Définition

Hallucination

Fait pour une IA générative de produire une information factuellement fausse mais présentée de manière très convaincante.

Publié le 4 mars 2026par ZoneIA

Une hallucination survient lorsqu’un modèle génératif répond avec assurance en inventant des faits, des citations, des chiffres ou des références. Le point clé n’est pas seulement l’erreur, mais la présentation plausible : le texte “sonne vrai”, ce qui le rend difficile à détecter sans vérification.

Pourquoi cela arrive

Les modèles de langage apprennent à prédire le token suivant à partir de patterns observés dans leurs données. Ils n’ont pas, par défaut, un accès garanti à une base de vérité. Si une question sort du périmètre couvert, si la formulation est ambiguë, ou si l’utilisateur demande une précision excessive, le modèle peut “combler les trous” en générant une réponse cohérente sur le plan linguistique, mais incorrecte sur le plan factuel.

À quoi ça sert de le savoir

Comprendre ce phénomène aide à concevoir des usages plus sûrs : assistance à la rédaction, brainstorming, génération de code, support client, etc. Dans ces cas, on doit prévoir un contrôle lorsque la factualité est critique (médical, juridique, finance, sécurité).

Exemples courants

  • Références bibliographiques inventées (auteurs, DOI, liens).
  • Fonctions ou options d’API qui n’existent pas.
  • Résumés d’articles jamais publiés ou de décisions de justice inexistantes.

Réduction du risque

Bonnes pratiques : consulter les sources citées, recouper, limiter le périmètre, et utiliser du RAG (recherche + contexte) ou des garde-fous (validation, tests, règles). Une citation générée doit elle-même être vérifiée : sa présence ne prouve ni que la source existe, ni qu’elle soutient la réponse. Le RAG peut réduire certains risques sans garantir l’exactitude.

Source

Concepts des modèles et des tokens.