41 % des posts LinkedIn ne sont pas écrits par un humain (2026)

Pendant des années, « Internet se transforme en bouillie générée par IA » n'était qu'une impression, pas un chiffre. En 2026, nous avons enfin des chiffres, issus de deux études indépendantes qui ont mesuré de vrais fils au lieu de deviner. Le titre : jusqu'à 41 % des longs posts LinkedIn n'ont pas été écrits par un humain. Et LinkedIn n'est même pas le pire terrain.

Voici ce que disent réellement les données, ce que font les plateformes, et pourquoi aucune de leurs réponses ne protège votre fil.

L'étude qui a mesuré ce que les gens voyaient vraiment

En juillet 2026, 404 Media a rendu compte d'une étude de Pangram, une société de détection d'IA. La méthode est ce qu'il y a de plus intéressant : au lieu d'aspirer des pages publiques, Pangram a utilisé une extension Chrome qui a analysé passivement environ un million de posts réellement vus par des utilisateurs dans leur fil pendant deux mois.

Cette distinction compte. Aspirer des pages dit ce qui existe ; analyser les fils dit ce que l'algorithme sert. C'est une mesure de l'exposition, pas de l'inventaire.

Les résultats sur les plateformes de texte :

Deux précisions qui rendent ces chiffres plus alarmants, pas moins. D'abord, Pangram annonce un taux de faux positifs d'environ 1 sur 10 000 : ce n'est donc pas un détecteur à la gâchette facile qui gonfle le total. Ensuite, Pangram qualifie explicitement les chiffres de borne inférieure : le détecteur ne signale que ce dont il est sûr.

La vidéo est pire : 59 % d'un fil TikTok neuf

Le texte n'est que la moitié du tableau. En juin 2026, la société d'outils vidéo Kapwing a mené une autre expérience : créer un tout nouveau compte sans historique et noter ce que l'algorithme sert à un utilisateur vierge.

Sur TikTok, 59 % des vidéos proposées à un compte neuf étaient du slop IA. Sur YouTube Shorts, le chiffre était de 21 % : mieux, mais tout de même une sur cinq.

Le compte neuf est l'élément clé. C'est le régime par défaut, ce que la plateforme vous sert avant de connaître vos goûts. Si vous êtes un nouvel utilisateur, un utilisateur occasionnel, ou un enfant avec un nouvel appareil, voilà votre fil.

Les enfants sont les plus touchés

Le chiffre le plus troublant de l'étude Kapwing : la catégorie des contenus pour enfants était la plus touchée, avec 57 % de slop IA. Le hashtag #CartoonKids a obtenu 97/100 sur leur échelle de contenu IA, soit une chaîne quasiment entièrement synthétique destinée aux enfants.

Cela rejoint ce que nous avons documenté dans notre guide pour bloquer les chaînes YouTube générées par IA : les contenus pour enfants sont la cible économiquement rationnelle des fermes de contenu. Les enfants ne passent pas les vidéos de mauvaise qualité, ne les signalent pas, et regardent en lecture automatique. Un maximum de temps de visionnage, un minimum de contrôle.

Si un enfant de votre foyer a un fil, statistiquement, la plupart de ce qu'il contient n'a jamais été touché par un humain. C'est pourquoi nous traitons le contrôle parental comme une fonction gratuite, pas comme une option payante.

Ce que font les plateformes

Pour être juste, 2026 est l'année où les plateformes ont cessé de faire semblant de ne rien voir. Leurs réponses jusqu'ici :

• YouTube a déplacé ses labels de divulgation de l'IA vers un emplacement plus visible sous le lecteur, ajouté un label en surimpression sur les Shorts, et commencé à étiqueter automatiquement le contenu grâce aux métadonnées de provenance C2PA et SynthID. En janvier 2026, elle a supprimé 16 chaînes totalisant 35 millions d'abonnés pour contenu inauthentique.
• LinkedIn a discrètement retiré son assistant d'écriture IA du bouton de publication, la fonction même qui a contribué à générer le déluge.
• Reddit affirme bloquer 23 millions de vues de spam par jour et a lancé une campagne de marque « people are best » misant sur l'authenticité humaine.

Notez l'ironie du point central : les plateformes ont passé 2023-2025 à livrer des boutons de génération par IA, et passent 2026 à livrer des labels de détection pour ce qui en sort.

Pourquoi labels et purges ne répareront pas votre fil

Chaque réponse de plateforme ci-dessus a un point commun : elle est réactive.

1. Les labels annotent, ils ne filtrent pas. Un badge « fait avec l'IA » sous le lecteur ne réduit pas la fréquence à laquelle l'algorithme recommande la vidéo. Vous y dépensez quand même votre attention ; le label vous dit seulement après coup que vous n'auriez pas dû.
2. Les labels dépendent de la coopération. Un étiquetage fondé sur la déclaration suppose que les fermes à slop se dénoncent elles-mêmes. Un étiquetage fondé sur la provenance (C2PA/SynthID) ne marche que si les métadonnées survivent au réencodage, et les supprimer est trivial.
3. Les purges sont un indicateur tardif. Les 16 chaînes supprimées par YouTube avaient déjà cumulé 35 millions d'abonnés. L'application des règles est arrivée après des années d'exposition, et les opérateurs se réinscrivent tout simplement.
4. Chaque plateforme ne défend que son territoire. Les labels de YouTube ne vous aident pas sur LinkedIn ; le blocage de spam de Reddit ne touche pas votre fil X. Les opérations de slop sont multiplateformes ; la modération ne l'est pas.

Les plateformes optimisent l'engagement et, comme le montrent les chiffres de Pangram, le slop IA est de l'engagement. Attendre du moteur de recommandation qu'il se prive lui-même n'est pas une stratégie.

L'alternative proactive : organiser avant que ça n'arrive jusqu'à vous

La solution structurelle est l'inverse de l'étiquetage : ne pas annoter le slop une fois chargé, mais arrêter les sources de slop connues avant qu'elles ne s'affichent.

C'est le modèle sur lequel Blokari est construit :

• Listes de blocage organisées par la communauté. Des curateurs humains maintiennent des listes de chaînes et de comptes de slop IA connus, les mêmes fermes industrielles que ces études ont mesurées. Abonnez-vous une fois ; la liste se met à jour à mesure que des fermes apparaissent.
• Multiplateforme par conception. La même extension filtre YouTube, LinkedIn, X et Reddit, à l'image du fonctionnement réel des opérations de slop. Notre guide de filtrage du fil LinkedIn traite spécifiquement ce problème des 41 %.
• Vos propres règles par-dessus. Une liste de blocage personnelle pour tout ce que les listes organisées n'ont pas encore attrapé ; une liste blanche pour qu'un vrai créateur ne soit jamais masqué par erreur.
• Contrôle parental gratuit. Vu le chiffre de 57 % pour la catégorie enfants, c'est la fonction la moins optionnelle que nous proposons, gratuite sur tous les plans.

Il y a aussi un bénéfice à plus long terme. Les algorithmes de recommandation apprennent de ce avec quoi vous interagissez. Quand le slop cesse de s'afficher, vous cessez de l'alimenter en clics et en temps de visionnage, et vos recommandations reviennent peu à peu vers des humains. Vous ne faites pas que masquer du contenu : vous entraînez votre fil.

À retenir

Les données de 2026 ont remplacé une impression par une mesure : 41 % des longs posts LinkedIn, un article sur X sur quatre entièrement écrit par une machine, 59 % d'un fil TikTok neuf, 97/100 pour un hashtag enfants. Et ce ne sont que des bornes inférieures, mesurées sur des fils réellement vus.

Les plateformes continueront d'étiqueter et de purger, de façon réactive, une plateforme à la fois, une fois l'exposition passée. La seule défense de fil qui agit avant l'exposition est une sélection que vous contrôlez. Choisissez vos sources, bloquez les fermes, et laissez les humains revenir dans votre fil.

FAQ