Préoccupations de Kakul Srivastava sur l’IA : pourquoi les e-mails automatisés affaiblissent la vraie conversation

Kakul Srivastava a tracé une ligne claire concernant les documents rédigés par l’IA, bien qu’elle dirige une entreprise qui utilise de plus en plus l’IA générative dans ses produits. La PDG de Splice estime que la rédaction automatisée peut affaiblir une conversation lorsque les lecteurs ne peuvent plus identifier la réflexion humaine derrière les mots. Ces préoccupations de Kakul Srivastava concernant l’IA transforment un débat familier sur la productivité en une question de confiance.

Son avertissement revêt un poids particulier car Splice est une entreprise pensée pour le travail à distance. En l’absence de discussions dans les couloirs, les employés dépendent des documents écrits pour exprimer leurs décisions, leurs désaccords et leurs idées inachevées. Srivastava considère qu’un document réfléchi, suivi d’un véritable débat, est l’un de ses outils de travail les plus importants.

Elle applique le même principe à la musique. Splice utilise l’IA pour aider les producteurs à rechercher, combiner et transformer des sons créés par des humains. L’entreprise a résisté à l’approche par simple pression sur un bouton associée à des générateurs de chansons tels que Suno. Le conflit n’oppose donc pas les humains à l’IA. Il oppose l’assistance à la substitution, et interroge la capacité de la commodité à préserver suffisamment d’intention humaine pour permettre une collaboration utile.

Ce que Kakul Srivastava a dit sur les e-mails générés par l’IA

L’objection de Srivastava n’est pas que l’IA écrive mal. C’est que la rédaction automatisée peut masquer qui a réellement mené la réflexion.

Dans un questionnaire sur le travail publié le 3 octobre 2026, Srivastava a désigné un document bien rédigé et une vraie conversation comme ses outils les plus indispensables. Chez Splice, un document sert souvent de point de départ à une réflexion collective.

Une personne examine un problème, formule une position par écrit et soumet cette réflexion au désaccord. Les collègues remettent ensuite les hypothèses en question et révisent la décision. Le document compte parce qu’il donne au groupe un élément attribuable, précis et ouvert à l’examen.

Une prose générée par l’IA peut perturber ce processus. Un e-mail soigné peut contenir une recommandation claire, mais les lecteurs peuvent ignorer à quel point son expéditeur y adhère réellement. Ils ne peuvent pas non plus voir quels arguments proviennent de l’expéditeur et lesquels ont émergé d’un modèle.

Srivastava a décrit directement le problème de confiance qui en résulte : « Une fois qu’on ne peut plus savoir s’il y a une personne derrière les mots », la conversation se dégrade. Sa préoccupation concerne les documents, les e-mails et les autres messages professionnels qui paraissent réfléchis sans nécessairement représenter une réflexion approfondie.

Cette distinction sépare la rédaction de l’auteur. La rédaction produit des phrases lisibles. L’auteur relie ces phrases à une personne qui a sélectionné les éléments probants, accepté les compromis et assume la conclusion.

Les outils de rédaction générative peuvent aider à composer un texte tout en préservant l’auteur. Une personne peut utiliser l’IA pour raccourcir un brouillon ou repérer une formulation confuse. Le problème s’accentue lorsque le texte généré remplace le travail intellectuel que le document est censé consigner.

C’est particulièrement important dans le travail à distance. Une équipe au bureau peut compléter un message ambigu par une conversation informelle, des expressions faciales et des questions immédiates. Une équipe distribuée ne dispose souvent que de l’écrit et de la réunion organisée autour de celui-ci.

Lorsque cet écrit n’exprime pas clairement un point de vue, la conversation suivante commence dans l’incertitude. Les participants doivent déterminer s’ils remettent en cause le jugement d’un collègue, la sortie générique d’un modèle ou un mélange non vérifié des deux.

L’affirmation du titre selon laquelle les e-mails générés par l’IA « tuent les conversations » ne doit pas être comprise comme une preuve mesurée d’un déclin organisationnel. Srivastava a formulé un jugement de dirigeante, non présenté une étude contrôlée. Son explication identifie toutefois un mécanisme pratique que les entreprises peuvent examiner dans leurs propres flux de travail.

Le changement important n’est pas simplement que les employés peuvent générer des messages plus vite. C’est que les destinataires sont désormais confrontés à un nouveau problème d’attribution chaque fois qu’un langage soigné arrive sans preuve d’un engagement humain.

Pourquoi la rédaction par IA modifie le modèle de confiance d’une équipe à distance

Une note rédigée par l’IA peut faire gagner du temps de rédaction tout en transférant le travail de vérification à chaque personne qui la reçoit.

La rédaction professionnelle traditionnelle n’a jamais garanti l’honnêteté ni une réflexion rigoureuse. Les dirigeants délèguent depuis longtemps des brouillons, réutilisent des modèles et dissimulent l’incertitude derrière un langage formel. L’IA générative augmente l’échelle de ces pratiques et en réduit le coût.

Un employé peut désormais produire une proposition détaillée avant même de décider si ses affirmations sont correctes. Une autre personne peut transformer quelques notes vagues en un e-mail assuré. Le résultat peut sembler plus abouti que le raisonnement sous-jacent ne l’est réellement.

Cela crée une asymétrie. L’expéditeur gagne du temps, tandis que les destinataires doivent examiner l’argumentation, tester ses sources et déterminer si quelqu’un assume la recommandation. Une courte instruction peut générer plusieurs pages de travail de vérification.

La qualité apparente du texte peut rendre le problème plus difficile à détecter. Un langage maladroit signalait autrefois qu’une idée devait être clarifiée. L’IA peut effacer ces lacunes visibles sans résoudre la confusion qui les sous-tend.

Le risque ne se limite pas aux erreurs factuelles. Un document généré peut aplanir l’incertitude, le désaccord ou l’émotion dans un langage qui paraît neutre. Cela retire les signaux que les collègues utilisent pour décider quelles questions exigent une véritable conversation.

Prenons le cas d’un chef de produit qui recommande de retarder le lancement d’une fonctionnalité. Les raisons sous-jacentes peuvent inclure des tests insuffisants, des préoccupations non résolues de clients et un désaccord privé avec le calendrier. Une réécriture par IA pourrait transformer ce jugement en une liste fluide de risques génériques.

La version réécrite peut être plus facile à lire. Pourtant, elle peut masquer la préoccupation qui a réellement motivé la recommandation. Les collègues débattent alors de la structure superficielle du document au lieu du jugement réel de la personne.

La même dynamique affecte les e-mails. Un modèle peut rendre un message difficile plus chaleureux, mais il peut aussi produire un langage émotionnel que l’expéditeur n’a jamais ressenti. Les destinataires peuvent répondre à une empathie apparente sélectionnée automatiquement.

Les équipes ont donc besoin d’une distinction plus précise que « IA autorisée » ou « IA interdite ». Elles doivent identifier les parties de la communication qui exigent un jugement traçable et celles qui peuvent accepter sans risque une assistance mécanique.

La mise en forme, la transcription et la correction grammaticale présentent un risque d’attribution relativement faible. Les recommandations stratégiques, les retours sur les performances, la résolution de conflits et les décisions de sécurité en présentent beaucoup plus. Ces messages dépendent de la connaissance de ce que chacun croit.

L’IA peut aussi aider à préparer sans parler au nom de l’utilisateur. Elle peut organiser des notes, faire ressortir des décisions antérieures ou aider une personne à retrouver un contexte pertinent. Une base de connaissances personnelle peut réduire le travail de recherche tout en laissant le jugement final visible.

Le flux de travail privilégié par Srivastava offre une norme utile. Le document doit rendre la réflexion d’une personne intelligible, tandis que la conversation met cette réflexion à l’épreuve. L’IA devient nuisible lorsqu’elle affaiblit l’un ou l’autre côté de cet échange.

Cela n’exige pas que chaque phrase soit tapée sans assistance. Cela exige que l’auteur comprenne les affirmations, signale les incertitudes importantes et assume la responsabilité du message.

La pression s’exerce sur les dirigeants qui déploient des fonctions de rédaction par IA dans l’ensemble de leurs organisations. Ils doivent décider si la réussite consiste à produire davantage de texte ou à améliorer les décisions qui en découlent.

La stratégie IA de Splice garde le musicien dans la boucle

La stratégie produit de Splice considère l’IA comme un instrument permettant de manipuler du matériau créatif, et non comme un substitut à la personne qui crée la chanson.

La position de Srivastava sur la rédaction au travail reflète l’approche de Splice en matière de logiciels de musique. L’entreprise a adopté l’IA, mais elle a cherché à préserver des apports humains visibles et le contrôle créatif.

L’activité principale de Splice offre aux producteurs un accès à des one-shots, des boucles et d’autres sons enregistrés. Un one-shot est un événement audio unique, tandis qu’une boucle est un passage conçu pour être répété. Les producteurs arrangent et transforment ces éléments dans une station de travail audio numérique.

Les échantillons de la plateforme sont apparus dans des sorties remarquées, notamment « Money » de Lisa et « Espresso » de Sabrina Carpenter. Cette présence fait de Splice un élément d’une chaîne d’approvisionnement créative existante, et non simplement une entreprise expérimentant avec des modèles de texte vers musique.

Son histoire avec l’IA précède également l’actuel essor de l’IA générative. Splice affirme avoir lancé Similar Sounds en 2019 afin de trouver des échantillons présentant des caractéristiques audio similaires. L’entreprise a ensuite développé Create, qui assemble des boucles compatibles en Stacks modifiables.

Selon l’historique produit de Splice, les utilisateurs avaient créé plus de 28 millions de Stacks lors de son dernier décompte publié. Ce chiffre provient de l’entreprise et n’a pas fait l’objet d’un audit indépendant.

Ces produits automatisent la découverte et l’arrangement tout en maintenant les producteurs impliqués. Un utilisateur choisit des sons, évalue des combinaisons, modifie la structure et décide si le résultat a sa place dans un morceau.

Splice est allé plus loin dans l’audio génératif en 2026 avec Variations. Cette fonctionnalité génère de nouvelles versions d’un échantillon sélectionné tout en permettant aux utilisateurs de préciser des propriétés musicales telles que la tonalité, le tempo et la complexité.

Surtout, le résultat reste lié à la source. Splice indique que le créateur du son original reçoit une compensation lorsqu’une variation générée est utilisée. Les utilisateurs reçoivent le son obtenu dans le même cadre de licence libre de redevances.

Craft suit un modèle similaire. Il transforme des sons du catalogue en instruments jouables, permettant aux musiciens d’interpréter le matériau sur un clavier plutôt que de recevoir une composition achevée. Magic Fit, une autre fonctionnalité annoncée, est conçue pour adapter les sons au contexte musical d’un projet.

Ces outils soulèvent toujours des questions sur l’originalité, les données d’entraînement et l’attribution. Leur conception diffère toutefois de celle qui consiste à saisir une courte instruction et à recevoir une chanson terminée dont les voix, l’arrangement et les décisions de production sont déjà fournis.

Srivastava a exprimé cette différence plus crûment lors d’une interview Decoder en mars 2025. Elle a rejeté les systèmes « appuyer sur un bouton, obtenir une chanson » parce qu’ils retirent une grande partie du processus que les musiciens apprécient.

Son argument ne dépend pas d’une idéalisation du travail manuel. Les producteurs ont toujours utilisé des technologies qui réduisent les efforts. Les séquenceurs automatisent l’interprétation, les échantillonneurs réutilisent des enregistrements et l’édition numérique peut corriger le timing en quelques secondes.

La question pertinente est ce que l’outil demande au musicien d’apporter. Le modèle privilégié de Splice demande aux utilisateurs de sélectionner, manipuler, interpréter et juger. La génération par simple pression sur un bouton peut réduire ces activités à l’approbation ou au rejet d’un résultat achevé.

Cela fait écho au problème des e-mails. L’IA peut aider une personne à façonner une idée, ou elle peut fabriquer l’apparence qu’une idée a déjà été façonnée. Le résultat peut sembler abouti dans les deux cas, mais la contribution humaine diffère fortement.

Le véritable conflit oppose l’assistance à la substitution

Les préoccupations les plus fortes de Kakul Srivastava concernant l’IA portent sur la substitution, car l’automatisation devient corrosive lorsqu’elle retire l’agentivité qui donne du sens au travail.

Les débats sur l’IA se réduisent souvent à un faux choix entre une adoption enthousiaste et un rejet total. Srivastava occupe une position moins confortable parce que Splice est à la fois un développeur d’IA et un critique des excès de l’automatisation.

L’entreprise a besoin de l’IA pour améliorer la découverte et rivaliser avec des plateformes musicales qui évoluent plus rapidement. Dans le même temps, elle dépend de musiciens qui attendent attribution, clarté des licences et rémunération.

Splice a déclaré que son catalogue principal Sounds n’accepte pas les contenus audio créés avec une IA générative. L’entreprise indique que les samples soumis doivent être créés par des humains et réussir un examen du contenu. Des fonctionnalités distinctes alimentées par l’IA peuvent transformer des contenus approuvés une fois qu’ils sont intégrés à la plateforme.

Cette frontière donne aux créateurs des attentes plus claires, mais son application reste difficile. Les outils de détection de l’IA produisent des résultats imparfaits, et les systèmes génératifs continuent de progresser. Splice reconnaît que ses méthodes de détection doivent évoluer au rythme de la technologie.

L’entreprise a également acquis Spitfire Audio en avril 2025. Spitfire produit des instruments virtuels détaillés à partir d’enregistrements d’orchestres et d’autres interprètes. L’opération a étendu Splice des samples courts aux instruments jouables et aux bibliothèques sonores cinématographiques.

Splice a indiqué que l’acquisition de Spitfire associerait ces enregistrements à une découverte alimentée par l’IA. L’entreprise n’a pas rendu public le prix de la transaction.

Cette acquisition rend la ligne philosophique de l’entreprise plus déterminante. Splice contrôle désormais l’accès à une collection plus vaste de performances enregistrées et d’outils utilisés par les compositeurs. Les décisions relatives à la transformation, aux licences et à la rémunération vont au-delà de la simple découverte de boucles.

L’entreprise s’est également associée à Universal Music Group pour explorer des instruments virtuels alimentés par l’IA et d’autres outils commerciaux. Les entreprises affirment que les artistes participants peuvent intégrer leurs propres sons dans les flux de travail Splice et contribuer à orienter le développement des produits.

Les détails restent limités. La collaboration avec UMG ne précise pas encore comment les autorisations d’entraînement, les validations des artistes, le partage des revenus ou les restrictions de sortie fonctionneront pour chaque produit.

C’est là que l’assistance et la substitution peuvent devenir difficiles à distinguer. Un modèle qui transforme le son autorisé d’un artiste peut fonctionner comme un instrument expressif. Le même système pourrait devenir substitutif s’il produit des imitations illimitées avec un contrôle minimal de l’artiste.

Suno et Udio représentent le versant plus automatisé du marché. Leurs systèmes ont rendu la génération de chansons complètes accessible par de simples prompts, attirant des utilisateurs tout en déclenchant des litiges sur le droit d’auteur avec de grandes entreprises musicales.

Les accords de licence peuvent résoudre certains différends juridiques. Ils ne règlent pas automatiquement les questions d’autonomie créative. Un système sous licence peut toujours minimiser le rôle du musicien, tandis qu’un outil d’assistance peut toujours mal gérer le consentement.

Splice ne peut donc pas s’appuyer sur le mot « éthique » comme distinction permanente. L’entreprise doit démontrer comment chaque produit relie ses sorties à des contenus autorisés, rémunère les contributeurs et donne aux musiciens un contrôle réel.

La même exigence s’applique aux outils d’écriture destinés aux entreprises. Un fournisseur peut promettre une IA responsable, mais les équipes doivent voir d’où vient l’information et qui a approuvé le message final.

La position de Srivastava est la plus solide lorsqu’elle est considérée comme un test de conception. Le système prolonge-t-il l’intention d’une personne, ou génère-t-il un substitut qui ne fait que paraître intentionnel ?

Là où la promesse centrée sur l’humain de Splice subit des pressions

La stratégie de Splice paraît cohérente, mais les incitations commerciales peuvent progressivement pousser un produit d’assistance vers davantage d’automatisation.

Les utilisateurs récompensent généralement les outils qui produisent des résultats plus rapidement. Les investisseurs et les opérateurs de plateformes privilégient également les produits qui augmentent l’engagement, la production et l’usage récurrent. Ces incitations ne s’alignent pas toujours avec un travail créatif plus lent et dirigé par des humains.

Variations illustre cette tension. Un producteur commence avec un sample créé par un humain et demande des versions modifiées. Splice indique que le créateur original reste traçable et reçoit une rémunération lorsqu’une version est utilisée.

Ce cadre protège une relation entre la source et le résultat. Pourtant, son équité dépend de détails tels que les taux de rémunération, l’exactitude des rapports, les limites de transformation et la possibilité pour les créateurs de consentir de manière significative.

Les informations publiques disponibles ne répondent pas à toutes les questions. Elles n’établissent pas non plus comment les producteurs perçoivent la valeur des variations générées par rapport aux enregistrements originaux.

Splice affirme que ses outils d’IA de 2026 ont été conçus autour de flux de travail créatifs réels. La couverture des fonctionnalités génératives rapporte que Variations crée cinq alternatives à partir d’un son sélectionné. Il s’agit d’un flux de travail précis, et non d’une promesse générale de génération de chansons complètes.

Cependant, les limites des fonctionnalités peuvent évoluer. Une succession d’outils d’assistance pourrait finir par automatiser la sélection des sons, l’adaptation harmonique, l’instrumentation, l’arrangement et le mixage. Chaque étape peut préserver le choix de l’utilisateur, tandis que le système cumulé réalise la plupart des décisions créatives.

Cela ne rend pas le produit intrinsèquement illégitime. Cela signifie que Splice doit expliquer où, selon elle, réside la paternité de l’œuvre lorsque plusieurs fonctionnalités automatisées fonctionnent ensemble.

La politique de son catalogue fait face à une autre épreuve. L’entreprise affirme que les contenus créés par des humains restent obligatoires, tandis que des utilisateurs ont publiquement mis en doute certains samples qui semblent générés. Des plaintes individuelles ne prouvent pas que du contenu interdit soit entré dans le catalogue.

La détection seule ne peut pas trancher pleinement ces différends. Les faux positifs peuvent étiqueter à tort des enregistrements authentiques, tandis que les faux négatifs peuvent laisser entrer des contenus générés. Une politique crédible exige des procédures d’enquête, la responsabilité des fournisseurs et des mécanismes de correction.

L’analogie avec le lieu de travail est directe. Les entreprises ne peuvent pas déterminer si un document représente un jugement humain en lançant un détecteur d’IA. Elles ont besoin de normes organisationnelles qui rendent la responsabilité visible.

Un responsable pourrait exiger que les auteurs indiquent la décision qu’ils recommandent, identifient les éléments de preuve incertains et répondent personnellement aux questions. Cette norme traite la responsabilité sans tenter de contrôler chaque phrase assistée.

L’histoire personnelle de Srivastava offre une autre raison de faire preuve de prudence. Elle a contribué à créer Glitch chez Tiny Speck avant que l’entreprise ne crée Slack. Glitch était un jeu en ligne ambitieux, mais il dépendait de Flash alors que l’informatique grand public se tournait rapidement vers les appareils mobiles.

Dans le questionnaire de 2026, elle a décrit cet échec comme le fait d’avoir manqué deux grands changements de plateforme. La leçon n’est pas que les entreprises devraient éviter les nouvelles technologies. C’est qu’elles doivent distinguer les évolutions durables des mises en œuvre séduisantes fondées sur de mauvaises hypothèses.

Splice fait désormais face à ce jugement avec l’IA générative. Avancer trop lentement pourrait la rendre sans importance pour les nouveaux flux de travail musicaux. Aller trop loin vers une production automatisée pourrait affaiblir les relations avec les créateurs qui la distinguent.

Sa position sur les e-mails générés par l’IA comporte le même compromis. Les organisations qui interdisent une assistance utile peuvent créer du travail inutile. Celles qui normalisent une paternité synthétique peuvent découvrir qu’une communication abondante produit moins de compréhension.

La conclusion sceptique n’est donc pas que Splice a résolu la question de l’IA responsable. L’entreprise a formulé une frontière défendable et conçu des produits autour d’elle. Ses futures publications montreront si cette frontière résiste à la pression concurrentielle.

Trois signaux montreront si l’humain garde le contrôle

Les prochains produits de Splice, ses registres de rémunération et les réactions des créateurs révéleront si sa position centrée sur l’humain relève d’une politique ou d’une image de marque.

Le premier signal concerne l’étendue des produits. Observez comment Variations, Craft et Magic Fit se connectent à Create et Splice INSTRUMENT. Une intégration plus poussée renforcera l’argument de Srivastava si les utilisateurs conservent un contrôle précis sur les contenus source et les décisions musicales.

L’issue inverse l’affaiblirait. Si ces fonctionnalités convergent vers un prompt qui produit des pistes presque terminées, la différence avec la génération par simple pression sur un bouton devient plus difficile à défendre.

Le deuxième signal est la rémunération des créateurs. Splice affirme que les créateurs sources reçoivent une attribution lorsque les producteurs utilisent des variations générées par l’IA. Une information utile montrerait à quelle fréquence cela se produit, comment les revenus sont répartis et si les créateurs participants jugent l’accord équitable.

Les seuls chiffres d’adoption globaux ne répondront pas à ces questions. Des millions de sorties générées pourraient indiquer une demande des utilisateurs tout en cachant si les personnes qui fournissent les contenus source participent à la valeur créée.

Le troisième signal est la participation des artistes aux travaux de Splice avec UMG. Des produits façonnés par un consentement documenté des artistes étayeraient l’affirmation de l’entreprise selon laquelle l’IA peut prolonger l’intention créative. Un langage vague sur la participation laisserait le contrôle et les licences dans l’incertitude.

Ces signaux offrent également un cadre pour l’IA au travail. Les équipes devraient examiner l’ensemble du flux de travail, mesurer qui assume la charge de vérification et se demander si les employés restent propriétaires de leurs recommandations.

Il est peu probable que l’écriture par IA disparaisse des e-mails, des documents ou de la messagerie interne. Le choix pratique est de savoir si les organisations considèrent la prose générée comme une réflexion achevée ou comme un contenu qu’une personne doit évaluer et assumer.

Cette norme préserve une place pour une automatisation utile. Elle protège aussi la conversation qui suit, car les collègues peuvent toujours identifier qui a pris la décision et pourquoi.

Les préoccupations de Kakul Srivastava concernant l’IA remettent finalement en cause une hypothèse courante sur la productivité. Produire plus vite ne garantit pas une meilleure communication, tout comme générer plus vite ne garantit pas une musique plus riche de sens.

La prochaine fois qu’une IA rédige un message important, posez-vous trois questions avant de l’envoyer. Comprenez-vous chaque affirmation, défendriez-vous sa conclusion lors d’une conversation, et les destinataires peuvent-ils encore reconnaître votre jugement ? Si l’une des réponses est non, l’outil est passé de l’assistance à la substitution.