Traduction de Eating the Future: The Metabolic Logic of AI Slop, par Kate Crawford, septembre 2025.
Une image d’un avion américain F-35 abattu, les ailes détruites, le postcombustion encore incandescent, commence à faire le buzz. Des millions de personnes regardent une vidéo de Tel Aviv en ruines fumantes après une attaque iranienne. Des images d’un bombardement américain sur Téhéran remplacent les dernières nouvelles d’une frappe qui n’a pas encore eu lieu. En y regardant de plus près, on remarque d’étranges erreurs d’image et des artefacts. L’herbe sous le F-35 est d’un vert inquiétant et intacte. Quelque chose cloche. Toutes ces images sont générées par l’IA, réalistes à première vue, et largement partagées sur les réseaux sociaux et au-delà. Nous sommes à l’ère de la « slopaganda » (propagande de mauvaise qualité) générée par l’IA.
Les dirigeants politiques jouent un rôle central dans la diffusion de cette propagande de mauvaise qualité. Le compte officiel X du guide suprême, l’ayatollah Ali Khamenei, a publié une image générée par l’IA montrant des missiles lancés sous des versets du Coran, qui a été vue plus de six millions de fois. Le président Trump partage fréquemment des représentations générées de lui-même en rock star, en roi et en statue d’or au centre de son complexe touristique de Gaza. Dans un certain sens, ces images sont des « slops classiques » : hyperréalistes, avec un éclairage digne d’un moteur de jeu et des perspectives géométriquement impossibles. Il s’agit d’un mélange reconstitué par l’IA à partir de photos d’archives, de publicités, de Reddit et de Pinterest. Il suffit d’ajouter de l’eau.
Jean Baudrillard a dit un jour que la simulation vient en premier et finit par remplacer le réel. Cela ne semble guère controversé. Le slop de l’IA est plein de réalités révisionnistes, attirant l’attention du grand public avant que les vraies bombes ne tombent. Mais dans un autre sens, le slop de l’IA ne s’intéresse pas à l’ordre des événements ni même à ressembler à la réalité. Le slop n’est pas le territoire : il ne fait que l’étouffer sous une couche synthétique. Il inonde la zone avec des conneries d’IA.
L’esthétique de la bouillie IA est plus qu’un artefact technique ou une curiosité culturelle. C’est le produit destiné aux consommateurs du capitalisme computationnel, créé en transformant la culture humaine en une réserve permanente de données. Chaque image étrange, chaque influenceur synthétique et chaque article généré par l’IA fait partie d’une transformation beaucoup plus large. La bouillie est un déchet, mais c’est aussi un carburant.
La bouillie est le produit d’un cycle de Krebs d’un autre genre. Elle commence lorsque les modèles d’IA sont entraînés en dévorant des milliards d’images, de vidéos et de textes provenant d’Internet, à l’aide de réseaux neuronaux comportant des trillions de paramètres qui apprennent à identifier des modèles, des relations et des structures dans les données. Pour digérer tout cela, il faut une quantité d’énergie colossale. Les résultats synthétiques sont ensuite excrétés, puis rapidement diffusés en ligne. Ils sont ensuite ingérés une fois de plus, et le cycle se poursuit.
Il s’agit de la dernière étape d’une longue évolution des médias industriels, reconnue par les théoriciens et les artistes depuis des décennies. On peut penser aux « images techniques » de Vilém Flusser dans les années 1980, ou aux « images opérationnelles » de Harun Farocki au début des années 2000. Nous avons désormais les « images métaboliques ». Les images métaboliques sont des supports visuels créés à partir de la consommation de milliards d’autres images, qui sont décomposées et absorbées par des modèles d’IA via une infrastructure gigantesque qui absorbe de l’énergie et de l’eau, et excrète des médias, du carbone atmosphérique et d’autres polluants. Si l’on considère toutes les formes d’IA générative, y compris le texte, les images, le code et la vidéo, il s’agit fondamentalement de médias métaboliques. Son taux de consommation est astronomique et ne cesse d’augmenter, et elle est désormais en concurrence directe avec les humains pour les ressources de base telles que la terre, l’énergie, les minéraux et l’eau douce.
I. La fracture
Karl Marx a un jour décrit le passage de la vie rurale à la vie urbaine sous le capitalisme comme un processus métabolique perturbé. Dans les sociétés préindustrielles, les déchets étaient facilement réutilisés dans la production : les excréments humains et animaux des petites fermes retournaient à la terre sous forme d’engrais, maintenant la fertilité du sol et soutenant l’agriculture. Mais la modernité industrielle a brisé ce cycle. À mesure que les masses migraient vers les villes, les déchets humains qui nourrissaient autrefois les champs ont commencé à s’accumuler sous forme de pollution urbaine.
Les gens jetaient leurs excréments dans les rues, privant les sols ruraux de nutriments essentiels. Les sols se sont appauvris, ce qui a nécessité l’introduction d’engrais artificiels, exacerbant ainsi le cycle de dégradation environnementale. John Bellamy Foster a plus tard qualifié ce phénomène de « rupture métabolique » : la perturbation systémique des processus écologiques et métaboliques par la production capitaliste. Des sociologues comme Jason W. Moore font remonter ces ruptures métaboliques aux origines du capitalisme au XVIe siècle, et elles réapparaissent sous de nouvelles formes à mesure que chaque phase du développement industriel réorganise la planète.
Le passage à une IA générative massive et gourmande en données entraîne une nouvelle rupture métabolique spectaculaire. Elle affecte l’environnement, les modes de travail, les chaînes d’approvisionnement, la culture et la visualité elle-même. Et elle remplit les écosystèmes informationnels d’un torrent de déchets, d’une quantité infinie de détritus numériques qui ne sont jamais correctement éliminés. Au contraire, ils sont réinjectés dans le système comme matière première pour la prochaine génération de modèles d’IA. C’est le cycle matériel de base du métabolisme de l’IA : des modes de consommation et d’excrétion où les images générées par l’IA ont des conséquences matérielles et des répercussions sur nos matériaux.
Aujourd’hui, l’utilisation généralisée d’interfaces génératives telles que ChatGPT, Claude et Gemini supplante les sources d’information basées sur le web. Pourquoi se donner la peine d’aller sur un site d’information ou sur Wikipédia si Claude peut vous résumer l’essentiel ? Cela détourne les utilisateurs du web tel qu’il était vers des plateformes d’information médiatisées par l’IA. Le travail consistant à choisir entre différentes listes de sites web est supplanté par la commodité d’obtenir une réponse unique et synthétisée.
Ce changement cannibalise les marchés qui soutiennent la production de contenu en ligne. Les créateurs de contenu humains sont confrontés à une baisse du nombre de lecteurs, à une diminution de l’engagement et à la disparition des revenus publicitaires. Il s’agit d’une nouvelle rupture métabolique, qui rompt les relations entre les moteurs de recherche comme Google, les annonceurs et l’économie du contenu au sens large. À sa place, la marée montante va s’élever. Les domaines maudits des fausses nouvelles, des images de guerre psychologique et des influenceurs synthétiques conçus pour générer des clics rageurs se multiplieront et s’empareront des parrainages payants qui appartenaient autrefois aux humains.
Tout cela pose également un problème aux entreprises d’IA. De nombreuses études ont montré que les systèmes d’IA dégénèrent lorsqu’ils sont nourris de trop de leurs propres productions, un phénomène que les chercheurs appellent MAD (Model Autophagy Disease). En d’autres termes, l’IA se dévorera elle-même, puis s’effondrera progressivement dans le non-sens et le bruit. Cela se produit lentement au début, puis d’un seul coup. Les chercheurs comparent ce phénomène à la maladie de la vache folle.
L’industrie se démène pour trouver des solutions : elle conçoit des données synthétiques de meilleure qualité pour ses opérations d’alimentation numérique et complète ses ensembles de données d’entraînement avec du contenu provenant de travailleurs humains sous-payés. Pour les humains, une nouvelle économie de la bouillie est en train de naître. D’un point de vue infrastructurel, l’ensemble du cycle menace de dépasser ce que les réseaux électriques, les mines et les nappes phréatiques peuvent supporter.
II. Ingérer, digérer et excréter
Il existe une publicité Apple pour les iPad qui sert de métaphore involontairement parfaite pour l’ingestion de contenu par l’IA. Une presse hydraulique massive pulvérise lentement des instruments de musique, des jeux vidéo, des livres, des pots de peinture, une machine à écrire, un appareil photo. Chaque objet s’effondre sous une pression implacable. La publicité montre le caractère inévitable du processus : aucun instrument ou œuvre d’art ne peut supporter le poids. Des siècles de culture et de créativité sont réduits en une fine pâte pour l’entraînement de l’IA. C’est la gueule de l’IA en action : la récolte massive d’images, de mots, de vidéos, tous compressés dans l’espace latent des réseaux neuronaux. Tout ce que nous avons créé ou créerons, une fois numérisé, est de la matière première pour les parcs d’engraissement.
Le volume de données nécessaire pour entraîner les systèmes d’IA générative approche rapidement les limites de ce qui existe sur le web ouvert. Certains chercheurs affirment que cela se produira d’ici 2026. Elon Musk soutient que nous avons déjà atteint le « pic de données ». L’industrie de l’IA garde le secret sur les détails exacts, mais des rapports suggèrent que les premiers modèles GPT-3 ont été entraînés sur plus de 45 téraoctets de contenu Internet compressé, soit au moins 3,2 billions de mots extraits de sites web, de livres, d’articles et de publications sur les réseaux sociaux créés par des millions d’auteurs humains. Les derniers ensembles de données publics, tels que Public Domain 12M, contiennent plus de 12,4 milliards d’images accompagnées de légendes. Les entreprises d’IA acquièrent désormais des plateformes de réseaux sociaux entières et négocient des accords exclusifs avec des bibliothèques et des éditeurs de revues universitaires, mais cela pourrait ne pas suffire à satisfaire l’appétit croissant des modèles d’IA.
Digérer tous ces médias nécessite l’énergie d’un pays industrialisé. Les estimations de la quantité d’électricité nécessaire pour l’IA générative sont désormais régulièrement exprimées en unités nationales. L’Agence internationale de l’énergie affirme que d’ici 2030, l’IA consommera autant d’électricité que le Japon aujourd’hui. Bloomberg prévoit que l’IA aura besoin d’autant d’énergie que l’Inde à la même date. Mais les besoins de l’IA augmentent plus rapidement que ceux de n’importe quel pays individuel.
Chaque requête d’IA générative consomme au moins dix fois plus d’énergie que les recherches web traditionnelles. La génération de texte en image est encore plus gourmande en énergie, tandis que la génération de vidéo est exponentiellement plus importante. Cette demande industrielle croissante suit la logique récursive du développement de l’IA lui-même : les modèles plus grands nécessitent plus de données, ce qui permet de créer des modèles encore plus grands, produisant des résultats de plus haute résolution, nécessitant plus de puissance de calcul, consommant plus d’énergie, et ainsi de suite.
Prenons l’exemple du dernier centre de données hyperscale dédié à l’IA en cours de construction à Abilene, au Texas, pour OpenAI, dont le nom de code est « Project Ludicrous ». Une fois achevé, il s’étendra sur plus de dix-sept terrains de football. L’installation xAI d’Elon Musk à South Memphis, appelée Colossus, qui a été construite en 2024, a déjà atteint la limite du réseau électrique local. L’entreprise a installé des générateurs de méthane qui émettent du dioxyde d’azote et du formaldéhyde toxiques dans l’air. La communauté majoritairement noire qui vit dans la région souffre déjà de taux élevés d’asthme et de maladies respiratoires. Et ce n’est que le début. Le projet Stargate du président Trump prévoit la construction d’au moins vingt centres de données géants à travers les États-Unis. L’industrie les appelle des « usines d’IA ».
Et puis il y a l’eau. À l’instar des fluides digestifs, les centres de données hyperscale nécessitent des systèmes de refroidissement continus qui consomment des millions de gallons par jour. Avec des milliards d’utilisateurs d’IA générative dans le monde, les aquifères d’eau potable s’évaporent pour refroidir les puces d’IA. Cela représente une vaste redistribution atmosphérique des ressources hydrologiques prélevées dans les écosystèmes sources et dispersées sous forme de vapeur.
Enfin, il existe un nouveau « supercycle » de minéraux critiques, alimenté par l’infrastructure florissante de l’IA, qui accélère les dommages environnementaux. Les éléments de terres rares essentiels aux GPU, principalement extraits et traités en Chine, laissent derrière eux des lacs de déchets radioactifs. Le lithium utilisé pour les systèmes de sauvegarde des centres de données provient des salines du Chili et de Bolivie, perturbant les systèmes d’approvisionnement en eau locaux et menaçant les droits fonciers des populations autochtones. Le cobalt utilisé pour les batteries provient d’exploitations minières en République démocratique du Congo qui exploitent le travail des enfants et fonctionnent avec un contrôle environnemental minimal.
L’expansion du capital informatique reproduit la dynamique centre-périphérie des empires antérieurs – extraire des ressources du Sud pour enrichir le Nord – tout en creusant des milliards d’années de temps géologique pour augmenter la vitesse de commodité algorithmique de quelques millisecondes. Après s’être nourrie à l’échelle planétaire, la bête industrielle libère désormais une marée de déchets.
III. L’économie des déchets
Comment les humains qui vivent en aval des modèles d’IA s’adaptent-ils ? Nageons-nous avec ou contre les fleuves de merde synthétique ? Si la fracture métabolique décime nos écosystèmes, y compris l’environnement informationnel, que deviendront les influenceurs ? Ils se transforment en coprophages : des mangeurs de fumier numériques qui consomment et monétisent les déchets.
Cette métamorphose est déjà en cours. Les personnages alimentés par l’IA, comme Lil Miquela, atteignent des taux d’engagement bien supérieurs à ceux des influenceurs humains. Leurs créateurs testent systématiquement l’esthétique visuelle, les traits de personnalité et les formes de contenu afin de maximiser le temps de visite. Ces personnages semblent de plus en plus difficiles à distinguer des êtres humains vivants, tout en étant impitoyablement optimisés pour la réponse du public et l’efficacité commerciale. Les équipes de création de contenu déploient des outils d’IA pour générer des centaines de publications, d’images et de vidéos potentielles, puis utilisent des analyses d’engagement pour identifier les combinaisons les plus addictives. Des comptes Instagram sont dédiés à des influenceurs « rage bait » générés par l’IA, conçus pour provoquer, offenser et susciter l’indignation. Ces personnalités synthétiques évoluent en permanence en fonction des données de performance, les traits infructueux étant éliminés et les caractéristiques fructueuses amplifiées avant d’être reproduites dans de nouveaux comptes.
Cette industrialisation du contenu viral est une pratique bien établie dans le cadre du capitalisme des plateformes. Instagram ne révèle pas combien il paie les créateurs une fois que leur contenu est largement diffusé, mais des rapports récents suggèrent que ce montant est d’environ 120 dollars par million de vues. Le système s’avère si aveugle que les images générées par l’IA rapportent désormais aux créateurs des centaines de dollars par succès viral, transformant le fonds de 2 milliards de dollars de Meta destiné aux créateurs en une subvention involontaire pour le contenu synthétique. La plateforme a ainsi mis en place une structure d’incitation économique parfaite pour les contenus médiocres : récompenser ceux qui parviennent le plus efficacement à capter l’attention humaine, qu’il s’agisse de vidéos ASMR de découpe de fruits, de lapins sautant sur des trampolines ou de propagande de guerre. Meta appelle cela « soutenir les créateurs », mais avec de plus en plus de personnes monétisant l’IA générative, cela revient à sponsoriser des usines à contenus médiocres.
La géographie mondiale de la production de contenus synthétiques révèle la division internationale du travail qui sous-tend ces nouvelles relations économiques. Les fermes de contenu situées dans des régions où la main-d’œuvre est moins chère déploient des outils d’IA pour générer des milliers de publications synthétiques sur les réseaux sociaux, d’articles d’actualité et de critiques de produits ciblant les marchés publicitaires à forte valeur ajoutée des pays riches. Il s’agit d’une forme bien huilée d’arbitrage synthétique : l’extraction des revenus publicitaires des économies développées grâce à la production massive de contenu médiocre généré par l’IA dans les régions à faible revenu. La production de contenu médiocre généré par l’IA finira-t-elle par épuiser le sol des espaces en ligne ? Les gens fuiront-ils ce contenu médiocre, le toléreront-ils ou même l’accueilleront-ils ? Finirons-nous par aimer ces contenus médiocres ?
IV. Vers la fin des contenus médiocres ?
Les contenus médiocres générés par l’IA ne sont pas une aberration, mais une caractéristique inévitable du fonctionnement des médias génératifs. Pourtant, les arrangements actuels sont à la fois systémiquement et intrinsèquement instables. Le fossé métabolique entre les humains et l’IA menace de multiples formes d’échec : effondrement des modèles, effondrement écologique et effondrement cognitif. L’approche actuelle de l’IA ne peut pas se maintenir indéfiniment. La question n’est pas de savoir si les économies actuelles basées sur les contenus médiocres générés par l’IA vont s’autodétruire, mais quand.
Cette instabilité crée un espace pour ce que nous pourrions appeler une organisation culturelle « post-synthétique » : des formes de culture fonctionnant selon des logiques métaboliques différentes, que ce soit par choix ou par nécessité. De telles alternatives exigeraient une transformation fondamentale des arrangements techniques et économiques existants : des systèmes énergétiques alternatifs, des modèles de propriété coopérative et des protocoles culturels qui résistent à l’ingestion algorithmique. Cela ne nécessite pas un retour nostalgique aux formes culturelles pré-numériques, mais des pratiques adaptées à notre moment écologique et social.
La question qui reste en suspens est de savoir si nous choisirons d’accepter le slop ou de cultiver le désir de quelque chose de complètement différent : des formes culturelles qui vont au-delà de la reproduction synthétique, orientées vers l’épanouissement plutôt que vers l’extraction, vers la régénération écologique plutôt que vers un état hypermétabolique d’épuisement et d’effondrement.
Notes
- Matthew Gault and Emanuel Maiberg, “The AI Slop Fight Between Iran and Israel”, 404 Media, June 18, 2025, ➝.
- Ali Khamenei (@khamenei_ir), “ »Help from Allah and an imminent conquest » (Holy Quran: 61:13),” X, June 16, 2025, ➝.
- Dana Nickel, “AI Slop spreads in Israel-Iran War”, Politico, June 23, 2025, ➝.
- Jean Baudrillard, Simulacra and Simulation, trans. Sheila Faria Glaser (Ann Arbor: University of Michigan Press, 1994).
- The traditional Krebs cycle occurs in most forms of life that use oxygen to generate energy, whereby the body breaks down nutrients like glucose in a series of chemical reactions. During this process, carbon dioxide is released as waste and energy is captured in molecules that cells use to power their activities.
- Vilém Flusser, Into the Universe of Technical Images (Minneapolis: University of Minnesota Press, 2011); Harun Farocki, Eye/Machine I–III, 2001–03. Video installation trilogy.
- See Kate Crawford in conversation with Paola Antonelli, “Metabolic Images,” Aperture, Winter 2024, ➝.
- Karl Marx, Capital: A Critique of Political Economy, vol. 1, trans. Paul Reitter (London: Penguin Classics, 2019).
- John Bellamy Foster, Marx’s Ecology: Materialism and Nature (New York: Monthly Review Press, 2000).
- Jason W. Moore, “Environmental Crises and the Metabolic Rift in World-Historical Perspective,” Organization & Environment 13, no. 2 (June 2000): 123–57.
- Sina Alemohammad, et al., “Self-Consuming Generative Models Go Mad,” arXiv preprint, 2023, ➝; Ilia Shumailov et al., “AI Models Collapse When Trained on Recursively Generated Data,” Nature 631 (2024): 755–759.
- Todd Spangler, “Why Apple’s iPad Ad Fell Flat: Company Failed to Understand It Conjured Fears of ‘Tech Kind of Destroying Humanity’,” Variety, May 16, 2024, ➝.
- Pablo Villalobos et. al. “Will We Run Out of Data? Limits of LLM Scaling Based on Human-Generated Data,” arXiv preprint, 2024, ➝.
- Kyle Wiggers, “Elon Musk Agrees That We’ve Exhausted AI Training Data,” TechCrunch, Jan 8, 2025, ➝.
- Jordan Meyer et. al, “Public Domain 12M: A Highly Aesthetic Image-Text Dataset with Novel Governance Mechanisms,” arXiv preprint, 2024 ➝.
- “AI Is Set to Drive Surging Electricity Demand from Data Centres While Offering the Potential to Transform How the Energy Sector Works,” International Energy Agency, April 10, 2025, ➝.
- Ian King, “AI Computing Is on Pace to Consume More Energy Than India, Arm Says,” Bloomberg, April 17, 2024, ➝.
- Bracey Harris et al, “Up against Musk’s Colossus supercomputer, a Memphis neighborhood fights for clean air,” NBC News, May 15, 2025, ➝.
- See Stargate Project announcement: “Trump announces ‘Stargate’ AI infrastructure project with ‘colossal data centers’,” posted January 21, 2025, by NBC News, YouTube, ➝; James Walker, “Opening the Stargate: Tech Giants to Invest $500B in AI Data Center Infrastructure,” Data Center Knowledge, January 22, 2025, ➝.
- See more at this report: Tatiana Carayannis, Naima Kane, Marie-Therese Png, and Alondra Nelson, Summary Report: Workshop on the Geopolitics of Critical Minerals and the AI Supply Chain, (Science, Technology, and Social Values Lab, Institute for Advanced Study, 2025), ➝.
- Matt Klein, “The Problematic Fakery Of Lil Miquela Explained—An Exploration Of Virtual Influencers and Realness,” Forbes, November 17, 2020, ➝.
- Dexter Thomas, “Inside the Economy of AI Spammers Getting Rich By Exploiting Disasters and Misery,” 404 Media, January 22, 2025, ➝.
Voir la LISTE ÉVOLUTIVE des traductions