Ghostwriting

Algorithme LinkedIn 2026 : pourquoi vos vues baissent

11 Aoû 2026 à 14:42

Vues en chute, engagement stable : ce que LinkedIn a réellement changé en mars 2026, ce que le web recopie à tort, et quoi faire à la place.

Changement d'algorithme LinkedIn : les vues baissent, comment faire ?

Ce que LinkedIn a réellement changé le 12 mars 2026, ce que le web francophone recopie à tort, et quoi faire à la place.

Analyse d'expert — Damien Grangiens, consultant SEO & GEO  ·  11 août 2026  ·  Sources primaires vérifiées

1. Ce que LinkedIn a réellement changé, et à quelle date

Il existe une source primaire, elle est datée, et elle est très peu lue. Le 12 mars 2026, Hristo Danchev a publié sur le blog d'ingénierie de LinkedIn la description la plus granulaire jamais donnée par la plateforme du fonctionnement de son fil, pour un réseau qui revendique plus de 1,3 milliard de membres.

Avant cette refonte, le fil agrégeait des candidats issus de pipelines parallèles : index chronologique de l'activité du réseau, contenus en tendance filtrés par géographie, filtrage collaboratif, tendances sectorielles, plusieurs systèmes de récupération par plongements. Chaque source avait son infrastructure et sa logique d'optimisation propres. Surtout, la couche de classement traitait chaque impression indépendamment : au moment d'évaluer un post, le système ne savait rien de ce que le membre venait de lire.

Le nouveau système fait deux choses. Un encodeur double transforme les posts et les membres en vecteurs comparés par similarité cosinus dans un espace partagé. Puis le Generative Recommender, un transformeur à attention causale, ordonne les candidats en traitant plus de 1 000 interactions passées du membre comme une séquence — non comme des points isolés, mais comme une trajectoire d'intérêts. La sortie du transformeur est fusionnée tardivement avec des variables de contexte, puis passée dans une tête de prédiction à mélange d'experts qui sépare les tâches passives (clic, passage, lecture longue) des tâches actives (like, commentaire, partage).

Le fact-check qui manque partout : 360Brew

Depuis dix-huit mois, la quasi-totalité des contenus francophones attribue la baisse des vues au déploiement de « 360Brew, modèle unifié de 150 milliards de paramètres ». Vérification faite en source primaire le 11 août 2026 :

Ce n'est pas un détail d'érudit. Toute la couche de conseils vendue en France sous l'étiquette « les règles de 360Brew » repose sur un papier retiré, décrit par ses auteurs comme pré-production, et sur un rapprochement plausible mais jamais confirmé avec le système réellement décrit. Le mécanisme est réel. Le nom est du folklore. Un prestataire qui vous vend « les règles de 360Brew » vous vend une lecture de seconde main.

2. 3 raisons qui expliquent que les vues baissent 

Mécanisme 1 — Votre audience n'est plus une liste, c'est un calcul

Sous l'ancienne architecture, vos abonnés constituaient un actif adressable : le réseau était le point de départ de la distribution. Sous l'encodeur double, chaque impression doit être regagnée par une proximité sémantique entre le prompt de votre post et le prompt du membre.

Détail décisif et jamais relevé en français : le prompt de l'objet, tel que décrit par LinkedIn, inclut le format, le titre de poste de l'auteur, son entreprise, son secteur, les compteurs d'engagement et le texte du post. Autrement dit, votre headline n'est pas une carte de visite, c'est une variable de classement lue par le modèle en même temps que votre texte. Un profil qui dit une chose et des posts qui en disent une autre produisent un vecteur flou, donc une distribution floue.

Mécanisme 2 — L'impression ignorée n'est pas neutre, elle est instructive

C'est le point technique le plus mal compris, et il vient directement de la source primaire.

Pour entraîner l'encodeur double, LinkedIn utilise deux familles d'exemples négatifs : des négatifs faciles (des posts jamais montrés au membre) et des négatifs difficiles — des posts qui ont été affichés et qui n'ont reçu aucun engagement. Ajouter deux négatifs difficiles par membre a amélioré le rappel de 3,6 %. En parallèle, l'équipe a filtré l'historique du membre pour ne conserver que les posts effectivement engagés, ce qui a réduit l'empreinte mémoire de 37 % et accéléré l'entraînement de 2,6 fois, à qualité égale ou supérieure.

Formulons-le avec la prudence qui s'impose : il ne s'agit pas d'un malus appliqué à votre compte. Il s'agit de deux choix de représentation dont l'effet cumulé est le même. Un post vu et ignoré (a) n'entre pas dans l'historique d'intérêts du lecteur, donc ne construit rien, et (b) appartient exactement à la catégorie que le modèle apprend à distinguer du contenu pertinent.

Conséquence stratégique : publier davantage pour « faire des vues » n'est plus neutre. Chaque impression sans lecture est une donnée, pas un ticket de loterie. C'est l'explication mécanique — enfin sourçable — de ce que les créateurs constatent depuis deux ans : le volume dilue.

Mécanisme 3 — La popularité est lue en percentile, pas en valeur absolue

Anecdote d'ingénierie qui dit tout. En passant les compteurs bruts dans le prompt sous forme de texte, l'équipe a mesuré une corrélation quasi nulle (−0,004) entre popularité et similarité des plongements : le modèle lisait ces chiffres comme des jetons arbitraires. La solution retenue a été le découpage en percentiles, encodé dans des jetons dédiés, ce qui a multiplié la corrélation par 30 et amélioré le rappel de 15 %.

Traduction pour un dirigeant : la popularité compte, mais relativement. Votre post n'est pas jugé sur son nombre de vues, il est jugé sur son rang dans la distribution de tous les posts. Viser « plus de vues » dans un fil où le volume publié augmente, c'est courir pour rester à la même place.

3. Les chiffres de la baisse : pourquoi ils ne concordent jamais

Vous avez lu −40 %, −47 %, −50 %, −60 %. Ces écarts ne sont pas des erreurs, ce sont des périmètres différents. Voici la mise à plat que personne ne publie.

Deux lectures s'imposent, et elles sont contre-intuitives.

Première lecture : le taux n'a pas bougé, le dénominateur a fondu.


Le taux d'engagement reste autour de 2,5 à 2,9 % chez AuthoredUp, et Socialinsider relève même une médiane de 4,7 % au premier trimestre 2026 sur plus de 5 millions de pages, en hausse de 22,1 % sur un an. Côté plateforme, Ryan Roslansky a annoncé une hausse de 24 % des commentaires sur un an. Les gens n'engagent pas moins. Ils voient moins.

Seconde lecture : la baisse a frappé le haut du classement deux à trois fois plus fort.


L'engagement médian par post recule de 14 % pour l'ensemble des profils, mais de 44 % pour les 5 % les plus performants. L'écart entre les gros comptes et les autres s'est comprimé. C'est la traduction chiffrée du passage au graphe d'intérêt : la taille d'audience protège moins qu'avant.

4. Les formats : ce qui marche vraiment, et le piège à vues

Données AuthoredUp, 3 millions de posts de profils personnels, mars 2025 – février 2026. Les multiplicateurs sont relatifs à la médiane du profil lui-même.

Deux corrections à faire circuler.

La vidéo.


LinkedIn pousse la vidéo, revendique une hausse de 36 % du visionnage annuel et plusieurs trimestres de croissance à deux chiffres des mises en ligne. Et pourtant, pour un profil personnel, la portée médiane par vidéo a chuté de 36 % sur un an et passe sous la médiane du profil. Ce n'est pas contradictoire : la plateforme sert plus de vidéo, mais bien plus de créateurs en publient, donc chacun reçoit une part plus fine. Nuance utile : au-delà de 3 minutes, la vidéo remonte à 1,21× quand les clips de 30 à 60 secondes plafonnent à 0,95×. Le dwell time, encore.

Le sondage.


1,78× de portée pour 0,37× d'engagement, c'est la définition opérationnelle du problème posé dans le titre de cet article : le format qui maximise les vues est celui qui produit le moins de conversation. Si votre tableau de bord monte grâce aux sondages, vos vues ne mesurent plus rien.

5. Le 30 juillet 2026 : LinkedIn a mis un bouton sur le problème

Le 30 juillet 2026, LinkedIn a ajouté sous le menu à trois points de chaque post et de chaque commentaire une option de signalement libellée « Seems like AI slop ». L'annonce a été portée par Hari Srinivasan, directeur produit de la plateforme.

Ce que fait ce bouton, précisément : le post signalé disparaît du fil du membre qui l'a signalé, le signalement est traité comme un « ne pas afficher », il alimente les modèles de détection, et il réduit progressivement la portée algorithmique. LinkedIn teste en parallèle une notification privée, dans le tableau de bord de l'auteur, l'informant que des membres ont perçu son contenu comme peu authentique ou trop généré. La plateforme a aussi retiré son propre outil « Enhance your post » au profit d'une relecture plus conservatrice qui préserve la voix de l'auteur, et revendique le blocage de centaines de milliers de tentatives de commentaires automatisés par jour.

Le contexte chiffré vient de Pangram, société de détection : 41 % des posts longs et 30 % des posts courts analysés sur LinkedIn seraient intégralement générés par IA ; LinkedIn représentait environ un tiers des éléments scannés mais 62 % de tout le contenu IA détecté sur les réseaux.

Voici la nuance qui change tout, et elle est explicite dans la position de Srinivasan : LinkedIn refuse délibérément de s'en remettre à un détecteur d'IA, parce qu'un détecteur se trompe. Le dispositif mesure ce que des humains perçoivent, pas ce qu'une machine détecte.

« Ce n'est pas d'avoir utilisé l'IA qui coûte. C'est de sonner comme tout le monde. »

Un texte assisté par IA mais porté par un cas daté, un chiffre que vous êtes seul à avoir et une opinion assumée ne déclenche rien. Un texte impeccable, générique et interchangeable en déclenche, et il ne produit de toute façon ni lecture longue ni enregistrement — ce qui suffisait déjà à l'éteindre.

6. Le renversement : votre post n'est plus un média, c'est une source

C'est la partie que 99 % des contenus sur « la baisse des vues LinkedIn » n'abordent pas, et c'est celle qui rend la question du titre secondaire.

Semrush, sur 325 000 prompts uniques soumis entre janvier et février 2026 à ChatGPT Search, Google AI Mode et Perplexity, a isolé 89 000 URL LinkedIn citées dans les réponses. Résultat : LinkedIn est le 2ᵉ domaine le plus cité du jeu de données, derrière Reddit et devant Wikipédia, YouTube et l'ensemble des grands éditeurs de presse. En moyenne, 11 % des réponses IA citent une URL LinkedIn — 14,3 % sur ChatGPT Search, 13,5 % sur Google AI Mode, 5,3 % sur Perplexity.

OtterlyAI, sur des citations collectées du 1ᵉʳ janvier au 1ᵉʳ juin 2026 à travers six moteurs, mesure la même dynamique : la part de LinkedIn dans les citations issues des réseaux sociaux est passée de 7,8 % en janvier à 11,7 % en mai, soit près d'une citation sociale sur huit.

Maintenant, le profil des contenus cités, et c'est là que tout bascule :

Lisez la première ligne encore une fois. Les posts LinkedIn que les IA citent font 15 à 25 réactions. Dans une lecture « vues », ce sont des échecs. Dans une lecture « actif », ce sont les seuls contenus qui continuent d'exister trois mois après leur publication, et qui répondent à la place de votre site quand un acheteur interroge ChatGPT sur votre catégorie.

Deux conséquences que nous appliquons chez Ghostwriter SEO GEO. D'abord, l'article LinkedIn (Pulse) est le format le plus mal classé en portée — 0,69× — et l'un des mieux classés en citabilité. Le juger sur les vues revient à jeter votre meilleur actif. Ensuite, la similarité sémantique de 0,57 à 0,60 signifie que la réponse générée reprend le sens de votre texte : si votre post explique mal votre offre, l'IA l'expliquera mal aussi, à des gens que vous ne verrez jamais dans vos statistiques.

7. Observatoire Ghostwriter GEO — le prix d'une vue, le prix d'une citation

Donnée propriétaire produite le 11 août 2026 par Ghostwriter SEO GEO. Hypothèses affichées, chiffres modélisés et non mesurés sur un compte client.

Hypothèses.


Dirigeant de PME B2B, profil personnel à 7 200 abonnés (médiane AuthoredUp des profils actifs), 3 publications par semaine, soit ≈ 150 posts sur douze mois. Portée médiane retenue : 921 membres par post en format texte. Prestation de ghostwriting LinkedIn à 1 200 € HT par mois, soit 14 400 € HT sur l'année.

« Une impression LinkedIn coûte dix centimes. Un post citable coûte soixante-sept euros et ressemble à un échec. »

8. Le protocole en 7 étapes

1. Alignez le profil avant le contenu. Headline, secteur, entreprise et intitulé sont dans le prompt lu par le modèle au même titre que votre texte. Un profil générique produit un vecteur flou. Une phrase, une expertise, un vocabulaire.
   
   
2. Réduisez à deux thèmes maximum, pour vingt posts. Le test : ouvrez vos vingt derniers posts et demandez à un tiers de nommer votre sujet. S'il hésite, le modèle aussi.
   
   
3. Passez de 5 posts par semaine à 3, et investissez la différence dans la recherche. Une impression ignorée n'est pas gratuite : elle n'entre pas dans l'historique du lecteur et appartient à la catégorie que le modèle apprend à écarter.
   
   
4. Mettez un objet daté dans chaque post. Un nom, un chiffre, une date, une situation. C'est ce qui distingue une source d'un avis, et c'est exactement le critère de citation des moteurs génératifs.
   
   
5. Produisez un carrousel par mois et un article Pulse par trimestre. Le premier est le seul format gagnant sur portée et engagement, et moins de 5 % des profils en publient. Le second est mal classé en vues et surclassé en citations.
   
   
6. Changez de tableau de bord. Suivez les enregistrements, la profondeur des commentaires, les messages privés reçus et les demandes entrantes. Ajoutez une requête mensuelle sur ChatGPT et Perplexity avec vos cinq questions d'acheteur : c'est votre vrai classement.
   
   
7. Répondez pendant les 90 premières minutes, avec des réponses qui apportent quelque chose. Le commentaire est une tâche active du modèle ; un commentaire substantiel de votre part relance la conversation et prolonge la lecture.
   
   
   

9. Besoin d'un vrai ghostwriter spécialiste de LinkedIn ?

Tout ce qui précède mène au même endroit : à partir du moment où le modèle lit le sens, où le signalement mesure la perception humaine et où les contenus cités sont ceux qui contiennent un fait qu'on ne trouve pas ailleurs, la production de contenu redevient un métier de compréhension avant d'être un métier d'écriture.

• Nos ghostwriters prennent le temps de comprendre votre activité — votre marché, vos clients, ce que vous savez et que vos concurrents ignorent ;
• Ils créent des angles de communication qui vous distinguent au lieu de vous fondre dans le fil ;
• Ils vous proposent des sujets issus de votre réalité, pas d'un calendrier éditorial générique ;
• Ils ajustent avec vous, jusqu'à ce que le texte sonne comme vous et pas comme un modèle ;
• Ils rédigent les contenus, et vous gardez votre temps de dirigeant.

« Pour apporter de la valeur à votre actif entreprise et toucher votre vrai client, pas juste faire des vues. »

À lire ensuite

• Comment créer un post Linkedin performant post changements algo : Anatomie expliquée d'un post linkedin en 2026
  
  
  

FAQ - La raison de la baisse des vues Linkedin 

L'algorithme LinkedIn a-t-il changé et pourquoi mes vues baissent-elles ?

Oui. Le 12 mars 2026, LinkedIn a documenté sur son blog d'ingénierie le remplacement de son système de récupération multi-sources par un encodeur double fondé sur un modèle de langage, suivi d'un modèle de classement séquentiel, le Generative Recommender. Vos abonnés ne sont plus le point de départ de la distribution : chaque impression dépend d'une proximité sémantique calculée entre votre contenu et le profil du lecteur. Les baisses relevées par les outils tiers vont de 40 à 60 % selon la période et le périmètre mesurés.

LinkedIn utilise-t-il vraiment un modèle appelé 360Brew ?

360Brew existe : c'est un modèle décodeur de 150 milliards de paramètres décrit dans un papier de LinkedIn déposé sur arXiv le 27 janvier 2025. Mais le résumé le qualifie de modèle de recherche pré-production, le papier a été retiré d'arXiv, et le billet d'ingénierie officiel de mars 2026 ne le nomme jamais. Le système décrit s'appelle le Generative Recommender. Prudence, donc, avec tous les contenus qui vendent « les règles de 360Brew ».

Le temps de lecture compte-t-il vraiment dans l'algorithme ?

Oui, et c'est confirmé par LinkedIn. La tête de prédiction du modèle de classement distingue des tâches passives — dont la lecture longue — et des tâches actives comme le like, le commentaire et le partage. Un post lu jusqu'au bout sans réaction envoie un signal réel.

Faut-il arrêter de mettre des liens externes dans ses posts ?

Les études se contredisent : l'édition 2026 de van der Blom mesure une baisse de portée médiane de 18,8 % avec un lien dans le corps du post, quand l'analyse Saywhat de près de 400 000 posts au premier trimestre 2026 trouve des posts multi-liens performants. Position raisonnable : ne construisez pas votre stratégie sur cet arbitrage, il pèse beaucoup moins que la cohérence thématique et la profondeur du contenu.

Combien de fois faut-il publier par semaine en 2026 ?

Trois publications par semaine constituent un bon point d'équilibre. Publier davantage augmente le nombre d'impressions sans lecture, et une impression ignorée n'entre pas dans l'historique d'intérêts du lecteur. Le volume ne compense plus la précision.

Quel format fonctionne le mieux sur LinkedIn en 2026 ?

Le document (carrousel PDF) : 1,39× la portée médiane et 1,30× l'engagement d'après AuthoredUp, et 1,72× chez les 5 % de profils les plus performants — alors que moins de 5 % des profils en publient régulièrement. Le sondage affiche la portée la plus élevée (1,78×) mais l'engagement le plus faible (0,37×) : c'est un piège à vues.

Le bouton « AI slop » va-t-il pénaliser mes contenus rédigés avec de l'IA ?

Le bouton, déployé le 30 juillet 2026, mesure une perception humaine et non une détection automatique — c'est un choix assumé par LinkedIn. Un contenu assisté par IA mais porteur d'un cas daté, d'un chiffre original et d'une opinion assumée n'est pas concerné. Un contenu générique l'est, et il échouait déjà sur la lecture longue.

Mes posts LinkedIn sont-ils cités par ChatGPT et Perplexity ?

Ils peuvent l'être, et c'est le principal changement de nature de la plateforme. Semrush, sur 325 000 prompts en janvier-février 2026, classe LinkedIn 2ᵉ domaine le plus cité derrière Reddit, présent dans 11 % des réponses en moyenne. Les posts cités font en médiane 15 à 25 réactions : la citabilité et la viralité ne sont pas corrélées.

Faut-il privilégier la page entreprise ou les profils personnels ?

Les deux, mais pas pour la même raison. En portée organique, la page entreprise est très en retrait et le texte seul y plafonne à 0,42× ; en citations IA, Perplexity cite des pages entreprise dans 59 % des cas quand ChatGPT Search et Google AI Mode citent des individus dans 59 % des cas. La page sert la citation, les profils servent la distribution.

Sources

1. LinkedIn Engineering Blog, « Engineering the next generation of LinkedIn's Feed », Hristo Danchev, 12 mars 2026.
2. arXiv:2501.16450, « 360Brew: A Decoder-only Foundation Model for Personalized Ranking and Recommendation », Firooz et al., déposé le 27 janvier 2025, v4 du 23 août 2025 — papier retiré.
3. LinkedIn Engineering Blog, « Scaling LLM-based ranking systems with SGLang at LinkedIn », 20 février 2026.
4. PPC Land, analyse technique du billet d'ingénierie LinkedIn, 15 mars 2026.
5. Semrush, « We Analyzed 89K LinkedIn URLs Cited in AI Search », 325 000 prompts, janvier-février 2026.
6. OtterlyAI, « LinkedIn AI Search Citations Study », citations collectées du 1ᵉʳ janvier au 1ᵉʳ juin 2026, six moteurs.
7. AuthoredUp, analyse de 3 millions de posts de profils personnels, mars 2025 – février 2026.
8. AuthoredUp, suivi de 621 000 posts, juin 2024 – mai 2025.
9. Richard van der Blom, « Algorithm InSights 2025 Report » (1,8 M de posts, 58 000 profils, 31 000 pages) et édition 2026 (1,3 M de posts, 50 000 créateurs).
10. Saywhat, « State of the Algorithm Q1 2026 », 397 605 posts.
11. Socialinsider, « LinkedIn Benchmarks 2026 », plus de 5 millions de pages.
12. TechCrunch, Forbes et eWeek, couverture du lancement du bouton « Seems like AI slop », 30 juillet 2026 ; déclarations de Hari Srinivasan, directeur produit de LinkedIn.
13. Pangram, mesures de contenus générés par IA sur les réseaux sociaux, 2026.
14. Microsoft, résultats trimestriels FY2026 ; déclarations de Ryan Roslansky sur la croissance des commentaires et des mises en ligne vidéo.
15. LinkedIn, divulgation de la cellule dédiée à la recherche IA après la baisse de son trafic web B2B hors marque, 28 janvier 2026.