En bref. Une hallucination est une réponse fausse ou incohérente d’un assistant d’IA, qui peut contenir des références et des raisonnements inventés.
Définition : Une hallucination est une réponse d’un assistant d’IA qui présente des informations fausses comme des faits, contredit les éléments fournis ou ses propres déclarations antérieures. Le National Institute of Standards and Technology (NIST) des États-Unis décrit ce phénomène sous le terme de confabulation.
Points clés
- Le profil de gestion des risques du NIST, publié en juillet 2024, inclut dans sa définition de la confabulation les contenus faux présentés avec assurance et les contradictions avec les données d’entrée.
- Dans son analyse de la confabulation, le NIST relève que des références inventées et un raisonnement erroné à l’appui d’une réponse peuvent induire les lecteurs en erreur.
- L’ancrage (grounding) relie la réponse d’un modèle à des sources d’information vérifiables. La présentation de l’ancrage de Google Cloud, mise à jour le 15 octobre 2026, décrit ce lien comme un moyen de réduire le risque de contenu inventé.
- Au 17 octobre 2026, les recommandations d’Anthropic pour réduire les hallucinations préconisent d’autoriser l’expression de l’incertitude et de vérifier les affirmations à l’aide d’extraits qui les étayent.
Pourquoi les hallucinations se produisent-elles ?
Un grand modèle de langage (large language model, LLM) est un modèle qui produit du texte en prédisant le mot ou une autre unité de texte qui suit dans une séquence. L’explication de la confabulation du NIST relie le problème à ce processus de prédiction statistique : les modèles produisent des réponses qui reproduisent approximativement les régularités de leurs données d’entraînement. Ce processus peut produire aussi bien des énoncés exacts que des erreurs factuelles.
Le NIST souligne le cas des demandes ouvertes appelant de longues réponses et celui des tâches qui exigent des connaissances contextuelles ou spécialisées. Il explique aussi pourquoi une réponse fluide mérite un examen attentif : une présentation assurée peut amener les lecteurs à croire et à répéter des informations fausses. L’explication de la manière dont une réponse a été obtenue peut elle-même contenir un raisonnement inventé.
À quoi ressemble une affirmation sans fondement ?
La documentation de Google Cloud sur la vérification de l’ancrage, mise à jour le 13 octobre 2026, donne cet exemple volontairement incorrect :
Google was founded by Larry Page and Sergey Brin in 1975
La documentation indique que les noms des fondateurs sont corrects et que la date est fausse. Elle considère donc que l’affirmation entière est dépourvue d’ancrage. Dans ce service, un ancrage complet exige que chaque affirmation soit étayée par les faits de référence fournis ; un appui partiel est insuffisant.
Cet exemple illustre un principe de vérification utile aux propriétaires de sites web : contrôler chaque élément factuel d’une affirmation concernant une entreprise. Une phrase peut associer des noms exacts à une date incorrecte.
Comment un propriétaire de site web peut-il vérifier une réponse ?
Les recommandations de vérification d’Anthropic préconisent de rendre chaque affirmation vérifiable à l’aide d’extraits et de sources qui l’étayent. Elles recommandent aussi de permettre à l’assistant de reconnaître son incertitude.
Une application pratique consiste à ouvrir une page citée, à repérer le passage pertinent et à comparer sa formulation avec l’affirmation de la réponse. Pour une réponse concernant une entreprise, la vérification peut consigner l’énoncé à côté de l’URL de sa source et du texte qui l’étaye. L’exemple d’ancrage de Google Cloud montre pourquoi cette comparaison doit porter sur l’énoncé complet. L’avertissement du NIST sur les références inventées fait de l’existence et du contenu de la source citée des éléments à vérifier.
Termes associés
- Ancrage (grounding)
- Génération augmentée par la recherche (RAG)
- Citation d’IA
- Grand modèle de langage (LLM)
Questions fréquentes
Une réponse accompagnée de sources peut-elle contenir une hallucination ?
Oui. L’analyse de la confabulation du NIST inclut explicitement les références inventées. Ouvrez la source citée et vérifiez si son texte étaye l’affirmation.
Une explication assurée rend-elle une réponse fiable ?
Le profil de risques du NIST décrit à la fois les erreurs présentées avec assurance et les raisonnements inventés. Évaluez les éléments factuels qui étayent la réponse et son explication.
Que puis-je demander à un assistant lors de la vérification ?
Conformément aux recommandations d’Anthropic, demandez-lui de fournir, pour chaque affirmation, un extrait qui l’étaye et sa source, et autorisez-le à reconnaître son incertitude. Vérifiez ces extraits dans les pages originales.
Sources
- NIST, « Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile », juillet 2024
- Google Cloud, « Grounding overview », mis à jour le 15 octobre 2026
- Google Cloud, « Check grounding with RAG », mis à jour le 13 octobre 2026
- Anthropic, « Reduce hallucinations », consulté le 17 octobre 2026
Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO