TL;DR. Une citation n’est pas une vérification. Dans un audit humain de quatre moteurs de recherche génératifs, seules 51,5 % des phrases générées étaient entièrement étayées par leurs citations. Dans une étude de 2025 portant sur des réponses médicales, même GPT-4o avec recherche web laissait 30,3 % de ses énoncés sans appui dans ses propres sources ; un audit de 2025 publié en prépublication, consacré aux systèmes de recherche et de recherche approfondie (deep research), a relevé des taux d’énoncés non étayés allant de 12,5 % à 97,5 %. Demander au modèle de se revérifier lui-même est peu efficace : sans retour extérieur, l’exactitude de GPT-3.5 sur un benchmark de raisonnement est tombée de 75,8 % à 41,8 %. Ce qui fonctionne, c’est ce que font les fact-checkeurs professionnels : découper la réponse en affirmations, ouvrir la source, trouver la phrase exacte et lire latéralement pour savoir qui se trouve derrière. Le réflexe du CEO : rédiger une norme de vérification pour tout ce qui sort sous votre nom, en précisant ce qui doit être retracé, par qui et à quelle profondeur. Le réflexe de l’étudiant : s’exercer à la décomposition des affirmations et à la lecture latérale, et tenir un registre de ce que vous avez vérifié et de ce qui n’a pas tenu.
Ce guide fait partie de la série consacrée à la compétence d’évaluation. Le guide des signaux d’alerte couvre les signes d’avertissement visibles au sein d’une seule réponse, la taxe de vérification traite de ce que coûte la vérification, et pourquoi l’IA hallucine en explique les mécanismes. Cet article est la procédure à suivre avant de vous fier à une réponse.
Pourquoi avez-vous besoin d’une procédure plutôt que d’une impression ?
Parce que l’impression pointe dans la mauvaise direction. Lorsque Nelson Liu, Tianyi Zhang et Percy Liang, à Stanford, ont audité quatre moteurs de recherche génératifs sur 1 450 requêtes au début de 2023, la précision des citations était inversement corrélée à l’utilité perçue : les réponses qui semblaient les plus utiles étaient souvent celles qui contenaient le plus d’énoncés non étayés ou de citations inexactes.
La confiance désactive aussi la vérification. Dans deux expériences préenregistrées réunissant 5 387 participants au total, Folco Panizza et ses collègues ont montré à certains participants une fenêtre contextuelle conseillant la lecture latérale et la retenue au clic. Dans une analyse exploratoire de la première expérience, seuls 6,7 % de ces participants ont utilisé ces techniques lorsqu’une publication provenait d’une source de confiance, contre 20 % lorsque la source était inconnue. Une réponse d’IA aux notes de bas de page soignées ressemble à une source de confiance. Une procédure écrite relie la vérification au type d’affirmation et aux enjeux, et non à l’impression que donne la réponse.
La citation étaye-t-elle vraiment l’affirmation ?
Trois études ont vérifié, énoncé par énoncé, si les réponses d’IA sont appuyées par les sources qu’elles citent. Elles diffèrent par la tâche (questions web, questions médicales, requêtes de débat et d’expertise), la notation (annotateurs humains ; un juge GPT-4o qui concordait avec le consensus de trois médecins dans 88,7 % des cas, contre un accord moyen de 86,1 % entre les médecins ; un juge GPT-5 validé par rapport à des évaluateurs humains), la date (de 2023 à août 2025) et l’unité. Liu et ses collègues exigeaient que les propres citations d’un énoncé l’étayent entièrement ; Kevin Wu, Eric Wu, James Zou et leurs collègues acceptaient n’importe quelle source de la réponse ; DeepTRACE, une prépublication de septembre 2025 de Pranav Narayanan Venkit et ses collègues, acceptait n’importe quelle source listée. Le tableau est descriptif, ce n’est pas un classement.
La citation étaye-t-elle l’affirmation ? Part des énoncés étayés et non étayés, par système
| Étude (notation ; période) | Système, tel qu’étiqueté | Énoncés étayés (%) | Énoncés non étayés (%) | Citations qui étayent leur énoncé (%) |
|---|---|---|---|---|
| Liu, Zhang et Liang (annotateurs humains ; réponses de février-mars 2023) | Bing Chat | 58,7 | 41,3* | 89,5 |
| NeevaAI | 67,6 | 32,4* | 72,0 | |
| perplexity.ai | 68,7 | 31,3* | 72,7 | |
| YouChat | 11,1 | 88,9* | 63,6 | |
| Wu et al., Nature Communications (juge GPT-4o validé par des médecins ; 800 questions médicales) | GPT-4o (RAG) | 69,7 | 30,3* | n/c |
| Gemini Ultra 1.0 (RAG) | 55,6 | 44,4* | n/c | |
| GPT-4o (API) | 47,3 | 52,7* | n/c | |
| Claude v2.1 (API) | 30,4 | 69,6* | n/c | |
| Mistral Medium (API) | 27,8 | 72,2* | n/c | |
| Mixtral-8x7b (API) | 15,8 | 84,2* | n/c | |
| Gemini Pro (API) | 18,6 | 81,4* | n/c | |
| DeepTRACE, Narayanan Venkit et al., prépublication (juge GPT-5 ; corpus au 27 août 2025) | You.com (search) | 69,2* | 30,8 | 68,3 |
| BingChat (search) | 76,9* | 23,1 | 65,8 | |
| Perplexity (search) | 68,4* | 31,6 | 49,0 | |
| GPT 4.5 (search) | 53,0* | 47,0 | 39,8 | |
| GPT-5 Deep Research | 87,5* | 12,5 | 79,1 | |
| YouChat Deep Research | 25,4* | 74,6 | 72,3 | |
| GPT-5 Web Search | 41,1* | 58,9 | 31,4 | |
| Perplexity Deep Research | 2,5* | 97,5 | 58,0 | |
| Copilot Think Deeper | 9,8* | 90,2 | 62,1 | |
| Gemini Deep Research | 46,4* | 53,6 | 50,3 |
Analyse CEOtudent de Liu, Zhang et Liang (2023), Wu et al. (2025, tableau supplémentaire 4) et Narayanan Venkit et al. (2025, figure 2 et tableau 1). Les chiffres sans astérisque sont tels que publiés (les proportions de Wu et al. sont exprimées en pourcentages) ; * = 100 moins la part publiée. n/c = non communiqué. Le texte de DeepTRACE indique une exactitude des citations de 40,3 % pour Gemini Deep Research, mais son tableau 1 affiche 50,3 % ; c’est la valeur du tableau qui est reprise.
Quatre constats se dégagent.
- Même le meilleur système de chaque étude a laissé une large part sans appui : 31,3 % dans l’audit de Liu, 30,3 % dans celui de Wu, 12,5 % dans DeepTRACE. Dans 19 des 21 lignes, au moins un quart des énoncés manquaient d’appui ; les médianes étaient de 36,9 %, 69,6 % et 50,3 %.
- L’accès au web aide, mais ne règle pas la question. Dans l’étude de Wu, les modèles sans accès au web ne produisaient des URL fonctionnelles que dans 41,2 % à 68,7 % des cas, et peu de liens cassés avaient des versions archivées, ce que les auteurs interprètent comme le signe qu’ils avaient été inventés. Dans DeepTRACE, GPT-5 Deep Research laissait 12,5 % des énoncés sans appui, GPT-5 Web Search 58,9 %.
- Les réponses entières s’en sortent moins bien que les énoncés isolés. Dans l’étude de Wu, 44,7 % à 93,0 % des réponses contenaient au moins un énoncé non étayé. Le benchmark ALCE de Princeton (EMNLP 2023) a constaté qu’environ 50 % des réponses de ses bases de référence ChatGPT et GPT-4 sur le jeu de données ELI5 n’étaient pas entièrement étayées par les passages cités.
- Plus de sources ne signifie pas plus d’appui. YouChat Deep Research listait 57,2 sources par réponse, environ 3,1 fois les 18,3 de GPT-5 Deep Research, et laissait 74,6 % des énoncés sans appui. Selon les mots des auteurs, « davantage de sources et des réponses plus longues ne se traduisent pas en fiabilité ».
Considérez ces chiffres comme une vue extérieure : dans aucune des 21 lignes, le taux de base de « cet énoncé cité n’est pas étayé » n’est inférieur à un sur huit (12,5 %).
Que font les fact-checkeurs professionnels que les autres ne font pas ?
Les données les plus claires sur la façon dont des personnes compétentes vérifient des informations inconnues viennent de Sam Wineburg et Sarah McGrew, à Stanford, qui ont observé 45 personnes réfléchir à voix haute en évaluant des sites web en ligne : 10 historiens titulaires d’un doctorat, 10 fact-checkeurs professionnels et 25 étudiants de premier cycle de Stanford.
Comment fact-checkeurs, historiens et étudiants ont évalué des sites web inconnus
| Mesure (tâche) | Fact-checkeurs (n = 10) | Historiens docteurs (n = 10) | Étudiants de premier cycle (n = 25) |
|---|---|---|---|
| Temps moyen avant de quitter la page d’accueil de l’American College of Pediatricians (tâche sur le harcèlement) | 32 s | 88 s (8 sur 10 l’ont quittée) | 100 s (les 16 qui l’ont quittée ; 9 ne l’ont jamais quittée) |
| Qualité moyenne de la conclusion sur ce site (0-2) | 2 | 0,7 | 0,16 |
| Qualité moyenne de la conclusion sur minimumwage.com avant incitation (0-4) | 3,3 | 1,3 | 0,52 |
| Temps moyen pour identifier l’organisation mère du site | 51 s | 3 min 40 s | 5 min 18 s |
| Ont eu besoin d’une incitation pour la trouver | L’ont trouvée sans incitation | 6 sur 10 | Environ quatre cinquièmes |
| Temps moyen pour identifier qui a financé un procès (tâche Vergara) | 2 min 8 s | 2 min 1 s | 1 min 42 s |
Source : Wineburg et McGrew, Lateral Reading and the Nature of Expertise, Teachers College Record (version de prépublication datée du 28 juillet 2018). Chiffres tels que publiés.
La différence tenait à la méthode. Les fact-checkeurs prenaient leurs repères, lisaient latéralement (ils quittaient un site après un rapide survol pour apprendre ce que d’autres en disent) et pratiquaient la retenue au clic (parcourir les résultats de recherche avant de cliquer). Dans la tâche sur le harcèlement, 60 % des étudiants ont jugé le College, un groupe dissident, plus fiable que l’American Academy of Pediatrics ; tous les fact-checkeurs ont choisi l’Academy. Dans la tâche sur le procès, les fact-checkeurs ont été les plus lents, mais « les plus sélectifs quant aux sites qu’ils visitaient ». L’un d’eux a confirmé un nom en cherchant dans un article de presse avec le raccourci Commande-F, le cœur de l’étape 3 ci-dessous.
La plupart des gens ne maîtrisent pas cette compétence, et elle peut s’enseigner. Dans une évaluation portant sur 3 446 lycéens américains, 96 % n’ont jamais découvert qu’un site prétendant présenter des faits sur le climat avait des liens avec l’industrie des combustibles fossiles. Dans des sections d’éducation civique appariées par enseignant, étudiées par Jessica Brodsky et ses collègues (136 étudiants formés à la lecture latérale, 94 témoins), la part de ceux qui lisaient latéralement et parvenaient à un verdict correct sur un problème de fausse information est passée de 2,2 % à 43,7 % ; les témoins ont terminé à 1,1 %. Une étude de terrain menée à l’échelle d’un district scolaire par Wineburg et ses collègues, avec six leçons de 50 minutes pour 271 élèves contre 228 dans des classes ordinaires, a montré que les élèves formés « ont progressé de manière significative » dans l’évaluation de la crédibilité. Une boîte à outils publiée en 2024 dans Nature Human Behaviour, tirée de 81 articles scientifiques, classe la lecture latérale parmi les neuf grands types d’intervention contre la désinformation.
Pour le travail avec l’IA, la transposition est directe : une réponse d’IA est un site web inconnu sans page « À propos ». La lire plus attentivement relève de la lecture verticale ; la vérifier, c’est la quitter.
Pourquoi ne pas simplement demander au modèle : « Tu es sûr ? »
Parce que, sans information venant de l’extérieur de la conversation, un modèle n’a pas grand-chose à quoi se confronter pour se corriger. Jie Huang et ses collègues de Google DeepMind et de l’Université de l’Illinois ont testé l’autocorrection « intrinsèque », dans laquelle le modèle réexamine sa propre réponse sans aucun retour extérieur (ICLR 2024).
Exactitude avant et après autocorrection intrinsèque (%)
| Modèle | Benchmark | Prompt standard | Après deux cycles d’autocorrection | Variation (points) |
|---|---|---|---|---|
| GPT-3.5 | GSM8K (mathématiques) | 75,9 | 74,7 | -1,2* |
| GPT-3.5 | CommonSenseQA | 75,8 | 41,8 | -34,0* |
| GPT-4 | GSM8K (mathématiques) | 95,5 | 89,0 | -6,5* |
| GPT-4 | CommonSenseQA | 82,0 | 80,0 | -2,0* |
Source : Huang et al., Large Language Models Cannot Self-Correct Reasoning Yet, ICLR 2024, tableau 3 (lignes GSM8K et CommonSenseQA). Chiffres tels que publiés ; * variation calculée par CEOtudent.
Des gains n’apparaissaient que lorsque l’étape de correction savait si la réponse était juste (GPT-3.5 sur GSM8K est passé de 75,9 à 84,3 avec ces étiquettes « oracle »), une information dont vous ne disposez pas en situation réelle. L’explication des auteurs est sans détour : les modèles « ne peuvent pas juger correctement la justesse de leur raisonnement ». Pour le constat distinct selon lequel un simple « Tu es sûr ? » fait souvent basculer une réponse correcte, voir le guide des signaux d’alerte.
La vérification structurée fait mieux. Dans Chain-of-Verification (Shehzaad Dhuliawala et ses collègues chez Meta AI, Findings of ACL 2024), le modèle rédige une réponse, planifie des questions de vérification, y répond séparément, puis révise. Sur des questions de listes Wikidata, la précision a plus que doublé, passant de 0,17 à 0,36 ; sur des biographies, le FactScore a progressé de 28 %, de 55,9 à 71,4. Deux détails comptent aussi pour les humains. Répondre aux questions de vérification sans avoir le brouillon sous les yeux a donné de meilleurs résultats que d’y répondre avec le brouillon à côté (FactScore de 63,7 contre 60,8), car un vérificateur qui voit le brouillon risque d’en répéter les erreurs. Et dans la configuration factorisée, les vérifications par oui ou non ont fait moins bien que les questions ouvertes ; dans les exemples des auteurs, ChatGPT « tend à approuver les faits présentés sous forme de question fermée (oui/non), qu’ils soient vrais ou faux ».
Le protocole ci-dessous reprend ces trois leçons : vérifier par rapport à quelque chose d’extérieur au brouillon, poser des questions ouvertes plutôt que « est-il vrai que… ? », et y répondre sans que le brouillon vous oriente.
Le protocole de vérification en 5 étapes
Cadre éditorial CEOtudent : le protocole de vérification en 5 étapes
| Étape | Que faire | La question à poser | Données sur lesquelles elle repose | Critère d’arrêt |
|---|---|---|---|---|
| 1. Décomposer | Découpez la réponse en affirmations uniques et vérifiables, et étiquetez chacune selon son type. Signalez à part les opinions et le cadrage. | « Qu’est-ce qui est affirmé exactement ici, et cette seule phrase pourrait-elle être fausse à elle seule ? » | Les études sur les citations notent énoncé par énoncé ; dans Chain-of-Verification, des questions courtes et séparées obtenaient des réponses plus exactes que la requête d’origine | Chaque phrase figure soit sur la liste des affirmations, soit est signalée comme cadrage sans contenu factuel |
| 2. Trier | Indiquez les enjeux de chaque affirmation et choisissez un niveau de profondeur. Signalez les affirmations qui changeraient une décision si elles étaient fausses. | « Si c’est faux, qui est concerné, et est-ce réversible ? » | Les taux d’appui varient de 2,5 % à 87,5 % des énoncés selon le système (tableau ci-dessus), donc aucun niveau de confiance uniforme n’est sûr | Les affirmations de niveau 1 peuvent ne pas être retracées si elles sont étiquetées « non vérifié » ; toute affirmation critique passe à l’étape 3 |
| 3. Retracer | Ouvrez la source citée (ou la source primaire). Cherchez-y le terme clé ou le chiffre avec Ctrl+F ou Commande-F. Copiez la phrase qui l’étaye. | « Dans quelle phrase, à quelle page, la source dit-elle cela ? » | Seuls 51,5 % des énoncés entièrement étayés et 74,5 % des citations étayant leur énoncé (Liu et al.) ; les fact-checkeurs localisent le texte exact (Wineburg et McGrew) | Étayée seulement si vous pouvez coller la phrase. Partiellement : restreignez l’affirmation à cette phrase. Rien après deux recherches ciblées : non étayée, ne l’utilisez pas |
| 4. Lire latéralement | Quittez la source. Découvrez qui se trouve derrière, et si une source indépendante, ou le document primaire, dit la même chose. | « Qui a publié ceci, que disent les autres à son sujet, et une source indépendante est-elle d’accord ? » | Les fact-checkeurs ont surpassé historiens et étudiants en quittant les sites tôt ; la compétence s’apprend (Brodsky et al. ; Wineburg et al.) | Deux sources indépendantes concordent, ou vous détenez le document primaire lui-même (texte de loi, dépôt officiel, jeu de données, article original) |
| 5. Recalculer et consigner | Refaites chaque calcul à partir des données de la source ; vérifiez l’année, l’unité, le dénominateur et l’édition. Consignez le verdict. | « Chaque chiffre résiste-t-il au recalcul, et quelqu’un d’autre pourrait-il refaire ma vérification à partir du registre ? » | L’autoévaluation sans information extérieure a réduit l’exactitude (Huang et al.) ; la vérification indépendante l’a augmentée (Dhuliawala et al.) | Chaque affirmation a un verdict consigné : garder, restreindre, supprimer ou faire remonter |
Une remarque pratique : à l’étape 1, scindez les phrases composées. « Les ventes ont fortement augmenté après la nouvelle loi » contient trois affirmations : que les ventes ont augmenté, de combien, et pourquoi.
Jusqu’où faut-il aller ?
Tous les contenus ne méritent pas les cinq étapes ; le tri par enjeux fixe la profondeur. Il complète les paliers de budget temps de la taxe de vérification et la conception des points de contrôle présentée dans la supervision humaine par conception.
Cadre éditorial CEOtudent : tri par enjeux
| Niveau | Contenus typiques | Étapes à appliquer | Qui vérifie |
|---|---|---|---|
| 1. Privé et réversible | Notes pour soi, remue-méninges, premiers jets, points de départ de recherche | Étapes 1-2 sur l’ensemble du contenu ; étapes 3 et 5 pour tout chiffre, nom ou citation que vous réutiliserez | Vous |
| 2. Partagé ou utile à une décision | Notes internes, analyses qui éclairent une décision d’équipe, code fusionné après revue | Les cinq étapes pour chaque affirmation critique ; étape 4 pour toute source que vous ne connaissez pas déjà | Vous, avec le registre joint |
| 3. Sous votre nom, irréversible ou réglementé | Livrables clients, articles publiés, contenus juridiques, médicaux, financiers ou liés à la sécurité | Les cinq étapes pour chaque affirmation factuelle ; deux sources indépendantes ou le document primaire pour chaque affirmation critique | Vous, plus un second lecteur qui refait un échantillon du registre |
Montez d’un niveau en cas de doute. Descendre d’un niveau exige une raison que vous pourriez défendre si le contenu se révélait faux.
Quelle vérification pour quelle affirmation ?
Les affirmations n’échouent pas toutes de la même manière, si bien que la vérification primaire la plus rapide diffère elle aussi.
Cadre éditorial CEOtudent : matrice d’orientation par type d’affirmation
| Type d’affirmation | Vérification primaire la plus rapide | Mode d’échec typique |
|---|---|---|
| Chiffre ou statistique | Le tableau ou le jeu de données de l’éditeur d’origine ; faire concorder l’année, l’édition, l’unité et le dénominateur | Un vrai chiffre issu de la mauvaise année ou de la mauvaise base ; un chiffre dérivé présenté comme publié |
| Citation directe | Rechercher l’expression exacte dans le texte original ou la transcription ; vérifier l’auteur des propos et le contexte | Une paraphrase présentée comme une citation ; les bons mots, mais le mauvais auteur ou un contexte manquant |
| Citation bibliographique ou référence | Rechercher le titre exact ou le DOI sur le site de l’éditeur, puis lui appliquer l’étape 3 | Une référence qui n’existe pas ; une vraie référence qui ne dit pas ce pour quoi elle est citée |
| Date ou événement | Le document primaire daté : annonce officielle, dépôt officiel, page de publication | Une erreur d’un an ou d’une version ; deux événements fusionnés en un seul |
| Loi ou réglementation | Le texte consolidé en vigueur sur le registre officiel, avec les dates de modification | Une disposition ou une échéance remplacée citée comme si elle était en vigueur |
| Comportement du code | L’exécuter sur un test dont la réponse est connue ; lire la documentation de la version installée | Du code qui s’exécute mais ne fait pas ce qu’il faut ; une fonction ou une option qui n’existe pas |
| Affirmation causale | Le protocole de l’étude et la taille de l’effet dans l’article lui-même | Une corrélation présentée comme une cause ; une seule étude généralisée à tout le monde |
| Statut « actuel » ou « le plus récent » | La page de dernière édition de l’éditeur lui-même et sa date | Une édition périmée présentée comme la plus récente ; des extraits de recherche en retard sur la page en ligne |
Le guide sur les mécanismes explique pourquoi les faits arbitraires comme les dates, les titres et les chiffres sont ceux sur lesquels les modèles devinent le plus souvent.
Un exemple concret : une phrase à travers les cinq étapes
La phrase ci-dessous est une hypothèse illustrative rédigée dans le style d’un résumé d’IA, et non une production d’un système réel. « Une étude de Stanford a montré que les fact-checkeurs professionnels étaient plus rapides que les historiens et les étudiants dans toutes les tâches, et qu’ils quittaient les sites web peu fiables quatre fois plus vite. »
- Décomposer. Trois affirmations : (a) une étude de Stanford a comparé ces groupes ; (b) les fact-checkeurs ont été plus rapides dans toutes les tâches ; (c) ils ont quitté les sites quatre fois plus vite.
- Trier. La phrase est destinée à une présentation client, donc niveau 3.
- Retracer. L’affirmation (a) tient : Wineburg et McGrew ont étudié 10 fact-checkeurs, 10 historiens et 25 étudiants. L’affirmation (b) échoue : dans la tâche sur le procès, ce sont les étudiants qui ont été les plus rapides (1 min 42 s contre 2 min 8 s). L’affirmation (c) est partielle : dans la tâche sur le harcèlement, les fact-checkeurs ont quitté la page d’accueil en 32 secondes, les historiens en 88.
- Lire latéralement. L’article a été accepté par Teachers College Record, une revue universitaire ; les études ultérieures menées en classe confirment la méthode, pas l’affirmation sur la vitesse.
- Recalculer et consigner. 88 / 32 = 2,75, ce que l’article qualifie de « presque trois fois ». Dans la tâche sur le salaire minimum, 3 min 40 s contre 51 s donne 4,3 fois, ce que le « près de quatre fois » de l’article sous-estime. Verdict : restreindre. Version utilisable : « Dans une étude de Stanford, les fact-checkeurs ont quitté un site inconnu en 32 secondes en moyenne, contre 88 pour les historiens, mais n’ont pas été les plus rapides dans toutes les tâches. »
Le registre de vérification : un modèle à copier
Tenez une ligne par affirmation vérifiée. Le registre transforme la vérification en un document qu’un collègue peut auditer, et alimente la revue des erreurs décrite dans apprendre des erreurs de l’IA.
| N° | Affirmation (une phrase) | Type | Niveau | Source ouverte (titre, date, page) | Phrase d’appui exacte trouvée ? | Seconde source indépendante | Chiffre recalculé | Verdict | Vérifié par, date |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Les fact-checkeurs ont quitté les sites quatre fois plus vite | Chiffre | 3 | Wineburg et McGrew, prépublication 2018, tâches sur le harcèlement et sur le salaire minimum | Partiellement : 32 s contre 88 s ; 51 s contre 3 min 40 s | Inutile : article primaire | Oui : 2,75 et 4,3 | Restreindre | Initiales, date |
Liste de contrôle d’une page avant que quoi que ce soit ne quitte vos mains
- Chaque phrase factuelle figure sur la liste des affirmations, ou est signalée comme cadrage.
- Chaque affirmation critique est accompagnée d’une phrase d’appui collée depuis la source elle-même.
- Chaque référence a été trouvée sur le site de l’éditeur, et pas seulement dans la réponse de l’IA.
- Chaque source inconnue a été lue latéralement : qui la gère, qui la finance.
- Chaque chiffre a été recalculé à partir des données de la source, en vérifiant l’année et l’unité.
- Aucune affirmation ne repose uniquement sur la revérification du modèle par lui-même.
- Le travail de niveau 3 porte les initiales d’un second lecteur sur un échantillon de lignes.
Qu’est-ce que cela signifie pour le CEO et pour l’étudiant ?
Le réflexe du CEO : mettre la norme par écrit. Tout ce qui sort sous votre nom nécessite une norme de vérification d’une page : quels types d’affirmations doivent être retracés (au minimum les chiffres, les citations, les références et les énoncés juridiques ou médicaux dans les travaux destinés à l’extérieur), qui les retrace, à quel niveau, et où se trouve le registre. Ajoutez une règle : pas de phrase source, pas d’affirmation. Le calibrage de la confiance envers l’IA détermine quand se fier à une recommandation ; la norme détermine ce qui doit être prouvé d’abord.
Le réflexe de l’étudiant : entraîner les deux compétences dont dépend le protocole. La décomposition des affirmations est un exercice : découpez n’importe quel paragraphe d’IA en affirmations uniques jusqu’à ce qu’aucune ne puisse plus être scindée. La lecture latérale est une habitude : avant de lire une source attentivement, découvrez qui se trouve derrière. Notez votre degré de confiance dans chaque affirmation avant de vérifier, puis comparez-le au verdict, comme le décrit le calibrage de votre propre confiance. Avec le temps, le registre montre quels types d’affirmations vous trompent le plus, ce qui constitue le cœur pratique de l’écart de discernement.
Ce que cela ne signifie pas
Cela ne signifie pas que les réponses d’IA sont généralement fausses : une source manquante est un problème différent d’une affirmation fausse. Cela ne signifie pas non plus que les systèmes du tableau se classent aujourd’hui dans cet ordre ; ils ont été testés entre 2023 et 2025. Les données sur la lecture latérale proviennent principalement d’étudiants et de sites web, et non de productions d’IA, si bien que leur transposition au travail avec l’IA relève de l’inférence. Enfin, la vérification ne rend pas un contenu vrai ; elle fait correspondre votre confiance aux éléments dont vous disposez.
Questions fréquentes
Comment savoir si une réponse d’IA est vraie ?
Uniquement en retraçant ses affirmations critiques jusqu’à une source primaire et en trouvant la phrase qui étaye chacune d’elles. L’aisance, l’assurance et les notes de bas de page ne sont pas des preuves ; dans un audit, les réponses qui semblaient les plus utiles étaient souvent les moins étayées.
L’IA peut-elle vérifier sa propre réponse ?
Utilisez-la pour lister les affirmations et rédiger des questions de vérification, pas comme vérification finale. Sans information extérieure, l’autocorrection a réduit l’exactitude dans les tests de Huang et al. ; un questionnement structuré et indépendant l’a améliorée.
Les réponses d’IA accompagnées de citations sont-elles plus fiables ?
Les citations rendent la vérification possible, pas superflue. Dans les trois études ci-dessus, la part des énoncés sans appui allait de 12,5 % à 97,5 % selon le système.
Qu’est-ce que la lecture latérale ?
C’est quitter une source pour apprendre ce que des sources indépendantes en disent, au lieu de la juger d’après ses propres pages. Dans l’étude de Stanford, les fact-checkeurs quittaient une page inconnue en une demi-minute environ en moyenne ; des études en classe montrent qu’elle peut s’enseigner en quelques leçons.
Un second modèle d’IA constitue-t-il une vérification indépendante ?
Pas à lui seul. Il peut signaler des incohérences, mais les études ci-dessus montrent que même des modèles dotés de la recherche web citent souvent des sources qui ne les étayent pas. La vérification indépendante, c’est la source primaire.
Sources
- Liu, N. F., Zhang, T. et Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP 2023. arXiv 2304.09848, version 2.
- Wu, K., Wu, E., Zou, J. et collègues (2025). An automated framework for assessing how well LLMs cite relevant medical references. Nature Communications 16, 3615, ainsi que ses informations supplémentaires.
- Narayanan Venkit, P., Laban, P., Zhou, Y. et collègues (2025). DeepTRACE: Auditing Deep Research AI Systems for Tracking Reliability Across Citations and Evidence. arXiv 2509.04499, version 1 (prépublication d’auteurs de Salesforce AI Research et de Microsoft Research ; non évaluée par les pairs).
- Gao, T., Yen, H., Yu, J. et Chen, D. (2023). Enabling Large Language Models to Generate Text with Citations. EMNLP 2023. arXiv 2305.14627.
- Huang, J., Chen, X., Mishra, S. et collègues (2024). Large Language Models Cannot Self-Correct Reasoning Yet. ICLR 2024. arXiv 2310.01798, version 2.
- Dhuliawala, S., Komeili, M., Xu, J. et collègues (2024). Chain-of-Verification Reduces Hallucination in Large Language Models. Findings of ACL 2024, pages 3563-3578. arXiv 2309.11495.
- Wineburg, S. et McGrew, S. Lateral Reading and the Nature of Expertise: Reading Less and Learning More When Evaluating Digital Information. Teachers College Record. Version de prépublication datée du 28 juillet 2018, Stanford Digital Repository.
- Breakstone, J., Smith, M., Wineburg, S. et collègues (2021). Students’ Civic Online Reasoning: A National Portrait. Educational Researcher. Version de prépublication, Stanford Digital Repository.
- Brodsky, J. E., Brooks, P. J., Scimeca, D. et collègues (2021). Improving college students’ fact-checking strategies through lateral reading instruction in a general education civics course. Cognitive Research: Principles and Implications 6, 23.
- Wineburg, S., Breakstone, J., McGrew, S. et collègues (2022). Lateral Reading on the Open Internet: A District-Wide Field Study in High School Government Classes. Journal of Educational Psychology 114, 893-909 (résumé uniquement, notice ERIC EJ1372738).
- Panizza, F., Ronzani, P., Martini, C. et collègues (2022). Lateral reading and monetary incentives to spot disinformation about science. Scientific Reports 12, 5678.
- Kozyreva, A. et collègues (2024). Toolbox of individual-level interventions against online misinformation. Nature Human Behaviour, publié le 13 mai 2024 (résumé uniquement).
Note méthodologique. « La citation étaye-t-elle l’affirmation ? » est une analyse CEOtudent des sources 1-3 ; les cellules marquées d’un astérisque, les médianes et les fourchettes sont calculées à partir des chiffres publiés, de même que la colonne des variations du tableau sur l’autocorrection. Le protocole en 5 étapes, le tri par enjeux, la matrice d’orientation et le registre de vérification sont des cadres éditoriaux CEOtudent ; l’exemple concret utilise une phrase illustrative. Nous n’avons délibérément pas utilisé les chiffres de 2025 du Tow Center for Digital Journalism sur les citations de la recherche par IA, pourtant largement repris, car nous n’avons ni ouvert ni vérifié ce rapport. Les chiffres des audits de rédactions de l’EBU et de la BBC, des hallucinations devant les tribunaux, des références fabriquées, de FActScore, de SelfCheckGPT et de l’entropie sémantique figurent dans les articles liés de la série. Cet article fournit des informations générales et ne constitue pas un conseil juridique, médical ou financier.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
