Hallucination : quand l'IA invente avec aplomb
On parle d'hallucination quand une IA produit une information fausse ou inventée tout en la présentant comme sûre : une date, une citation, un article de loi, une référence qui n'existe pas. C'est l'une des limites les plus importantes à connaître avant de faire confiance à un assistant.
Données au 22 octobre 2026
L'essentiel en chiffres
| Niveau | Débutant |
|---|
Une définition simple
Une hallucination, c’est une erreur convaincante. L’IA ne signale pas qu’elle doute : elle écrit une fausse information avec le même ton assuré qu’une vraie. Le terme est imagé, car le modèle ne « voit » rien. Il produit simplement un texte plausible qui ne correspond pas à la réalité.
Exemples concrets
- Vous demandez la biographie d’une personne peu connue : l’IA invente une date de naissance ou un diplôme.
- Vous demandez des références pour un mémoire : elle cite des articles au titre crédible… qui n’existent pas.
- Vous demandez un article de loi : elle donne un numéro et un contenu inexacts.
- Vous lui donnez un document : elle « retrouve » une phrase qui n’y figure pas.
Pourquoi cela arrive
Un grand modèle de langage prédit la suite d’un texte. Quand l’information est absente de ses données, rare ou ambiguë, il complète malgré tout avec ce qui « sonne juste ». Dans leur article « Why Language Models Hallucinate » (arXiv, 2025), des chercheurs d’OpenAI expliquent que les méthodes d’évaluation courantes favorisent les modèles qui tentent une réponse plutôt que ceux qui reconnaissent leur ignorance, comme un élève qui répond au hasard à un QCM sans pénalité.
S’ajoute la date de coupure des connaissances : sans recherche web, le modèle ignore les événements postérieurs à son entraînement et peut combler ce vide.
Pourquoi ça compte pour vous
Une hallucination non repérée peut coûter cher : un courriel à un client avec un faux tarif, un devoir avec de fausses sources, une décision fondée sur un chiffre inventé. Les bons réflexes :
- Vérifier tout ce qui est précis : noms, dates, chiffres, citations, liens.
- Donner la source vous-même : une IA qui travaille sur votre document se trompe moins. C’est le principe de l’ancrage et du RAG.
- Demander « d’où vient cette information ? » puis ouvrir réellement les liens.
Idées reçues
- « Si l’IA cite une source, c’est fiable. » Une source peut elle-même être inventée.
- « Les modèles payants n’hallucinent pas. » Ils peuvent se tromper moins souvent, mais aucun n’est à l’abri.
Pour comparer les modèles sur des critères publics, consultez la page de méthodologie du site, qui explique d’où viennent les données affichées.
Termes liés
- Ancrage (grounding) · Fait d'appuyer la réponse d'une IA sur des sources fournies (web, documents, base de données) plutôt que sur sa seule mémoire d'entraînement.
- RAG (génération augmentée par récupération) · Technique qui va chercher des passages dans vos documents avant de répondre, et les donne au modèle pour qu'il s'appuie dessus.
- Recherche web par IA · Recherche où une IA consulte des pages web puis rédige une réponse synthétique avec ses sources, au lieu d'une liste de liens.
- Date de coupure des connaissances · Date après laquelle un modèle d'IA n'a plus reçu de données d'entraînement : il ignore ce qui s'est passé ensuite.
- Grand modèle de langage (LLM) · Programme entraîné sur d'immenses quantités de textes pour prédire la suite d'un texte ; c'est le moteur des assistants IA.
- Température · Réglage qui dose la part de hasard dans les réponses d'un modèle : basse, il reste prévisible ; haute, il devient plus varié.
Tout le glossaire
Questions fréquentes
Pourquoi l'IA invente-t-elle des choses ?
Un modèle de langage produit la suite de texte la plus plausible, pas la plus vraie. Une étude publiée en septembre 2025 par des chercheurs d'OpenAI ajoute que l'entraînement et les évaluations récompensent souvent le fait de deviner plutôt que d'admettre une incertitude.
Les hallucinations vont-elles disparaître ?
Elles diminuent avec certains modèles et techniques, mais aucun éditeur ne garantit leur absence. Il est prudent de considérer qu'une réponse peut toujours contenir une erreur, surtout sur des détails précis.
Comment réduire le risque ?
Fournissez vous-même les documents de référence, demandez les sources et vérifiez-les, autorisez l'IA à répondre « je ne sais pas » et utilisez la recherche web quand l'information est récente. Pour un sujet médical, juridique ou financier, consultez une source officielle ou un professionnel.
Sources des données
Données au 22 octobre 2026
Signaler une erreur
Un chiffre, une date ou une information vous semble faux ? Dites-le-nous : chaque signalement est vérifié.