LinkedIn ajoute une couche de recommandation IA à son fil

Siècle Digital rapportait le 10 novembre 2026 que LinkedIn ajoute un système de recommandation basé sur l'IA, conçu pour faire remonter les publications qui correspondent mieux à ce que les utilisateurs attendent. Le même article note que le réseau professionnel ajuste son fonctionnement depuis plusieurs mois, dans un contexte où les contenus générés par IA ne cessent de se multiplier sur la plateforme, et où une partie du public critique ce qu'on appelle vaguement le « AI slop ». Au-delà de cela, l'annonce, telle que rapportée, ne précise pas comment le système de recommandation classe les posts, quels signaux il prend en compte, ni ce qui change pour les créateurs et les pages.

Ce que l'annonce établit, et ce qu'elle laisse ouvert

Ce qui est établi reste étroit : une couche de recommandation bâtie sur l'IA, un objectif affiché de mieux coller aux attentes des utilisateurs, et un contexte de volumes croissants de posts générés par machine. Ce qui reste inconnu compte davantage pour qui publie sur LinkedIn : la distribution pondère-t-elle désormais différemment les schémas d'engagement, le système pénalise-t-il activement les contenus jugés synthétiques, la portée des pages et des profils personnels est-elle affectée, et selon quel calendrier le système se déploie-t-il. Aucun chiffre sur la portée, aucune liste de facteurs de classement, aucune description de la façon dont un créateur peut influer sur sa visibilité. Tant que LinkedIn ne publie pas ce détail, toute tactique présentée comme « alignée sur le nouvel algorithme » relève de la spéculation.

Le contexte : le volume dépasse l'attention

Depuis plusieurs années, le goulot d'étranglement pratique sur la plupart des plateformes sociales est l'offre, pas la demande : le coût de publication s'est effondré tandis que l'attention disponible pour lire, regarder ou cliquer n'a pas bougé. Quand produire un post acceptable prend quelques secondes, les fils se remplissent plus vite que les systèmes de classement ne peuvent être réglés, et le premier réflexe de l'utilisateur est souvent de faire défiler ou de partir. Les systèmes de recommandation sont la réponse standard. L'expérience générale du secteur suggère que ces systèmes apprennent des comportements plutôt que des préférences déclarées, ce qui signifie que ce qu'une équipe fait réellement en réaction aux posts pèse plus que ce qu'elle dit vouloir.

Les critiques rapportées sur les contenus générés par IA ajoutent une seconde couche. Les plateformes interdisent rarement un type de contenu de front ; elles tendent à le repondérer discrètement via le classement. Un fil optimisé pour la satisfaction tend à récompenser ce qui provoque une réaction à laquelle le lecteur accorde de la valeur, pas ce qui remplit simplement l'espace.

Ce qu'une équipe peut vérifier cette semaine

L'essentiel du travail utile ici relève de la mesure et de l'hygiène, pas de la devinette sur les pondérations.

• Comparez la portée et l'engagement par post sur les 60 derniers jours avec la période précédente, et séparez les posts porteurs d'un point de vue clair des reposts ou résumés génériques.
• Vérifiez si les commentaires sur vos propres posts viennent de comptes qui semblent automatisés ; un fil qui récompense la discussion réelle rend les compteurs de commentaires gonflés moins significatifs.
• Auditez le rapport entre posts publiés et posts ayant produit des visites de profil, des messages ou des leads. Le volume sans action en aval est le schéma le plus susceptible d'être dévalué.
• Demandez à une poignée de clients ou de prospects ce qu'ils retiennent de vos dix derniers posts. La mémorisation est un indicateur grossier mais honnête pour savoir si le contenu justifiait sa distribution.

Le système décrit par LinkedIn reste une boîte noire telle que rapportée. Le pari défendable est de publier des contenus qu'un humain choisirait de lire, et de mesurer si la distribution se traduit encore en trafic et en conversations plutôt que de s'arrêter aux impressions.