Mardi, 9h32, notification Slack. Un collègue vient de partager une synthèse d’article dans une conversation de l’équipe. Trois pages, des titres en gras, des listes à puces, des émojis, des émojis, des émojis. Avec un petit mot : « Je vous en ai fait une petite synthèse. » Impressionnant. Surtout que l’article en question a été publié… il y a quatre minutes.
Vous commencez à lire. Les phrases sont correctes, c’est plutôt bien structuré, mais vous avez du mal à suivre le fil et encore plus à voir ce qu’il faut en retenir. La multiplication des « ce n’est pas X, c’est Y » et des phrases à trois adjectifs vous confirme le diagnostic. En bas, il reste même une ligne qui a dû être collée par erreur : « Souhaitez-vous que je vous prépare une version plus courte ? » C’est encore une p***n de synthèse Claude. Et quand vous demandez à votre collègue ce qu’il en pense réellement, il est incapable de vous répondre. Lui non plus ne sait pas quoi en retenir. Il a demandé à Monsieur Claude ou à Monsieur GPT de résumer l’article et il a partagé le résultat en l’état.
Cette façon de servir de passe-plat entre une IA et les autres a un nom : le « meat proxy », un relais en chair et en os. Niklas Gruhn décrit ce comportement dans son billet « Don’t be a meat proxy » (nouvelle fenêtre), publié en août 2026. Il raconte notamment qu’il pose une question sur Slack et qu’on lui répond « Claude said: », suivi d’une très longue réponse recopiée telle quelle.
Se servir d’une IA n’est pas la question. Le problème commence quand on transmet ce qu’elle a produit sans avoir examiné ce qu’elle raconte. Parfois, on ne l’a même pas lu. Parfois, on l’a parcouru et ça avait l’air plutôt sérieux. Dans les deux cas, on laisse à quelqu’un d’autre le soin de comprendre si cette réponse vaut quelque chose.
Il vous est sûrement déjà arrivé de…
Voir arriver dans une discussion d’équipe un gros bloc de texte ou de code généré par IA, sans un mot d’explication (les développeurs appellent ça une « slop grenade »). Demander à quelqu’un de vous expliquer le travail qu’il vient de terminer et vous apercevoir qu’il en est incapable. Découvrir qu’un devis ou un rapport est parti chez le client tel quel, avec des approximations qu’une relecture aurait pu repérer. Et sur LinkedIn, n’en parlons même pas. Entre les donneurs de leçons, les vendeurs de prompts, les révolutionnaires du design qui n’ont plus besoin de logiciels et les images générées remplies d’un texte qui n’en est pas, certains feraient bien de lire ce qu’ils publient.
Ça arrive aussi en dehors du travail. Vous demandez un conseil à un ami, il vous répond avec un pavé copié-collé depuis un chatbot. Vous vouliez son avis à lui, parce qu’il vous connaît, vous et votre situation. S’il s’est aidé d’une IA pour réfléchir, très bien. Mais vous aimeriez savoir ce qu’il en pense au lieu de devoir le deviner au milieu de tous ces paragraphes.
On comprend pourtant la tentation. On manque de temps, la réponse arrive vite et elle est bien présentée. On peut aussi se sentir moins à l’aise que l’IA pour rédiger. Sauf qu’on envoie cette réponse à quelqu’un qui compte sur nous pour avoir fait un minimum de tri.
Un peu vexant, non ?
Vous aviez posé une question à une personne et vous recevez la réponse d’une machine que cette personne n’a même pas lue. Ça peut donner l’impression que votre question ne méritait pas deux minutes de son temps, alors que vous comptiez sur elle et sur ce qu’elle connaît du sujet.
Le philosophe Kenneth Boyd examine cette question dans un article du Prindle Institute (nouvelle fenêtre). Pour lui, refiler la question à un chatbot sans y consacrer ce minimum d’attention, c’est ne pas prendre au sérieux la personne qui l’a posée. Et ça dit aussi quelque chose de ce qu’on pense de sa propre expertise. C’est bien à vous qu’on a posé la question. Si la personne voulait l’avis d’une IA, elle a sans doute un abonnement, elle aussi. Certains précisent « c’est ChatGPT qui le dit ». On sait alors d’où vient la réponse, mais toujours pas si elle est juste.
Le filtre à absurdités
Boyd souligne aussi qu’en transmettant une information, on en prend la responsabilité. Il donne l’exemple d’une recherche sur un forum. Vous trouvez trois réponses à votre problème : une hors sujet, une qui le règle et une qui vous conseille de détruire votre clavier à coups de marteau. Vous allez faire un tri, enfin on l’espère pour votre clavier. Vous n’avez pas inventé la solution, mais vous avez au moins regardé si elle convenait.
C’est votre filtre à absurdités. Le meat proxy, lui, ne fait même pas ça : il colle et il envoie. Or une IA peut formuler avec assurance une information fausse ou une recommandation qui ne correspond pas à la situation. Si personne ne s’y attarde avant l’envoi, c’est au destinataire de s’en rendre compte.
Et les beaux mots peuvent nous impressionner. On hésite à contester une réponse qui a l’air aussi bien construite, surtout sur un sujet qu’on maîtrise mal. Pourtant, on connaît parfois une contrainte que l’IA n’a pas prise en compte, une décision déjà prise, un détail du métier. Ce qu’on sait de la situation, le contexte précis, ça compte, et pas qu’un peu, même si on le formule moins élégamment.
Cette confiance aveugle peut aller loin. Tout le monde a entendu parler d’une IA qui recommande un restaurant qui n’a jamais existé. Ou pire, des randonneuses qui se perdent sur les hauteurs de Cauterets (nouvelle fenêtre) parce qu’elles avaient demandé leur itinéraire à ChatGPT. Si on ne voit pas le problème quand on s’en sert pour soi, on a encore moins de chance de le voir avant de le transmettre aux autres.
Le temps gagné par l’un, le travail laissé à l’autre
Celui qui envoie a peut-être gagné du temps. Celui qui reçoit doit maintenant tout lire, chercher ce qui répond à sa question, vérifier ce qui paraît douteux et parfois demander des précisions. Le texte est prêt, mais il reste à le comprendre, et c’est celui qui le reçoit qui s’en charge.
Les chercheurs de BetterUp Labs et du Stanford Social Media Lab (nouvelle fenêtre) parlent de « workslop » pour désigner ces contenus générés par IA qui ont l’air soignés mais n’apportent pas la substance nécessaire pour faire avancer le travail. Ils décrivent notamment l’effort supplémentaire qui retombe sur les collègues chargés de les reprendre.
Gruhn raconte un cas tiré du développement. Un développeur confie son ticket à Claude Code, envoie le code sans le lire, puis renvoie à l’IA les remarques des personnes chargées de la revue. Le code fonctionne (des fois). Ce sont elles qui doivent comprendre ce qui a été produit, repérer les problèmes et demander les corrections. L’intermédiaire biologique, lui, s’occupe juste des allers-retours entre les deux.
Sans compter le fait de recevoir trois pages pour une question à laquelle deux phrases auraient suffi.
Et nous, dans tout ça ?
On utilise beaucoup l’IA nous aussi. Elle nous aide à mettre au propre des textes, à les lisser, à passer de nos notes et de nos prises de parole à un texte écrit. Mais avant de les partager, on doit pouvoir expliquer ce qu’on y affirme. Une phrase qui sonne bien peut avoir changé le sens de ce qu’on voulait dire et c’est à nous de le repérer.
Après plusieurs mois d’échecs et de situations de ce genre, on a fini par l’écrire noir sur blanc dans nos règles internes sur l’IA : une synthèse rédigée par IA et partagée dans l’équipe ne dépasse pas une demi-page. Ce qui doit y rester, c’est l’objectif et le résultat, ce qui marche et ce qui ne marche pas. L’IA continuera peut-être de nous aider à synthétiser des documents. Mais si on a quelque chose d’intéressant à dire à l’équipe, une demi-page suffit pour en donner la substance. Pour le reste, on peut s’en parler en direct, entre vrais gens. Ça a drastiquement diminué la pratique en interne (le meat proxy, pas le fait de se parler entre vrais gens hein).
Par ailleurs, notre déclaration d’usage de l’IA détaille ce qu’on en fait, du code du site aux traductions et à certaines illustrations du blog. Indiquer cette aide permet aussi au lecteur de savoir comment le contenu a été préparé. Le reste, la relecture et la validation, c’est nous qui le faisons avant de publier.
Et si le collègue de 9h32, c’était vous ?
Mardi prochain, quand votre synthèse sera prête à partir à 9h32, elle peut bien attendre 9h40. On ne vous en voudra pas d’avoir pris quelques minutes pour comprendre ce que vous vous apprêtez à partager, vérifier ce qui mérite de l’être et vous faire votre avis. Même s’il est tentant de juste effacer la dernière ligne.
Sources
- Niklas Gruhn, « Don’t be a meat proxy » (nouvelle fenêtre), 3 août 2026.
- Kenneth Boyd, « What’s Wrong with Being a Meat Proxy? » (nouvelle fenêtre), The Prindle Institute for Ethics, 12 octobre 2026.
- BetterUp Labs et Stanford Social Media Lab, travaux sur le workslop (nouvelle fenêtre), enquête de septembre 2025, présentée notamment dans Harvard Business Review (nouvelle fenêtre).
- Radio France, « Deux randonneuses demandent un itinéraire à ChatGPT et se perdent sur les hauteurs de Cauterets » (nouvelle fenêtre), 25 juillet 2026.
Les illustrations de cet article ont été générées par IA (voir notre déclaration d’usage de l’IA).


