Depuis l’intégration d’outils d’écriture assistée par intelligence artificielle directement dans son interface, LinkedIn voit son fil d’actualité se remplir de publications dont l’origine humaine est de plus en plus contestée. Une étude récente du 9 juillet 2026, menée par la start-up Pangram, révèle que plus de 40 % des posts longs y seraient entièrement générés par IA. Ce chiffre interroge sur la qualité du réseautage professionnel et sur l’impact de cette technologie sur la crédibilité du réseau social.
LinkedIn concentre 62 % du contenu IA détecté
L’analyse de Pangram a porté sur 1 002 627 publications collectées à partir du 24 avril 2026 via une extension Chrome dédiée. Cinq plateformes étaient scrutées : LinkedIn, X, Reddit, Medium et Substack. Résultat : LinkedIn ne pèse qu’un tiers des contenus scannés, mais il concentre pourtant 62 % de tout le contenu détecté comme généré par IA sur l’ensemble des réseaux. Un déséquilibre frappant qui en fait le principal réservoir de ce que certains appellent désormais « AI slop » – du contenu sans valeur ajoutée.
Sur les articles longs (plus de 250 mots), la barre des 40 % est franchie. X s’en sort à peine mieux avec 23,9 % de contenus entièrement IA. Substack cumule 21,9 % en mêlant IA et assistance humaine. En revanche, Reddit ne dépasse pas 4,4 %, principalement grâce à ses commentaires, humains à 98,1 %.
Des performances contrastées selon les formats
Le problème s’accentue avec la longueur du texte. Tous contenus confondus, le taux moyen de contenu entièrement généré par IA n’est que de 13,8 %. Mais dès que le texte dépasse 250 mots, ce taux grimpe à 25,72 %. C’est donc un post long sur quatre qui serait intégralement rédigé par un modèle.
Ce constat remet en question la stratégie d’employee advocacy de nombreuses entreprises. Faut-il continuer à utiliser la génération assistée sur les profils des collaborateurs, ou risquer une pénalité algorithmique ? La plateforme a d’ailleurs annoncé vouloir réduire la visibilité des publications qualifiées de génériques, avec un taux de précision revendiqué de 94 %.
Le contre-exemple de Reddit, un modèle de résistance
Reddit affiche seulement 4,4 % de contenu IA, soit dix fois moins que LinkedIn. L’écart s’explique en partie par la nature du corpus : les réponses (72 % des contenus scannés) sont humaines à 98,1 %. En revanche, les posts de premier niveau montent à 11,6 %. À longueur égale, un post Reddit a 5,25 fois plus de chances d’être généré par IA qu’un commentaire.
Pangram y voit un angle mort des politiques anti-bots : le rate limiting attrape le spam de masse, mais pas le post unique et soigné qui vise une large audience. Ce paradoxe interroge sur l’efficacité des algorithmes de modération face à l’essor désordonné de l’IA.
| Plateforme | Contenu détecté comme IA | Précisions |
|---|---|---|
| Plus de 40 % des posts longs | 62 % de tout le contenu IA détecté sur les 5 plateformes | |
| X (Twitter) | 23,9 % des articles, 46,8 % en cumulant mixte | 53,2 % seulement passent pour 100 % humains |
| Substack | 21,9 % (IA + assisté) | Seule plateforme où le format long est moins touché |
| 4,4 % tous contenus confondus | 98,1 % des réponses sont humaines |
Trois limites à garder en tête
Avant de prendre ces chiffres pour argent comptant, il faut considérer trois réserves méthodologiques :
- Pangram vend un service de détection d’IA ; l’étude documente donc son propre marché.
- L’échantillon est auto-sélectionné : les utilisateurs de l’extension anti-slop scannent probablement les posts qui leur semblent suspects.
- Aucun détecteur n’est fiable à 100 %. OpenAI a lui-même abandonné son outil. Pangram annonce un taux de faux positifs de 0,01 % pour son modèle 3.3, mais sans validation externe.
Le chiffre de 41 % ne signifie pas que quatre posts LinkedIn sur dix sont écrits par une IA, mais plutôt que quatre posts longs sur dix, dans un échantillon particulier, ont été détectés comme tels. La nuance change tout, surtout pour les équipes marketing qui souhaitent exploiter ces données.
Ce que ça change concrètement pour les professionnels
D’abord, le ghostwriting industriel devient risqué. Si un copywriter utilise le même prompt et le même gabarit pour cinq dirigeants, la signature stylistique devient repérable par un classifieur. Ensuite, prouver indirectement que l’on est derrière le post devient clé : une donnée interne, une photo de terrain, un chiffre issu du CRM, un désaccord assumé – autant d’éléments qu’un modèle ne fabrique pas à votre place.
Enfin, le problème est multi-plateformes. Pinterest a déployé un réglage pour limiter les contenus IA, X a revu sa monétisation créateurs, Reddit renforce sa vérification humaine. Pour les moteurs de recherche, la question se pose dans les mêmes termes. L’impact sur la visibilité des publications est donc un enjeu stratégique.
Une question demeure pour les entreprises qui animent un programme d’employee advocacy : à quel moment couper la génération assistée sur les profils des collaborateurs, ou laisser l’algorithme les pénaliser ? Le paradoxe LinkedIn-Reddit montre que la mécanique de portée récompense encore le volume, et qu’aucun algorithme anti-slop ne résoudra le problème tant que la viralité restera la priorité.
