Le mot a mis deux ans à s'imposer, et il est déjà en train de pourrir. "Slop" désignait au départ une catégorie précise : les contenus produits à la chaîne par une IA, publiés sans relecture, imposés à un public qui n'avait rien demandé. Aujourd'hui, il sert aussi à disqualifier un travail humain soigné parce qu'il "fait IA". Le glissement n'est pas anodin : il transforme une question de responsabilité éditoriale en procès d'intention esthétique.
Ce qui reste solide, en revanche, c'est un constat documenté. Ni l'oeil humain ni les détecteurs automatiques ne permettent de trancher de façon fiable. La seule chose qu'un lecteur peut réellement évaluer, c'est la provenance, la cadence et la chaîne de responsabilité d'un contenu. Autrement dit : le slop n'est pas un style, c'est un mode de production et de distribution.
Un mot pour désigner un gâchis, pas un outil
Le développeur britannique Simon Willison popularise le terme le 8 mai 2024, en reprenant un message vu sur X : le slop serait au contenu généré par IA ce que le spam est à l'e-mail. Sa définition tient en trois éléments : une production machinale ("mindlessly generated"), une absence de relecture, et le fait d'être servi à des gens qui ne l'ont pas demandé. Il ajoute une précision que l'on oublie trop souvent : tout contenu produit avec une IA n'est pas du slop. Son exemple canonique reste le guide de voyage généré par Microsoft qui recommandait la banque alimentaire d'Ottawa comme incontournable.
En français, aucun équivalent ne s'est imposé. L'Office québécois de la langue française a proposé "contenu dégénératif" en mai 2025, par opposition à "génératif". Le Robert suggère "bouillie" ou "purée numérique", et signale "bouillasse", qui fait entendre "IA" à l'oral. Le mot anglais a en tout cas été consacré par Merriam-Webster, qui en a fait son mot de l'année 2025 le 15 décembre, puis par l'American Dialect Society en janvier 2026. Il avait auparavant été finaliste derrière "brain rot" chez Oxford en 2024.
Le diagnostic visuel ne tient pas
L'idée qu'un lecteur pourrait "sentir" l'IA à des tics d'écriture - tournures ronflantes, listes à trois, adverbes en série - ne résiste pas aux mesures. Dans les expériences du laboratoire PIKE de Penn State, dirigé par Dongwon Lee, des humains distinguent un texte généré par IA d'un texte humain environ 53 % du temps, là où le hasard donne 50 %. Ni un entraînement préalable ni le travail en équipe n'améliorent guère le résultat. Le chercheur en tire un conseil praticable : vérifier les sources et la cohérence, pas son intuition.
Les détecteurs automatiques ne sauvent pas la mise. Une étude souvent citée sur le sujet, menée à Stanford sous la direction de James Zou, a testé sept outils sur des essais rédigés par des candidats au TOEFL : 61,22 % de ces textes ont été classés comme générés par IA, alors que les mêmes outils étaient quasiment parfaits sur des essais d'élèves américains. Dans 19 % des cas, les sept détecteurs signalaient l'essai à l'unanimité. L'explication tient à la métrique dominante, la "perplexité", corrélée à la sophistication lexicale et syntaxique - un terrain où les non-anglophones sont structurellement désavantagés. Zou ajoute que ces outils se contournent par une simple consigne de reformulation.
Même les meilleurs systèmes restent des boîtes noires : le classifieur de Penn State atteint 85 à 95 % de précision sur ses jeux de test, sans pouvoir expliquer ses verdicts. Et le contexte de production de ces chiffres mérite d'être noté : l'université précise que Dongwon Lee a entamé une collaboration avec GPTZero, une start-up du secteur. Un outil qui revendique 85 à 95 % de réussite en laboratoire ne dit rien de sa fiabilité sur un article de 400 mots posté à 3 heures du matin.
Ce qu'un lecteur peut réellement vérifier
NewsGuard, qui traque les "fermes de contenus" depuis 2023, recensait au 23 juin 2026 3 749 sites d'information générés par IA dans seize langues, dont le français. Ses critères forment une check-list, parce qu'ils portent sur des observables et non sur une impression de lecture :
- Un contenu massivement produit par IA - pas "assisté", mais produit.
- Une supervision humaine quasi absente, trahie par des résidus que personne n'a relus : messages d'erreur de chatbot laissés dans le corps d'un article, formules d'assistant recopiées telles quelles.
- Une cadence industrielle : des dizaines d'articles par jour.
- Une identité d'emprunt : un nom générique du type "Times Business News", une maquette de média d'information crédible, une absence de mention de l'usage de l'IA.
Cette grille a une limite claire : elle s'applique à un site, pas à un article isolé, et certainement pas à un post sur un réseau social. Pour un contenu unique, le seul test robuste reste celui de la responsabilité : qui signe, qui corrige, qui répond en cas d'erreur ? Un site sans nom d'éditeur, sans page "à propos" crédible, sans moyen de contact humain et sans historique vérifiable n'a aucune raison de produire de l'information - et il n'en produit pas, il produit du volume.
Suivre l'argent
Car le slop n'est pas un accident technique, c'est un modèle économique. NewsGuard le formule sans détour : la plupart de ces sites vivent de la publicité programmatique, où l'industrie publicitaire délivre des annonces sans tenir compte de la nature ni de la qualité du support. Des marques connues financent donc, involontairement, la machine qui les environne. Tant que les acheteurs d'espace n'excluent pas ces domaines, l'incitation à produire en masse reste intacte.
Les chiffres de volume donnent la mesure du déséquilibre. Une étude de l'éditeur vidéo Kapwing, relayée par The Guardian, a analysé les 15 000 chaînes YouTube les plus populaires, pays par pays : 278 ne publiaient que du contenu généré par IA, cumulant plus de 63 milliards de vues et plus de 117 millions de dollars de revenus publicitaires annuels. Sur un compte neuf, 104 des 500 premières vidéos courtes recommandées, soit environ 21 %, relevaient du même registre. Interrogé, un porte-parole de Google a répondu que "l'IA générative est un outil et, comme tout outil, elle peut être utilisée pour créer du contenu de haute ou de basse qualité" - une réponse exacte, qui esquive la question de la promotion algorithmique.
La musique offre la même asymétrie, de façon plus nette. Deezer reçoit près de 90 000 morceaux entièrement générés par IA chaque jour ; en juin 2026, ces titres ont franchi pour la première fois le cap de la moitié des nouveaux titres mis en ligne, selon le communiqué de la plateforme du 21 juillet 2026. Ils ne représentaient pourtant que 1 à 3 % des écoutes. Traduction économique : le coût marginal de production s'est effondré, la valeur de l'attention, elle, n'a pas bougé. Ce sont les producteurs légitimes qui absorbent la différence, en visibilité comme en rémunération.
Le phénomène ne s'arrête pas aux plateformes grand public. Une enquête de BetterUp et du Stanford Social Media Lab (septembre 2025, 1 150 salariés américains) a baptisé "workslop" ces documents générés qui ont l'air soignés mais ne font pas avancer le travail : 40 % des répondants en avaient reçu au cours du mois écoulé, et chaque cas leur coûtait près de deux heures. La bouillie se paie toujours quelque part - en temps de tri, en vérification, en confiance perdue.
Le mot-arme, et le piège des étiquettes
Reste le problème que la définition de Willison porte en elle : "Non désiré" et "sans soin" sont des jugements. Sur les réseaux, "slop" sert désormais à disqualifier un contenu sans autre preuve que son apparence - et un texte relu, sourcé, mais un peu lisse, y passe aussi facilement qu'une ferme à clics. L'accusation d'IA n'est pas une preuve de slop ; elle est devenue une arme rhétorique ordinaire.
C'est pourquoi la réglementation européenne mérite d'être regardée de près, sans en attendre de miracle. Depuis le 2 août 2026, l'article 50 du règlement sur l'IA impose, dans les grandes lignes, des obligations de transparence : marquage lisible par machine des contenus générés, information du public pour les hypertrucages, mention pour les textes publiés sur des sujets d'intérêt public. Un détail change tout pour notre sujet : l'obligation de mention ne s'applique pas lorsque le contenu a fait l'objet d'une relecture humaine et qu'une personne assume la responsabilité éditoriale. Concrètement, le texte réglementaire exempte précisément les contenus que le slop n'atteint pas vraiment - l'usage d'IA relu et assumé - et laisse les fermes de contenus, qui ne revendiquent aucune responsabilité, hors de portée pratique.
Quant aux étiquettes visibles, elles ne résoudront pas le diagnostic : un badge "contenu généré par IA" ne dit rien de la qualité, et son absence ne prouve rien non plus. Il faut se méfier de la tentation symétrique : réclamer un label universel comme s'il dispensait de vérifier la source.
La compétence qui reste
Il y a une ironie dans le fait que la meilleure grille de lecture du slop soit celle qu'on enseigne depuis longtemps en éducation aux médias : identifier l'éditeur, dater, recouper, chercher qui corrige. L'IA n'a pas créé ce besoin, elle l'a industrialisé et rendu rentable.
La règle personnelle de Simon Willison - "don't publish slop" - se transpose assez bien du côté du lecteur : ne relayez pas de slop. Avant de partager, une question suffit souvent : est-ce que quelqu'un, quelque part, a relu ceci et accepterait d'en répondre ? Si la réponse est non, la qualité du texte, la beauté de l'image ou la fluidité de la voix synthétique n'ont plus guère d'importance.
