Aller au contenu
Notitia

Pourquoi les IA hallucinent et comment vérifier leurs réponses

Bien débuter · Lecture : 9 minutes

Réponse directe

Une hallucination est une information fausse ou inventée, présentée comme plausible par une IA. Elle survient notamment parce qu’un modèle de langage génère la suite de mots la plus cohérente avec son contexte au lieu de consulter automatiquement une base de vérités. Pour vérifier une réponse, isolez les affirmations importantes, ouvrez les sources originales, contrôlez leur date et recoupez-les.

Ce guide explique pourquoi une IA peut produire des réponses fausses tout en paraissant convaincante, comment repérer les signaux d’alerte et comment vérifier une réponse importante. Il fait suite au guide Comment écrire un bon prompt : un bon prompt améliore la pertinence de la réponse, il ne garantit pas son exactitude.

Qu’est-ce qu’une hallucination ?

Une hallucination est une réponse incorrecte, fabriquée ou insuffisamment fondée qui paraît pourtant cohérente. Elle peut prendre la forme d’un chiffre inventé, d’une fausse citation, d’un événement qui n’a jamais eu lieu ou d’une interprétation erronée d’un document.

Le terme est imparfait : une machine n’hallucine pas comme une personne. Le NIST, organisme public américain de normalisation, emploie également le mot « confabulation » pour décrire la production assurée d’un contenu faux ou erroné.

Une erreur n’est pas toujours entièrement inventée. La réponse peut mélanger plusieurs faits exacts, attribuer une citation à la mauvaise personne ou appliquer une règle réelle au mauvais pays.

Pourquoi une IA peut-elle inventer une réponse ?

Elle génère une réponse probable

Un LLM traite le texte sous forme de tokens et produit progressivement une suite cohérente. Son objectif technique n’est pas, à lui seul, de garantir la vérité de chaque phrase.

Le modèle peut reproduire correctement des connaissances apprises, mais il peut aussi compléter un manque avec une formulation plausible. La fluidité de la réponse ne constitue donc pas une preuve.

La demande manque de contexte

Une question ambiguë peut mener le modèle vers la mauvaise interprétation. Un lieu, une date, une juridiction ou une version de logiciel manquante suffit parfois à rendre la réponse inadaptée.

Un bon prompt réduit certaines ambiguïtés, mais aucun prompt ne peut garantir l’absence d’erreur.

L’information est absente, ancienne ou très spécialisée

Les connaissances internes d’un modèle ne couvrent pas nécessairement un événement récent, une publication confidentielle ou un sujet de niche. Si aucun outil de recherche n’est disponible, le modèle peut néanmoins tenter de répondre.

Même avec un accès au Web, il peut sélectionner une source médiocre, lire un extrait hors contexte ou confondre la date de publication avec la date de l’événement.

Le contexte est trop long ou mal exploité

Lorsqu’un document dépasse la fenêtre de contexte, certaines informations peuvent être absentes de l’analyse. Le modèle peut également négliger une note de bas de page, mal interpréter un tableau ou travailler sur un texte issu d’un OCR imparfait.

La formulation pousse à répondre

Une question qui suppose déjà qu’un événement a eu lieu peut encourager une réponse fondée sur une prémisse fausse.

Exemple :

Pourquoi la France a-t-elle interdit tous les outils d’IA en 2025 ?

Avant d’expliquer pourquoi, il faudrait d’abord vérifier si cette interdiction générale a réellement existé.

Demandez plutôt :

Vérifie d’abord si la France a interdit tous les outils d’IA en 2025.
Si la prémisse est fausse ou imprécise, corrige-la avant de répondre.
Appuie ta réponse sur des sources officielles datées.

Les formes d’hallucination les plus courantes

Les faits et chiffres inventés

Une IA peut fournir un pourcentage très précis sans source identifiable. La précision apparente rend parfois l’erreur plus convaincante.

Les références qui n’existent pas

Un titre d’étude, un auteur, une décision de justice, un DOI ou une adresse Web peuvent être fabriqués. Parfois, le lien existe mais ne soutient pas l’affirmation associée.

Les citations déformées

Une phrase peut être attribuée à une personne réelle sans avoir été prononcée, ou être reconstruite à partir d’une idée générale.

Les erreurs dans les documents

Une synthèse peut omettre une exception, confondre deux colonnes ou attribuer à l’auteur une conclusion qu’il présente seulement comme une hypothèse.

Les calculs et raisonnements fragiles

Un modèle peut expliquer avec assurance un calcul incorrect. Pour un résultat important, vérifiez chaque étape avec un outil adapté ou un spécialiste.

Les informations périmées

Un dirigeant, un prix, une loi, une fonctionnalité ou un classement peut avoir changé. Plus l’information est susceptible d’évoluer, plus sa date doit être contrôlée.

Les signaux d’alerte

Soyez particulièrement vigilant lorsque la réponse contient :

  • un chiffre précis sans organisme, date ni lien ;
  • une citation parfaite mais impossible à retrouver ;
  • une étude au titre très adapté à votre question ;
  • un lien cassé ou une page qui ne dit pas ce qui est annoncé ;
  • une information récente alors que l’IA n’indique pas avoir effectué de recherche ;
  • une conclusion catégorique sur un sujet débattu ;
  • des détails absents du document fourni ;
  • une réponse qui change fortement après une simple reformulation.

Aucun de ces signes ne prouve à lui seul que la réponse est fausse. Ils indiquent qu’une vérification est nécessaire.

La méthode VÉRIF

Pour contrôler une réponse sans devenir spécialiste du sujet, suivez cinq étapes : Voir, Exiger, Remonter, Inspecter, Faire recouper.

V — Voir ce qui doit être vérifié

Séparez les faits vérifiables des conseils, résumés et formulations créatives.

Vérifiez en priorité :

  • les chiffres ;
  • les dates ;
  • les noms ;
  • les citations ;
  • les règles juridiques ;
  • les informations médicales ou financières ;
  • les affirmations susceptibles de modifier une décision.

Une idée de titre ou une reformulation sans enjeu ne demande pas le même contrôle qu’un dosage médical ou une obligation légale.

É — Exiger une source identifiable

Demandez le titre, l’auteur ou l’organisme, la date et le lien direct. Une réponse comme « selon plusieurs études » n’est pas suffisante.

Cette demande améliore la traçabilité, mais elle ne prouve toujours rien : la référence elle-même peut être inventée.

R — Remonter à la source originale

Privilégiez le document qui est à l’origine de l’information :

  • texte officiel pour une règle ;
  • étude ou rapport complet pour un chiffre ;
  • documentation de l’éditeur pour une fonctionnalité ;
  • déclaration ou transcription originale pour une citation.

Un article qui cite un autre article peut déformer progressivement l’information.

I — Inspecter la date et le contexte

Ouvrez le document et vérifiez :

  • la date de publication et la période étudiée ;
  • le pays ou la population concernés ;
  • la définition exacte des termes ;
  • la taille de l’échantillon ;
  • les limites reconnues par les auteurs ;
  • la présence réelle de l’affirmation.

Une source authentique peut être ancienne, mal comprise ou sans rapport direct avec la question.

F — Faire recouper

Cherchez une seconde source indépendante et fiable. Deux réponses produites par deux IA différentes ne constituent pas nécessairement deux sources : elles peuvent reprendre les mêmes données ou la même erreur.

En cas d’enjeu élevé, faites relire l’information par une personne qualifiée.

Exemple fictif de vérification

Imaginons cette réponse :

En 2026, 72 % des petites entreprises françaises utilisent quotidiennement une IA générative, selon l’Observatoire national de la transformation numérique.

Le chiffre est précis, l’organisme paraît crédible et la phrase semble publiable. Pourtant, il faut vérifier :

  1. L’organisme existe-t-il sous ce nom exact ?
  2. Le rapport est-il disponible sur son site officiel ?
  3. Parle-t-il de petites entreprises françaises ?
  4. Mesure-t-il une utilisation quotidienne ou une simple expérimentation ?
  5. L’enquête a-t-elle réellement été conduite en 2026 ?
  6. Une autre source indépendante confirme-t-elle l’ordre de grandeur ?

Si le rapport est introuvable, ne conservez ni le chiffre ni la référence. Écrivez que l’affirmation n’a pas pu être vérifiée.

Trois prompts utiles pour mieux vérifier

Auditer une réponse

Relis ta réponse et dresse la liste des affirmations factuelles vérifiables.
Pour chacune, indique la source primaire, son organisme, sa date et son lien.
N’invente aucune référence.
Si tu ne peux pas fournir une source vérifiable, écris « source non vérifiée ».
Distingue clairement les faits, les estimations et les déductions.

Travailler uniquement à partir d’un document

Réponds uniquement à partir du document fourni.
Pour chaque affirmation, indique la page ou la section correspondante.
Si l’information n’apparaît pas dans le document, écris :
« information absente du document ».
Ne complète pas avec tes connaissances générales.
Signale les passages illisibles, ambigus ou contradictoires.

Vérifier une information récente

Vérifie cette affirmation à partir de sources primaires récentes.
Indique la date de l’événement et celle de chaque publication.
Précise si tu disposes réellement d’un accès au Web.
Si les sources se contredisent, présente le désaccord sans le trancher
artificiellement.

Ces prompts réduisent le risque, mais ne remplacent pas l’ouverture des liens et la lecture des documents.

Les outils qui peuvent réduire les erreurs

La recherche Web

Elle permet d’accéder à des informations récentes, mais la réponse dépend encore de la qualité des pages sélectionnées et de leur interprétation.

Le RAG

Le RAG associe un modèle à une collection de documents. Une recherche sémantique sélectionne des passages susceptibles d’aider à répondre.

Cette approche peut mieux ancrer la réponse, sans garantir que le bon passage sera retrouvé ni correctement interprété.

Les citations

Une citation cliquable facilite le contrôle. Elle n’est utile que si elle pointe vers le bon document et soutient précisément la phrase concernée.

Les guardrails

Un guardrail peut empêcher certaines réponses, imposer un format ou déclencher une vérification. Il réduit certains risques sans rendre le système infaillible.

Les évaluations

Les éditeurs testent leurs modèles sur des benchmarks et des jeux d’évaluation. Un bon score moyen ne garantit pas une réponse exacte à chaque question réelle.

Ce qui ne suffit pas

Écrire « n’hallucine jamais »

Une consigne ne peut pas supprimer une limite technique du modèle.

Demander « es-tu sûr ? »

L’IA peut maintenir une erreur, changer d’avis sans raison ou produire une nouvelle justification tout aussi fragile.

Réduire uniquement la température

Une température plus basse rend généralement la génération moins variable. Elle ne transforme pas une information inconnue en fait vérifié.

Comparer seulement plusieurs chatbots

Plusieurs modèles peuvent donner la même réponse fausse. Le recoupement doit porter sur des sources, pas uniquement sur des sorties d’IA.

Faire confiance à un ton prudent

Une réponse hésitante peut être correcte et une réponse catégorique peut être fausse. Le ton n’est pas un indicateur fiable de vérité.

Adapter l’effort au niveau de risque

Faible enjeu

Pour trouver des idées, reformuler un texte ou préparer un plan, une vérification légère peut suffire.

Enjeu modéré

Pour un document professionnel, un achat ou une publication, contrôlez les chiffres, citations et affirmations principales.

Enjeu élevé

Pour la santé, le droit, la sécurité, les finances ou une décision importante, utilisez des sources officielles à jour et consultez un professionnel qualifié. Une IA peut aider à préparer des questions ; elle ne doit pas devenir l’unique autorité.

Questions courantes

Une IA connectée à Internet peut-elle encore halluciner ?

Oui. Elle peut choisir une mauvaise page, interpréter une source de travers, combiner plusieurs informations incompatibles ou produire une affirmation qui dépasse ce que la source permet de conclure.

Une source affichée à côté d’une phrase prouve-t-elle que la phrase est vraie ?

Non. Ouvrez la source et recherchez l’information exacte. Vérifiez aussi sa date, son auteur, son contexte et sa qualité.

Un meilleur prompt supprime-t-il les hallucinations ?

Non. Un prompt clair peut réduire les ambiguïtés et encourager l’IA à signaler ses limites, mais il ne garantit pas l’exactitude.

Les modèles récents sont-ils toujours plus fiables ?

Les performances progressent, mais elles varient selon les tâches, les langues, les outils et les versions. Consultez des évaluations adaptées au cas d’usage et continuez à vérifier les réponses importantes.

Pour aller plus loin

Pour formuler des demandes claires qui limitent les ambiguïtés : Comment écrire un bon prompt : la méthode simple pour débuter.

À retenir

Une réponse convaincante n’est pas nécessairement une réponse vraie. Retenez la méthode VÉRIF : Voir les affirmations importantes, Éxiger une source identifiable, Remonter à la source originale, Inspecter la date et le contexte, Faire recouper. Demander des sources est un début ; les ouvrir, les lire et les comparer constitue la véritable vérification.

Sources

Pour aller plus loin

Publié le 2026-07-23 · Vérifié le 2026-07-23 · Rédaction : Alban Speckaert