Sur les cinq grandes plateformes sociales passées au crible, une seule capte l’essentiel du texte fabriqué par des machines. LinkedIn ne représente qu’un tiers des publications analysées, mais deux tiers de tout le contenu identifié comme généré par intelligence artificielle. Le réseau des professionnels est en train de devenir le principal déversoir du texte synthétique, et c’est l’écart entre son poids réel et sa part de texte machine qui intrigue.
D’où sort le 41 %
Le nombre vient de Pangram, une société qui édite un modèle de détection de texte généré par IA. Son extension pour le navigateur Chrome a scanné plus d’un million de publications entre avril et juin 2026, réparties sur cinq plateformes. Verdict sur les formats longs, ceux qui dépassent 250 mots : 41 % des posts LinkedIn sont classés comme entièrement écrits par une IA. En moyenne, une publication longue sur quatre relève du texte machine, tous réseaux confondus.
La disproportion compte plus que le pourcentage brut. Un tiers du volume, deux tiers du texte machine : rapporté à sa taille, LinkedIn produit du slop (le rebut textuel généré en masse par des modèles de langage) près de trois fois plus densément qu’on ne l’attendrait.
Un détecteur qui sous-compte plus qu’il ne se trompe
Un chiffre de détection n’est jamais une vérité comptable. Pangram avance pour son modèle Pangram 3 un taux de faux positifs de 0,01 %, ce qui, sur le papier, disqualifie peu de textes humains à tort. Mais la société le reconnaît elle-même : son outil identifie mieux ce qui est humain que ce qui est artificiel. Autrement dit, la détection laisse passer une partie du texte machine bien camouflé. Le 41 % est donc un plancher, pas un plafond : la part réelle est probablement plus haute.
Le doute dépasse d’ailleurs le seul Pangram : OpenAI avait lancé son propre détecteur de texte en 2023 avant de le débrancher six mois plus tard, faute de fiabilité, l’outil ne repérant qu’environ un quart des textes machine. Reconnaître une écriture générée reste un exercice fragile, y compris pour qui fabrique ces modèles.
Deuxième précaution : le classement mesure une origine, pas une qualité. L’étude ne dit rien de la valeur des textes, seulement de leur provenance probable. Un post généré peut être utile, un post humain peut être creux. Et les catégories ne se recoupent pas d’une plateforme à l’autre. Sur X, où près de la moitié des articles longs sont signalés, le comptage englobe l’IA intégrale et l’IA assistée ; le 41 % de LinkedIn, lui, vise le texte entièrement généré. Comparer les deux tels quels reviendrait à additionner des choux et des carottes.
LinkedIn paie la cadence, Substack la phrase
La géographie du phénomène est parlante. Substack, plateforme d’écriture au format newsletter, affiche le taux le plus bas des cinq, autour de 10 % sur les textes longs. Sur Reddit, les réponses restent humaines à 98 %, même si les billets postés en solo virent plus souvent à l’artificiel. La densité de texte généré suit donc l’incitation propre à chaque réseau.
LinkedIn récompense le volume et la posture. Publier souvent, paraître expert, alimenter un fil régulier : l’algorithme valorise la cadence, et les générateurs de posts vendus par dizaines promettent exactement cela, un billet lisse en quelques secondes. Là où l’écriture est une fin en soi, comme chez Substack, l’outil sert peu. Là où elle n’est qu’un carburant à visibilité, il sature le canal. Le 41 % n’est pas un accident technique, il découle d’un modèle d’engagement.
La crédibilité comme dommage collatéral
L’implication concrète tombe sur quiconque publie sur ce réseau. Quand deux tiers du texte suspect se concentrent au même endroit, le lecteur finit par appliquer un a priori à tout ce qu’il y lit. La présomption bascule : on ne se demande plus si un post est généré, on suppose qu’il l’est jusqu’à preuve du contraire. C’est une taxe de crédibilité payée par tout le monde, y compris par ceux qui écrivent encore à la main.
LinkedIn a compris le risque et a commencé à restreindre les publications générées, signe que la plateforme mesure l’érosion de confiance qui la menace. Mais la parade individuelle ne viendra pas d’un filtre. Elle viendra du signal humain redevenu rare : une anecdote vérifiable, un chiffre de terrain, un désaccord assumé, tout ce qu’un modèle généraliste ne sait pas fabriquer sans qu’on le lui dicte. Sur un fil où le texte synthétique devient la norme statistique, la marque de l’auteur réel n’est plus un supplément d’âme, c’est le seul filtre anti-doute qui reste au lecteur.
L’étude ne tranche pas un dernier point : à partir de quel seuil un réseau professionnel cesse-t-il d’être lu ? Quand le lecteur présume la machine avant même d’ouvrir un post, la charge de la preuve change de camp. Elle pèse désormais moins sur l’auteur, sommé de justifier sa valeur, que sur la plateforme elle-même, sommée de prouver qu’elle vaut encore le temps qu’on lui accorde.
