Hallucinations de l’IA : repérer et corriger les erreurs sur votre marque

Une hallucination de l’IA est une réponse fausse qu’un modèle de langage comme ChatGPT, Gemini, Claude ou Perplexity formule avec assurance, comme s’il s’agissait d’un fait. Quand elle touche votre marque (prix erroné, offre arrêtée présentée comme active, adresse fausse, confusion avec un concurrent), vous ne pouvez pas corriger le modèle directement : vous corrigez les sources qu’il lit, vous harmonisez vos informations partout où elles apparaissent et vous suivez l’évolution des réponses dans le temps.

Ce guide explique d’abord pourquoi un LLM invente, puis passe au cas concret d’une entreprise : comment repérer les erreurs avec un journal de prompts, retrouver les sources en cause, corriger à la source et éviter de produire vous-même des hallucinations quand vous rédigez avec l’IA.

01Qu’est-ce qu’une hallucination de l’IA ?

OpenAI définit les hallucinations comme des affirmations plausibles mais fausses produites par un modèle de langage. Le terme s’est diffusé dans la recherche en IA, notamment en traduction automatique dès 2018, et il désigne aujourd’hui toute réponse inventée et présentée comme certaine : un chiffre, une date, une citation, une fonctionnalité ou un fait sur une entreprise.

Le point important pour une marque : l’erreur n’est pas toujours « inventée de rien ». Elle peut venir d’une source réelle mais périmée, d’un mélange entre deux entités ou d’un vide d’information que le modèle comble avec ce qui lui semble probable.

Une prédiction statistique, pas une base de faits

Un grand modèle de langage ne consulte pas une base de faits vérifiés. Il prédit, mot après mot (plus exactement token après token), la suite la plus probable d’un texte à partir de ce qu’il a appris pendant son entraînement.

Dans son article de recherche publié le 5 septembre 2025, OpenAI explique pourquoi les modèles hallucinent et retient trois mécanismes :

• Le pré-entraînement n’étiquette pas le vrai et le faux. Le modèle apprend des régularités de langage, pas des faits validés.
• Les faits rares ou arbitraires ne se déduisent pas. Une date de naissance, un tarif ou une adresse ne suivent aucun motif : le modèle les devine.
• Les évaluations récompensent la devinette. Répondre « je ne sais pas » rapporte zéro point dans la plupart des tests, alors qu’une supposition peut tomber juste.

Conséquence directe : les informations précises sur une PME, un prestataire ou une marque de niche sont exactement le type de faits « rares » que le modèle risque de reconstituer de travers.

Sources absentes, anciennes ou contradictoires

Les assistants actuels combinent deux sources de connaissance : ce que le modèle a mémorisé avant sa date de coupure, et des pages récupérées en direct par une recherche web. Ce second mécanisme s’appelle la génération augmentée par récupération, ou RAG, expliquée simplement dans ce guide. Il réduit les erreurs, mais il dépend entièrement de la qualité des pages trouvées.

Deux exemples connus d’hallucinations

Les cas médiatisés montrent que les hallucinations touchent aussi les acteurs les mieux équipés :

• Bard, l’assistant de Google, a donné une information erronée sur le télescope spatial James Webb dans l’une de ses premières présentations ;
• en mai 2023, des avocats new-yorkais ont déposé un mémoire qui citait six décisions de justice inventées par ChatGPT.

Dans les deux cas, la réponse avait toutes les apparences d’un fait. C’est ce qui rend les hallucinations dangereuses pour une marque : l’utilisateur n’a aucun signal visuel qui l’alerte.

02Quand l’IA se trompe sur votre marque : les cas fréquents

Pour une entreprise, une hallucination n’est pas un sujet théorique. Elle peut détourner un prospect, générer un appel inutile au service client ou installer une fausse image de l’offre. Voici les erreurs que l’on retrouve le plus souvent lors d’un audit des réponses IA.

Mauvais prix, offre arrêtée, adresse fausse

• Prix erroné : l’IA cite un ancien tarif, un prix de concurrent ou une fourchette inventée faute de page tarif claire.
• Offre arrêtée : un produit retiré ou un service abandonné reste présenté comme disponible, souvent parce qu’une ancienne page ou un comparatif tiers est toujours en ligne.
• Coordonnées fausses : ancienne adresse après un déménagement, mauvais horaires, numéro de téléphone obsolète repris d’un annuaire.
• Fonctionnalités inventées : l’IA attribue à votre produit une option qu’il n’a pas, par analogie avec la catégorie.
• Informations juridiques : date de création, dirigeant ou statut de l’entreprise mélangés avec une autre société.

Confusion avec une autre marque ou un concurrent recommandé à votre place

La confusion d’entité arrive surtout quand le nom de marque est générique, partagé avec une autre société ou incohérent d’un support à l’autre. L’IA fusionne alors deux organisations dans une même réponse.

Un autre cas circule beaucoup sur LinkedIn : vous demandez à l’IA des informations sur votre marque, ou les meilleurs prestataires de votre catégorie, et elle met en avant un concurrent moins pertinent. Une étude publiée en juin 2026 par Genezio, éditeur d’un outil de suivi IA, apporte un éclairage chiffré sur ChatGPT : dans les requêtes de recherche internes que le modèle lance avant de répondre, une marque non citée par l’utilisateur apparaît dans 11,9 % des cas, dont 9,9 % de concurrents, et ce taux monte à 16,5 % quand l’utilisateur demande une recommandation.

Statistiques reprises sans vérification

Le cas le plus parlant de 2026 vient de Metehan Yeşilyurt, chercheur GEO chez Peec AI. Dans un article publié le 7 octobre 2026, il raconte avoir généré 50 000 pages de statistiques entièrement inventées sur un domaine neuf, avec GPT-4.1, pour environ 30 dollars.

• Google a fortement réduit la visibilité du site, mais ChatGPT a continué à le consulter et à le citer.
• Sur 30 jours, le site a reçu environ 72 000 requêtes de ChatGPT-User, l’agent qui ouvre une page en temps réel pour répondre à un utilisateur.
• Des chiffres inventés ont ensuite été repris dans un article universitaire, une note de recherche financière et une publication économique.

L’auteur parle de « blanchiment de citations » : chaque reprise rend la fausse donnée plus crédible. Pour une marque, la leçon est double : les chiffres publiés sur votre secteur peuvent être faux, et les chiffres faux publiés sur vous peuvent circuler longtemps.

03Repérer et suivre les hallucinations avec un journal de prompts

On ne corrige que ce que l’on a repéré. La méthode la plus fiable reste un journal de prompts : une liste fixe de questions posées régulièrement aux principaux assistants, avec des réponses archivées et datées. C’est le socle du suivi de visibilité dans les IA.

Choisir les prompts à surveiller

Partez des questions qu’un client ou un prospect pose réellement, puis classez-les par famille :

• Identité : « Qui est [marque] ? », « Que fait [marque] ? »
• Offre et prix : « Combien coûte [service] chez [marque] ? », « [marque] propose-t-elle [produit] ? »
• Coordonnées : « Où se trouve [marque] à [ville] ? », « Quels sont ses horaires ? »
• Comparaison : « [marque] ou [concurrent] pour [besoin] ? »
• Recommandation : « Quel prestataire choisir pour [besoin] à [ville] ? »
• Réputation : « Que pensent les clients de [marque] ? »

Une vingtaine de prompts suffit pour démarrer. Testez-les sur ChatGPT, Gemini, Perplexity, Copilot, Claude et les AI Overviews de Google, avec et sans recherche web activée quand l’outil le permet.

Retrouver les sources citées par l’IA

Perplexity, ChatGPT avec recherche, Copilot et les AI Overviews affichent leurs sources. Ce sont elles qu’il faut corriger, pas la réponse.

1. Relevez chaque URL citée à côté de l’erreur.
2. Classez-la : votre site, annuaire, média, forum, comparatif, site concurrent.
3. Ouvrez la page et vérifiez si l’erreur y figure vraiment, ou si l’IA a mal interprété une source correcte.
4. Si aucune source n’est citée, demandez à l’assistant d’où vient l’information, en gardant en tête que cette réponse peut elle aussi être inventée.

Suivre l’évolution des réponses dans le temps

Les réponses varient d’une session à l’autre. Un seul test ne prouve rien : posez chaque prompt plusieurs fois et comparez. Un simple tableur suffit pour structurer le suivi :

Un relevé mensuel convient à la plupart des marques. Le relevé peut être automatisé (par exemple avec n8n et les API des modèles), mais gardez une relecture humaine des erreurs. Pour aller plus loin sur les indicateurs, voyez comment mesurer et améliorer la visibilité de marque dans les IA.

04Corriger une hallucination IA à la source

Il n’existe pas de bouton « modifier » dans ChatGPT ou Gemini. Le bouton de retour (pouce vers le bas) signale la réponse à l’éditeur, mais rien ne garantit une correction rapide. La seule méthode durable consiste à rendre l’information juste plus disponible, plus cohérente et plus récente que l’information fausse.

Votre site, la page À propos et les données structurées

Votre site doit devenir la source de vérité la plus simple à lire pour une machine :

• une page À propos factuelle : nom exact, activité, date de création, dirigeants, implantations, ce que vous ne faites pas ;
• des pages d’offres avec prix ou fourchettes, conditions et date de mise à jour visibles ;
• une mention claire pour les offres arrêtées (page conservée avec un message, ou redirection vers l’offre qui la remplace) ;
• une FAQ officielle qui répond aux questions où les IA se trompent ;
• le balisage Organization en JSON-LD sur la page d’accueil ou la page À propos.

La documentation Google sur le balisage Organization précise qu’il aide à désambiguïser votre organisation dans les résultats. Renseignez au minimum name, url, logo, address, telephone et sameAs (liens vers vos profils officiels). Ce travail d’entité rejoint celui du Knowledge Graph de Google.

Fiche d’établissement Google et annuaires

Les erreurs d’adresse, d’horaires ou de téléphone viennent très souvent des fiches locales. Vérifiez et alignez :

• votre fiche d’établissement Google (nom, catégorie, adresse, horaires, lien vers le site) ;
• les principaux annuaires et plateformes cartographiques où vous êtes référencé ;
• les profils sociaux et les pages partenaires qui reprennent vos coordonnées.

Le principe est simple : la même information, écrite de la même façon, partout. La méthode détaillée figure dans le guide pour optimiser sa fiche Google Business Profile.

Pages tierces et mentions externes

Les IA lisent aussi ce que les autres disent de vous. L’expérience d’Ahrefs avec une marque inventée, publiée en décembre 2025, l’a montré : après la diffusion de sources contradictoires (blog, discussion Reddit, article Medium), plusieurs assistants ont repris le faux récit, tandis que ChatGPT résistait mieux en citant la FAQ officielle de la marque.

• demandez une correction aux médias, comparateurs et annuaires qui publient une information fausse ;
• répondez de façon transparente, sous votre nom, dans les discussions de forum qui vous concernent ;
• publiez des communiqués datés lors d’un changement (nouvelle adresse, offre arrêtée, changement de nom) ;
• pour Wikipedia et Wikidata, respectez leurs règles : pas de modification promotionnelle de votre propre fiche.

Si l’erreur concerne une personne physique, par exemple un dirigeant, le RGPD prévoit un droit de rectification que vous pouvez exercer auprès de l’éditeur de l’IA. Pour renforcer durablement votre présence dans les sources lues par les moteurs, voyez aussi comment être cité par ChatGPT, Perplexity et Gemini.

05Rédiger avec l’IA sans publier d’hallucinations

Le risque existe aussi dans l’autre sens. Un article rédigé avec l’IA et publié sans vérification peut contenir un chiffre inventé, une fonctionnalité qui n’existe pas ou une citation déformée. Une fois en ligne, ce contenu peut être repris par d’autres IA et alimenter la boucle décrite plus haut.

La règle de travail est simple : l’IA aide à structurer et à rédiger, l’humain vérifie chaque fait. La méthode complète est détaillée dans le guide sur la rédaction IA de contenus SEO de qualité.

Checklist de vérification des faits avant publication

1. Chaque chiffre a une source primaire, ouverte et lue, avec sa date.
2. Aucune formule du type « une étude montre » sans lien vers l’étude.
3. Les noms de produits, fonctionnalités et prix sont vérifiés sur la page officielle le jour de la publication.
4. Les citations sont copiées depuis la source, jamais reformulées par l’IA puis mises entre guillemets.
5. Les dates et versions (lancements, mises à jour, réglementation) sont recoupées.
6. Les liens externes sont testés et pointent vers la page qui confirme l’information.
7. Un point non vérifiable est reformulé avec prudence ou supprimé.

06Erreurs à éviter face aux hallucinations de l’IA

• Corriger uniquement dans la conversation : expliquer à ChatGPT qu’il se trompe ne modifie pas ce qu’il répondra aux autres utilisateurs.
• Juger sur un seul test : les réponses varient, il faut plusieurs relevés avant de conclure.
• Supprimer une ancienne offre sans trace : une page retirée sans redirection ni mention laisse les sources tierces raconter l’histoire à votre place.
• Multiplier les versions : trois pages qui décrivent la même offre différemment créent la contradiction que l’IA devra trancher.
• Répondre par de faux contenus : faux avis, sites satellites ou faux témoignages exposent à des sanctions et peuvent eux-mêmes être repris de travers.
• Promettre un contrôle total : personne ne maîtrise la réponse d’un modèle ; on agit sur les probabilités en travaillant les sources.

Si les erreurs sont nombreuses ou touchent plusieurs moteurs, un audit GEO permet de cartographier les réponses, les sources en cause et les corrections à prioriser.

07Questions fréquentes

Pourquoi ChatGPT invente-t-il des informations ?

ChatGPT prédit la suite la plus probable d’un texte, il ne consulte pas une base de faits vérifiés. Quand l’information est rare, absente, ancienne ou contradictoire dans ses données ou dans les pages qu’il récupère, il produit une réponse plausible plutôt que d’admettre qu’il ne sait pas. OpenAI explique aussi que les méthodes d’évaluation des modèles ont longtemps récompensé la devinette plutôt que l’abstention.

Peut-on empêcher une IA d’halluciner ?

Non, pas totalement. On peut en réduire le risque : connecter le modèle à des sources fiables (RAG), formuler des prompts précis, lui demander de citer ses sources et d’indiquer ses incertitudes, puis vérifier les faits. Pour une marque, la meilleure prévention consiste à publier des informations claires, datées et cohérentes sur son site et sur les plateformes tierces qui la mentionnent.

Quel est le taux d’hallucination de l’IA ?

Il n’existe pas de taux unique. Il varie selon le modèle, la version, la tâche, la langue et l’accès ou non à une recherche web. OpenAI indique que ses modèles récents hallucinent moins, sans considérer le problème comme résolu. Méfiez-vous des pourcentages qui circulent sans source datée ni protocole : ils sont parfois eux-mêmes des hallucinations reprises en boucle.

Comment corriger une information fausse dans ChatGPT ?

Signalez la réponse avec le bouton de retour, puis agissez sur les sources : corrigez votre site et votre page À propos, ajoutez le balisage Organization, alignez votre fiche Google et vos annuaires, et demandez une correction aux sites tiers qui publient l’erreur. Notez ensuite l’erreur dans un journal de prompts et vérifiez au relevé suivant si la réponse a changé.

Comment savoir ce que les IA disent de ma marque ?

Posez régulièrement une liste fixe de questions (identité, offre, prix, coordonnées, comparaison, recommandation) à ChatGPT, Gemini, Perplexity, Copilot, Claude et aux AI Overviews de Google. Archivez les réponses avec des captures datées et les sources citées. Un outil de suivi de visibilité IA peut automatiser une partie du relevé, mais la relecture des erreurs reste humaine.