I Think I Have LLM Burnout
- Auteurs
- Alec Collon, alecscollon.com
- Thème
- Leadership
- Mots-clés
- LLM burnout, relecture, hallucinations, fatigue, productivité
- Ton
- opinion
Résumé
Alec Collon met un mot sur une fatigue montante : le « LLM burnout ». Gros utilisateur de LLM (Claude Code au travail, Codex chez lui), il lit attentivement tout ce que les modèles produisent — et c'est justement là que le malaise s'installe. À force de relire des sorties de modèles, il en est venu à redouter le moment, parce qu'il sait ce qu'il va y trouver : fausses certitudes, hallucinations, fragments emphatiques et hachés, emojis en excès. Le problème n'est pas l'erreur ponctuelle mais la répétition : le modèle écrit toujours dans le même style et se trompe toujours de la même manière.
💡 Pourquoi ça compte
Le « LLM burnout » nomme un coût caché de l'adoption massive de l'IA : pas la charge de production, mais l'usure de la relecture. C'est un signal RH et managérial fort — la fatigue de 2026 se déplace vers ceux qui doivent vérifier, toute la journée, ce que la machine produit.
Analyse approfondie
L'auteur utilise beaucoup les LLM. Selon les standards actuels des développeurs, son usage est probablement dans la moyenne et ses méthodes plutôt rudimentaires : il travaille sur une tâche à la fois, en dialoguant avec Claude Code (au travail) ou Codex (à la maison). Parfois il laisse l'assistant écrire du code, mais il lit la sortie attentivement, la comprend, la révise. Il n'est pas dans la génération aveugle.
Les étapes du LLM l'exposent à des approches qu'il n'aurait pas envisagées, et il se sent plus à l'aise dans les domaines où il n'a pas une connaissance profonde. Son projet principal du moment consiste à établir un cadre pour de la génération de code non supervisée à grande échelle dans leur base de code. Quand il ne travaille pas avec Claude pour créer l'outillage, il passe au crible la sortie d'un agent non supervisé (Qwen). Dans les deux cas, il lit du contenu produit par LLM.
S'il veut savoir quelque chose, il demandera à ChatGPT ou lira l'aperçu de Gemini, sauf s'il sait déjà quels sites consulter. Il revient parfois à la navigation classique quand la réponse du LLM est fausse, mais c'est « assez bon » pour de nombreuses requêtes courantes, surtout quand des articles générés par IA polluent les résultats de recherche.
Cela dure depuis environ un an, et il ne se voit pas arrêter : il se sent plus productif et pense qu'apprendre à bien utiliser ces outils a de la valeur. Mais sa disposition a changé ces derniers mois. Une petite partie de lui a commencé à redouter de lire les sorties de LLM, parce qu'il sait ce qu'il va trouver : fausses hypothèses, hallucinations, fragments emphatiques et hachés, emojis en excès. Ce ne sont pas ses lubies — ce sont de vrais patterns.
Pris isolément, aucun de ces agacements ne l'atteint. Mais ensemble, ils l'ont dégoûté de l'écriture par LLM en un rien de temps. Il ne cherche pas à condamner les LLM : les humains aussi sont faillibles, tout aussi peu fiables ou agaçants parfois. Le problème, c'est la répétition. Les LLM écrivent dans le même style et commettent les mêmes types d'erreurs. Affronter la même chose encore et encore l'épuise. Il utilise les fonctions de personnalisation quand l'interface les propose, mais certaines idiosyncrasies passent quand même, et il ne contrôle pas le style du contenu produit par d'autres.
Il ne sait pas encore comment gérer ce sentiment. Il ne s'attendait pas à en être si affecté. Pour l'instant, il serre les dents en espérant tenir.