Quand les plateformes tirent la sonnette d'alarme sur la qualité du contenu généré par IA
Snap vient d'annoncer que les vidéos entièrement générées par IA ne sont plus éligibles à la recommandation sur Spotlight. LinkedIn a déployé un bouton dédié pour signaler l'"AI slop". Ces décisions ne sont pas anecdotiques : elles marquent un tournant dans la manière dont les grandes plateformes perçoivent — et sanctionnent — le contenu produit sans réelle valeur humaine ajoutée.
Pour les équipes qui utilisent les LLM au quotidien, ce signal mérite une lecture attentive. Car ce que Snap et LinkedIn rejettent, ce n'est pas l'IA en elle-même, c'est l'IA utilisée comme substitut à la créativité humaine plutôt que comme amplificateur.
Ce que disent vraiment Snap et LinkedIn
Selon The Decoder, Snap a constaté une explosion de 120 % des contributeurs sur Spotlight — sans pour autant préciser quelle part de cette croissance est due au contenu IA. La réponse de la plateforme est claire : les vidéos entièrement générées par IA sont exclues des recommandations dès ce mois-ci. En revanche, les vidéos éditées avec les outils IA de Snapchat restent autorisées, à condition d'être labellisées.
Cette nuance est fondamentale. Ce n'est pas l'usage de l'IA qui est proscrit, c'est l'absence de contribution humaine identifiable.
Du côté de LinkedIn, le constat est encore plus sévère : la plateforme croule sous du contenu généré en masse, sans valeur ajoutée, souvent redondant. Le bouton de signalement "AI slop" a été créé en dehors du système de modération habituel — preuve que le problème est perçu comme suffisamment grave pour mériter un traitement à part. Une étude Kapwing révèle par ailleurs que 21 % des YouTube Shorts seraient déjà entièrement générés par IA. Instagram et Facebook afficheraient des proportions similaires.
La distinction clé : augmenter vs remplacer
Chez MulerTech, nous travaillons quotidiennement avec des LLM — pour la génération de code Symfony, la documentation, la rédaction technique, l'analyse de performance. Et cette actualité nous conforte dans une conviction que nous défendons depuis le début : la valeur d'un LLM se mesure à ce qu'il permet à un humain de faire mieux, pas à ce qu'il fait à sa place.
Voici comment nous distinguons les deux approches :
✅ IA assistée (ce qui crée de la valeur)
- Un développeur utilise Claude ou GPT-4 pour générer un premier jet de migration Doctrine, qu'il relit, adapte et valide selon le contexte métier
- Un rédacteur technique utilise un LLM pour structurer un article, mais réécrit chaque section avec son expertise et son point de vue
- Une équipe utilise un agent IA pour détecter des patterns de code problématiques, mais c'est un humain qui décide des refactorings prioritaires
Dans ces cas, le LLM accélère, débloque, suggère. L'humain reste l'auteur.
❌ IA substituée (ce que les plateformes rejettent)
- Publier en masse du contenu généré intégralement par un LLM, sans relecture ni angle éditorial propre
- Utiliser des outils de génération vidéo pour inonder des plateformes de contenus indifférenciés
- Automatiser la production de posts LinkedIn avec des prompts génériques, en espérant "gagner en visibilité"
Ce second usage n'est pas seulement rejeté par les algorithmes : il dilue la crédibilité de ceux qui le pratiquent et contribue à dégrader la qualité de l'information disponible en ligne.
Implications concrètes pour les équipes techniques
Cette évolution des plateformes a des conséquences directes sur la manière dont on devrait concevoir les workflows intégrant des LLM.
En production de contenu : Si votre stratégie éditoriale repose sur du contenu entièrement automatisé, vous prenez un risque croissant de déréférencement ou de pénalité algorithmique. L'angle, la relecture humaine et la transparence sur l'usage des outils IA deviennent des critères de qualité à part entière.
En développement logiciel : Les LLM sont d'excellents assistants pour le scaffolding, la génération de tests unitaires ou la documentation automatique — à condition que le développeur comprenne et valide ce qui est produit. Un code copié-collé depuis un LLM sans compréhension reste une dette technique.
En architecture : La tentation d'automatiser intégralement certains workflows avec des agents IA est réelle. Mais les systèmes les plus robustes que nous construisons chez MulerTech conservent toujours un point de contrôle humain sur les décisions critiques — qu'il s'agisse de migrations de base de données, de déploiements en production ou de choix d'architecture.
Conclusion : la créativité humaine comme avantage concurrentiel
Le mouvement de Snap et LinkedIn n'est pas un rejet de l'IA. C'est une réaffirmation que l'authenticité et la valeur ajoutée humaine restent des critères de différenciation irremplaçables — et que les plateformes ont désormais les moyens (et la volonté) de les faire respecter.
Pour les équipes techniques et les créateurs de contenu, la leçon est simple : utiliser les LLM pour aller plus vite, explorer plus large, ou démarrer plus facilement — mais ne jamais déléguer le jugement. C'est précisément là que réside la valeur que ni un algorithme de recommandation ni un bouton de signalement ne peuvent reproduire.
Contenu généré par IA
