En bref
Information fausse produite par un modèle d’IA et présentée comme exacte : chiffre erroné, citation inventée, source qui n’existe pas. Le modèle produit un texte plausible. Rien ne garantit que ce texte soit exact.
ExempleUne IA résume un rapport et attribue à un élu une phrase qu’il n’a jamais prononcée. Le journaliste retrouve le rapport et constate que la citation n’y figure pas.
Pourquoi c’est importantUne hallucination publiée devient une erreur de la rédaction. Pour l’éviter, le journaliste doit pouvoir remonter de chaque fait à sa source.
Pourquoi un modèle hallucine
Un modèle de langage prédit la suite la plus probable d’un texte. Il ne consulte pas une base de faits vérifiés. Quand l’information lui manque, il peut produire une réponse plausible et fausse. Le ton reste le même, que la réponse soit exacte ou non.
Ce que montre l’étude de l’UER et de la BBC
L’Union européenne de radio-télévision (UER) et la BBC ont publié le 22 octobre 2025 une étude intitulée « News Integrity in AI Assistants ». Vingt-deux médias de service public de 18 pays y ont participé, en 14 langues. Des journalistes des médias participants ont évalué plus de 3 000 réponses de ChatGPT, Copilot, Gemini et Perplexity. Les critères portaient sur l’exactitude, les sources, la distinction entre faits et opinions, et le contexte.
- 45 % des réponses comportaient au moins un problème important.
- 31 % présentaient de graves problèmes de sources : attributions absentes, trompeuses ou erronées.
- 20 % contenaient des erreurs d’exactitude majeures, dont des détails inventés et des informations périmées.
- Gemini obtenait le pire résultat, avec des problèmes importants dans 76 % de ses réponses.
Les erreurs à repérer dans un texte d’actualité
Avant publication, ces points demandent une vérification :
- un chiffre arrondi, inversé ou attribué à la mauvaise année ;
- une citation reformulée ou prêtée à la mauvaise personne ;
- une source qui n’existe pas, ou qui ne dit pas ce qu’on lui prête ;
- un lien vers une page qui n’a jamais existé ;
- une information dépassée présentée comme actuelle.
Comment Verbatim limite le risque
Verbatim repose sur un algorithme propriétaire qui relie chaque fait au passage exact dont il vient. Il vérifie chaque phrase face à ces sources, en continu, et rejette toute affirmation qu’il ne peut pas rattacher. Les agents travaillent à partir des documents du projet et de leurs recherches. Ils n’utilisent pas la mémoire du modèle pour compléter une information manquante. Quand une recherche ne trouve aucune source, l’agent le dit.
Chaque affirmation reçoit un statut : Soutenue, Contredite, Non trouvée ou En cours. Les agents vérifient que chaque source dit bien ce que le brouillon lui attribue. Ils signalent les contradictions dans le brouillon et entre les sources. Quand deux sources se contredisent, Verbatim affiche les deux passages et le journaliste choisit la version retenue. Une citation trouvée seulement dans une synthèse produite par l’IA n’est jamais considérée comme vérifiée. Une analyse, une opinion ou une figure de style ne reçoit jamais de statut de fait.
Questions fréquentes
Peut-on supprimer les hallucinations ?
Aucune méthode connue ne les supprime totalement. On réduit le risque en faisant travailler le modèle sur des sources fournies, puis en contrôlant chaque fait avant publication.
Comment repérer une hallucination ?
Remonter à la source de chaque fait, de chaque chiffre et de chaque citation. Ouvrir chaque lien cité. Se méfier d’une précision qui ne figure dans aucun document fourni.
Qui est responsable d’une hallucination publiée ?
La rédaction qui publie le texte. En droit français, le directeur de la publication répond en premier des délits de presse commis dans sa publication.