Comprendre l’IA au travail / Fiche courte
Comprendre · Fiche courte
Une IA générative peut présenter avec assurance une référence, un chiffre ou un article de loi qui n’existent pas. Cette fiche explique d’où viennent ces erreurs, que le guide appelle fabulations, et où placer les contrôles.
L’essentiel
Ce que le mot désigne, et pourquoi l’erreur ne se corrige pas d’un réglage.
Une hallucination, ou fabulation, est une réponse plausible mais fausse : une référence, un article de loi ou un chiffre inventés, présentés avec assurance. Le modèle produit ce qui est probable dans le contexte, pas ce qui est vrai.
Ces limites ne sont pas de simples défauts de réglage. Elles découlent de la manière dont les modèles sont entraînés, évalués et intégrés aux outils.
01 / Six erreurs
Les connaître aide à placer les contrôles au bon endroit.
| Erreur | D’où elle vient | Au travail |
|---|---|---|
| Fabulation | Le pré-entraînement n’apprend pas à distinguer un fait rare d’une invention vraisemblable, et les évaluations qui ne notent que l’exactitude récompensent la réponse au hasard plutôt que l’abstention. Kalai et al., 2025 ↗ | Références, articles de loi ou chiffres inventés, présentés avec assurance. |
| Complaisance | L’ajustement sur les préférences humaines peut favoriser l’approbation au détriment de l’exactitude. En avril 2025, OpenAI a retiré une mise à jour de GPT-4o jugée excessivement flatteuse. OpenAI, 2025 ↗ | L’outil tend à confirmer l’hypothèse contenue dans la question posée. |
| Frontière irrégulière | Les capacités ne suivent pas la difficulté perçue par un humain : excellent ici, défaillant juste à côté. Dell’Acqua et al., 2023 ↗ | La confiance acquise sur une tâche ne se transfère pas à la tâche voisine. |
| Raisonnement affiché | Le raisonnement qu’affiche un modèle ne reflète pas fidèlement ce qui a déterminé sa réponse : dans une étude d’Anthropic, les modèles testés ne signalaient un indice qu’ils avaient utilisé que dans 25 à 39 % des cas. Chen et al., 2025 ↗ | Une justification convaincante ne prouve pas que la réponse est fondée. |
| Injection de consignes | Le modèle ne sépare pas de façon fiable les instructions de l’utilisateur et le texte qu’il lit : une page web, un courriel ou un PDF peuvent contenir des consignes cachées. OWASP, LLM01:2025 ↗ | Le risque augmente dès que l’outil peut envoyer, modifier ou supprimer. |
| Variabilité | La génération est probabiliste et sensible à la formulation, à l’ordre des documents et à la version du modèle. Ses connaissances s’arrêtent à une date de coupure, sauf s’il peut consulter des sources en direct. | Tester plusieurs fois, dater les essais et consigner la version utilisée. |
02 / Deux études
L’une sur des consultants, l’autre en santé au travail.
Dans l’essai de Dell’Acqua et ses collègues (Harvard Business School, BCG), l’IA améliorait la vitesse et la qualité sur les tâches à sa portée : 12 % de tâches menées à terme en plus, 25 % de rapidité en plus. Sur une tâche située juste au-delà, les consultants aidés par l’IA donnaient moins souvent la bonne réponse (−19 points).
Dans l’étude publiée par l’INRS en juin 2026, le modèle o1 relisait des préconisations médicales dépourvues d’éléments identifiants : aucune hallucination n’a été détectée dans ce cadre. Ce résultat vaut pour un modèle, un prompt et un corpus précis ; il ne garantit pas leur absence dans d’autres usages.
03 / Au travail
Cinq réflexes, quel que soit l’outil.
Repères pour les salariés · Cinq questions avant un usage professionnel
Réponses essentielles
Des réponses courtes, tirées du guide.
Le guide n’en présente aucun moyen : ces erreurs découlent de la manière dont les modèles sont entraînés et évalués. Fournir des documents ancre les réponses dans vos sources, mais il reste à vérifier les extraits réellement retrouvés et cités.
Pas pour cette raison. Le raisonnement qu’il affiche ne reflète pas fidèlement ce qui a déterminé sa réponse, et une explication convaincante peut accompagner une réponse fausse.
Parce que l’ajustement sur les préférences humaines peut favoriser l’approbation au détriment de l’exactitude : c’est la complaisance. L’outil tend alors à confirmer l’hypothèse contenue dans la question posée.
Elle résume un chapitre du guide Comprendre l’IA au travail, qui donne pour chaque chiffre sa source, sa date et ses limites. Les repères datés de novembre 2026 seront dépassés : le guide est la version tenue à jour.