Dernière revue : 25 mai 2026

Qu'est-ce qu'une hallucination IA ? Définition et piège à éviter

Une hallucination est une affirmation factuellement fausse mais formulée avec assurance par un modèle d'IA générative. Elle découle du mécanisme statistique de génération : le modèle prédit le mot suivant le plus probable, sans capacité native à vérifier. C'est le principal risque opérationnel et juridique d'un déploiement IA en entreprise.

L'hallucination n'est pas un bug, c'est une propriété structurelle des LLM. Quatre mécanismes la produisent. La généralisation excessive : le modèle extrapole une réponse plausible à partir de motifs vus en entraînement, même quand le sujet précis n'a pas été couvert. L'interpolation entre sources contradictoires : le modèle fusionne des informations divergentes en une affirmation lisse mais inexacte. La pression à répondre : sans garde-fou, le modèle préfère générer une réponse confiante plutôt que reconnaître une ignorance. Le décalage temporel : les modèles entraînés avant une date donnée ignorent les évolutions postérieures (knowledge cutoff). Trois facteurs réduisent significativement les hallucinations : l'usage de la récupération à l'inférence (RAG ou web search), l'instruction explicite au modèle de signaler les incertitudes, et la validation humaine systématique sur les sorties à enjeu. Aucun n'élimine totalement le phénomène. Selon les benchmarks 2025-2026, les meilleurs modèles hallucinent encore sur 5 à 15 % des requêtes factuelles complexes.

Exemple concret

Affaire Moffatt vs Air Canada, février 2024. Un client interroge le chatbot IA d'Air Canada sur la politique tarifaire en cas de deuil. Le chatbot invente une procédure de remboursement rétroactif sous 90 jours, alors que la politique réelle de la compagnie exige une réservation au tarif normal puis demande de remboursement préalable au voyage. Le client suit l'instruction du chatbot, paie le tarif normal, et se voit refuser le remboursement. Il poursuit Air Canada devant le Civil Resolution Tribunal de Colombie-Britannique, qui condamne la compagnie en février 2024 à honorer la politique inventée par son propre chatbot. Premier précédent juridique anglo-saxon majeur sur la responsabilité éditoriale d'un chatbot IA.

Piège à éviter

Le piège à éviter avec les hallucinations n'est pas de croire qu'elles seront éliminées par les progrès techniques, c'est de déployer des cas d'usage qui n'en supportent pas. Trois mesures non négociables. Premièrement, identifier les zones à enjeu juridique ou contractuel (tarification, conditions de vente, conseil professionnel, données médicales) et imposer une validation humaine systématique avant toute sortie publiée. Aucun garde-fou technique ne remplace ce contrôle. Deuxièmement, inscrire dans les contrats avec vos prestataires IA une clause d'audit régulier des hallucinations sur votre cas d'usage, avec mesure documentée du taux d'erreur. Sans benchmark, vous ne pouvez pas piloter. Troisièmement, choisir une architecture RAG (récupération à l'inférence) chaque fois que le sujet exige des faits récents ou propriétaires. Le RAG ne supprime pas les hallucinations, mais réduit significativement leur fréquence.

À voir aussi

Pour aller plus loin

Moffatt v. Air Canada, Civil Resolution Tribunal of British Columbia, février 2024 (ressource externe)

Sources

Moffatt v. Air Canada, Civil Resolution Tribunal of British Columbia, décision du 14 février 2024 (2024 BCCRT 149). https://www.canlii.org/en/bc/bccrt/doc/2024/2024bccrt149/2024bccrt149.html (consulté le 2026-05-25)
AI Incident Database, incident #563, Air Canada chatbot hallucination, 2024. https://incidentdatabase.ai/cite/563 (consulté le 2026-05-25)

← Retour au glossaire