Les entreprises coupent les budgets face au “slop” généré par l’IA

Un enthousiasme retombé face aux promesses de l’IA en entreprise

L’intelligence artificielle a longtemps été présentée comme un levier capable d’accélérer le travail, de réduire les coûts et de transformer les entreprises. Pourtant, un constat de plus en plus partagé s’impose : dans de nombreux cas, l’usage de l’IA produit surtout du contenu médiocre, des tâches redondantes et une impression d’activité plus qu’une véritable valeur ajoutée. Derrière les promesses de productivité, de nombreuses équipes constatent désormais que l’IA peut aussi générer du travail inutile, coûteux et difficile à exploiter.

Quand les bureaux se remplissent de “workslop”

Le phénomène le plus visible est celui du “workslop”, une forme de production professionnelle générée par IA mais pauvre en substance. Selon les retours cités, des employés envoient des documents, notes ou synthèses clairement produits par un système automatisé, sans réflexion approfondie ni apport original. Dans la pratique, cela oblige souvent les destinataires à relire, corriger ou résumer à nouveau ces contenus, ce qui annule une partie du gain de temps supposé.

• Documents génériques sans analyse réelle
• Synthèses automatiques qui répètent l’évidence
• Temps perdu à vérifier et reformuler le travail reçu

Un responsable de Microsoft, Ryan Roslansky, a même décrit ce mécanisme comme une boucle infernale : un document généré par IA est lu, résumé par une autre IA, puis finit par n’apporter aucune pensée nouvelle. Cette situation illustre un problème central : l’outil n’améliore pas nécessairement la qualité du travail, il peut au contraire la diluer.

Les grandes entreprises commencent à freiner

Face à ces dérives, plusieurs géants de la tech réajustent leur stratégie. Des groupes comme Meta et Microsoft auraient ralenti certains plans visant à remplacer des employés par des agents d’IA. Ce recul ne signifie pas un abandon de l’IA, mais plutôt une prise de conscience : automatiser trop vite peut provoquer plus de désorganisation que d’efficacité. Dans certains services, les gains espérés sont absorbés par le temps passé à superviser, corriger et valider les productions automatiques.

• Réduction des ambitions de remplacement de postes par des agents IA
• Réévaluation des coûts réels des outils génératifs
• Retour d’expérience plus prudent sur les usages internes

Ce mouvement de prudence est d’autant plus notable que ces entreprises ont elles-mêmes intérêt à promouvoir l’IA. Lorsqu’un acteur majeur de l’écosystème ralentit, cela signale que le débat n’est plus théorique : les limites deviennent visibles au quotidien.

Des budgets engloutis dans des usages peu utiles

Un autre problème majeur réside dans la façon dont les entreprises dépensent leur argent pour des tokens IA, des abonnements ou des licences, parfois sans obtenir de retour mesurable. Certains salariés utilisent ces outils pour paraître plus productifs, alors que le résultat final n’est ni plus original ni plus fiable. L’IA devient alors un coût supplémentaire plutôt qu’un moteur de performance.

• Coûts d’abonnement et d’infrastructure croissants
• Rendement incertain sur les tâches complexes
• Effet d’apparence : produire vite, mais pas mieux

Dans les faits, une entreprise peut se retrouver à payer pour générer de grandes quantités de contenu, tout en devant consacrer davantage de temps à la relecture humaine. Le résultat est parfois paradoxal : plus d’outils, mais aussi plus de friction dans les processus internes.

Des incidents graves au-delà du simple mauvais contenu

Le faible niveau de certains contenus générés par IA n’est que la partie la plus visible du problème. D’autres risques, bien plus sérieux, apparaissent dans les grandes organisations. Une enquête citée par Ernst & Young indique que 36 % des dirigeants IA de sociétés réalisant plus d’un milliard de dollars de revenus annuels ont déjà connu un incident catastrophique lié à l’IA. Ces événements peuvent provoquer des pertes financières, des interruptions opérationnelles, des fuites de données ou une atteinte à l’image de marque.

• Pertes financières liées à une mauvaise automatisation
• Interruptions de service dans les opérations internes
• Fuites de données ou mauvaise gestion de l’information
• Atteinte à la réputation après une erreur publique

Ces chiffres rappellent que l’IA en entreprise ne se limite pas à un débat sur la qualité rédactionnelle. Lorsqu’elle est intégrée trop vite ou sans garde-fous, elle peut affecter la sécurité, la conformité et la continuité de l’activité.

Pourquoi la prudence revient au premier plan

Le retour à une approche plus mesurée s’explique par un constat simple : l’IA reste puissante, mais son intégration dans le monde du travail est encore immature. Johnny Taylor Jr, de la Society for Human Resource Management, a résumé cette tension en expliquant que les entreprises ont parfois l’impression de construire le camion en le conduisant. Autrement dit, elles déploient la technologie en même temps qu’elles apprennent à en maîtriser les effets.

Cette situation pousse les organisations à revoir leurs priorités :

• Choisir des cas d’usage précis plutôt que des déploiements massifs
• Maintenir un contrôle humain sur les contenus sensibles
• Mesurer les gains réels avant de généraliser l’outil

L’IA reste donc un outil prometteur, mais les entreprises découvrent qu’elle exige du temps, de la méthode et des garde-fous. Sans cela, l’automatisation peut produire davantage de bruit que de valeur.

Vers une IA plus utile, plus sobre et mieux encadrée

La suite dépendra de la capacité des entreprises à passer d’une logique d’enthousiasme à une logique de discernement. L’IA n’est pas condamnée à générer du contenu médiocre ou à provoquer des incidents : bien utilisée, elle peut aider à résumer, structurer, détecter des tendances ou accélérer certaines tâches répétitives. Mais pour cela, il faut des règles claires, une supervision humaine et des objectifs mesurables.

Les organisations les plus avancées semblent s’orienter vers une utilisation plus ciblée :

• Automatisation limitée des tâches répétitives
• Validation humaine obligatoire pour les contenus critiques
• Formation des équipes à l’usage responsable des outils

Le mouvement actuel ne marque pas la fin de l’IA en entreprise, mais son passage obligé par une phase de tri. Entre promesses spectaculaires et réalités opérationnelles, les entreprises cherchent désormais à distinguer ce qui accélère réellement le travail de ce qui ne fait qu’en donner l’illusion.