Le 14 juillet 2026, la développeuse Johanna Larsson a publié un billet qu’on lit en moins de deux minutes. Elle y décrit un petit script qui remplace automatiquement, dans l’assistant de programmation IA qu’elle utilise quotidiennement, les termes répétitifs à vous donner le tournis — « load-bearing », « honest take », « you’re absolutely right » — par des mots absurdes et comiques. Ce billet technique, en apparence anodin, a fait exploser les compteurs sur Hacker News : 405 votes positifs, 464 commentaires, et le fil a dérivé loin de la technique — les gens se sont mis à raconter comment l’IA les avait « contaminés en retour ».
Un commentaire disait :
« Je n’utilise plus cette IA depuis longtemps, mais mes collègues, si. J’ai lu leurs documents et remarqué le mot “load-bearing”, que j’ai trouvé plutôt pratique, alors je l’ai adopté dans mes conversations quotidiennes. Jusqu’à ce que quelqu’un me dise : “Tu parles de plus en plus comme Claude.” Je ne l’utilise plus du tout maintenant. »
Ce commentaire a recueilli une vague d’approbation. Parce que son auteur n’était pas une exception.
Comment un mot se propage-t-il « de personne à personne » ?
« load-bearing » est à l’origine un terme d’architecture signifiant « porteur » — comme un mur porteur. Quand l’IA l’emploie pour qualifier la « logique critique » ou la « partie qu’on ne peut pas supprimer » d’un code, elle fait fondamentalement une analogie, ce qui n’est pas faux. Le problème est la fréquence.
Dans les commentaires du fil Hacker News, quelqu’un a tenu un registre : les mots préférés que leur assistant IA utilisait systématiquement ces derniers temps incluaient « projection » (projection), « strand » (fil isolé), « frontier » (frontière), « quiescence » (période de silence algorithmique), « honest » (honnête), « residuals » (résidus), « rescission » (révocation) et « supersession » (supplantation). Ces termes ne posent aucun problème en soi, mais lorsque l’IA les répète à chaque réponse, ils forment une sorte « d’empreinte linguistique » — pas besoin de voir la signature de l’auteur, le choix des mots suffit à deviner qui a écrit.
Ce n’était au départ qu’un agacement de développeur. Ce qui a fait basculer la situation, c’est le deuxième filon des commentaires : la « transmission interhumaine ».
Plus d’une personne a rapporté une expérience similaire : sans utiliser directement l’IA, ils l’ont vue s’infiltrer dans leur vocabulaire via documents, e-mails et comptes rendus — parce que collègues, partenaires et rapports sectoriels l’utilisaient. Un commentateur se présentant comme « ancien professionnel de l’écrit » a raconté qu’il avait rédigé un message de remerciement pour un collègue sur un logiciel collaboratif, et que la moitié des gens ont cru que c’était généré par l’IA — « ils m’ont dit que je n’avais jamais écrit plus de deux phrases d’affilée, donc tout ce qui avait un peu de style ne pouvait pas venir d’un humain ».
Un autre commentateur est plus précis : « J’ai lu un livre et découvert qu’il était saturé d’expressions typiques de l’IA. Sur le point de le déclarer écrit par une IA, j’ai regardé l’année de publication : 2019. » À l’époque, les principaux chatbots d’aujourd’hui n’étaient pas encore sortis.
Pourquoi l’IA a-t-elle des « tics de langage » ?
La réponse à cette question est plus concrète qu’on ne l’imagine.
Prenons le mot « honest ». Un utilisateur de Hacker News a retracé que, dans les données d’entraînement de certaine IA, figure un document central nommé « Constitution », où « honest » et ses déclinaisons apparaissent 57 fois. En d’autres termes, l’IA a « appris » à utiliser « honnête » pour qualifier ses jugements — ce comportement trouve sa racine dans la distribution des poids des données d’entraînement. Ce document central contient « honest » et ses variantes 57 fois, ce qui pousse le modèle, statistiquement, vers ce choix : utiliser « honest » est l’option la plus sûre, la plus susceptible d’être acceptée par un humain.
La même logique s’applique à tous les mots à haute fréquence de l’IA. « delve », « tapestry », « crucial », « underscore », « moreover », « landscape » — selon une analyse statistique de 2026, l’IA utilise ces mots 50 à 269 fois plus souvent que les écrivains humains.
Ce phénomène est mesurable avec précision. La nature d’un modèle de langage est d’être un prédicteur probabiliste entraîné sur d’immenses corpus de texte humain — il choisit « le mot le plus probable dans un contexte similaire ». Quand un modèle génère des centaines de milliards de tokens (unités sémantiques) par jour, ses infimes préférences probabilistes en sortie se trouvent amplifiées en une uniformisation linguistique effrayante.
Un commentateur a résumé cela avec justesse : « Quelqu’un a ses préférences linguistiques, écrit 5 000 mots par jour, et personne ne trouve ça bizarre. Mais la préférence d’un modèle d’IA, multipliée par dix milliards de sorties par jour, n’importe quelle préférence devient une verrue sur crâne chauve. »
Preuve centrale : les humains sont bel et bien « entraînés » par l’IA
En août 2025, une étude de l’Université d’État de Floride (Florida State University, FSU), soumise à comité de lecture, a confirmé pour la première fois par des données empiriques ce que beaucoup pressentaient. L’équipe a analysé l’évolution de la fréquence d’usage de certains mots dans la parole quotidienne des humains avant et après la sortie de ChatGPT, aboutissant à une direction claire : les mots à haute fréquence de l’IA s’insinuent dans de vraies conversations humaines.
Concrètement, ils ont constaté une hausse mesurable de l’usage du mot « underscore » (souligner) après la sortie de ChatGPT, tandis que son synonyme « accentuate » n’a pas bougé. S’il s’agissait d’une évolution linguistique naturelle — comme un mot à la mode remplaçant un autre —, les synonymes auraient dû monter en parallèle, ou du moins suivre une tendance similaire. Mais les données réelles ne disent pas cela. Seul le mot préféré de l’IA a augmenté.
Les chercheurs ont nommé ce phénomène « seep-in effect » (effet de infiltration). Newsweek, relayant cette étude, a cité l’avertissement d’un analyste comportemental : ce qu’il faut craindre par-dessus tout, c’est « la disparition de l’individualité ».
Une autre étude de l’Institut Max Planck s’est concentrée sur les créateurs de contenu académique sur YouTube. Ils ont constaté qu’au cours des 18 mois suivant la sortie de ChatGPT, la fréquence d’usage par ces créateurs de mots comme « meticulous » (méticuleux), « adept » (habile), « delve » (approfondir) a augmenté de 51 %. Les chercheurs soulignent que la plupart des gens ne se rendent même pas compte qu’ils utilisent ces mots — parce qu’un individu ne voit pas les changements de modèles linguistiques à plus grande échelle.
C’est un peu comme la grenouille dans l’eau qui chauffe. Vous ne vous réveillerez pas un matin en décidant de dire « underscore » ; mais quand les articles que vous lisez chaque jour, les sous-titres des vidéos que vous regardez et les e-mails professionnels que vous recevez utilisent ce mot à haute fréquence, votre vocabulaire change à la dérobée. Le mécanisme d’apprentissage linguistique humain — l’imitation — est détourné par le volume de sortie de l’IA.
Controverse : pollution ou progrès ?
La partie n’est pas totalement à sens unique.
Ces mots sont souvent de bonnes habitudes d’écriture — « delve into » est plus précis que « look into », « underscore » est plus formel que « say again ». Le problème est la fatigue du sens due à un usage excessif : comme une bonne chanson jouée en boucle 500 fois, on n’a plus qu’une envie, casser la chaîne stéréo.
D’autres commentateurs font valoir que bien des prétendus « tics de l’IA » existaient déjà, avant l’IA, dans les livres blancs d’entreprise, les rapports de conseil en management et le style académique. L’IA n’a fait qu’amplifier à un degré inconfortable des schémas déjà très fréquents. Quelqu’un se rappelle qu’avant « load-bearing », les milieux d’entreprise avaient popularisé des métaphores comme « stove pipe » (en silo vertical) et « silo » (en silo) — toutes remplacées après avoir été usées jusqu’à la corde.
En d’autres termes, l’IA n’a pas inventé un nouveau langage — elle a seulement accéléré le cycle métabolique des modes linguistiques. Quand un individu répète une expression, on l’appelle « style personnel » ; quand une IA la répète, on l’appelle « pollution des données ». La seule différence tient à l’échelle.
Mais vu sous un autre angle, l’échelle est précisément le cœur du problème. Un commentateur a écrit : « Quand je vois 13 “load-bearing” soulignés sur la première page d’un cahier des charges, je sais que la journée sera mauvaise. » Derrière cette agacement se cache un jugement signalétique : quand vous voyez ces mots-emblèmes, vous réalisez instantanément qu’aucune pensée humaine ne se cache derrière ce texte, qu’il a juste été assemblé.
Nous entrons dans une ère de « co-domestication linguistique »
Ce qui a vraiment touché les lecteurs, dans cette discussion, n’est pas que l’IA ait des tics — l’IA ayant des tics n’a jamais été une nouvelle. Ce qui glace, c’est de réaliser qu’on est soi-même en train de devenir l’objet entraîné.
Un commentateur sur Hacker News a décrit une auto-observation troublante : ayant remarqué que l’IA lui donnait de meilleures réponses quand il l’insultait, il a pris l’habitude de jurer envers elle. Cette habitude s’est généralisée au point qu’il doit se rappeler explicitement de ne pas jurer en allant acheter son café. « Même en écrivant cette expérience, » écrit-il, « j’ai du mal à ne pas balancer quelques F-bombs pour souligner l’absurdité de la chose. »
Mais ce n’est pas à sens unique. Il existe un processus d’entraînement bidirectionnel entre humains et IA. Les humains entraînent l’IA à devenir plus humaine via des mécanismes de feedback (likes, réécritures, choix de réponses) ; l’IA entraîne les humains à devenir plus semblables à l’IA via ses sorties omniprésentes. Un commentaire a prophétisé avec précision : « Si chaque jour un modèle populaire répète “load-bearing” à chaque développeur, au bout du compte les développeurs — surtout les nouveaux qui ne savent pas que c’est un tic de l’IA — finiront par le dire aussi. »
Et ce que nous voyons aujourd’hui : cette prophétie s’est déjà réalisée. Les développeurs en premier, suivis de près par les marketers qui rédigent des cahiers des charges, les assistants qui font les comptes rendus et les étudiants qui écrivent leurs mémoires. Le schéma linguistique de l’IA, par le chemin « document contamine document, personne contamine personne », remodelle lentement et irréversiblement notre façon de nous exprimer.
Alors, que faire ?
Cela n’a pas besoin d’être « résolu », mais il faut en « prendre conscience ».
Le magazine VICE écrivait dans un article : « L’IA polit les arêtes rugueuses de la communication humaine, effaçant les infimes différences linguistiques qui distinguent une personne d’une autre, nous faisant sonner de plus en plus comme une seule et même personne — des répliques humaines surpolies, d’un enthousiasme inquiétant et irréelles. »
Mais certains voient la face cachée de la pièce. Ces mots surutilisés par l’IA — « honest », « underscore », « delve » — figureraient dans n’importe quel guide d’écriture parmi les expressions précises recommandées. Ils ne sont devenus des « tics » que pour une raison : on les a trop utilisés. Cela renvoie en fait à un principe d’écriture mille fois rebattu : employez les bons mots, mais au bon endroit.
Un commentateur sur Hacker News a dit adopter désormais, dans ses écrits, une stratégie consistant à utiliser consciemment le « je » — car l’IA, sauf indication explicite, n’emploie guère le premier singulier de sa propre initiative. Ce simple tour lui permet de conserver la qualité de l’écrit tout en apposant un subtil « filigrane humain » à ses mots.
L’auteur tient à dire : le langage n’a jamais été un système figé. Internet a changé notre façon de parler (« hahaha » a remplacé des expressions plus longues), les méthodes de saisie ont changé notre façon d’écrire (la complétion pinyin rend certains mots plus faciles à choisir), l’IA n’est que le dernier maillon de cette longue chaîne. Ce qui la distingue du passé, c’est la vitesse et l’échelle — ainsi qu’un fait facile à négliger : cette fois, l’outil façonne à rebours la manière dont vous l’utilisez.
Prendre conscience de cela est le premier pas du changement.
Liens de référence
- Johanna Larsson : How to stop Claude from saying load-bearing (blog technique personnel)
- Fil de discussion Hacker News
- On-screen and now IRL: FSU researchers find evidence of ChatGPT buzzwords turning up in everyday speech — Florida State University News
- AI Is Changing How We Speak — Newsweek
- AI Is Changing the Way Humans Speak to Each Other — VICE
- Delving into the load-bearing tapestry of AI’s overused words — Jake Orlowitz / Medium
- Wikipedia : Signs of AI writing
- 50 Words AI Overuses (And What to Write Instead) — HumanizeThisAI
- Institut Max Planck : étude sur l’évolution du langage des YouTubers académiques après la sortie de ChatGPT
Source : blog jola.dev, montrant l’effet du remplacement des mots à haute fréquence de l’IA par le script
Source : Florida State University College of Arts and Sciences, image Adobe Stock, étude FSU sur l’impact de ChatGPT sur la parole humaine