Pourquoi une IA invente parfois des informations — et comment réagir

Une IA générative produit une suite de mots cohérente avec votre demande et son entraînement. Elle ne consulte pas automatiquement une base de vérité avant chaque phrase. Elle peut donc créer une réponse plausible, précise en apparence et pourtant incorrecte.

Le NIST classe les confabulations parmi les risques propres à l’IA générative. Dans le langage courant, on parle souvent d’« hallucination ». Le terme peut faire croire à un incident exceptionnel. En réalité, il s’agit d’une limite normale à gérer.

Le signal trompeur — La fluidité, la longueur et l’assurance d’une réponse ne mesurent pas sa véracité.

Pourquoi la réponse semble si convaincante#

Les modèles apprennent des régularités dans de grandes quantités de données. Ils deviennent très efficaces pour produire une forme attendue : un article, une explication, une référence, un tableau ou un raisonnement.

Lorsque l’information manque, le modèle peut compléter la forme avec des éléments probables. Une fausse citation peut ressembler à une vraie citation. Un faux titre d’étude peut respecter le style d’une publication scientifique. Une date inventée peut s’intégrer parfaitement dans le paragraphe.

Cette cohérence linguistique explique pourquoi l’erreur est difficile à repérer.

Les situations qui augmentent le risque#

Une question trop obscure ou trop précise#

Si vous demandez un détail rare, local ou peu documenté, l’IA peut manquer d’information fiable.

Une information très récente#

Les lois, prix, modèles, responsables, horaires et fonctions logicielles changent. Une réponse fondée sur des données anciennes peut être dépassée.

Une demande qui suppose déjà la conclusion#

Explique pourquoi cette méthode est la meilleure.

Cette formulation pousse l’IA à défendre la prémisse au lieu de l’examiner.

Une référence exigée à tout prix#

Si vous demandez « donne cinq études » sans autoriser la réponse « je n’en trouve pas », l’IA peut produire des références plausibles.

Un document absent ou incomplet#

Demander un résumé d’un fichier non accessible, d’une page non fournie ou d’un texte tronqué augmente les suppositions.

Une longue chaîne de calculs ou de déductions#

Une petite erreur au début peut se propager jusqu’à une conclusion très structurée.

Les signaux d’alerte#

Soyez particulièrement prudent lorsque la réponse contient :

• une citation sans lien vers le passage ;
• un chiffre très précis sans méthode ;
• un titre d’étude impossible à retrouver ;
• une règle présentée sans exception ;
• un lien qui mène vers une page inexistante ;
• un nom d’auteur proche d’un nom réel ;
• une chronologie trop parfaite ;
• une fonction logicielle décrite sans version ni forfait ;
• une certitude forte sur un sujet débattu.

Un seul signal ne prouve pas que la réponse est fausse. Il indique simplement où commencer la vérification.

Autorisez explicitement l’incertitude#

Ajoutez une consigne qui rend acceptable l’absence de réponse :

Si tu ne peux pas confirmer une information, écris « non confirmé » au lieu de compléter. Ne crée aucune référence bibliographique.

Ou :

Sépare les faits confirmés, les déductions et les hypothèses. Indique ce qui manque pour trancher.

Cette consigne ne supprime pas le risque, mais elle réduit la pression à produire une réponse complète à tout prix.

Fournissez la matière à analyser#

Pour un résumé ou une extraction, donnez le document et exigez un lien avec le texte :

Utilise uniquement le document fourni. Pour chaque conclusion, cite la section correspondante. Si le document ne répond pas, indique-le.

Pour une recherche, demandez des sources primaires datées et ouvrez-les vous-même.

Pour un calcul, fournissez les données et demandez les étapes ainsi qu’un contrôle d’ordre de grandeur.

Réduisez la portée de la question#

Une question large oblige l’IA à couvrir de nombreux points :

Explique tout ce qu’il faut savoir sur la cybersécurité.

Préférez :

Explique à un dirigeant de petite entreprise la différence entre mot de passe, authentification multifacteur et gestionnaire de mots de passe. Limite-toi à ces trois notions et signale les points qui dépendent de l’outil utilisé.

Une portée claire facilite la vérification et limite les compléments inventés.

Demandez une critique plutôt qu’une confirmation#

Après une première réponse :

Relis ta réponse comme un contrôleur sceptique. Liste les affirmations qui pourraient être fausses, les hypothèses cachées et les sources nécessaires. Ne réécris pas encore le texte.

Puis :

Propose trois contre-exemples qui invalideraient la conclusion. Indique comment les vérifier.

L’IA peut encore se tromper pendant cette critique, mais elle vous aide à localiser les zones fragiles.

N’utilisez pas une seconde IA comme preuve#

Deux assistants peuvent donner la même erreur. Ils peuvent avoir appris des sources proches ou se laisser influencer par votre formulation.

Une seconde IA est utile pour comparer des interprétations, chercher des objections ou proposer une méthode de contrôle. La preuve doit venir d’un document, d’une mesure, d’un test ou d’une personne compétente.

Que faire lorsqu’une erreur est détectée#

Ne demandez pas seulement « es-tu sûr ? ». L’IA peut répondre avec davantage d’assurance.

Procédez ainsi :

1. citez la phrase incorrecte ;
2. fournissez la source qui la contredit ;
3. demandez l’origine de l’erreur ;
4. imposez une nouvelle règle ;
5. faites réécrire uniquement la partie concernée ;
6. vérifiez le résultat corrigé.

Exemple :

La date indiquée est fausse. La source officielle jointe donne le 14 juin 2026. Corrige uniquement le paragraphe concerné, explique brièvement pourquoi l’erreur a pu apparaître et n’ajoute aucun autre fait.

Adaptez le contrôle au risque#

Pour un slogan, une erreur peut être corrigée facilement. Pour un dosage, un contrat, une obligation réglementaire ou une décision concernant une personne, les conséquences sont différentes.

Définissez avant l’usage :

• quelles erreurs sont acceptables ;
• quelles sources sont obligatoires ;
• qui valide ;
• ce qui ne doit jamais être automatisé ;
• quelle trace conserver.

Cette organisation est plus efficace que d’espérer un outil infaillible.

Une demande robuste pour un sujet factuel#

Réponds à la question suivante en séparant :
- faits confirmés ;
- points dépendant du contexte ;
- informations à vérifier.

Pour chaque fait important, indique une source primaire et sa date. N’invente aucune citation, étude ou URL. Si une source n’est pas accessible, dis-le. Termine par les trois vérifications prioritaires avant utilisation.

Même avec cette consigne, ouvrez les sources et contrôlez les passages décisifs.

Le changement de perspective utile#

Une mauvaise réponse n’est pas seulement un défaut de l’outil. C’est un signal sur le processus : question trop large, données insuffisantes, absence de source ou contrôle mal défini.

Considérez donc la première réponse comme une proposition. Votre méthode transforme cette proposition en résultat fiable : réduire la portée, fournir les données, autoriser l’incertitude, chercher les preuves et conserver la décision finale.