YouTube : l’AI slop, ces vidéos absurdes qui brouillent la création en ligne

Les images semblent conçues pour retenir le regard une seconde de plus : un bébé seul dans une fusée, des chats aux comportements humains plongés dans des drames invraisemblables, ou encore des figures du football métamorphosées en zombies. Sur YouTube, ce type de vidéos se multiplie à mesure que les outils d’intelligence artificielle rendent la fabrication d’images animées, de voix et de scénarios accessible à grande échelle. Leur étrangeté n’est pas un accident : elle devient souvent le moteur de leur circulation.

Ce flot a désormais un nom, employé de manière critique par des observateurs du Web : l’« AI slop ». L’expression désigne moins une technologie particulière qu’un type de production. Il s’agit de contenus générés ou largement automatisés, rapidement fabriqués, répétitifs et optimisés pour capter des vues plutôt que pour proposer une idée, une information ou un récit réellement construit. Le phénomène ne résume évidemment pas toute la création assistée par IA. Mais il révèle les effets d’un système où le coût de production chute tandis que la récompense reste liée à l’attention.

Qu’est-ce que l’AI slop sur YouTube ?

Le mot anglais « slop » renvoie littéralement à une mixture peu appétissante. Appliqué aux plateformes, il sert à qualifier des vidéos perçues comme abondantes, peu soignées et interchangeables. Elles peuvent combiner plusieurs ingrédients : images synthétiques aux détails incohérents, narration automatique, titres émotionnels, personnages connus détournés et scénarios volontairement extravagants.

Le terme est polémique, car il contient un jugement sur la qualité. Il ne s’agit pas d’une catégorie officielle de YouTube, ni d’une propriété technique permettant de trier automatiquement toutes les vidéos faites avec l’IA. Une œuvre peut utiliser l’IA pour des effets visuels, une animation ou une étape de préproduction sans relever de cette logique de saturation. À l’inverse, une vidéo peut être pauvre, répétitive ou trompeuse sans avoir été produite par une IA.

Ce qui distingue l’AI slop est donc surtout son modèle de diffusion : publier beaucoup, viser des thèmes immédiatement compréhensibles et étranges, puis laisser les recommandations mesurer ce qui retient le plus longtemps l’attention. Dans ce cadre, une intrigue cohérente peut devenir secondaire face à une succession d’images surprenantes.

Des chats mélodramatiques aux bébés dans l’espace

Les exemples les plus visibles jouent sur le décalage. La chaîne Super Cat League met en scène des chats anthropomorphes dans des récits dramatiques, parfois présentés comme sanglants. D’autres formats imaginent un bébé isolé dans l’espace, des compétitions sportives entre animaux ou des versions zombies de célébrités du football. Ces histoires n’ont pas besoin d’être plausibles pour être comprises : leur absurdité est précisément ce qui suscite le clic, le partage ou le visionnage par curiosité.

Les audiences mentionnées illustrent l’ampleur possible de ce modèle. Une série centrée sur un bébé perdu dans l’espace a réuni environ 1,6 million d’abonnés. La chaîne MIRANHAINSANO approchait 4,9 millions d’abonnés. Super Cat League comptait, elle, 3,9 millions d’abonnés selon les chiffres cités pour ces chaînes. Ces totaux ne disent pas à eux seuls pourquoi les internautes regardent, ni combien de vidéos sont effectivement créées par IA, mais ils montrent qu’un contenu volontairement déconcertant peut atteindre une audience de masse.

L’analyse de données publiée par le Guardian, portant sur les chaînes les plus dynamiques en juillet 2023, estimait que près d’une chaîne sur dix parmi elles était consacrée exclusivement à des contenus IA. Ce constat ne permet pas d’affirmer que YouTube se résume à ce genre de productions. Il signale en revanche une transformation importante : des comptes peuvent désormais alimenter très vite une programmation entière sans les moyens matériels habituellement associés à l’animation ou à la vidéo.

Pourquoi ces vidéos trouvent-elles un public ?

L’AI slop se nourrit des mêmes ressorts que de nombreux contenus viraux. Une miniature énigmatique, un personnage reconnaissable placé dans une situation impossible et une promesse narrative très simple suffisent à éveiller la curiosité. Le spectateur veut savoir ce qui se passe, même si la réponse est incohérente. Cette mécanique est particulièrement efficace dans les fils de recommandations, où la décision de regarder se prend en quelques instants.

La facilité de production change l’échelle du phénomène. Des outils comme Veo 3 de Google ou Grok Imagine, associé à l’entreprise d’Elon Musk, illustrent la progression des systèmes capables de générer des séquences audiovisuelles à partir d’instructions textuelles. Ils n’expliquent pas à eux seuls chaque vidéo virale, mais ils abaissent une barrière essentielle : celle qui séparait l’idée d’une vidéo de sa réalisation technique.

Cette baisse des coûts crée une incitation évidente à tester de très nombreux formats. Pour des producteurs qui espèrent tirer des revenus de la publicité, la stratégie peut consister à multiplier les variations d’un même récit plutôt qu’à financer une création plus longue ou plus originale. Le Dr Akhil Bhardwaj, professeur associé, qualifie ce phénomène de « garbage content », un contenu où la recherche de gains financiers prendrait le pas sur la qualité.

Création assistée par IA et production industrielle : une différence de logique

Il serait réducteur de mettre toutes les vidéos générées avec l’IA dans le même sac. Des artistes, studios et vidéastes peuvent employer ces outils pour créer des univers visuels, prototyper une séquence, traduire un contenu ou accélérer des tâches techniques. La question n’est donc pas seulement de savoir si une vidéo contient de l’IA, mais ce que l’outil permet et dans quel objectif il est utilisé.

Dans le cas de l’AI slop, les critiques visent une économie de l’abondance. Le contenu est conçu pour être reproductible, facilement décliné et consommé sans attachement durable. Les incohérences visuelles peuvent même devenir un avantage : elles provoquent des commentaires, des moqueries et des partages, autant de signaux d’engagement pour les plateformes.

Le terme d’« enshittification », parfois mobilisé dans ce débat, décrit la dégradation progressive de l’expérience d’un service numérique lorsque ses intérêts économiques prennent le dessus sur ceux des utilisateurs. Appliqué à YouTube, l’argument est le suivant : si les recommandations privilégient systématiquement les vidéos qui attirent des clics à faible coût, les créations plus exigeantes risquent d’être noyées dans le flux.

YouTube peut-il freiner le contenu répétitif ?

YouTube a engagé une réponse par ses règles de monétisation. La plateforme indique que les contenus répétitifs ou inauthentiques peuvent ne pas être éligibles au partage des revenus publicitaires. Quatre chaînes figurant parmi celles évoquées comme particulièrement dynamiques ont ainsi été privées de revenus publicitaires. Des suppressions de chaînes peuvent également intervenir lorsque les règles de la communauté ne sont pas respectées.

La nuance est importante : YouTube ne prohibe pas toute vidéo réalisée avec l’intelligence artificielle. Une telle interdiction viserait des usages très différents, de l’animation expérimentale à l’assistance au montage. La plateforme cherche plutôt à agir sur le caractère répétitif, inauthentique ou non conforme du contenu. Un porte-parole de YouTube a rappelé que « tout contenu téléchargé est soumis à nos règles de la communauté ».

Cette approche soulève plusieurs difficultés. Évaluer l’originalité d’une vidéo est plus complexe que détecter un simple fichier dupliqué. Une production peut varier suffisamment d’un épisode à l’autre tout en restant fondée sur la même formule. De plus, la démonétisation réduit une incitation financière, mais elle n’empêche pas nécessairement les vidéos de circuler, ni les créateurs de chercher d’autres sources de revenus.

Instagram et TikTok face au même flux

YouTube n’est pas un cas isolé. Sur Instagram et TikTok, des vidéos assemblant des célébrités et des corps d’animaux, ou des scènes réalistes mais impossibles, peuvent elles aussi obtenir des volumes de vues considérables. Le format court favorise particulièrement ces images : il suffit que le spectateur s’arrête quelques secondes, surpris par une scène inattendue, pour que la séquence gagne en visibilité.

Les inquiétudes changent toutefois de nature selon les formats. Sur une plateforme vidéo longue, la question concerne la place prise par des chaînes qui publient en série. Sur les réseaux de clips courts, elle touche aussi à la difficulté d’identifier rapidement une image fabriquée, à la confusion entre parodie et information, et à l’usage de visages ou de voix reconnaissables.

Pour le rédacteur de la lettre d’information Garbage Day, Ryan Broderick, YouTube est devenu un « dépotoir de courts métrages troublants et dénués d’âme ». Sa formule traduit une crainte plus large : à force de rendre la création automatisée presque illimitée, les plateformes pourraient transformer la découverte culturelle en une succession de stimuli sans auteur clairement identifiable.

L’étiquetage suffit-il à protéger les internautes ?

L’une des réponses régulièrement avancées est l’étiquetage des contenus générés ou modifiés par IA, en particulier lorsqu’ils paraissent réalistes. Cet indicateur peut aider un internaute à comprendre qu’il ne regarde pas une scène filmée telle quelle. Il est particulièrement pertinent lorsqu’une vidéo emploie l’apparence d’une personne connue ou simule un événement plausible.

Mais un label ne résout pas tout. Il ne rend pas automatiquement une recommandation plus pertinente, ne garantit pas la qualité d’un récit et ne permet pas toujours de trancher la part exacte de travail humain dans un contenu hybride. Il faut aussi que l’information soit visible, comprise et appliquée de façon cohérente.

La réponse la plus durable associe plusieurs leviers : des règles de monétisation appliquées avec constance, une modération des contenus qui enfreignent les politiques, des outils de signalement accessibles et une meilleure transparence sur les systèmes de recommandation. Elle suppose aussi de ne pas pénaliser indistinctement les créateurs qui utilisent l’IA comme un outil parmi d’autres.

Ce qu’il faut surveiller

L’essor de l’AI slop pose une question concrète aux plateformes : souhaitent-elles seulement héberger tout ce qui peut être produit, ou organiser un espace où les internautes peuvent encore trouver facilement des œuvres singulières et des informations fiables ? Leur réponse se jouera autant dans les règles de rémunération que dans la manière de recommander les vidéos.

Pour le public, le réflexe utile est de distinguer l’étrange du fiable. Une scène spectaculaire peut être une fiction, une parodie, une expérimentation ou une fabrication automatisée à visée commerciale. Vérifier le contexte, observer les incohérences et ne pas confondre popularité et qualité restent des gestes simples, mais essentiels.

L’IA générative ouvre des possibilités créatives réelles. La vague actuelle de vidéos absurdes montre cependant qu’une technologie qui facilite l’expression facilite aussi la production de masse. En août 2025, l’enjeu n’est plus seulement de savoir si l’IA peut fabriquer des vidéos convaincantes. Il est de déterminer quelles créations les plateformes choisissent de rendre visibles, crédibles et rentables.