La définition simple
Elle ne ment pas volontairement : elle produit une suite de mots plausible, sans toujours pouvoir distinguer le vrai du faux.
Une IA générative construit sa réponse en prédisant les mots les plus probables. Elle peut donc fabriquer un nom, une date, une citation, une référence ou une explication qui n’existe pas.
Un exemple concret
« Donne-moi trois livres écrits par cette chercheuse et résume leurs conclusions. »
Le titre paraît réaliste, l’éditeur aussi, mais aucune trace du livre ne peut être trouvée.
Vous cherchez le titre dans le catalogue de l’éditeur, d’une bibliothèque ou dans une source reconnue.
Pourquoi cela arrive-t-il ?
L’IA cherche d’abord à produire une réponse cohérente. Elle peut manquer d’informations récentes, mal interpréter une question ou compléter les zones inconnues avec des éléments vraisemblables.
Plus une information est précise, récente, spécialisée ou importante, plus elle mérite d’être vérifiée.
Quatre réflexes utiles
- Demandez les sources, puis ouvrez-les réellement.
- Vérifiez les faits importants dans une source fiable et indépendante.
- Signalez votre doute dans la demande : « Si tu ne sais pas, dis-le clairement. »
- Ne déléguez pas une décision sensible dans les domaines médical, juridique, financier ou professionnel.
Utilisez l’IA pour vous aider à réfléchir, pas comme preuve unique.
Test rapide
Une réponse très détaillée, bien écrite et assurée est-elle forcément exacte ?
Mots utiles
Trois termes pour aller plus loin
Sources consultées
Ces références expliquent pourquoi les modèles génératifs peuvent produire des informations fausses mais plausibles.