La conversation « est-ce que tu utilises l’IA ? » est terminée. Plus personne ne la gagne, on a juste arrêté de la poser. La vraie question, celle qu’on a sautée, c’est : « est-ce que quelqu’un relit ce truc avant de l’envoyer ? » De plus en plus, la réponse est non, et ça se voit. Nous sommes tous devenus les destinataires de la production des autres, et la plupart d’entre nous ragent en silence contre la même chose : le slop IA.

Le slop IA, c’est ce contenu généré, à peine relu, recraché tel quel : une pull request qui décrit tous les fichiers sans rien expliquer, une page Confluence fluide mais vide, un message Slack de cinq paragraphes bourré de tirets là où deux lignes suffisaient. Ça a l’air propre. Ça ne dit rien. Et chez Corporate Mavericks, on déteste ce genre de bullshit déguisé en travail fini. Cet article démonte le mécanisme, chiffres à l’appui, et donne la méthode pour reprendre la main.

Le slop IA, c’est quoi exactement ?

Il y a une différence réelle entre utiliser l’IA pour penser et l’utiliser pour éviter de penser. Dans le premier cas, vous avancez plus vite sur un problème que vous maîtrisez, vous explorez des options que vous auriez fini par trouver seul, vous déléguez le mécanique pour vous concentrer sur les décisions qui comptent. Dans le second, vous cliquez sur « générer », vous survolez le résultat pour repérer une grosse erreur, et vous envoyez en espérant que personne ne regarde de trop près.

Le slop IA, c’est ce second usage industrialisé. Ce n’est pas une question d’intelligence : c’est un raccourci très banal qui cause des dégâts très réels. Si la production a l’air assez bonne, votre cerveau la classe « fait » et passe à autre chose. Sauf que « a l’air assez bon » et « est réellement bon » ne sont pas la même chose. C’est dans cet écart que la confiance, la qualité et la compréhension partagée vont mourir.

Pourquoi la productivité est un faux vainqueur

Une étude KPMG et l’Université du Texas (McCombs) a analysé 1,4 million de conversations réelles au travail avec l’IA. Résultat qui pique : seulement 5 % des personnes l’utilisaient d’une façon qui améliorait vraiment la qualité de leur travail. Ces 5 % ne sont ni les plus techniques ni les plus assidus. Ce sont ceux qui traitent le modèle comme un partenaire de raisonnement : ils lui donnent une direction et des exemples, ils exigent qu’il explique comment il arrive à sa réponse, ils affinent sur plusieurs échanges au lieu de prendre la première sortie.

Microsoft Research (étude CHI 2025, 319 travailleurs du savoir, 936 usages réels) a trouvé quelque chose qui mérite qu’on s’y arrête : les personnes qui vérifiaient le moins la production de l’IA étaient celles qui avaient le plus confiance en l’IA. Celles qui vérifiaient le plus étaient celles qui avaient le plus confiance en leur propre jugement sur la tâche. Confiance dans l’outil et esprit critique face à l’outil bougent en sens inverse. Plus vous déléguez aveuglément, moins vous relisez.

La dette cognitive : ce que ça fait à vos équipes

Le vrai problème n’est pas l’outil, c’est ce qui arrive à la personne qui le traverse. Une étude du MIT Media Lab (2025) a suivi 54 personnes à l’EEG : celles qui écrivaient avec un modèle de langage montraient jusqu’à 55 % de connectivité cérébrale en moins que celles qui écrivaient sans. Pire : 83 % du groupe assisté par IA était incapable de citer correctement le texte qu’il venait pourtant d’écrire. Ils avaient produit les mots sans les intégrer. Des dactylos, pas des penseurs.

Une autre étude MIT (CHI 2026) a suivi 67 personnes utilisant l’IA pour vérifier des informations sur quatre semaines. À court terme, elles étaient 21 % plus précises avec l’aide, ce qui semble génial. À la quatrième semaine, leur précision sans assistance avait chuté de plus de 15 points sous leur niveau de départ. L’outil aide, puis la compétence s’atrophie. Les chercheurs appellent ça la dette cognitive : quelque chose emprunté pas cher aujourd’hui, remboursé plus tard à un taux bien plus élevé. Et le plus inquiétant : environ un quart des participants pensaient s’améliorer alors qu’ils devenaient mesurablement moins bons. La compétence part la première, la confiance reste.

Le coût réel, celui que personne ne facture

Rien de tout ça n’arrive comme un échec spectaculaire. Ça s’accumule doucement, comme une dette technique de la capacité de votre équipe à produire. Quatre coûts se cumulent :

• Le temps du relecteur est volé. Chaque description qui ne dit rien, chaque page fluide mais vide crée du travail pour quelqu’un d’autre. L’auteur a gagné cinq minutes, dix relecteurs en perdent quinze chacun. C’est l’équivalent collaboratif de ranger sa chambre en poussant tout dans le couloir.
• La confiance s’érode en silence. Quand vous ne pouvez plus dire si quelqu’un comprend son propre travail, vous relisez tout plus attentivement, vous posez plus de questions. C’est une taxe sur chaque interaction.
• Le contexte disparaît. L’IA décrit bien ce qui existe et très mal pourquoi ça existe. La décision, les compromis, le « on a essayé ça et ça a cassé en préproduction », voilà ce dont on aura besoin dans six mois. L’IA n’était pas dans la pièce quand ces choix ont été faits.
• La barre baisse. C’est le coût le plus dangereux car il s’auto-entretient. Si personne ne renvoie une note bâclée, ça devient la norme. Et ceux qui continuent de soigner leur travail finissent par passer pour des gens qui en font trop.

Comment utiliser l’IA comme un collaborateur, pas comme un distributeur

La plupart des gens utilisent ces outils comme un distributeur automatique : requête en entrée, sortie en sortie, on passe à autre chose. La bonne version ressemble beaucoup plus à un travail avec un collègue. Vous expliquez ce que vous cherchez vraiment à faire, vous poussez quand la première réponse est générique, vous demandez comment il en est arrivé là, vous avez, à l’occasion, une petite dispute. Concrètement :

• Utilisez l’IA pour inspecter, pas pour parler à votre place. Laissez-la découper un travail complexe, repérer le rayon d’impact, trouver les problèmes que vous auriez ratés. Puis écrivez le résumé vous-même. « C’est un changement de config qui touche les cinq types de workers, je pense que le risque est moyen, regarde surtout ces deux zones. » Deux minutes qui font gagner vingt minutes à chaque relecteur.
• Éditez comme si votre nom était dessus, parce qu’il l’est. Coupez le remplissage, remettez votre voix, supprimez les intertitres que l’IA sort à chaque fois (« Points clés », « Facteurs importants », « En conclusion »). Ajoutez ce que vous seul savez : le contexte, les compromis, vos doutes. « Je pense qu’on devrait faire X à cause de Y, mais je ne suis pas sûr pour Z » est plus utile qu’une page parfaitement propre qui ne dit rien.
• Structurez le travail pour les humains qui le relisent. Un changement de 25 fichiers a du sens pour une IA qui lit tout d’un coup. Il est bien plus dur pour trois humains qui ont chacun un périmètre différent. Découpez en morceaux sensés, expliquez ce qui peut mal tourner.
• Accélérez ce qui doit être rapide, pas ce qui doit être lent. Le boilerplate et les premiers jets peuvent être rapides. Décider quoi construire, expliquer l’approche, anticiper ce qui casse en production demande du jugement. Si l’IA rend le travail de jugement aussi rapide que le mécanique, ce n’est pas une victoire : c’est le signe que vous avez peut-être arrêté de le faire.

Questions fréquentes sur le slop IA

Un problème de qualité déguisé en gain de productivité

Chaque slop est un petit choix en faveur de la vitesse contre la qualité, souvent fait sans que personne ne le remarque. Un mauvais handover ne fera pas tomber l’entreprise. Des centaines, des milliers de pages, des dizaines de milliers de messages peuvent lentement user la compréhension partagée qui fait qu’une organisation tient debout. Ce n’est pas un problème de discipline ni de personnes : c’est un problème de standard. Et les standards se fixent par ce qu’on accepte sans rien dire.

La bonne nouvelle, c’est que le correctif n’a rien d’héroïque : quelques minutes à relire votre propre travail avant de le passer, et le cran d’oser demander la même chose aux autres sans culpabiliser. Au bout du compte, la production porte votre nom. Agissez en conséquence.