AI Slop

Le contenu poubelle généré par l’IA, souvent appelé simplement contenu poubelle, désigne du contenu numérique de faible qualité produit en masse avec l’IA générative et peu d’intervention humaine : articles de remplissage, images étranges, vidéos narrées avec des images d’archives et chansons produites par machine, publiés pour capter du trafic de recherche, de l’engagement ou des revenus publicitaires. Merriam-Webster a choisi slop comme mot de l’année 2025, le définissant comme un « contenu numérique de faible qualité généralement produit en quantité par l’intelligence artificielle », et le Macquarie Dictionary a retenu « AI slop » pour la même année. Ce qui caractérise ce contenu, c’est la manière et la raison de sa production — à un coût presque nul et à grande échelle — plutôt qu’une erreur particulière qu’il contiendrait.

Origine du terme#

À l’origine, slop désignait de la boue molle, puis les restes alimentaires donnés aux cochons. En mai 2024, le programmeur Simon Willison a avancé que slop devrait désigner les contenus indésirables générés par l’IA, comme spam désigne les courriels indésirables, en attribuant à l’auteur en ligne deepfates le mérite d’avoir remarqué que le mot devenait un terme spécialisé. La même année, les fils Facebook se sont remplis d’images surréalistes issues de la génération de texte en image, comme « Shrimp Jesus », des images de Jésus fusionné avec des crevettes publiées par des pages en quête d’engagement. En 2025, le terme désignait aussi les vidéos, la musique, les livres et les écrits universitaires produits par l’IA.

Pourquoi le contenu poubelle généré par l’IA se répand#

Le contenu poubelle généré par l’IA est un produit économique. Un grand modèle de langage (LLM) ou un générateur d’images fondé sur des modèles de diffusion peut produire des milliers de publications au prix d’un seul contenu créé par une personne, tandis que les fils classés par un système de recommandation et les réseaux publicitaires rémunèrent l’attention, quel que soit le créateur du contenu. Il suffit à un producteur qu’une petite fraction de ses publications trouve son public :

Ce phénomène est désormais présent sur l’ensemble du Web :

• Fermes de contenu et spam dans les résultats de recherche : des sites produisent en masse des pages rédigées par des LLM pour se positionner sur des requêtes. Les règles antispam de Google définissent l’abus de contenu à grande échelle comme la génération de nombreuses pages qui apportent peu de valeur aux utilisateurs, « quelle que soit leur méthode de création ». Elles ciblent ainsi le volume et l’objectif du contenu poubelle plutôt que l’outil utilisé.
• Plateformes de streaming : Spotify a déclaré en septembre 2025 avoir supprimé plus de 75 millions de titres indésirables au cours des 12 mois précédents, et YouTube a renommé en juillet 2025 sa règle de monétisation sur les « contenus répétitifs » en « contenus non authentiques » afin de couvrir les vidéos produites en masse.
• Publications scientifiques : Une analyse de près de 951 000 articles a révélé que jusqu’à 17,5 % des résumés en informatique présentaient des signes de modification par un LLM en février 2024. Les soumissions bâclées comportant des références fabriquées alourdissent la charge de l’évaluation par les pairs.

Contenu IA de piètre qualité et termes apparentés#

• Hallucination : Énoncé faux ou non étayé dans la sortie d’un modèle. Le contenu de piètre qualité décrit la façon dont le contenu est produit et utilisé : un article exact mais inutile reste donc un contenu de piètre qualité, et un article soigneusement relu peut contenir une hallucination.
• Deepfakes : Contenus synthétiques conçus pour faire croire qu’une personne réelle dit ou fait quelque chose. Le contenu de piètre qualité vise généralement à capter l’attention plutôt qu’à tromper le public au sujet d’une personne ou d’un événement en particulier.
• Effondrement des modèles : Dégradation des modèles entraînés de façon répétée sur du contenu généré. Le contenu de piètre qualité récupéré sur le Web et intégré aux données d’entraînement est l’une des façons dont cette boucle s’amorce ; c’est pourquoi les pipelines de nettoyage des données pour les jeux de données à l’échelle du Web dédupliquent les échantillons presque identiques et filtrent ceux de mauvaise qualité.
• Données synthétiques : Données générées intentionnellement, filtrées et validées pour entraîner des modèles ; elles constituent le pendant contrôlé du contenu de piètre qualité.

Détecter et filtrer le contenu IA de piètre qualité#

Les signaux de provenance constituent les preuves les plus fiables lorsqu’ils sont disponibles. Le filigranage de l’IA intègre un signal détectable au moment de la génération, et les Content Credentials (C2PA) ajoutent des métadonnées signées qui indiquent quel outil a créé ou modifié un fichier ; les plateformes peuvent ainsi étiqueter le contenu lorsque le générateur a coopéré. Ni l’un ni l’autre n’est utile pour les sorties d’outils qui n’ajoutent aucune marque, et les métadonnées sont perdues lorsqu’un fichier est réencodé ou qu’une capture d’écran est prise.

Les classificateurs qui évaluent le contenu a posteriori comblent cette lacune avec des résultats mitigés. Les détecteurs de texte rédigé par l’IA affichent un bilan médiocre : OpenAI a retiré son propre classificateur de texte en juillet 2023, après qu’il n’a correctement identifié que 26 % des textes rédigés par l’IA. Les images sont plus faciles à détecter, car les générateurs y laissent des traces statistiques ; certaines sont visibles, comme les lettres déformées ou les mains mal formées, ce qui aide les lecteurs à déterminer si une image a été générée par l’IA, tandis que les modèles repèrent des traces plus subtiles. Un modèle de classification Ultralytics YOLO26 entraîné sur des images réelles et générées avec étiquettes peut signaler les images probablement générées par l’IA pour qu’elles soient examinées par un humain. Ces détecteurs doivent suivre le rythme des nouveaux générateurs : un classificateur entraîné sur des images issues d’un GAN s’est généralisé à d’autres générateurs basés sur CNN après un entraînement avec du flou et une augmentation des données JPEG ; pourtant, les détecteurs entraînés sur des GAN ont échoué sur les images issues de modèles de diffusion latente, et la construction du détecteur à partir de caractéristiques CLIP a augmenté d’environ 26 points de pourcentage la précision sur les générateurs de diffusion et autorégressifs inconnus.