme entièrement générés par IA. LinkedIn représentait environ un tiers des contenus analysés mais 62 % des contenus détectés comme générés par IA. Ces chiffres viennent toutefois d’une entreprise qui commercialise justement un détecteur d’IA et ne constituent pas une mesure interne de LinkedIn.
LinkedIn a depuis retiré sa fonction d’amélioration générative des posts et l’a remplacée par une aide davantage centrée sur la correction. Dans le même temps, la plateforme a déployé le bouton anti-slop.
Le cycle est assez remarquable : une plateforme facilite l’écriture avec l’IA, constate que son feed se remplit de contenus interchangeables, puis demande aux utilisateurs de l’aider à apprendre ce qui leur paraît artificiel.
Le bouton ne déclenche pas automatiquement une pénalité de portée
Autre confusion fréquente : le chiffre de 40 % ne signifie pas qu’un post perd automatiquement 40 % de sa portée dès qu’un utilisateur clique sur « Seems like AI slop ».
LinkedIn explique croiser différents signaux et utiliser ses propres classificateurs. La plateforme indique que ses membres voient désormais environ 40 % de contenus classés comme AI slop en moins qu’auparavant. Les informations communiquées publiquement ne permettent pas d’attribuer cette baisse aux seuls signalements humains.
Le clic sert donc à plusieurs choses. Il masque le contenu pour la personne qui le signale, fournit du feedback à LinkedIn et peut contribuer, avec d’autres signaux, à améliorer la détection et la distribution future des publications. LinkedIn teste également un message privé dans les statistiques d’un post lorsqu’un nombre suffisant de membres estime qu’il ressemble à de l’AI slop.
C’est moins spectaculaire que « un clic vous retire 40 % de portée », mais beaucoup plus intéressant pour comprendre le système.
Le risque : apprendre ce qui ressemble à l’IA plutôt que ce qui est mauvais
Un contenu générique n’est pas forcément généré par IA et un contenu généré par IA n’est pas forcément générique. LinkedIn le reconnaît dans sa propre définition du slop.
Le bouton repose pourtant sur une perception humaine. Un style très structuré, des paragraphes courts ou certaines tournures devenues associées aux LLM peuvent suffire à éveiller les soupçons. À l’inverse, un texte entièrement généré mais suffisamment retravaillé peut paraître humain.
Le système risque donc d’apprendre autant les normes culturelles du moment que l’origine technique des textes. C’est peut-être même ce que LinkedIn cherche. Son problème économique n’est pas de déterminer quel logiciel a produit chaque phrase. Il est de conserver un feed que ses membres ont encore envie de lire.
Vu sous cet angle, le bouton anti-AI slop n’est pas vraiment un détecteur d’IA participatif. C’est un immense système de feedback destiné à apprendre ce que les utilisateurs de LinkedIn ne veulent plus voir. La nuance est importante, et cette donnée a probablement davantage de valeur qu’un simple label « écrit par ChatGPT ».
Sources
- Hari Srinivasan, LinkedIn : le Chief Product Officer explique que les signalements des membres servent à ajuster les modèles et améliorer le feed.
- LinkedIn Newsroom : présentation des systèmes entraînés à reconnaître le contenu générique, avec 94 % de bonne identification annoncée lors des premiers tests.
- LinkedIn Help : définition officielle de l’AI slop et distinction entre contenu assisté par IA et contenu générique à faible valeur.
- Pangram : étude de plus d’un million de contenus sociaux, méthodologie et chiffres concernant LinkedIn.
- The Verge : bilan après plus d’un million d’utilisations du bouton et évolution des outils de rédaction de LinkedIn.
À quoi sert le bouton « Seems like AI slop » de LinkedIn ?
Il permet de signaler un post ou un commentaire jugé générique, répétitif ou probablement produit avec beaucoup d’IA. LinkedIn indique utiliser ces retours pour ajuster ses modèles et améliorer le contenu affiché dans le fil d’actualité.
LinkedIn utilise-t-il les signalements AI slop pour entraîner son intelligence artificielle ?
LinkedIn confirme que ces retours servent à ajuster ses modèles de détection et de classement du feed. Aucune source publique consultée ne montre qu’ils servent à entraîner une IA générative chargée d’écrire des posts.
Un post signalé comme AI slop perd-il automatiquement 40 % de portée ?
Non. LinkedIn utilise plusieurs signaux et des classificateurs automatiques. Le chiffre de 40 % correspond à la diminution de contenus classés comme AI slop vus par les membres, pas à une pénalité automatique de 40 % déclenchée par un signalement individuel.
LinkedIn interdit-il les posts écrits avec l’IA ?
Non. LinkedIn accepte explicitement l’assistance par IA lorsque le contenu conserve une perspective, une expérience ou une expertise humaine. La plateforme cherche surtout à réduire les contenus génériques, répétitifs ou produits à grande échelle avec peu d’intervention humaine.
