---
title: "Qu'est-ce qu'une hallucination d'IA ?"
description: "Une hallucination d'IA, c'est quand un modèle présente comme vrai et sûr quelque chose de faux ou d'inventé. Signification, pourquoi les modèles de langage hallucinent et comment réduire cela par le grounding et la vérification."
type: "glossary"
locale: "fr"
term: "Hallucination d'IA"
canonical: "https://agenticschool.dev/fr/glossaire/hallucination"
dateModified: "2026-07-03"
---

# Qu'est-ce qu'une hallucination d'IA ?

- Definition: Hallucination d'IA
- Updated: 2026-07-03
- Keywords: ai hallucination, what is ai hallucination, hallucination meaning, llm hallucination, why do ai models hallucinate
- Canonical URL: https://agenticschool.dev/fr/glossaire/hallucination
- Locale: fr

> Une hallucination d'IA, c'est quand un modèle présente comme vrai et sûr quelque chose de faux ou d'inventé. Signification, pourquoi les modèles de langage hallucinent et comment réduire cela par le grounding et la vérification.

Une hallucination d'IA, c'est quand un modèle d'IA produit des informations qui sonnent avec assurance et plausibles, mais qui sont en réalité fausses, inventées ou non couvertes par ses sources. Le modèle ne ment pas au sens humain ; un modèle de langage fonctionne en prédisant les mots suivants les plus probables, donc quand les bons faits lui manquent, il produit souvent quand même une réponse fluide et assurée au lieu de dire qu'il ne sait pas. Les hallucinations vont d'une date fausse ou d'une source inventée à une méthode d'API inexistante ou une affaire juridique fabriquée. Parce que la sortie paraît faisant autorité, l'hallucination est l'une des plus grandes raisons de garder un humain dans la boucle et de vérifier tout ce qu'une IA produit avant de vous y fier.

## Pourquoi les modèles hallucinent

L'hallucination est un effet de bord du fonctionnement des modèles de langage, pas un bug aléatoire. Quelques causes reviennent sans cesse.

- Prédiction, pas recherche : le modèle produit du texte probable, donc il comble les trous par des suppositions à l'air plausible.
- Connaissance manquante ou périmée : si le fait n'était ni à l'entraînement ni dans le prompt, le modèle improvise.
- Pression de répondre : les modèles sont taillés pour être serviables, donc ils tendent à donner une réponse plutôt qu'à admettre l'incertitude.

## Comment réduire l'hallucination

Vous ne pouvez pas éliminer entièrement l'hallucination, mais la rendre bien plus rare. Ancrez le modèle dans de vraies données avec le RAG, pour qu'il réponde depuis des sources récupérées plutôt que de mémoire. Donnez-lui des outils pour vérifier au lieu de deviner. Exigez des sources vérifiables, gardez les prompts ciblés pour que le bon contexte ne soit pas enterré, et abaissez l'enjeu en vérifiant les sorties avant d'agir. En Agentic Engineering, les tests et la revue humaine sont le filet qui attrape une réponse fausse mais assurée.

## L'hallucination dans les agents

Les agents élèvent l'enjeu, car un fait halluciné peut devenir une action hallucinée : un agent de coding peut appeler une API qui n'existe pas, ou un agent de recherche citer un article jamais écrit. C'est pourquoi un bon Agent Harness associe le modèle à de vrais outils (exécuter du code, chercher, lire des fichiers), pour que les affirmations soient confrontées à la réalité, et pourquoi la vérification reste une responsabilité humaine. La posture honnête est de traiter chaque réponse assurée comme un brouillon jusqu'à ce que quelque chose d'ancré la confirme.

## FAQ

### Qu'est-ce qu'une hallucination d'IA en mots simples ?

C'est quand un modèle d'IA présente comme vrai et sûr quelque chose de faux ou d'inventé. Le modèle prédit du texte plausible, donc quand les vrais faits lui manquent, il peut produire une réponse fluide et fausse au lieu d'admettre qu'il ne sait pas.

### Pourquoi les modèles de langage hallucinent-ils ?

Parce qu'ils produisent des mots suivants probables au lieu de rechercher des faits. Si la bonne information n'était pas à l'entraînement et n'est pas dans le prompt, le modèle comble le trou par une supposition plausible, et son comportement taillé pour la serviabilité le pousse à répondre plutôt qu'à rester incertain.

### Comment réduire les hallucinations d'IA ?

Ancrez le modèle dans de vraies données avec le RAG, donnez-lui des outils pour vérifier, exigez des sources vérifiables, gardez le prompt ciblé et vérifiez la sortie avant d'agir dessus. Vous ne pouvez pas éliminer entièrement l'hallucination, donc la revue humaine reste une part de la boucle.

### L'hallucination peut-elle être entièrement corrigée ?

Pas aujourd'hui. Vous pouvez la rendre bien plus rare avec le grounding, les outils et la vérification, mais tout modèle qui produit du texte peut quand même produire une réponse fausse et assurée. L'approche fiable est de le prévoir : supposez que la sortie pourrait être fausse et vérifiez les parties qui comptent.