LinkedIn concentre 41 % des posts longs écrits par IA

L’étude Pangram publiée le 12 juillet analyse un million de posts sur cinq plateformes entre avril et juin 2026, et ressort avec une hiérarchie sans surprise : LinkedIn concentre 41 % de contenu IA sur son long-form, presque le double de Reddit. Les deux tiers du contenu IA détecté sur l’ensemble des cinq plateformes viennent du seul réseau pro.

Pour résumer

• LinkedIn pèse 41 % de contenu IA sur les posts longs, Medium 31 %, X 29 %, Reddit 13 %, Substack 10 %.
• À lui seul, LinkedIn cristallise environ deux tiers du contenu IA détecté par Pangram sur les cinq plateformes.
• Reddit reste le contre-modèle : 98 % des réponses sont écrites par un humain.

Un million de posts, cinq plateformes, une hiérarchie qui saute aux yeux

Pangram a passé au crible un peu plus d’un million de posts publiés entre avril et juin 2026 sur LinkedIn, Medium, X, Reddit et Substack. La détection tourne sur l’extension Chrome maison, que la startup présente avec un taux de faux positifs annoncé à 0,01 %. La méthode isole d’abord le long-form, à partir de 250 mots, puis le short-form, entre 50 et 250 mots.

Sur le long-form, LinkedIn ressort à 41 %. Medium suit avec 31 %, X avec 29 %, puis Reddit à 13 % et Substack à 10 %. Le short-form redistribue les cartes mais garde LinkedIn en tête, avec 30 % de contenu IA, contre 28 % pour Medium, 12 % pour Substack, 9 % pour X et 3 % pour Reddit.

Le rapport insiste sur un chiffre qui déplace la lecture. LinkedIn ne représente qu’un tiers des posts scannés dans l’échantillon Pangram, mais capte à peu près deux tiers du contenu IA détecté sur les cinq plateformes réunies. Le réseau pro est donc surexposé au-delà de sa taille dans l’échantillon.

Reddit occupe l’autre bout du spectre. Les réponses aux fils sont écrites par un humain à hauteur de 98 %, un chiffre stable sur les trois mois observés. Les posts autonomes lancés sur la plateforme présentent des taux d’IA plus élevés, mais la conversation elle-même reste massivement humaine, ce qui donne à Reddit une signature très différente du reste de l’échantillon.

Pangram lâche un avertissement méthodologique dans le rapport : le vrai taux de contenu IA pourrait être encore plus élevé, parce que la détection reconnaît mieux le contenu humain que le contenu IA. Le classifieur commet donc plus d’erreurs en classant un texte IA comme humain que l’inverse, ce qui pousse les pourcentages vers le bas.

Pourquoi LinkedIn concentre autant de contenu IA

La lecture directe des chiffres pointe l’incitation économique. Sur LinkedIn, un post long avec un ton corporate poli et un enchaînement thèse-arguments-appel-à-commentaire déclenche la mécanique de reach. Les modèles génériques type ChatGPT, Claude et Gemini livrent exactement ce format en trente secondes, avec une variance stylistique quasi nulle d’un utilisateur à l’autre.

Le second moteur est la peur du silence. Beaucoup de comptes pro n’ont rien à raconter mais tiennent à publier plusieurs fois par semaine pour rester visibles sur la page profil. Le modèle génératif comble ce vide avec un texte grammaticalement propre et lisible en surface, ce qui rend l’exercice hebdomadaire tenable même sans matière neuve.

La troisième dynamique est plus discrète mais lourde de conséquences. Anthropic a récemment reconnu que l’usage réel de Claude en entreprise porte massivement sur le contenu et l’ops, pas sur le code. Sur ces workloads, la génération de contenu social devient une extension naturelle du workflow, souvent copié-collé sans relecture forte.

Côté X, la proportion de long-form IA-écrit approche les 50 % quand on additionne le pur IA et le contenu IA-assisté. La différence avec LinkedIn tient au format : X reste dominé par le short-form, où la variance est plus difficile à masquer et où les modèles produisent des textes qui sonnent plus « bots » pour un œil averti. Le long-form X est un usage plus récent, poussé par les articles publiés directement dans le fil.

Substack reste étonnamment bas à 10 % de long-form IA. La plateforme récompense un ton d’auteur reconnaissable et une signature stylistique forte, deux critères que les modèles génériques touchent mal. Les auteurs Substack ont aussi une raison financière de garder la main : leur revenu direct dépend de la fidélité d’une base payante qui repère vite un texte sans voix.

D’autres articles sur Horizon

• Fable 5 : Anthropic prolonge la promo au 19 juillet
• Anthropic reconnaît que Claude sert d’abord au bureau
• Apple poursuit OpenAI pour vol de secrets et débauche massive

Modération LinkedIn, ligne de crête pour la prochaine phase

LinkedIn a démarré, en réaction à la publication du rapport Pangram, une phase d’enforcement contre les posts IA. La plateforme n’a pas détaillé publiquement les seuils appliqués ni les sanctions, mais le déploiement est confirmé. Le pari est double : réduire l’effet de saturation qui fait chuter le temps passé sur le fil, et défendre la crédibilité éditoriale de la marque LinkedIn face aux annonceurs.

La difficulté technique est réelle. Un détecteur IA calibré sur des scores type Pangram doit tenir plusieurs contraintes : reconnaître les modèles frontière récents, gérer la coauteuring humain-IA, éviter les faux positifs sur les non-natifs anglais qui utilisent des tournures proches des sorties LLM. Chaque erreur coûte cher côté utilisateur, et LinkedIn devra affiner très vite ou remonter le seuil de tolérance.

La question de la trust côté recruteur pèse à part. Un candidat qui publie hebdomadairement un post IA sur son secteur risque, à échéance courte, de perdre le crédit éditorial que LinkedIn a longtemps servi comme signal soft skill. Les recruteurs habituent leur œil à repérer le pattern générique, avec ou sans détecteur. Le compte pro sans matière propre deviendra plus visible, pas moins.

Les concurrents observent. Substack peut décider de mettre en avant son taux bas de contenu IA comme argument commercial vis-à-vis des auteurs pros. Reddit peut renforcer la modération des posts autonomes IA-écrits pour garder la signature « conversations vraies » que le rapport Pangram lui confère. Medium a moins de latitude structurelle, avec un modèle très proche de LinkedIn sur la publication longue.

L’onde plus large est celle des métriques d’audience. Une étude quanti Pangram s’inscrit dans une série croissante de travaux qui documentent l’usage massif des LLM dans des contextes historiquement humains, comme l’étude sur 26 000 élèves face aux examens réels. La question qui remonte partout finit par être la même : à quel moment la mesure d’un signal humain devient trop bruitée pour être encore utile, et qu’est-ce qu’on met à la place.

Affaire à suivre sur Horizon.