« Alexandre, pourquoi les IA inventent-elles des choses sur mon entreprise ? »
Une hallucination IA, c’est une réponse fausse mais affirmée avec assurance : un prix inventé, un service que vous ne proposez pas, une adresse périmée, un avis qui n’existe pas. Elle vient de la façon dont les modèles sont entraînés et évalués, qui récompense le fait de deviner plutôt que de dire « je ne sais pas ». On ne la supprime pas d’un clic, mais on peut la repérer, la documenter et réduire son risque, en donnant aux IA des informations claires et cohérentes sur vous.
Mis à jour le 22 octobre 2026
Novembre 2022. Un passager canadien vient de perdre sa grand-mère. Il demande au chatbot d’Air Canada s’il peut bénéficier d’un tarif de deuil. Le chatbot lui répond : achetez votre billet plein tarif, et demandez le remboursement partiel dans les 90 jours.
Sauf que cette règle n’existait pas. La compagnie refuse le remboursement. Le passager porte l’affaire devant un tribunal de Colombie-Britannique.
La défense d’Air Canada est restée célèbre : le chatbot serait une « entité juridique distincte », responsable de ses propres propos. Le tribunal a balayé l’argument. Comme le résume l’analyse du cabinet Manatt sur la décision Moffatt c. Air Canada, la compagnie a été jugée responsable de ne pas avoir veillé à l’exactitude de son chatbot, et condamnée à rembourser.
Bienvenue dans le monde des hallucinations IA. Elles ne concernent pas que les chatbots maison : ChatGPT, Gemini ou Perplexity peuvent aussi raconter n’importe quoi sur votre entreprise. Et ça, c’est un sujet de generative engine optimization à part entière.
Par Alexandre Montenon, consultant GEO à Lyon
Pourquoi une IA invente des choses
On imagine souvent un « bug ». La réalité est plus dérangeante : le comportement est presque encouragé.
En septembre 2025, OpenAI a publié une analyse intitulée « Why language models hallucinate ». Sa thèse : les méthodes d’entraînement et d’évaluation actuelles récompensent le fait de deviner plutôt que de reconnaître une incertitude, un peu comme un QCM où une case vide rapporte zéro point. Autant tenter sa chance.
Deux mécanismes se cumulent.
➭ Pendant l’apprentissage, le modèle apprend à prédire le mot suivant sur des milliards de textes, sans étiquette « vrai » ou « faux ». L’orthographe et la grammaire deviennent fiables, parce qu’elles suivent des régularités. Un fait rare et arbitraire (la date d’anniversaire d’une personne, le tarif d’une petite entreprise) ne suit aucune régularité : le modèle comble le trou avec du plausible.
➭ Pendant l’évaluation, les classements comparent surtout le taux de bonnes réponses. Un modèle qui répond toujours, même au hasard, peut obtenir un meilleur score qu’un modèle prudent qui s’abstient.
OpenAI donne un exemple parlant tiré de ses propres tests : un modèle plus ancien affichait 24 % de bonnes réponses et 75 % d’erreurs sur un jeu de questions factuelles, quand un modèle plus récent, qui s’abstenait beaucoup plus souvent, obtenait 22 % de bonnes réponses mais seulement 26 % d’erreurs. Presque le même score, trois fois moins de bêtises.
Dans son analyse, OpenAI raconte avoir demandé à un chatbot connu le titre de thèse d’un de ses propres chercheurs. Trois réponses, trois titres différents, tous faux. Même chose pour sa date de naissance. Si l’IA hésite sur ses propres auteurs, imaginez sur une PME.
Les hallucinations qui touchent les entreprises
Quand je fais un audit de visibilité IA, je classe les erreurs trouvées en cinq familles. Elles n’ont pas la même gravité.
| Type d’erreur | Exemple | Gravité |
|---|---|---|
| Infos pratiques périmées | Ancienne adresse, horaires d’avant, numéro qui ne répond plus | Moyenne : clients perdus en route |
| Offre déformée | Un service arrêté, une prestation jamais proposée | Forte : mauvais leads, déception |
| Prix inventés | « Comptez 50 € de l’heure » alors que vous facturez au forfait | Forte : objection avant le premier contact |
| Confusion de marque | Vous mélanger avec un homonyme ou un concurrent | Très forte : réputation abîmée |
| Faits négatifs inventés | Un litige, un avis ou une fermeture qui n’ont jamais existé | Critique : à traiter tout de suite |
La plupart du temps, l’erreur ne sort pas de nulle part. Elle vient d’un vide (personne ne parle de votre tarif, le modèle en invente un) ou d’une contradiction (votre site dit une chose, un vieil annuaire en dit une autre).
Une hallucination sur votre marque, c’est souvent un symptôme, pas la maladie. La maladie, c’est une information absente, contradictoire ou enterrée. On soigne ça, et l’erreur recule.
Comment repérer les hallucinations sur votre marque
Pas besoin d’outil hors de prix pour commencer. Voici le protocole que je fais tourner au démarrage d’une mission.
1. Les questions d’identité
« Qui est [votre entreprise] ? », « Que propose [votre entreprise] ? », « Où se trouve [votre entreprise] ? », « Combien coûte [votre prestation] chez [votre entreprise] ? ». Posées dans ChatGPT, Gemini, Perplexity et Copilot.
2. Les questions de choix
« Quelle entreprise choisir pour [votre métier] à [votre ville] ? ». Vous verrez si vous êtes cité, et surtout comment on parle de vous.
3. La comparaison avec et sans recherche web
Une erreur qui apparaît sans recherche vient de la mémoire du modèle. Une erreur qui apparaît avec recherche vient d’une page précise : regardez les sources citées, c’est souvent là que se cache le coupable. Le mécanisme de recherche, je l’explique dans ma page sur le RAG en IA.
4. La répétition
Chaque question, trois fois, dans des conversations neuves. Une erreur isolée n’a pas le même poids qu’une erreur systématique.
5. Le tableau de suivi
Question, outil, date, réponse, erreur repérée, source citée. Ce tableau devient votre base pour corriger, et pour mesurer si les corrections marchent.
Faites une capture d’écran datée de chaque erreur grave. Si un jour vous devez prouver qu’une IA a diffusé une information fausse sur vous, vous serez content de l’avoir.
Comment réduire les hallucinations sur votre entreprise
On ne « corrige » pas un modèle comme on corrige une fiche Google. Mais on peut changer ce qu’il trouve et ce qu’il apprend.
➭ Combler les vides. Prix, zone d’intervention, délais, services proposés et non proposés, dates clés. Écrits noir sur blanc sur votre site, dans des phrases simples qui contiennent votre nom.
➭ Supprimer les contradictions. Mettre à jour les annuaires, la fiche Google, LinkedIn, les pages partenaires. Une seule version de vos informations, partout.
➭ Rendre la bonne version facile à trouver. Une page « À propos » complète, une FAQ factuelle, des pages indexées et accessibles aux robots des IA.
➭ Signaler. Les outils proposent tous un bouton de retour sur les réponses. Ça ne règle pas tout, mais pour une erreur grave, ça fait partie du dossier.
➭ Surveiller dans la durée. Les réponses avec recherche web bougent en quelques semaines. La mémoire des modèles évolue au rythme de leurs mises à jour, bien plus lentement.
Et si c’est votre propre chatbot qui hallucine ?
L’affaire Air Canada a fait école pour une raison simple : l’entreprise reste responsable de ce que dit son outil. Un chatbot branché sur votre site parle en votre nom.
Avant de mettre un assistant IA en ligne, je recommande trois garde-fous. D’abord, le brancher sur une base documentaire propre et à jour, plutôt que de le laisser répondre « de mémoire ». Ensuite, lui interdire explicitement certains sujets (prix sur devis, conditions juridiques, remboursements) et prévoir le passage à un humain. Enfin, relire régulièrement un échantillon de conversations réelles.
Un chatbot qui dit « je ne sais pas, je vous mets en contact avec l’équipe » vaut mieux qu’un chatbot brillant qui invente une politique commerciale.
Ce que coûte vraiment une hallucination à une PME
On a tendance à sourire devant une réponse farfelue. Pourtant, le coût est bien réel, simplement il ne se voit pas dans un tableau de bord.
Prenez un prospect qui demande à ChatGPT combien coûte votre prestation. La réponse annonce un tarif deux fois plus élevé que le vôtre. Il ne vous appelle pas. Vous ne saurez jamais qu’il a existé.
Prenez un client qui cherche vos horaires dans Perplexity, trouve ceux d’avant le déménagement, et se casse le nez sur une porte fermée. Il laissera peut-être un avis agacé, qui deviendra à son tour une source pour les IA.
Prenez enfin la confusion avec un homonyme qui a eu un litige médiatisé. Là, ce n’est plus un manque à gagner : c’est votre réputation qui prend un coup, auprès de gens qui ne vous connaissent pas encore.
Ce qui rend ces situations sournoises, c’est leur invisibilité. Aucune alerte ne vous prévient. Aucun avis ne vous permet de répondre. La seule parade, c’est d’aller regarder vous-même, régulièrement, ce que disent les IA, et de traiter les erreurs comme vous traiteriez un avis négatif : vite, calmement, et à la source.
Et le plus souvent, l’erreur porte sur une information que l’entreprise croyait évidente : un tarif, une zone d’intervention, une spécialité.
Trois idées reçues sur les hallucinations
« Les nouveaux modèles n’hallucinent plus. » Ils hallucinent moins sur certains sujets, et apprennent à s’abstenir plus souvent. Mais OpenAI le dit lui-même : la précision ne sera jamais de 100 %, certaines questions n’ont tout simplement pas de réponse vérifiable.
« Avec une recherche web, il n’y a plus d’erreur. » La recherche réduit le risque, sans le supprimer. Si la page trouvée est fausse ou ambiguë, la réponse le sera aussi, avec un lien en prime.
« Ça ne concerne que les grandes marques. » C’est l’inverse. Moins on parle de vous en ligne, plus le modèle a de vides à combler. Les petites entreprises sont souvent les plus exposées.
- Une hallucination IA est une réponse fausse affirmée avec assurance.
- Elle vient d’un entraînement qui récompense le fait de deviner.
- Sur une marque, elle naît d’un vide ou d’une contradiction d’information.
- On la repère avec un protocole de questions répétées, avec et sans recherche web.
- On la réduit en publiant des infos claires, cohérentes et faciles à trouver.
- Votre propre chatbot engage votre responsabilité.
Questions fréquentes sur les hallucinations IA
Qu’est-ce qu’une hallucination en intelligence artificielle ?
C’est une réponse fausse produite par une IA et présentée comme un fait, avec assurance. Elle peut porter sur un chiffre, une date, une personne, une citation ou une entreprise.
Pourquoi ChatGPT invente-t-il des informations ?
Les modèles apprennent à prédire du texte plausible, sans étiquette vrai ou faux, et les méthodes d’évaluation récompensent souvent le fait de répondre plutôt que de s’abstenir. Face à un fait rare ou absent de ses données, le modèle comble le vide avec une réponse vraisemblable.
Comment corriger une information fausse donnée par une IA sur mon entreprise ?
Publiez l’information exacte de façon claire sur votre site, harmonisez-la sur les annuaires, la fiche Google et les réseaux, signalez la réponse erronée via l’outil concerné, puis surveillez l’évolution des réponses dans le temps.
Une entreprise est-elle responsable des erreurs de son chatbot ?
Dans l’affaire Moffatt c. Air Canada, jugée en 2024 au Canada, le tribunal a considéré que la compagnie était responsable des informations données par son chatbot. Une entreprise doit donc s’assurer de l’exactitude de ses outils.
La recherche web supprime-t-elle les hallucinations ?
Elle les réduit en donnant au modèle des documents à jour, mais ne les supprime pas. Une source erronée ou une mauvaise combinaison d’extraits peut encore produire une réponse fausse.
Vous avez une question, un projet ? Parlons-en ensemble.
On discute ?