La portée organique s’est effondrée, et ce n’est pas une impression
Si vos publications LinkedIn touchent nettement moins de monde qu’il y a un an, vous n’êtes pas victime d’un bug. Vous assistez au plus grand changement d’architecture que la plateforme ait connu depuis sa création. Selon le rapport de référence de Richard van der Blom (Algorithm Insights, analyse portant sur 1,8 million de publications et plus de 58 000 profils sur douze mois), la portée moyenne a baissé d’environ 50 %, l’engagement d’environ 25 % et la croissance des abonnés d’environ 59 % sur un an. La portée moyenne d’un post est passée d’environ 15 à 20 % des abonnés à seulement 8 à 12 %.
LinkedIn ne dément pas la tendance. La plateforme confirme de son côté que le volume de publications a augmenté d’environ 15 % et le nombre de commentaires d’environ 24 % sur la période. Traduction : il y a plus de contenu, distribué à moins de monde. Le fil n’est pas cassé. Il est devenu sélectif. LinkedIn troque délibérément la portée brute contre la pertinence.
Sous le capot : de l’usine à signaux au raisonnement sémantique
Pendant quinze ans, le classement du fil reposait sur une architecture que les ingénieurs de LinkedIn décrivent eux-mêmes comme une accumulation de milliers de modèles prédictifs spécialisés, alimentés par un travail manuel d’ingénierie de variables. Ce système récompensait mécaniquement les signaux faciles à produire : likes, fréquence, accroches virales. C’est l’âge d’or du growth hacking.
En janvier 2025, l’équipe Foundation AI Technologies de LinkedIn a publié sur arXiv un papier de recherche détaillant 360Brew, un modèle de fondation décodeur de 150 milliards de paramètres, construit sur l’architecture Mixtral 8×22. Sa promesse : remplacer ces milliers de modèles fragmentés par un seul, capable de traiter plus de trente tâches de classement et de recommandation (fil, offres d’emploi, suggestions de relations) sans réglage spécifique, et surtout d’évaluer le contenu non plus par mots-clés mais par le sens.
Une précision d’expert s’impose, parce qu’elle sépare l’analyse sérieuse du bruit ambiant. Dans la documentation publiée sur arXiv, 360Brew est un modèle de recherche en pré-production, et LinkedIn ne le nomme nulle part comme le moteur de son fil. Ce que l’entreprise décrit, en revanche, c’est l’architecture réelle de la nouvelle génération du fil, détaillée le 12 mars 2026 par son ingénieur Hristo Danchev sur le blog d’ingénierie. Le fil de production repose sur deux briques. D’abord un système de récupération unifié, qui remplace une dizaine de sources spécialisées (index chronologique du réseau, tendances par zone géographique, filtrage collaboratif, contenus sectoriels) par un seul modèle de langage affiné, générant des représentations vectorielles des membres et des publications, comparées par similarité sémantique. Ensuite un modèle génératif de recommandation, qui assure le classement final.
Le saut conceptuel est là. Là où l’ancien système raisonnait par correspondance de mots-clés, le modèle de langage raisonne par le sens, grâce à la connaissance du monde acquise lors de son pré-entraînement. L’exemple donné par LinkedIn est limpide : un membre qui se déclare intéressé par l’ingénierie électrique mais qui interagit avec des publications sur les petits réacteurs modulaires sera servi en conséquence, parce que le modèle sait que ces sujets sont liés. Même un nouvel arrivant, avec pour seule donnée son intitulé de poste, voit ses centres d’intérêt déduits avant d’avoir interagi. C’est le basculement du graphe relationnel (on vous montrait ce que publiaient vos relations) vers le graphe d’intérêt (on vous montre ce qui correspond à vos intérêts, que vous suiviez l’auteur ou non).
Le signal qui décide de tout n’est pas le like, c’est le dwell time
Le malentendu le plus coûteux de 2026 consiste à optimiser pour les likes. Or LinkedIn classe son fil sur le dwell time, le temps d’attention réel, et ce n’est pas une nouveauté de niche : ses ingénieurs l’ont documenté publiquement dès 2020, puis de nouveau en octobre 2024. Le blog d’ingénierie distingue deux dwell times : celui passé sur le fil (mesuré dès qu’au moins la moitié d’une publication est visible à l’écran) et celui passé après le clic. L’hypothèse de LinkedIn est simple : un membre accorde son temps à ce qui l’intéresse. Un post lu pendant trente secondes vaut donc davantage, aux yeux du modèle, qu’un post qui récolte cinquante likes réflexes.
Conséquence directe : l’attention passive compte. Un lecteur qui ralentit, qui s’arrête sur votre texte sans laisser de réaction, envoie un signal positif. À l’inverse, le défilement rapide est un verdict. Le combat se joue donc sur la capacité à retenir, pas seulement à faire réagir.
Le nouveau système de classement formalise cette hiérarchie. Le modèle génératif de recommandation entremêle vos publications et vos actions, et sépare deux familles de signaux : les signaux passifs (clic, défilement, lecture longue) et les signaux actifs (like, commentaire, partage). La lecture longue, le fameux long dwell, y figure comme une action à part entière, au même rang que le like. Optimiser pour la rétention n’est donc plus une intuition de praticien : c’est inscrit dans l’architecture.
Le piège mortel : les hard negatives
Voici le mécanisme que presque personne n’explique correctement, et qui change la donne pour quiconque publie régulièrement. Pour entraîner son modèle, LinkedIn utilise ce que ses ingénieurs nomment les hard negatives : des publications qui ont bien été affichées à un membre, mais qui n’ont déclenché aucune interaction. Ce sont les exemples les plus instructifs pour la machine, car ils l’obligent à distinguer le contenu pertinent mais sans plus du contenu réellement précieux. LinkedIn indique qu’ajouter seulement deux de ces cas par membre améliore la qualité de la récupération de 3,6 %, un gain notable pour un changement aussi simple.
Plus parlant encore : pour construire l’historique d’intérêts d’un membre, l’entreprise a choisi de ne conserver que les publications réellement engagées, et d’écarter celles qu’il a fait défiler. Ses ingénieurs le résument d’une phrase : le modèle apprend mieux de ce que vous avez choisi d’engager que de l’ensemble de ce qu’on vous a montré. Le contenu affiché puis ignoré est donc précisément ce que le système est entraîné à ne plus remonter.
La conséquence stratégique est sévère. Une publication qui n’accroche personne n’est plus seulement un coup pour rien : elle alimente, à l’échelle de votre audience, le signal même que l’algorithme exploite pour décider de ne plus afficher ce type de contenu. Le post de remplissage, celui qui doit sortir par habitude de cadence ou par pression institutionnelle, a désormais un coût. C’est la fin mathématique de la stratégie du volume.
Pourquoi l’IA générique vous enterre, et l’IA bien employée vous sauve
Soyons précis, car le sujet est saturé d’approximations. LinkedIn ne pénalise pas un contenu parce qu’il est généré par IA. La plateforme a d’ailleurs introduit dès 2024 des étiquettes signalant les contenus produits par IA, sans les bannir. Le problème est comportemental. Un contenu générique, techniquement correct mais vide de point de vue, ne produit ni temps d’attention, ni enregistrements, ni discussion. Le modèle lit ce silence et coupe la distribution. La sanction ne vient pas d’un détecteur de texte : elle vient du fait que personne ne lit.
Les chiffres confirment l’enjeu. Selon Originality.ai, plus de la moitié des posts longs sur LinkedIn seraient probablement générés par IA depuis l’arrivée de ChatGPT, et ces contenus enregistreraient en moyenne près de 45 % d’interactions en moins que les contenus humains. Le différenciateur de 2026 n’est pas l’outil, c’est l’insight : une chose précise que vous savez de votre expérience directe, et qui n’existe nulle part ailleurs sous cette forme. L’IA est un formidable levier d’exécution sur cette matière première. Elle devient du remplissage dès qu’elle s’y substitue. Chez ELMARQ, nous nommons ce phénomène la fatigue synthétique : la lassitude d’audience provoquée par l’industrialisation du vide.
Ce qui fonctionne désormais : autorité, profondeur, cohérence
Le nouveau régime récompense des comportements précis, tous documentés par la recherche.
- L’autorité thématique avant le volume. Le modèle construit une empreinte de vos sujets. Concentrez vos publications sur deux à trois piliers d’expertise, pour environ 80 % de votre contenu. Un dirigeant qui partage chaque semaine une analyse sur son domaine surpasse celui qui publie tous les jours sur des sujets épars. Le système peine à classer un profil dispersé, et un profil mal classé est un profil peu distribué.
- L’alignement profil et contenu. Le modèle recoupe votre titre, votre résumé et vos expériences avec ce que vous publiez. Si votre profil dit une chose et vos posts une autre, votre portée est bridée. Votre page devient un actif de distribution, pas seulement une vitrine.
- Les formats à forte rétention. Selon van der Blom, les documents (carrousels PDF) génèrent le meilleur taux d’engagement, autour de 6,60 %, devant la vidéo native (environ 5,60 %) et loin devant le texte seul (environ 2 %). Les enregistrements et les repartages sont les signaux de portée les plus puissants : un contenu que l’on sauvegarde est un contenu jugé durablement utile.
- La première fenêtre. Les trente à quatre-vingt-dix premières minutes décident de la trajectoire d’un post. Amorcez l’engagement (échangez avant et au moment de publier), répondez vite aux premiers commentaires. Chaque réponse rallonge la conversation et relance la distribution.
- La régularité plutôt que le sprint. Publier une fois par semaine, chaque semaine, vaut mieux que publier tous les jours pendant un mois puis disparaître. Le système repère l’irrégularité, et la cadence excessive accélère la fatigue d’audience. Visez deux à quatre publications de qualité par semaine.
- Les commentaires plutôt que les likes. Un commentaire pèse beaucoup plus lourd qu’une réaction (les estimations varient, de l’ordre de quatre à sept fois), et leur qualité est désormais évaluée : un « super post » générique ne vaut rien, une question précise ou un apport d’expérience vaut beaucoup. Terminez par une vraie question, pas par un « qu’en pensez-vous ».
- Les liens externes hors du corps. Un lien dans le texte réduit la portée médiane (de l’ordre de 18,8 % selon la recherche 2026 de van der Blom). Et la vieille parade du lien en premier commentaire est elle aussi désormais dégradée. Délivrez la valeur nativement, renvoyez vers la ressource en commentaire, sans en faire l’argument central.
La lecture ELMARQ : la portée n’est plus une métrique, c’est une souveraineté
Un fil qui lit votre contenu avec un grand modèle de langage et le distribue selon sa pertinence sémantique : cela vous rappelle quelque chose ? C’est exactement la logique des moteurs de réponse génératifs, ceux qui décident aujourd’hui si votre marque est citée ou ignorée lorsqu’un prospect interroge une IA. La même loi gouverne désormais les deux mondes. L’optimisation par mots-clés et par signaux a vécu. Ce qui compte, c’est une autorité cohérente, une expertise réelle et lisible, et une visibilité construite à l’intérieur des systèmes qui filtrent l’attention.
C’est précisément la conviction qui structure notre approche. Mesurer une portée de vanité n’a plus de sens. Ce qui se pilote, c’est la profondeur d’interaction avec la bonne audience, et la présence de votre marque à l’intérieur des modèles qui médiatisent désormais la découverte, du fil LinkedIn jusqu’aux assistants conversationnels. Notre outil AI COMMAND mesure cette visibilité dans les IA via un score de présence, le Share of Model. Notre conviction de fond reste la même : une communication n’a de valeur que si elle repose sur un socle viable, fait d’expertise et de constance, et non sur des artifices que la prochaine mise à jour effacera.
La conclusion tient en une phrase. En 2026, on ne gagne plus en criant plus fort. On gagne en devenant, pour une audience précise et pour les machines qui la servent, une autorité qu’il serait coûteux d’ignorer.
Votre marque est-elle visible à l’intérieur des modèles qui filtrent désormais l’attention, du fil LinkedIn aux assistants conversationnels ? ELMARQ mesure votre Share of Model et construit l’autorité éditoriale qui vous rend coûteux à ignorer, en stratégie et en exécution. Réserver un diagnostic.
