Votre écriture sonne comme l’IA et vos lecteurs ne vous croient plus vraiment

Vous rédigez un e-mail, un post LinkedIn ou une note interne et, sans vous en rendre compte, votre phrase sonne comme ChatGPT. En 2025, la déferlante de l’AI slop a imposé partout un style lisse, poli et interchangeable qui érode la confiance. Comment retrouver une voix humaine qui accroche au lieu de se fondre dans le bruit ?

---

À retenir

• AI slop : terme désignant la masse de contenus basse qualité générés automatiquement par IA, élu mot de l’année 2025 par Merriam-Webster et The Economist.
• Contagion lexicale : effet de mimétisme involontaire (« seep-in effect ») documenté sur 22 millions de mots : les humains reprennent des mots fétiches des LLM comme delve, meticulous ou garner.
• Déficit de confiance : seuls 40 % des collaborateurs jugent sincère un message managérial entièrement écrit par IA, contre 83 % après relecture, selon une enquête sur plus de 1 100 professionnels.
• Effondrement de modèle : entraîné en boucle sur ses propres données synthétiques, un modèle perd sa diversité et dégénère, comme démontré dans Nature par Shumailov et al. (2024).
• Effet Barnum et ruse de l’arc-en-ciel : techniques de flou psychologique qui donnent l’illusion du personnalisé en restant universelles.
• Règle d’or : ne jamais demander à l’IA de penser à votre place ; utilisez-la pour éditer un corpus que vous avez déjà écrit et incarné.

---

L’épidémie invisible qui a lissé notre écriture

Le phénomène n’est plus anecdotique, il est systémique. Il commence par un mot.

Pourquoi le mot slop résume notre fatigue numérique

Slop, littéralement « bouillie » ou « pâtée », a été sacré mot de l’année 2025 par le dictionnaire Merriam-Webster et par The Economist. Le terme ne désigne pas une technologie, mais son résidu : cette marée de textes corrects, creux et interchangeables qui inonde les fils d’actualité, les boîtes mail et les sites d’entreprise.

C’est un peu comme la pollution plastique, mais pour les mots : invisible à l’unité, étouffante à l’échelle. À force d’en lire des kilomètres chaque jour, notre cerveau l’absorbe comme une norme. Nous n’utilisons plus seulement l’IA, nous écrivons comme elle.

L’enjeu n’est pas esthétique. Une enquête citée par Fast Company auprès de plus de 1 100 professionnels le montre : un message managérial est jugé plus « professionnel » quand il est rédigé par IA, mais beaucoup moins digne de confiance. Seuls 40 % des salariés le trouvent sincère, contre 83 % après relecture par l’IA. Le lissage rassure la forme, il sabote la confiance.

Comment votre vocabulaire attrape l’accent de l’IA

Vous connaissez l’effet d’un séjour à l’étranger : au bout de trois semaines, vous prenez l’accent local sans le vouloir. La même contagion lexicale s’opère avec les grands modèles de langage.

Une étude de l’université Cornell, basée sur l’analyse de plus de 22 millions de mots issus de podcasts non scénarisés, a documenté ce « seep-in effect ». Les chercheurs ont observé une envolée spectaculaire, à l’oral, de termes jusque-là rares mais surreprésentés par les LLM : delve (explorer en profondeur), meticulous, garner, boast. Personne n’a décidé de les utiliser. Tout le monde a commencé à les utiliser.

Notre exposition quotidienne aux flux synthétiques reprogramme donc notre propre diction. Votre voix professionnelle perd sa singularité, non par manque de talent, mais par mimétisme passif. Si vous ne choisissez pas consciemment vos mots, l’algorithme les choisit pour vous.

Le prix de la neutralité : quand le lisse fait fuir

Pourquoi ce style sonne-t-il si faux ? Parce qu’il est conçu pour ne froisser personne. Les modèles alignés par RLHF, apprentissage par renforcement à partir de retours humains, ont été dressés à arrondir les angles, à ajouter des précautions oratoires, ce que les linguistes appellent le hedging : « il semble que », « il est important de noter que », « dans une certaine mesure ». Sur le fond, l’approche JEPA propose un apprentissage du monde sans prédire chaque pixel.

Le résultat est un texte tiède, prévisible, qui dit tout et ne défend rien. Par exemple : « En tant qu’outil polyvalent, l’IA offre des opportunités tout en présentant des défis. » Qui pourrait être en désaccord ? Personne. Qui s’en souviendra ? Personne non plus.

Un lecteur saturé de platitudes ne cherche pas la perfection grammaticale. Il cherche un signal humain. À force de vouloir plaire à tout le monde, la voix algorithmique finit par n’engager personne.

Ce que l’algorithme ne pourra jamais copier

Si l’IA excelle à imiter la forme, elle échoue à reproduire la source. C’est là que se trouve votre avantage.

L’expertise ne se télécharge pas, elle se pratique

Un grand modèle de langage fonctionne par appariement statistique, ou pattern matching. Il prédit le mot le plus probable après le précédent, à partir de distributions massives. C’est redoutablement efficace pour singer un raisonnement, pas pour en avoir un.

L’expertise humaine procède à l’inverse. Comme l’ont montré les travaux de référence réunis dans le Cambridge Handbook of Expertise, il n’y a pas de créativité sans immersion profonde dans un domaine spécifique. Le psychologue Anders Ericsson l’a théorisé : l’excellence ne vient pas de la répétition, mais de la pratique délibérée.

Concrètement, il faut décomposer une compétence en gestes techniques, s’exposer à une boucle de rétroaction immédiate et travailler précisément ses points faibles. Un pianiste ne joue pas la même sonate en boucle ; il isole quatre mesures qui accrochent. Un bon rédacteur fait pareil : il teste une accroche, mesure la réaction, corrige.

L’autre force humaine est la synthèse interdisciplinaire. Là où l’IA calcule une moyenne probabiliste entre des textes existants, vous pouvez croiser une idée de la biologie avec une expérience de terrain en logistique pour créer une métaphore inédite. Cette capacité à tisser des ponts entre des champs disjoints dépasse le simple calcul corrélatif.

Contre l’effet Barnum, l’arme de l’anecdote vécue

Les textes générés abusent d’un vieux truc de mentaliste : la lecture à froid, ou cold reading.

Elle repose sur deux outils. D’abord l’effet Barnum, aussi appelé effet Forer : une affirmation si générale que chacun y voit un portrait personnalisé. « Vous êtes quelqu’un d’exigeant, mais vous doutez parfois de vos choix. » Ensuite, la ruse de l’arc-en-ciel (rainbow ruse) : glisser dans la même phrase un trait et son contraire. « Vous pouvez être très sociable tout en ayant besoin de moments de solitude. »

Ces phrases flattent le mécanisme de validation subjective : le lecteur comble lui-même les vides et trouve le texte pertinent, alors qu’il est vide. C’est exactement ce que produisent les LLM quand ils n’ont rien de concret à dire.

L’antidote, c’est l’incarnation. Remplacez la vérité générale par une friction vécue. Ne dites pas « la conduite du changement est complexe ». Dites : « Mardi dernier, à 17h42, mon directeur financier m’a dit que mon nouveau reporting automatisé lui faisait perdre deux heures par semaine. J’avais pourtant suivi le tutoriel à la lettre. » Avec un détail sensoriel, un chiffre réel, un échec documenté, vous supprimez le travail de projection du lecteur. Vous ne parlez plus de quelque chose, vous le faites vivre. Aucun modèle ne peut inventer cette cicatrice.

Reprendre le contrôle de votre voix à l’ère de l’automatisation

Il ne s’agit pas de refuser l’outil, mais de le remettre à sa place : à l’édition, pas à l’inspiration.

Pensez corpus d’abord, prompt ensuite

Toute IA repose sur une triade : la puissance de calcul (compute), les algorithmes et le corpus d’apprentissage. Vous ne contrôlez ni le premier ni le deuxième. Vous contrôlez entièrement le troisième.

C’est crucial. L’étude séminale d’Ilia Shumailov et ses co-auteurs, publiée dans la revue Nature, l’a prouvé : entraîné en boucle sur des données synthétiques, un modèle s’effondre. Il perd les queues de distribution, c’est-à-dire sa diversité, ses cas rares, ses nuances, et finit par ressasser les mêmes platitudes en boucle. C’est l’effondrement de modèle.

Appliquez la leçon à votre usage. Si vous demandez à une IA connectée au web ouvert de « générer un article sur le futur du travail », vous récupérez exactement cette bouillie statistique. Si vous lui donnez votre corpus, vos notes, vos verbatims clients, votre rapport de 20 pages, puis lui demandez de résumer, de changer de format ou de corriger le style, elle devient redoutable.

La règle est simple : l’IA est un excellent éditeur, un piètre auteur. Utilisez-la pour scénariser un webinaire à partir de votre livre blanc, transformer votre compte rendu en thread LinkedIn ou traquer vos tics de langage. Ne lui demandez jamais de produire le premier jet de votre pensée.

Osez le parti pris : le seul risque est de n’en prendre aucun

Le dernier verrou est psychologique : il faut oser trancher, même quand cela expose à la critique.

Il n’est pas digne d’un esprit éclairé de se ranger du côté de la majorité.
— G. H. Hardy

Transposé à l’écriture : si votre message pourrait être signé par n’importe quel concurrent, il ne sert personne.

La prudence algorithmique cherche le consensus inodore. La clarté humaine assume la polarisation. Dire « l’automatisation totale du service client est une erreur stratégique pour 90 % des PME » vous vaudra des critiques. Ne rien dire vous vaudra l’indifférence. Et l’indifférence est plus coûteuse que la controverse.

Concrètement, relisez votre dernier texte et traquez le hedging. Supprimez les « il convient de noter », « il est envisageable que ». Remplacez-les par « je soutiens que », « nous avons mesuré », « je me suis trompé quand ». L’autorité ne vient pas de la neutralité, mais de la responsabilité d’une position argumentée.

Ce qui vous rend le plus humain, c’est ce que la machine ne ressent pas : une émotion, une honte, une intuition née d’un échec physique. C’est votre matière première. Gardez l’IA pour polir la forme. Gardez pour vous le fond qui pique, qui frotte et qui reste.