Hallucination IA
Une hallucination IA, c’est quand un modèle de langage énonce une information fausse comme si elle était vraie, en présentant des faits, des citations ou des détails inventés avec le même ton assuré que pour une bonne réponse, parce que le modèle prédit un texte plausible au lieu de récupérer une information vérifiée.
L’hallucination survient parce qu’un modèle de langage génère les mots les plus probables, pas les plus exacts. Le modèle a appris la forme d’un langage qui sonne juste, il peut donc produire des affirmations fluides et bien structurées même lorsqu’il ne détient aucune connaissance réelle du sujet. Quand il n’a rien de solide sur quoi s’appuyer, il ne s’arrête pas et ne signale pas le manque : il comble le vide avec une fiche produit inventée, une citation fabriquée, un prix qui n’a jamais été pratiqué ou une référence pointant vers une page qui n’existe pas. Surtout, le ton assuré reste identique que la réponse soit fondée ou devinée, et c’est ce qui rend l’hallucination difficile à détecter à la simple lecture.
Prenons un marchand Shopify qui vend des sous-vêtements techniques en mérinos. Un client demande à un assistant si la marque propose une garantie de réparation à vie. La boutique n’a jamais publié une telle politique, mais des marques outdoor comparables le font souvent, alors le modèle en déduit une et l’énonce sans détour : oui, avec des réparations gratuites à vie. Le client arrive en attendant une promesse que le marchand n’a jamais faite. Rien n’a été récupéré ; l’affirmation a été assemblée à partir du voisinage statistique de marques comparables. Le même mécanisme invente des consignes de lavage, des pourcentages de fibres ou des conseils de taille qui contredisent la vraie page produit.
La défense la plus fiable consiste à ancrer le modèle dans des sources récupérées au moment de la réponse, l’approche derrière la génération augmentée par récupération. Quand un système tire de vrais documents et ne répond qu’à partir d’eux, l’hallucination chute fortement, car le modèle résume des preuves au lieu de les inventer. C’est aussi pourquoi ce qu’un modèle dit de votre marque dépend de ce qu’il peut trouver. Si une information exacte et corroborée sur vos produits, vos politiques et vos prix est facile à récupérer, le modèle dispose d’un appui vérifiable plutôt que de deviner à partir de la moyenne de votre catégorie.
Pour les moteurs de réponse IA comme ChatGPT, Perplexity et Google AI Overviews, cela transforme l’hallucination en une raison concrète de publier clairement. Ces systèmes s’appuient sur ce qu’ils peuvent lire à votre sujet, sur votre site, dans vos données structurées et dans les sources tierces. Une information rare ou contradictoire élargit le vide que le modèle comblera par invention ; des faits cohérents, précis et bien balisés le rétrécissent. Les avis clients aident ici aussi, car ils corroborent de vraies affirmations sur la coupe, la durabilité et le service, dans une langue que le modèle peut citer.
L’hallucination n’est jamais totalement éliminée, seulement réduite, alors traitez toute affirmation IA sans source sur le prix, la disponibilité ou les caractéristiques comme non vérifiée tant qu’elle n’a pas été confrontée à une source primaire. Pour les marchands, le constat honnête est double : vous ne pouvez pas contrôler ce qu’un modèle invente dans le vide, mais vous pouvez réduire ce vide en rendant une information réelle et citable facile à trouver, et vous devriez interroger régulièrement les principaux assistants au sujet de votre propre boutique pour repérer les faussetés assurées avant vos clients.