Les entreprises coupent les budgets face au « slop » généré par l’IA

1. L’enthousiasme pour l’IA laisse place au doute

L’essor de l’intelligence artificielle en entreprise avait promis un gain de productivité spectaculaire. Pourtant, un constat s’impose peu à peu : dans de nombreux bureaux, l’IA n’a pas toujours amélioré la qualité du travail. Au contraire, elle a parfois encouragé des usages superficiels, générant des contenus standardisés, répétitifs et souvent peu utiles. Cette dérive, souvent qualifiée de “AI slop”, alimente désormais une forme de méfiance chez les dirigeants comme chez les employés.

• Promesse initiale : automatiser les tâches et accélérer la production.
• Réalité observée : multiplication de documents générés à la chaîne.
• Effet inattendu : des équipes passent plus de temps à relire, corriger ou résumer des contenus pauvres.

2. Des entreprises technologiques freinent leurs ambitions

Selon plusieurs signaux récents, certains géants de la tech ralentissent leurs plans de remplacement des salariés par des agents IA. Des entreprises comme Meta auraient revu à la baisse leurs ambitions de suppressions de postes liées à l’automatisation, tandis que Microsoft semble aussi adopter une posture plus prudente. Ce changement reflète une prise de conscience : l’IA, au lieu de remplacer efficacement des tâches humaines, produit parfois davantage de bruit que de valeur.

• Meta : réévaluation des projets de remplacement par l’IA.
• Microsoft : montée des critiques internes sur la qualité des usages.
• Tendance générale : passage d’un discours d’enthousiasme à une stratégie plus mesurée.

3. Quand l’IA ralentit le travail au lieu de l’accélérer

Le problème ne se limite pas à la production de textes médiocres. Dans la pratique, l’IA peut créer un effet boule de neige : un salarié envoie un document généré artificiellement, un autre le lit, puis une nouvelle IA le résume, sans qu’aucune idée originale n’en ressorte. C’est précisément ce que dénonce Ryan Roslansky, vice-président exécutif de Microsoft, en parlant d’un “doom loop”, un cercle vicieux où l’on consomme des contenus artificiels sans enrichir réellement la réflexion.

• Exemple concret : un mémo produit par une IA, résumé par une autre IA, puis relu par un humain qui n’y trouve rien de neuf.
• Conséquence : perte de temps et appauvrissement des échanges.
• Risque : confondre vitesse de production et qualité réelle du travail.

4. Les RH alertent sur une adoption trop rapide

Du côté des ressources humaines, le discours devient plus nuancé. Johnny Taylor Jr, président de la Society for Human Resource Management, estime que les entreprises avancent trop vite, comme si elles construisaient un véhicule en pleine course. Cette image illustre bien la situation actuelle : beaucoup d’organisations déploient des outils d’IA sans cadre solide, sans formation suffisante et sans mesure précise des bénéfices réels.

• Problème central : adoption rapide, mais gouvernance insuffisante.
• Besoin identifié : former les salariés à l’usage pertinent de l’IA.
• Approche recommandée : intégrer l’outil lentement, avec contrôle humain.

5. Les incidents graves rappellent les limites de l’automatisation

Au-delà des contenus de faible qualité, certains effets de l’IA sont bien plus préoccupants. Une enquête d’Ernst & Young menée en septembre indique que 36 % des cadres supérieurs chargés de l’IA dans des entreprises réalisant plus d’un milliard de dollars de chiffre d’affaires annuel ont déjà subi un incident catastrophique. Ces événements ont entraîné des pertes financières, des interruptions opérationnelles, des fuites de données ou encore des atteintes à l’image de marque.

• Pertes financières : coûts liés à la correction d’erreurs ou à des défaillances de système.
• Disruptions opérationnelles : outils paralysés ou processus perturbés.
• Atteinte à la réputation : diffusion d’informations erronées ou données sensibles exposées.

6. Vers une adoption plus lucide et mieux encadrée

Le débat actuel montre que l’IA en entreprise n’est ni un échec total ni une solution miracle. Elle peut être utile pour certaines tâches précises, comme la synthèse de documents, l’assistance à la rédaction ou l’analyse rapide de données, mais seulement si son usage est encadré, vérifié et orienté vers un objectif clair. Les entreprises qui réussiront seront probablement celles qui sauront limiter les usages gadgets et privilégier les cas où l’IA apporte une vraie valeur ajoutée.

• Bon usage : accélérer des tâches ciblées, sans remplacer le jugement humain.
• Mauvais usage : produire en masse des contenus sans substance.
• Priorité : qualité, traçabilité et responsabilité dans l’adoption des outils d’IA.