Slop grenades : ce que le patron de Shopify a compris sur le workslop, et pourquoi les équipes CX sont en première ligne

Une slop grenade, c'est un travail généré par l'IA qu'on envoie à un collègue sans l'avoir relu. Une pull request que personne n'a lue. Un mail de trois pages gonflé à partir de deux bullet points. Une « synthèse » qui sonne juste et que personne ne peut vérifier. Le terme vient de Tobi Lütke, CEO de Shopify, en septembre 2026, et c'est la meilleure image trouvée jusqu'ici pour parler du workslop : un livrable qui a l'air fini mais qui refile le vrai travail à celui qui le reçoit. Pour les équipes CX, le risque est plus élevé qu'ailleurs. L'analyse des retours clients, c'est l'usine à slop parfaite : beaucoup de texte, personne ne lit tout, et la synthèse atterrit directement devant la direction.

C'est quoi, une slop grenade ?

Lütke a utilisé l'expression sur le podcast The Knowledge Project : « On appelle ça des slop grenades, que les gens se lancent les uns aux autres. » Il attribue la paternité du terme à Harry Brundage.

Ses deux exemples parleront à tout le monde :

Un développeur demande à un agent IA de modifier du code, valide la pull request sans vraiment la lire, et laisse ses collègues découvrir ce qu'elle fait réellement.

Quelqu'un transforme une idée courte en long mail avec un modèle. Le destinataire le résume avec un autre modèle. Deux personnes, deux IA, zéro information ajoutée.

Et la phrase qui compte : « Aujourd'hui, l'échec du travail bâclé, ce n'est plus le manque de production. »

Petite ironie au passage : c'est le même patron qui écrivait en avril 2025 que l'usage réflexe de l'IA devenait la norme chez Shopify, et qu'une équipe qui voulait recruter devait d'abord prouver que l'IA ne pouvait pas faire le travail. Lütke veut toujours de l'IA partout. Ce qu'il pointe, c'est ce qui se passe quand produire ne coûte plus rien et que le jugement, lui, ne suit pas.

Le workslop, version dégoupillée

Le phénomène avait déjà un nom. En septembre 2025, des chercheurs du Social Media Lab de Stanford et de BetterUp Labs ont publié dans la Harvard Business Review une étude qui définit le workslop : du contenu de travail généré par IA, bien présenté, mais sans la substance nécessaire pour faire avancer quoi que ce soit. C'est la version professionnelle de l'AI slop.

Leurs chiffres, issus d'une enquête auprès de 1 150 salariés de bureau américains :

40 % d'entre eux avaient reçu du workslop le mois précédent.

Chaque cas leur a pris en moyenne 1 h 56 à gérer.

Coût estimé : 186 $ par salarié et par mois.

Pour une grande organisation, ça représente plus de 9 millions de dollars par an.

La métaphore de la grenade ajoute ce que l'étude laissait entendre : le rayon d'explosion. Le workslop ne coûte rien à celui qui l'envoie. Il coûte à celui qui le reçoit. L'émetteur a gagné dix minutes. Les trois personnes en aval perdent deux heures chacune à démêler le vrai du faux.

Pourquoi les équipes CX sont les plus exposées

Regardez comment beaucoup d'équipes traitent leurs retours clients aujourd'hui. Des milliers de verbatims issus d'enquêtes, d'avis, de tickets et d'appels sont collés dans un LLM généraliste. Il en sort quelque chose comme : « Les clients sont frustrés par les délais de livraison et attendent une meilleure communication. » Ça se lit bien. Ce n'est probablement pas faux. Ça part dans le deck de la revue CX mensuelle.

C'est une slop grenade, et elle tombe sur trois personnes :

1. Le responsable produit ou opérations qui doit agir dessus. Quelles livraisons ? Quelles régions ? Depuis quand ? Il retourne dans les données brutes et refait l'analyse.

2. Le dirigeant qui la lit. Il ne peut pas distinguer un vrai signal d'un paragraphe plausible, donc il l'ignore ou il surréagit.

3. L'équipe CX elle-même, qui perd en crédibilité le jour où quelqu'un vérifie et découvre que l'insight ne tient pas.

C'est ce qui rend les insights clients générés par IA si particuliers. Dans la plupart des cas de workslop, quelqu'un finit par remarquer que le mail est vide. Avec les retours clients, personne en aval n'a lu les 10 000 commentaires, donc personne ne voit que la synthèse sonne creux. La grenade explose en silence, à l'intérieur des décisions.

On a détaillé l'aspect technique dans notre article sur les pièges de l'IA en analyse de texte CX. En résumé : un modèle qui résume avec aisance peut très bien mesurer de travers.

Analyse des verbatims par IA : le test en 5 questions

Sur plus de 100 projets CX, notre équipe Customer Success revient toujours aux mêmes cinq questions. Passez-y n'importe quelle analyse IA de verbatims avant qu'elle quitte votre bureau.

1. Chaque insight renvoie-t-il aux verbatims qui le fondent ? Si vous ne pouvez pas cliquer de « frustration livraison » jusqu'aux vrais commentaires, c'est une opinion, pas un insight.

2. La précision est-elle mesurée, thème par thème ? « L'IA est plutôt fiable » n'est pas un indicateur. Vous devez savoir avec quelle fiabilité chaque thème est détecté.

3. Le sentiment est-il lu par aspect ? « Personnel génial, mais l'appli a planté deux fois » n'est pas un commentaire neutre. C'est un signal positif et un signal négatif. Les moyenner, c'est perdre les deux.

4. La priorisation se fait-elle par impact business ou par volume ? La plainte la plus fréquente est rarement celle qui coûte le plus. Classer par volume, c'est réparer le problème le plus bruyant au lieu du plus coûteux.

5. Quelqu'un qui connaît le métier a-t-il validé les catégories ? La taxonomie, c'est là que vit votre expertise. Si personne chez vous ne l'a validée, l'IA devine ce qui compte pour vous.

Cinq oui, vous avez de l'intelligence. Deux ou trois, un brouillon. Zéro, une grenade. Pour aller plus loin sur la méthode, voir notre guide de l'analyse verbatim.

À quoi ressemble l'anti-slop dans une plateforme de customer intelligence

C'est précisément le problème qu'une plateforme de customer intelligence doit régler, et c'est comme ça qu'on a construit Feedier. Chaque thème tourne comme un agent indépendant, avec son propre contexte et ses propres règles. Les résultats s'appuient sur vos retours réels, pas sur la culture générale du modèle. Et la précision est mesurée par thème : 95 % au départ, jusqu'à 99 % une fois la taxonomie validée par vos équipes.

Le sentiment est analysé par aspect, un Business Impact Score classe les sujets selon ce qui fait vraiment bouger vos indicateurs, et la détection de signaux faibles distingue un incident isolé d'un problème qui s'installe.

L'humain reste dans la boucle, simplement au bon endroit : il valide ce que veulent dire les catégories, au lieu de relire 10 000 commentaires pour vérifier une synthèse. Comme on le disait dans l'IA ne pense pas à votre place, c'est l'expertise métier qui reste le vrai levier de performance.

La vraie règle : celui qui dégoupille assume l'explosion

La parade, c'est la responsabilité, pas un nouvel outil. Si vous l'envoyez, c'est à vous, que vous l'ayez écrit ou qu'un modèle l'ait fait. Pour un directeur CX, ça se traduit par une règle simple : aucun insight client ne remonte à la direction si vous ne pouvez pas le défendre verbatims à l'appui.

Les slop grenades sont le symptôme d'une IA qui rend la production gratuite. En expérience client, la solution, c'est une IA dont on peut vérifier le travail. Si votre programme voix du client tourne aujourd'hui sur des prompts copiés-collés et des synthèses plausibles, c'est le premier chantier.

Envie de voir une analyse de feedback traçable et mesurée sur vos propres données ? Découvrez la plateforme.