Une intelligence artificielle peut répondre en quelques secondes, avec un ton assuré, une structure impeccable et des arguments qui semblent cohérents. Cette facilité crée une impression trompeuse : puisque la réponse est bien écrite, elle paraît vraie.
Or la qualité de la forme ne garantit jamais l’exactitude du fond. Une IA générative construit sa réponse en prédisant les mots les plus plausibles dans un contexte donné. Elle peut restituer un fait exact, mélanger plusieurs informations, oublier une nuance importante ou inventer une référence tout en conservant le même ton de certitude.
Une réponse convaincante n’est pas encore une information vérifiée.
Dans l’article consacré aux hallucinations de l’IA, nous avons vu pourquoi une machine peut produire une affirmation fausse sans avoir conscience de mentir. Dans celui sur la confiance que nous accordons aux IA, nous avons observé que notre cerveau associe facilement fluidité, assurance et compétence.
Il reste maintenant à apprendre le geste le plus important : vérifier.
Vérifier ne signifie pas tout recommencer
Contrôler une réponse ne consiste pas à refaire intégralement le travail de l’IA. Il s’agit de concentrer son attention sur les éléments susceptibles de modifier une décision ou de tromper le lecteur.
Toutes les réponses ne présentent pas le même risque. Demander des idées de titres pour une histoire n’a pas les mêmes conséquences que rechercher la dose d’un médicament, interpréter un contrat ou évaluer un placement financier.
On peut distinguer trois niveaux.
Niveau 1 : conséquence faible
Il concerne les idées, les reformulations, les plans provisoires, les exercices créatifs ou les suggestions que vous pouvez facilement corriger.
Une vérification rapide suffit généralement. Vous contrôlez surtout la cohérence et l’adaptation à votre besoin.
Niveau 2 : conséquence modérée
Il concerne les dates, les chiffres, les citations, les biographies, les comparaisons de produits, les informations professionnelles ou les contenus destinés à être publiés.
Les affirmations importantes doivent être retrouvées dans au moins une source fiable et, si possible, recoupées.
Niveau 3 : conséquence élevée
Il concerne la santé, le droit, les finances, la sécurité, la réputation d’une personne ou toute décision pouvant produire un dommage sérieux.
La réponse de l’IA ne doit jamais constituer l’unique fondement de la décision. Elle peut aider à préparer des questions ou à comprendre un document, mais la validation doit venir d’une source officielle ou d’un professionnel compétent.
Plus les conséquences d’une erreur sont importantes, plus le contrôle humain doit être exigeant.
La méthode SOURCE : six réflexes pour vérifier
Pour ne pas se perdre, retenons un mot simple : SOURCE. Chaque lettre correspond à une étape.
S — Séparer les faits des interprétations
Commencez par repérer ce que l’IA affirme réellement.
Dans une réponse, plusieurs types de contenus peuvent être mélangés :
un fait vérifiable ;
une estimation ;
une interprétation ;
une recommandation ;
une opinion formulée comme une évidence.
Prenons cette phrase : « L’intelligence artificielle supprimera 40 % des emplois administratifs avant 2030. »
Elle contient un pourcentage, une catégorie d’emplois et une échéance. Ce sont trois éléments vérifiables. Avant de discuter des conséquences, il faut retrouver l’étude exacte qui soutient cette affirmation.
Une question utile à poser à l’IA est :
Dans ta réponse, distingue clairement les faits vérifiables, les estimations, les interprétations et les recommandations.
Cette demande améliore la lisibilité, mais elle ne remplace pas la vérification externe.
O — Obtenir des références précises
Demandez ensuite les références complètes :
nom de l’auteur ou de l’organisme ;
titre du document ;
date de publication ;
adresse de la page ;
passage ou tableau qui soutient l’affirmation.
Évitez la demande trop générale : « Donne-moi tes sources. » Elle peut produire une liste impressionnante mais inutilisable.
Préférez :
Pour chaque chiffre important, indique la source exacte, sa date, son auteur et le passage qui permet de vérifier l’affirmation. Si tu ne peux pas retrouver une source, écris clairement “source non vérifiée”.
Une IA peut néanmoins inventer une référence complète. Un titre crédible, un nom d’auteur et une date précise ne prouvent pas que le document existe.
U — Utiliser la source originale
Une information reprise par plusieurs sites peut provenir d’une seule publication mal interprétée. Il faut donc remonter aussi souvent que possible à la source première :
texte officiel pour une règle ;
étude originale pour un résultat scientifique ;
organisme statistique pour un chiffre ;
communiqué ou rapport de l’institution concernée ;
déclaration complète plutôt qu’un extrait cité ailleurs.
Une page qui commente une étude peut être utile pour la comprendre, mais elle ne doit pas remplacer le document initial lorsque celui-ci est accessible.
Vérifiez aussi que le lien mène bien au contenu annoncé. Une adresse réelle peut ouvrir une page qui ne contient absolument pas l’affirmation attribuée.
R — Recouper avec une source indépendante
Une seule source peut être erronée, ancienne ou orientée. Cherchez une confirmation indépendante.
Le mot indépendante est essentiel. Dix articles qui recopient le même communiqué ne constituent pas dix vérifications.
Pour un sujet général, un bon recoupement peut associer :
une source institutionnelle ;
une publication scientifique ou technique ;
une analyse provenant d’un média ou d’un spécialiste reconnu.
Si les sources se contredisent, ne choisissez pas automatiquement celle qui confirme votre intuition. Comparez leur date, leur méthode, leur champ d’étude et leurs définitions.
C — Contrôler la date, le contexte et les chiffres
Une affirmation peut avoir été exacte et ne plus l’être. Les logiciels évoluent, les lois changent, les prix varient et de nouvelles études corrigent les précédentes.
Posez-vous cinq questions :
De quand date l’information ?
Dans quel pays ou dans quelle population a-t-elle été observée ?
Le chiffre est-il absolu ou relatif ?
L’étude décrit-elle une corrélation ou une véritable causalité ?
La conclusion générale respecte-t-elle les limites du document ?
Un taux qui passe de 1 cas à 2 cas représente une augmentation de 100 %, mais seulement un cas supplémentaire. Sans contexte, le pourcentage produit une impression disproportionnée.
Soyez également attentif aux formulations comme « les chercheurs ont prouvé ». En sciences, les résultats sont souvent plus prudents : ils suggèrent, observent, estiment ou établissent une relation dans des conditions précises.
E — Évaluer les conséquences d’une erreur
La dernière étape détermine le niveau de prudence nécessaire.
Demandez-vous :
Que se passe-t-il si cette information est fausse ?
Puis-je la corriger facilement ?
Concerne-t-elle la santé, le droit, l’argent ou la réputation ?
Vais-je la publier ou la transmettre à d’autres personnes ?
Une décision irréversible en dépend-elle ?
Cette évaluation évite deux excès : croire l’IA sans contrôle ou, à l’inverse, vérifier chaque phrase anodine pendant des heures.
Un exemple complet : vérifier une affirmation
Imaginons que l’IA affirme :
« Une étude européenne montre que 60 % des emplois actuels disparaîtront à cause de l’IA dans les cinq prochaines années. »
La phrase est spectaculaire. Appliquons la méthode SOURCE.
1. Séparer
Les éléments vérifiables sont :
l’existence d’une étude européenne ;
le chiffre de 60 % ;
la disparition des emplois, et non leur transformation ;
l’échéance de cinq ans.
2. Obtenir
Nous demandons le titre exact, l’organisme, la date, le lien et la page où figure le chiffre.
3. Utiliser l’original
Nous ouvrons le rapport lui-même. Peut-être découvre-t-on qu’il parle de tâches automatisables et non d’emplois supprimés.
4. Recouper
Nous recherchons d’autres travaux sur le même sujet, publiés par des organismes distincts.
5. Contrôler
Nous examinons le territoire étudié, les métiers concernés, les hypothèses et la date de collecte des données.
6. Évaluer
Si cette affirmation doit être publiée dans un article, le contrôle doit être approfondi. Si elle sert seulement de point de départ à une discussion privée, on peut la présenter comme une hypothèse non confirmée.
À la fin, la phrase initiale pourrait devenir :
« Plusieurs études estiment qu’une part importante des tâches professionnelles pourrait être transformée par l’IA. Elles ne permettent toutefois pas de conclure que 60 % des emplois disparaîtront dans les cinq prochaines années. »
La formulation est moins spectaculaire, mais beaucoup plus fidèle.
Peut-on demander à l’IA de se vérifier elle-même ?
Oui, à condition de comprendre la limite de l’exercice.
Vous pouvez lui demander :
de rechercher les contradictions de sa réponse ;
d’indiquer les points dont elle est incertaine ;
de proposer des hypothèses alternatives ;
de distinguer ce qu’elle sait de ce qu’elle déduit ;
de produire une liste d’éléments à contrôler.
Par exemple :
Relis ta réponse comme un vérificateur critique. Identifie les affirmations factuelles, les chiffres, les dates et les citations. Pour chacune, indique le niveau de confiance et la vérification externe nécessaire.
Cette seconde lecture peut révéler des fragilités. Elle ne constitue toutefois pas une preuve indépendante, car le même système peut répéter son erreur sous une autre forme.
Demander à l’IA de se corriger est utile. La confronter au monde réel reste indispensable.
Une IA connectée à Internet est-elle forcément fiable ?
Non. L’accès au Web améliore la possibilité de retrouver une information récente, mais il ne garantit ni la qualité de la source ni la justesse de l’interprétation.
Le système peut :
choisir une page peu fiable ;
confondre la date de publication et la date de l’événement ;
résumer incorrectement un document ;
reprendre une information copiée de site en site ;
citer une source qui ne soutient pas réellement la conclusion.
La présence de liens est donc un progrès, pas une garantie.
Les signaux qui doivent vous alerter
Certaines caractéristiques justifient une vérification immédiate :
un chiffre très précis sans source identifiable ;
une citation attribuée à une personnalité sans contexte ;
une étude dont le titre paraît parfaitement adapté à la question ;
une réponse catégorique sur un sujet controversé ;
une date, une loi ou une fonction susceptible d’avoir changé ;
une explication qui confirme exactement ce que vous espériez entendre ;
une référence introuvable dans un moteur de recherche ou sur le site de l’organisme annoncé ;
un lien réel dont le contenu ne correspond pas à la description.
L’absence de ces signaux ne prouve pas que la réponse est exacte. Ils servent simplement de détecteurs rapides.
La vérification express en soixante secondes
Lorsque le sujet n’est pas à haut risque, appliquez cette vérification courte :
Quelle est l’affirmation centrale ?
Quelle est sa source originale ?
La source existe-t-elle réellement ?
Est-elle récente et replacée dans son contexte ?
Une source indépendante confirme-t-elle l’essentiel ?
Quelles seraient les conséquences si elle était fausse ?
Si vous ne pouvez pas répondre à l’une de ces questions, présentez l’information avec prudence ou poursuivez la recherche.
Le rôle juste de l’intelligence artificielle
Une IA est particulièrement utile pour :
explorer un sujet ;
dégager des pistes ;
reformuler une explication ;
préparer une liste de questions ;
comparer des arguments ;
repérer les éléments qui méritent une recherche.
Elle devient dangereuse lorsqu’on transforme sa première réponse en verdict.
L’objectif n’est donc pas de se méfier systématiquement, mais d’adopter une confiance proportionnée. Nous pouvons profiter de la rapidité de l’outil tout en conservant la responsabilité de ce que nous croyons, publions et décidons.
L’IA peut accélérer la recherche. Elle ne peut pas prendre à notre place la responsabilité de vérifier.
Et maintenant ?
Savoir contrôler une réponse est essentiel. Mais la qualité du résultat dépend aussi de la manière dont nous formulons notre demande.
Un objectif flou produit souvent une réponse générale. Un contexte incomplet oblige l’IA à combler les vides. Une consigne imprécise laisse la machine choisir elle-même le format, le niveau et les priorités.
Le prochain article montrera comment construire une demande claire avec une méthode simple : Contexte, Action, Données, Résultat et Exigences.
Lire la suite : Bien interroger une IA, l’art de poser les bonnes questions
Sources et repères
NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
NIST — AI Risk Management Framework
UNESCO — Guidance for generative AI in education and research
UNESCO — AI and technologies in education
Le profil du NIST recommande notamment de contrôler les sources et les citations présentes dans les productions des systèmes génératifs. Les recommandations de l’UNESCO insistent sur l’esprit critique, l’action humaine et une utilisation de l’IA centrée sur la personne.