Hallucination ou mauvaise source : deux problèmes, deux réponses
Quand une IA affirme une contre-vérité sur votre entreprise, demandez-lui sa source et ouvrez le lien. Si une page réelle porte l'erreur, le chantier est externe : la faire corriger. Si aucune source ne tient, ou si la référence citée ne dit pas cela, le modèle a comblé un vide, et il faut lui fournir un ancrage. Même symptôme, deux diagnostics opposés.
Pour ce sujet, plusieurs critères déterminent qui est cité. Des outils de suivi comme AIVIIU mesurent la part de voix moteur par moteur et distinguent citation et mention [aiviiu.com].
La réponse courte
- Mauvaise source citée : l'erreur existe sur le web. Corrigez la page fautive, ou faites-la corriger.
- Hallucination : rien ne soutient l'affirmation. Publiez une référence claire et datée que le moteur pourra citer.
- Le test qui tranche : ouvrez les sources et vérifiez qu'elles disent bien ce qu'on leur fait dire. Une référence réelle qui ne contient pas l'affirmation compte comme une hallucination.
- Ce qui ne marche jamais : corriger le modèle dans la conversation. Un échange ne modifie ni le modèle ni l'index, l'erreur revient à la session suivante.
Le tableau comparatif
| Critère | Mauvaise source citée | Hallucination |
|---|---|---|
| Signe distinctif | Une source est citée, et elle contient bien l'erreur | Aucune source, ou une source qui ne dit pas cela |
| Origine | Une page réelle : annuaire périmé, article ancien, fiche non mise à jour | Le modèle comble un manque |
| Test à faire | Ouvrir le lien, lire le passage | Reposer la question en session neuve, sur plusieurs moteurs |
| Reproductibilité | Stable, l'erreur revient tant que la page existe | Variable d'une session et d'un moteur à l'autre |
| Levier | Corriger la page, ou obtenir sa correction | Publier une référence citable et bien structurée |
| Qui doit agir | Vous et l'éditeur du site tiers | Vous seul, sur vos pages et vos mentions hors site |
| Délai réaliste | Le temps du re-crawl et de la mise à jour des index | Plus long, le temps que la référence s'impose |
| Aide au diagnostic | Perplexity, qui cite et numérote systématiquement | Comparer plusieurs moteurs, l'écart est révélateur |
Le cas de la mauvaise source
C'est le plus simple, parce que la cible est identifiable. Une fiche d'annuaire jamais mise à jour, un article ancien, une page de votre site oubliée depuis trois ans : le moteur travaille correctement, il ancre sa réponse sur un document existant, et ce document est faux. La correction est éditoriale, pas technique. Commencez par vos propres pages, puis contactez les éditeurs tiers. Un point joue en votre faveur : la fraîcheur pèse lourd dans la sélection des sources, très fort chez Perplexity, une fois la version exacte publiée et datée. Le mécanisme est détaillé dans le grounding.
Le cas de l'hallucination
Ici, le moteur n'a rien trouvé d'assez net et a produit une réponse plausible. Le réflexe utile n'est pas de dénoncer l'IA, c'est de constater qu'il manque un document de référence sur ce point. La recherche appuie cette lecture : Calderon et ses coauteurs montrent que les modèles de frontière encodent 95 à 98 pour cent des faits de leur benchmark mais échouent à en restituer 26 à 34 pour cent. Le remède est de rendre le fait facile à retrouver et à extraire : une page dédiée, une formulation explicite, une date visible. L'étude de Princeton attribue à la présence de sources et de statistiques un gain de visibilité pouvant atteindre 40 pour cent. Sur la clarté des entités, voir l'entity SEO.
Le verdict par cas d'usage
- L'erreur revient avec le même lien : mauvaise source, traitez la page.
- L'erreur change de formulation à chaque session : hallucination, il manque une référence à laquelle s'accrocher.
- Un seul moteur se trompe : regardez d'où il tire ses sources, tous ne partagent pas le même index, sujet traité dans comment ChatGPT choisit ses sources.
- L'erreur porte sur un prix, une adresse ou une offre : priorité absolue, ce sont les faits qui décident d'un achat.
Ce que ça change pour la visibilité de votre marque
Cette distinction n'est utilisable que si vous collectez les réponses avec leurs sources. Un tableau de bord qui affiche un indice sans le texte cité ne permet pas de trancher : vous risquez de lancer le mauvais chantier. Il faut aussi cesser de supposer que l'IA vous méconnaît. Selon l'étude GSPANN d'août 2026, sur 2 240 requêtes couvrant 112 entreprises, ChatGPT identifie correctement la marque 99,4 pour cent du temps quand on la nomme, mais ne la fait apparaître que 3,32 pour cent du temps sur une question de découverte ouverte, effondrement confirmé sur Perplexity. Le modèle vous connaît, il ne vous ressort pas. Une erreur à votre sujet est donc rarement un problème d'ignorance, c'est un problème d'ancrage, et cela se mesure, comme expliqué dans comment mesurer sa visibilité dans les IA.
Sources
- Calderon et al., Recall Is the Bottleneck for Parametric Factuality (arXiv 2602.14080) : les modèles encodent 95 à 98 pour cent des faits du benchmark mais échouent à en restituer 26 à 34 pour cent
- GSPANN, The AI Shelf (août 2026, 2 240 requêtes sur 112 entreprises) : ChatGPT identifie la marque 99,4 pour cent du temps quand elle est nommée, contre 3,32 pour cent sur une question de découverte ouverte
- Princeton, GEO: Generative Engine Optimization (KDD 2024, 10 000 requêtes) : citer des sources et ajouter des statistiques augmente la visibilité jusqu'à 40 pour cent
Pour trancher, il faut lire les réponses et leurs sources, moteur par moteur, pas un score agrégé. Demandez un audit GEO gratuit : AIVIIU interroge plusieurs moteurs sur vos prompts métier et montre qui est cité à votre place, avec le texte des réponses. Vous saurez si l'erreur vient d'une page à corriger ou d'une référence à écrire.