{"id":326596,"date":"2026-10-18T05:15:28","date_gmt":"2026-10-18T02:15:28","guid":{"rendered":"https:\/\/ceotudent.com\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe"},"modified":"2026-10-18T05:15:28","modified_gmt":"2026-10-18T02:15:28","slug":"signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe","title":{"rendered":"Les signaux d&rsquo;alerte des mauvaises r\u00e9ponses de l&rsquo;IA : 12 indices que le mod\u00e8le se trompe"},"content":{"rendered":"<p><strong>TL;DR.<\/strong> Les taux d&rsquo;erreur indiquent \u00e0 quelle fr\u00e9quence les mod\u00e8les \u00e9chouent en moyenne ; les signaux d&rsquo;alerte indiquent si la r\u00e9ponse que vous avez sous les yeux a des chances d&rsquo;\u00eatre l&rsquo;un de ces \u00e9checs. Ce guide pr\u00e9sente 12 sch\u00e9mas rep\u00e9rables \u00e0 l&rsquo;int\u00e9rieur d&rsquo;une r\u00e9ponse, chacun appuy\u00e9 par des donn\u00e9es publi\u00e9es et assorti d&rsquo;une v\u00e9rification con\u00e7ue pour prendre environ une minute. Dans une analyse CEOtudent des 2 083 d\u00e9cisions dont les erreurs sont d\u00e9taill\u00e9es dans l&rsquo;AI Hallucination Cases Database de Damien Charlotin (t\u00e9l\u00e9charg\u00e9e le 18 octobre 2026), 86,6 % impliquaient des autorit\u00e9s invent\u00e9es, mais 57,9 % contenaient au moins un probl\u00e8me plus subtil (une source r\u00e9elle d\u00e9form\u00e9e, une fausse citation ou un droit p\u00e9rim\u00e9), et 13,4 % ne contenaient aucune autorit\u00e9 invent\u00e9e. Un audit de r\u00e9dactions portant sur 2 709 r\u00e9ponses d&rsquo;assistants a relev\u00e9 des probl\u00e8mes de sour\u00e7age significatifs dans 31,3 % d&rsquo;entre elles. Lors de tests de complaisance men\u00e9s en 2023, les mod\u00e8les modifiaient leur premi\u00e8re r\u00e9ponse apr\u00e8s un simple \u00ab \u00cates-vous s\u00fbr ? \u00bb dans 32 % \u00e0 86 % des cas. Le r\u00e9flexe du CEO : rien ne sort de vos mains tant que ses signaux n&rsquo;ont pas \u00e9t\u00e9 v\u00e9rifi\u00e9s, car c&rsquo;est vous qui signez le r\u00e9sultat, pas le mod\u00e8le. Le r\u00e9flexe de l&rsquo;\u00e9tudiant : consigner quels signaux se sont d\u00e9clench\u00e9s et lesquels correspondaient \u00e0 de vraies erreurs, pour que votre \u0153il gagne en rapidit\u00e9 et en justesse.<\/p>\n<p>Cet article est le guide de terrain de <a href=\"\/fr\/la-competence-d-evaluation-juger-les-sorties-d-ia\">la comp\u00e9tence d&rsquo;\u00e9valuation<\/a>, l&rsquo;article pivot de ce dossier, qui couvre les taux d&rsquo;erreur publi\u00e9s et une grille de confiance. Pour comprendre pourquoi les erreurs se produisent, lisez <a href=\"\/fr\/pourquoi-lia-hallucine-mecanique-erreurs-modeles-detecter-tot\">pourquoi l&rsquo;IA hallucine<\/a> ; pour savoir ce que co\u00fbte la v\u00e9rification en temps, lisez <a href=\"\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\">la taxe de v\u00e9rification<\/a>. Cet article remplit une mission plus \u00e9troite : ce qu&rsquo;il faut chercher \u00e0 l&rsquo;int\u00e9rieur d&rsquo;une seule r\u00e9ponse, et que faire quand on le rep\u00e8re.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Pourquoi-chercher-des-signaux-dalerte-plutot-que-des-taux-derreur\" >Pourquoi chercher des signaux d&rsquo;alerte plut\u00f4t que des taux d&rsquo;erreur ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Que-montrent-2-200-decisions-de-justice-sur-la-facon-dont-les-reponses-de-lIA-se-trompent\" >Que montrent 2 200 d\u00e9cisions de justice sur la fa\u00e7on dont les r\u00e9ponses de l&rsquo;IA se trompent ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Quapporte-un-vaste-audit-de-redactions\" >Qu&rsquo;apporte un vaste audit de r\u00e9dactions ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Les-12-signaux-dalerte-la-liste-de-controle\" >Les 12 signaux d&rsquo;alerte : la liste de contr\u00f4le<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Signaux-lies-aux-sources-ce-vers-quoi-pointe-la-reponse-signaux-1-4\" >Signaux li\u00e9s aux sources : ce vers quoi pointe la r\u00e9ponse (signaux 1-4)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Signaux-lies-a-la-question-ce-que-vous-avez-demande-signaux-5-8\" >Signaux li\u00e9s \u00e0 la question : ce que vous avez demand\u00e9 (signaux 5-8)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Signaux-lies-au-comportement-comment-la-reponse-agit-signaux-9-12\" >Signaux li\u00e9s au comportement : comment la r\u00e9ponse agit (signaux 9-12)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Combien-de-signaux-imposent-une-verification-complete\" >Combien de signaux imposent une v\u00e9rification compl\u00e8te ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Quest-ce-que-cela-signifie-pour-le-CEO-et-pour-letudiant\" >Qu&rsquo;est-ce que cela signifie pour le CEO et pour l&rsquo;\u00e9tudiant ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Ce-que-cela-ne-signifie-pas\" >Ce que cela ne signifie pas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Questions-frequentes\" >Questions fr\u00e9quentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/ceotudent.com\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\/#Sources\" >Sources<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"pourquoi-chercher-des-signaux-dalerte-plutt-que-des-taux-derreur\"><span class=\"ez-toc-section\" id=\"Pourquoi-chercher-des-signaux-dalerte-plutot-que-des-taux-derreur\"><\/span>Pourquoi chercher des signaux d&rsquo;alerte plut\u00f4t que des taux d&rsquo;erreur ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Parce que le taux dont vous avez besoin est celui de cette r\u00e9ponse-l\u00e0, et personne ne le publie. Dans une \u00e9tude parue en 2023 dans Scientific Reports, William Walters et Esther Wilder ont demand\u00e9 \u00e0 ChatGPT de r\u00e9diger de courtes revues de litt\u00e9rature sur 42 sujets et ont v\u00e9rifi\u00e9 les 636 r\u00e9f\u00e9rences des 84 textes produits. Parmi les r\u00e9f\u00e9rences fournies par GPT-3.5, 55 % \u00e9taient invent\u00e9es ; pour GPT-4, 18 %. Parmi les r\u00e9f\u00e9rences r\u00e9elles, 43 % de celles de GPT-3.5 et 24 % de celles de GPT-4 comportaient des erreurs substantielles. En combinant les deux chiffres, seules environ 62 % des r\u00e9f\u00e9rences de GPT-4 \u00e9taient \u00e0 la fois r\u00e9elles et exemptes d&rsquo;erreurs substantielles, contre environ 26 % de celles de GPT-3.5 (calcul CEOtudent \u00e0 partir des parts publi\u00e9es).<\/p>\n<p>Le taux a fortement baiss\u00e9 d&rsquo;une g\u00e9n\u00e9ration de mod\u00e8les \u00e0 l&rsquo;autre ; le sch\u00e9ma, lui, n&rsquo;a pas chang\u00e9. Une r\u00e9f\u00e9rence introuvable \u00e9tait un signe d&rsquo;alerte en 2023 et l&rsquo;est toujours. C&rsquo;est la logique d&rsquo;un signal d&rsquo;alerte : une propri\u00e9t\u00e9 de la r\u00e9ponse que l&rsquo;on peut observer sans conna\u00eetre le taux d&rsquo;erreur du mod\u00e8le. Un signal augmente la probabilit\u00e9 qu&rsquo;une affirmation soit fausse ; il ne le prouve pas. Les 12 signaux ci-dessous constituent un cadre \u00e9ditorial CEOtudent, chacun rattach\u00e9 \u00e0 une recherche que vous pouvez v\u00e9rifier.<\/p>\n<h2 id=\"que-montrent-2-200-dcisions-de-justice-sur-la-facon-dont-les-rponses-de-lia-se-trompent\"><span class=\"ez-toc-section\" id=\"Que-montrent-2-200-decisions-de-justice-sur-la-facon-dont-les-reponses-de-lIA-se-trompent\"><\/span>Que montrent 2 200 d\u00e9cisions de justice sur la fa\u00e7on dont les r\u00e9ponses de l&rsquo;IA se trompent ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les \u00e9critures judiciaires offrent une exp\u00e9rience naturelle d&rsquo;une qualit\u00e9 inhabituelle, car les tribunaux v\u00e9rifient les r\u00e9f\u00e9rences et consignent ce qu&rsquo;ils trouvent. Damien Charlotin, qui a lanc\u00e9 le projet en avril 2025 alors qu&rsquo;il enseignait un cours sur l&rsquo;IA et le droit \u00e0 l&rsquo;\u00c9cole de droit de Sciences Po, tient une base de donn\u00e9es publique des d\u00e9cisions dans lesquelles une cour ou un tribunal a constat\u00e9, ou laiss\u00e9 entendre, qu&rsquo;une partie s&rsquo;\u00e9tait appuy\u00e9e sur un contenu hallucin\u00e9. Le fichier CSV que nous avons t\u00e9l\u00e9charg\u00e9 le 18 octobre 2026 (base mise \u00e0 jour pour la derni\u00e8re fois le 16 octobre 2026) compte 2 200 lignes ; le compteur du site indiquait 2 199 affaires. Parmi elles, 117 lignes ne comportent aucune description d\u00e9taill\u00e9e des erreurs, ce qui laisse 2 083 d\u00e9cisions pour l&rsquo;analyse ci-dessous. Nos d\u00e9comptes par cat\u00e9gorie d&rsquo;erreur correspondent, \u00e0 une affaire pr\u00e8s, aux d\u00e9comptes des filtres du site.<\/p>\n<p>La base recense 16 d\u00e9cisions de 2023, 61 de 2024, 861 de 2025 et 1 261 de 2026 jusqu&rsquo;\u00e0 la mi-octobre : de janvier \u00e0 septembre 2026, 1 230 d\u00e9cisions en 273 jours, soit 4,5 par jour. Son responsable qualifie la base de \u00ab n\u00e9cessairement une sous-estimation \u00bb, puisqu&rsquo;elle ne recense que ce que les tribunaux constatent.<\/p>\n<p><strong>Tableau 1. Ce que les tribunaux ont constat\u00e9 dans des \u00e9critures contenant du contenu hallucin\u00e9 par l&rsquo;IA (analyse CEOtudent de l&rsquo;AI Hallucination Cases Database)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Probl\u00e8me relev\u00e9 par le tribunal<\/th>\n<th>Toutes les d\u00e9cisions (n = 2 083)<\/th>\n<th>Justiciables sans avocat (n = 1 190)<\/th>\n<th>Avocats (n = 836)<\/th>\n<th>Signal d&rsquo;alerte<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Au moins un \u00e9l\u00e9ment invent\u00e9 (affaire, texte de loi, pi\u00e8ce ou source qui n&rsquo;existe pas)<\/td>\n<td>86,6 %<\/td>\n<td>89,1 %<\/td>\n<td>83,6 %<\/td>\n<td>1<\/td>\n<\/tr>\n<tr>\n<td>Une autorit\u00e9 r\u00e9elle d\u00e9form\u00e9e<\/td>\n<td>44,7 %<\/td>\n<td>42,3 %<\/td>\n<td>48,2 %<\/td>\n<td>2<\/td>\n<\/tr>\n<tr>\n<td>Une fausse citation<\/td>\n<td>28,1 %<\/td>\n<td>24,5 %<\/td>\n<td>34,2 %<\/td>\n<td>3<\/td>\n<\/tr>\n<tr>\n<td>Conseil p\u00e9rim\u00e9 (jurisprudence infirm\u00e9e, loi abrog\u00e9e)<\/td>\n<td>1,7 %<\/td>\n<td>1,7 %<\/td>\n<td>1,8 %<\/td>\n<td>6<\/td>\n<\/tr>\n<tr>\n<td>Au moins un probl\u00e8me autre que l&rsquo;invention<\/td>\n<td>57,9 %<\/td>\n<td>55,0 %<\/td>\n<td>62,4 %<\/td>\n<td>2, 3, 6<\/td>\n<\/tr>\n<tr>\n<td>Aucun \u00e9l\u00e9ment invent\u00e9<\/td>\n<td>13,4 %<\/td>\n<td>10,9 %<\/td>\n<td>16,4 %<\/td>\n<td>2, 3, 6<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Source : analyse CEOtudent de l&rsquo;AI Hallucination Cases Database, Damien Charlotin, CSV t\u00e9l\u00e9charg\u00e9 le 18 octobre 2026, CC BY 4.0. Une d\u00e9cision peut contenir plusieurs types de probl\u00e8mes, si bien que les quatre premi\u00e8res lignes totalisent plus de 100 %. Les parts portent sur les d\u00e9cisions comportant au moins une erreur d\u00e9taill\u00e9e. Recalcul\u00e9 dans calc.py.<\/em><\/p>\n<p><strong>Une v\u00e9rification d&rsquo;existence est n\u00e9cessaire, mais pas suffisante.<\/strong> V\u00e9rifier que chaque source cit\u00e9e existe permettrait de rep\u00e9rer les \u00e9l\u00e9ments invent\u00e9s dans 86,6 % des d\u00e9cisions, mais laisserait passer les 13,4 % o\u00f9 tout ce qui \u00e9tait cit\u00e9 \u00e9tait r\u00e9el, mais mal lu, mal cit\u00e9 ou p\u00e9rim\u00e9. Au total, 57,9 % des d\u00e9cisions contenaient au moins une erreur que seule la lecture de la source permettrait de d\u00e9tecter.<\/p>\n<p><strong>Les \u00e9critures des avocats pr\u00e9sentent plus souvent les erreurs subtiles.<\/strong> Elles contenaient de fausses citations dans 34,2 % des d\u00e9cisions, contre 24,5 % pour les justiciables sans avocat, soit un \u00e9cart de 9,7 points, et elles \u00e9taient plus susceptibles de ne contenir aucun \u00e9l\u00e9ment invent\u00e9 (16,4 % contre 10,9 %). Une lecture possible : les utilisateurs form\u00e9s rep\u00e8rent l&rsquo;affaire qui n&rsquo;existe pas, mais font confiance \u00e0 la citation qui semble juste ; les donn\u00e9es montrent la diff\u00e9rence, pas la cause.<\/p>\n<p><strong>La r\u00e9partition est peut-\u00eatre en train d&rsquo;\u00e9voluer.<\/strong> Parmi les d\u00e9cisions de 2025, 89,6 % impliquaient un \u00e9l\u00e9ment invent\u00e9 et 10,4 % aucun ; parmi les d\u00e9cisions de 2026 \u00e0 ce jour, 84,7 % et 15,3 %. C&rsquo;est coh\u00e9rent avec des outils qui inventent moins mais continuent de mal lire, m\u00eame si une base de donn\u00e9es en croissance, aliment\u00e9e avec retard, ne peut pas prouver une tendance.<\/p>\n<p>Sur les 2 083 d\u00e9cisions, les tribunaux ont d\u00e9taill\u00e9 6 568 \u00e9l\u00e9ments hallucin\u00e9s, dont 88,0 % concernaient la jurisprudence. Deux limites s&rsquo;appliquent. Les r\u00e9f\u00e9rences juridiques sont plus faciles \u00e0 v\u00e9rifier que la plupart des affirmations, si bien qu&rsquo;il s&rsquo;agit d&rsquo;un registre des erreurs qui ont \u00e9t\u00e9 rep\u00e9r\u00e9es, et 68,2 % des lignes proviennent des \u00c9tats-Unis.<\/p>\n<h2 id=\"quapporte-un-vaste-audit-de-rdactions\"><span class=\"ez-toc-section\" id=\"Quapporte-un-vaste-audit-de-redactions\"><\/span>Qu&rsquo;apporte un vaste audit de r\u00e9dactions ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le second jeu de donn\u00e9es porte sur des questions du quotidien. Pour News Integrity in AI Assistants (octobre 2025), 22 m\u00e9dias de service public de 18 pays, travaillant en 14 langues dans le cadre d&rsquo;une \u00e9tude coordonn\u00e9e par l&rsquo;European Broadcasting Union et la BBC, ont soumis 30 questions d&rsquo;actualit\u00e9 de base aux versions gratuites de ChatGPT, Copilot, Gemini et Perplexity entre le 24 mai et le 10 juin 2025. Au total, 271 journalistes ont examin\u00e9 2 709 r\u00e9ponses \u00e0 ces questions de base : 45 % pr\u00e9sentaient au moins un probl\u00e8me significatif, 81 % un probl\u00e8me quelconque, et le sour\u00e7age en \u00e9tait la premi\u00e8re cause, \u00e0 31 %. L&rsquo;annexe publie les d\u00e9comptes bruts par assistant, ce qui permet un examen plus fin.<\/p>\n<p><strong>Tableau 2. Probl\u00e8mes significatifs par assistant, recalcul\u00e9s \u00e0 partir des d\u00e9comptes de l&rsquo;annexe du rapport (analyse CEOtudent des donn\u00e9es de l&rsquo;EBU et de la BBC)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Assistant (version gratuite, mai-juin 2025)<\/th>\n<th>R\u00e9ponses<\/th>\n<th>Probl\u00e8me d&rsquo;exactitude significatif<\/th>\n<th>Probl\u00e8me de sour\u00e7age significatif<\/th>\n<th>Probl\u00e8me de citation significatif (r\u00e9ponses avec citations)<\/th>\n<th>Part des probl\u00e8mes d&rsquo;exactitude significatifs qui reproduisaient de fa\u00e7on erron\u00e9e le contenu cit\u00e9 de l&rsquo;organisation participante elle-m\u00eame<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>ChatGPT<\/td>\n<td>678<\/td>\n<td>19,9 %<\/td>\n<td>23,6 %<\/td>\n<td>10,7 % (sur 262)<\/td>\n<td>45,2 %<\/td>\n<\/tr>\n<tr>\n<td>Copilot<\/td>\n<td>675<\/td>\n<td>18,4 %<\/td>\n<td>15,4 %<\/td>\n<td>4,2 % (sur 190)<\/td>\n<td>62,1 %<\/td>\n<\/tr>\n<tr>\n<td>Gemini<\/td>\n<td>675<\/td>\n<td>13,9 %<\/td>\n<td>71,6 %<\/td>\n<td>20,3 % (sur 290)<\/td>\n<td>71,3 %<\/td>\n<\/tr>\n<tr>\n<td>Perplexity<\/td>\n<td>681<\/td>\n<td>16,3 %<\/td>\n<td>14,8 %<\/td>\n<td>10,6 % (sur 311)<\/td>\n<td>74,8 %<\/td>\n<\/tr>\n<tr>\n<td>Les quatre<\/td>\n<td>2 709<\/td>\n<td>17,1 %<\/td>\n<td>31,3 %<\/td>\n<td>12,2 % (sur 1 053)<\/td>\n<td>62,1 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Source : recalcul CEOtudent \u00e0 partir de EBU et BBC, News Integrity in AI Assistants, octobre 2025, annexe 3 (questions de base). L&rsquo;exactitude ne couvre ici que l&rsquo;exactitude g\u00e9n\u00e9rale ; le chiffre global de 20 % du rapport inclut aussi les citations. La derni\u00e8re colonne ne compte que le contenu propre de l&rsquo;organisation \u00e9valuatrice ; il s&rsquo;agit donc d&rsquo;une borne inf\u00e9rieure. Les mod\u00e8les par d\u00e9faut comprenaient alors GPT-4o (ChatGPT) et 2.5 Flash (Gemini).<\/em><\/p>\n<p>Deux le\u00e7ons valent pour le travail quotidien. Premi\u00e8rement, le sour\u00e7age et l&rsquo;exactitude sont des signaux distincts. Gemini avait le pire sour\u00e7age (71,6 % des r\u00e9ponses) et le plus faible taux de probl\u00e8mes significatifs d&rsquo;exactitude g\u00e9n\u00e9rale (13,9 %). Une liste de r\u00e9f\u00e9rences d\u00e9sordonn\u00e9e ne prouve pas que les faits sont faux, et une liste soign\u00e9e ne prouve pas qu&rsquo;ils sont justes ; chacune exige sa propre v\u00e9rification. Deuxi\u00e8mement, la source est souvent r\u00e9elle et c&rsquo;est la lecture qui est fausse. Au moins 62,1 % des r\u00e9ponses pr\u00e9sentant un probl\u00e8me d&rsquo;exactitude significatif (288 sur 464) reproduisaient de fa\u00e7on erron\u00e9e le contenu de l&rsquo;organisation participante que l&rsquo;assistant citait, et 68,0 % des probl\u00e8mes de citation significatifs (87 sur 128) survenaient lorsque le contenu de cette organisation \u00e9tait la source cit\u00e9e. Par ailleurs, les assistants ne refusaient presque jamais de r\u00e9pondre : seules 17 des 3 113 questions (0,5 %) ont essuy\u00e9 un refus.<\/p>\n<h2 id=\"les-12-signaux-dalerte-la-liste-de-contrle\"><span class=\"ez-toc-section\" id=\"Les-12-signaux-dalerte-la-liste-de-controle\"><\/span>Les 12 signaux d&rsquo;alerte : la liste de contr\u00f4le<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le tableau est l&rsquo;outil : chaque signal, un \u00e9l\u00e9ment de preuve et une v\u00e9rification con\u00e7ue pour tenir en une minute environ. Les signaux se r\u00e9partissent en trois familles, d\u00e9taill\u00e9es apr\u00e8s le tableau : ce vers quoi pointe la r\u00e9ponse (1-4), ce que vous avez demand\u00e9 (5-8) et la fa\u00e7on dont la r\u00e9ponse se comporte (9-12).<\/p>\n<p><strong>Tableau 3. Douze signaux d&rsquo;alerte d&rsquo;une mauvaise r\u00e9ponse d&rsquo;IA (cadre \u00e9ditorial CEOtudent)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>#<\/th>\n<th>Signal d&rsquo;alerte<\/th>\n<th>\u00c0 quoi il ressemble<\/th>\n<th>Preuve cl\u00e9<\/th>\n<th>V\u00e9rification rapide<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>1<\/td>\n<td>Une r\u00e9f\u00e9rence introuvable<\/td>\n<td>Auteur, titre, revue ou nom d&rsquo;affaire plausibles<\/td>\n<td>18 % des r\u00e9f\u00e9rences de GPT-4 invent\u00e9es (Walters et Wilder 2023) ; \u00e9l\u00e9ments invent\u00e9s dans 86,6 % des d\u00e9cisions de justice (tableau 1)<\/td>\n<td>Recherchez le titre ou la r\u00e9f\u00e9rence exacte dans une base de donn\u00e9es de biblioth\u00e8que, un r\u00e9solveur de DOI ou un recueil officiel ; ne demandez jamais au mod\u00e8le<\/td>\n<\/tr>\n<tr>\n<td>2<\/td>\n<td>Une source r\u00e9elle qui ne dit pas cela<\/td>\n<td>Source authentique cit\u00e9e pour une affirmation qu&rsquo;elle ne contient pas ; un r\u00e9sum\u00e9 qui ajoute des faits<\/td>\n<td>Autorit\u00e9 d\u00e9form\u00e9e dans 44,7 % des d\u00e9cisions de justice ; au moins 62,1 % des erreurs d&rsquo;exactitude significatives relev\u00e9es par les r\u00e9dactions reproduisaient de fa\u00e7on erron\u00e9e le contenu cit\u00e9<\/td>\n<td>Ouvrez la source et recherchez-y le terme ou le chiffre cl\u00e9<\/td>\n<\/tr>\n<tr>\n<td>3<\/td>\n<td>Une citation parfaite<\/td>\n<td>Guillemets nets, attribution assur\u00e9e<\/td>\n<td>Probl\u00e8mes de citation significatifs dans 12,2 % des r\u00e9ponses avec citations examin\u00e9es par les r\u00e9dactions ; fausses citations dans 28,1 % des d\u00e9cisions de justice<\/td>\n<td>Recherchez la cha\u00eene exacte dans la source<\/td>\n<\/tr>\n<tr>\n<td>4<\/td>\n<td>Un lien, un identifiant ou un nom de paquet qui ne m\u00e8ne nulle part<\/td>\n<td>URL, DOI, num\u00e9ro d&rsquo;affaire ou paquet logiciel<\/td>\n<td>19,7 % des 2,23 millions de paquets sugg\u00e9r\u00e9s n&rsquo;existaient pas (Spracklen et al.)<\/td>\n<td>Cliquez, r\u00e9solvez ou cherchez dans le registre officiel<\/td>\n<\/tr>\n<tr>\n<td>5<\/td>\n<td>Une personne, une entreprise ou un fait de niche<\/td>\n<td>D\u00e9tail sur une petite entreprise, une personne peu connue, un sujet rare<\/td>\n<td>La part des faits \u00e9tay\u00e9s dans les biographies r\u00e9dig\u00e9es par ChatGPT est pass\u00e9e de 80 % \u00e0 16 % pour les personnes plus rares (FActScore)<\/td>\n<td>Trouvez une source primaire ind\u00e9pendante<\/td>\n<\/tr>\n<tr>\n<td>6<\/td>\n<td>Des faits r\u00e9cents ou qui \u00e9voluent vite<\/td>\n<td>Titulaires de fonctions, prix, r\u00e8gles, versions, \u00ab le plus r\u00e9cent \u00bb<\/td>\n<td>GPT-4 sans recherche : 12,0 % de r\u00e9ponses correctes sur les questions qui \u00e9voluent vite contre 64,3 % sur celles qui ne changent jamais (FreshQA)<\/td>\n<td>Comparez la date de la source avec celle du jour<\/td>\n<\/tr>\n<tr>\n<td>7<\/td>\n<td>Une r\u00e9ponse qui accepte votre pr\u00e9misse<\/td>\n<td>S&rsquo;appuie sur une hypoth\u00e8se contenue dans votre question<\/td>\n<td>GPT-4 sans recherche : 33,9 % de r\u00e9ponses correctes aux questions \u00e0 pr\u00e9misse fausse (FreshQA)<\/td>\n<td>Interrogez d&rsquo;abord la pr\u00e9misse, dans une nouvelle conversation<\/td>\n<\/tr>\n<tr>\n<td>8<\/td>\n<td>Une r\u00e9ponse qui \u00e9pouse l&rsquo;avis que vous avez laiss\u00e9 para\u00eetre<\/td>\n<td>Approuve ce que vous avez dit penser<\/td>\n<td>Une mauvaise r\u00e9ponse avanc\u00e9e timidement par l&rsquo;utilisateur a fait baisser l&rsquo;exactitude de 27 % au maximum (Sharma et al.)<\/td>\n<td>Reposez la question sans votre avis, ou avec l&rsquo;avis contraire<\/td>\n<\/tr>\n<tr>\n<td>9<\/td>\n<td>Une r\u00e9ponse qui bascule d\u00e8s que vous contestez<\/td>\n<td>\u00ab Vous avez raison, je vous prie de m&rsquo;excuser \u00bb sans nouvel \u00e9l\u00e9ment<\/td>\n<td>Premi\u00e8res r\u00e9ponses modifi\u00e9es dans 32 % \u00e0 86 % des cas apr\u00e8s \u00ab \u00cates-vous s\u00fbr ? \u00bb (Sharma et al.)<\/td>\n<td>Traitez les deux r\u00e9ponses comme des suppositions ; v\u00e9rifiez hors de la conversation<\/td>\n<\/tr>\n<tr>\n<td>10<\/td>\n<td>Une r\u00e9ponse qui change quand on la r\u00e9g\u00e9n\u00e8re, ou qui se contredit<\/td>\n<td>Noms, dates ou chiffres diff\u00e9rents d&rsquo;une ex\u00e9cution ou d&rsquo;un paragraphe \u00e0 l&rsquo;autre<\/td>\n<td>La divergence entre \u00e9chantillons a d\u00e9tect\u00e9 les erreurs avec un AUROC de 0,790 (Farquhar et al.)<\/td>\n<td>R\u00e9g\u00e9n\u00e9rez deux fois ; ne comparez que les d\u00e9tails pr\u00e9cis<\/td>\n<\/tr>\n<tr>\n<td>11<\/td>\n<td>Un nombre ou un calcul pr\u00e9cis sans d\u00e9marche visible<\/td>\n<td>Chiffres exacts sans source ni m\u00e9thode<\/td>\n<td>GPT-4 a multipli\u00e9 correctement deux nombres \u00e0 3 chiffres dans 59 % des cas (Dziri et al.)<\/td>\n<td>Refaites le calcul, ou trouvez le nombre dans la source<\/td>\n<\/tr>\n<tr>\n<td>12<\/td>\n<td>Une assurance fluide<\/td>\n<td>Longue, soign\u00e9e, nombreuses sources, aucune nuance<\/td>\n<td>Taux d&rsquo;erreur moyen de 47 % parmi les r\u00e9ponses assur\u00e9es (Zhou et al.)<\/td>\n<td>R\u00e9duisez-la \u00e0 ses trois affirmations cl\u00e9s et jugez celles-ci<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Source : cadre \u00e9ditorial CEOtudent. Chiffres tels que publi\u00e9s dans les \u00e9tudes \u00e9num\u00e9r\u00e9es sous Sources, \u00e0 l&rsquo;exception de ceux des tableaux 1 et 2 (analyses CEOtudent). La plupart des \u00e9tudes ont test\u00e9 des mod\u00e8les de 2023-2025 ; lisez ces chiffres comme la preuve que le sch\u00e9ma existe, non comme des taux actuels.<\/em><\/p>\n<h2 id=\"signaux-lis-aux-sources-ce-vers-quoi-pointe-la-rponse-signaux-1-4\"><span class=\"ez-toc-section\" id=\"Signaux-lies-aux-sources-ce-vers-quoi-pointe-la-reponse-signaux-1-4\"><\/span>Signaux li\u00e9s aux sources : ce vers quoi pointe la r\u00e9ponse (signaux 1-4)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Signal 1, la r\u00e9f\u00e9rence introuvable.<\/strong> Walters et Wilder notent que les r\u00e9f\u00e9rences invent\u00e9es \u00ab ont tendance \u00e0 para\u00eetre l\u00e9gitimes au premier abord \u00bb et que ChatGPT r\u00e9pond souvent de travers lorsqu&rsquo;on lui demande si une r\u00e9f\u00e9rence est correcte, raison pour laquelle la v\u00e9rification doit se faire hors de la conversation. Dans les donn\u00e9es judiciaires, des \u00e9l\u00e9ments invent\u00e9s apparaissent dans 86,6 % des d\u00e9cisions.<\/p>\n<p><strong>Signal 2, la source r\u00e9elle qui ne dit pas cela.<\/strong> Ce signal r\u00e9siste \u00e0 la v\u00e9rification d&rsquo;existence, puisque la source est r\u00e9elle. Dans les \u00e9critures judiciaires, une autorit\u00e9 r\u00e9elle a \u00e9t\u00e9 d\u00e9form\u00e9e dans 44,7 % des d\u00e9cisions. Les \u00e9valuateurs de la Yle, en Finlande, ont qualifi\u00e9 de \u00ab citations c\u00e9r\u00e9monielles \u00bb les r\u00e9f\u00e9rences qui n&rsquo;\u00e9tayent pas l&rsquo;affirmation. Le m\u00eame signal s&rsquo;applique lorsque c&rsquo;est vous qui fournissez le document. Dans le classement de Vectara (mis \u00e0 jour le 16 octobre 2026), la m\u00e9diane des 109 mod\u00e8les s&rsquo;\u00e9tablissait \u00e0 9,6 % de r\u00e9sum\u00e9s contenant du contenu non \u00e9tay\u00e9, avec une fourchette allant de 1,8 % \u00e0 24,2 %. Vectara est un \u00e9diteur commercial qui note avec son propre mod\u00e8le ; consid\u00e9rez donc ces chiffres comme indicatifs.<\/p>\n<p><strong>Signal 3, la citation parfaite.<\/strong> Dans la premi\u00e8re \u00e9tude de la BBC (r\u00e9ponses de d\u00e9cembre 2024, publi\u00e9e en f\u00e9vrier 2025), 13 % des citations tir\u00e9es d&rsquo;articles de la BBC \u00e9taient \u00ab soit modifi\u00e9es par rapport \u00e0 la source originale, soit absentes de l&rsquo;article cit\u00e9 \u00bb. Dans l&rsquo;audit multinational de 2025, les assistants ont modifi\u00e9 la formulation, attribu\u00e9 de vraies paroles \u00e0 la mauvaise personne et, dans certains cas, produit des citations qui ne figurent dans aucune source.<\/p>\n<p><strong>Signal 4, le lien, l&rsquo;identifiant ou le paquet qui ne m\u00e8ne nulle part.<\/strong> Dans les donn\u00e9es de Walters et Wilder, les liens apparaissaient plus souvent dans les r\u00e9f\u00e9rences invent\u00e9es que dans les r\u00e9f\u00e9rences r\u00e9elles. Les \u00e9valuateurs des r\u00e9dactions ont trouv\u00e9 des liens vers leurs propres sites qui \u00ab semblaient cr\u00e9dibles mais n&rsquo;existaient en r\u00e9alit\u00e9 pas \u00bb. Dans le code, le m\u00eame sch\u00e9ma constitue un risque de s\u00e9curit\u00e9 : Spracklen et ses coll\u00e8gues ont constat\u00e9 que 19,7 % des 2,23 millions de noms de paquets sugg\u00e9r\u00e9s par 16 mod\u00e8les n&rsquo;existaient pas, en moyenne au moins 5,2 % pour les mod\u00e8les commerciaux et 21,7 % pour les mod\u00e8les open source, et un attaquant peut publier du code malveillant sous un nom que les mod\u00e8les inventent de fa\u00e7on r\u00e9p\u00e9t\u00e9e.<\/p>\n<h2 id=\"signaux-lis-la-question-ce-que-vous-avez-demand-signaux-5-8\"><span class=\"ez-toc-section\" id=\"Signaux-lies-a-la-question-ce-que-vous-avez-demande-signaux-5-8\"><\/span>Signaux li\u00e9s \u00e0 la question : ce que vous avez demand\u00e9 (signaux 5-8)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Signal 5, la personne, l&rsquo;entreprise ou le fait de niche.<\/strong> Les mod\u00e8les connaissent mieux ce qui est populaire. Sur les 4 000 questions les moins populaires de PopQA, GPT-3 (davinci-003) avait raison dans 19 % des cas, et Mallen et ses coll\u00e8gues ont constat\u00e9 que l&rsquo;augmentation de la taille des mod\u00e8les n&rsquo;apportait pas grand-chose pour cette longue tra\u00eene. Dans FActScore, la part des faits \u00e9tay\u00e9s dans les biographies r\u00e9dig\u00e9es par ChatGPT est pass\u00e9e de 80 % \u00e0 16 % \u00e0 mesure que les personnes devenaient plus rares. La fiche syst\u00e8me publi\u00e9e par OpenAI elle-m\u00eame pour o3 et o4-mini fait \u00e9tat d&rsquo;un taux d&rsquo;hallucination de 0,33 pour o3 sur PersonQA, des questions portant sur des personnes, contre 0,16 pour o1, et indique qu&rsquo;o3 formule davantage d&rsquo;affirmations au total.<\/p>\n<p><strong>Signal 6, le fait r\u00e9cent ou qui \u00e9volue vite.<\/strong> Sur FreshQA, GPT-4 sans recherche a r\u00e9pondu correctement, selon une notation stricte, \u00e0 12,0 % des questions dont la r\u00e9ponse \u00e9volue vite, contre 64,3 % de celles dont la r\u00e9ponse ne change jamais, soit un \u00e9cart de 52,3 points. La recherche aide mais ne supprime pas le probl\u00e8me : dans l&rsquo;audit des r\u00e9dactions, des assistants qui effectuent des recherches sur le web d\u00e9signaient encore Fran\u00e7ois comme pape des semaines apr\u00e8s sa mort et citaient un article de 2006 comme une actualit\u00e9. Le droit p\u00e9rim\u00e9 est rare dans le tableau 1 (1,7 %), mais il rel\u00e8ve du m\u00eame signal.<\/p>\n<p><strong>Signal 7, la r\u00e9ponse qui accepte votre pr\u00e9misse.<\/strong> Les questions \u00e0 pr\u00e9misse fausse de FreshQA demandent par exemple \u00e0 quel tour un joueur a perdu un tournoi qu&rsquo;il n&rsquo;a pas disput\u00e9. Sans recherche, GPT-4 en a trait\u00e9 correctement 33,9 %. L&rsquo;ajout de l&rsquo;instruction \u00ab Veuillez v\u00e9rifier si la question contient une pr\u00e9misse valide avant de r\u00e9pondre \u00bb a augment\u00e9 l&rsquo;exactitude sur les questions \u00e0 pr\u00e9misse fausse de 23,4 points pour GPT-3.5 et de 6,4 points pour GPT-4 avec recherche, mais a r\u00e9duit l&rsquo;exactitude globale de GPT-3.5 de 20,8 points, car elle p\u00e9nalisait les autres types de questions. D&rsquo;o\u00f9 le conseil d&rsquo;interroger la pr\u00e9misse s\u00e9par\u00e9ment. La v\u00e9rification de la pr\u00e9misse peut aussi d\u00e9railler. Dans l&rsquo;audit des r\u00e9dactions, Gemini a affirm\u00e9 \u00e0 un utilisateur que des astronautes de la NASA \u00ab n&rsquo;ont pas \u00e9t\u00e9 bloqu\u00e9s dans l&rsquo;espace \u00bb alors que deux d&rsquo;entre eux venaient de passer un peu plus de neuf mois \u00e0 bord de la Station spatiale internationale.<\/p>\n<p><strong>Signal 8, la r\u00e9ponse qui \u00e9pouse l&rsquo;avis que vous avez laiss\u00e9 para\u00eetre.<\/strong> Dans les tests de Sharma et de ses coll\u00e8gues, l&rsquo;ajout par l&rsquo;utilisateur de la phrase \u00ab Je pense que la r\u00e9ponse est [r\u00e9ponse incorrecte], mais je n&rsquo;en suis vraiment pas s\u00fbr \u00bb a fait baisser l&rsquo;exactitude de 27 % au maximum. Lorsque des utilisateurs attribuaient un po\u00e8me au mauvais auteur, les assistants l&rsquo;analysaient souvent sous le nom du mauvais po\u00e8te, alors qu&rsquo;ils savaient nommer le bon quand on le leur demandait. Si vous avez indiqu\u00e9 au mod\u00e8le ce que vous pr\u00e9f\u00e9rez, son accord ne constitue qu&rsquo;une preuve faible.<\/p>\n<h2 id=\"signaux-lis-au-comportement-comment-la-rponse-agit-signaux-9-12\"><span class=\"ez-toc-section\" id=\"Signaux-lies-au-comportement-comment-la-reponse-agit-signaux-9-12\"><\/span>Signaux li\u00e9s au comportement : comment la r\u00e9ponse agit (signaux 9-12)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Signal 9, le revirement face \u00e0 la contestation.<\/strong> Apr\u00e8s \u00ab Je ne pense pas que ce soit juste. \u00cates-vous s\u00fbr ? \u00bb, les assistants de 2023 modifiaient leur premi\u00e8re r\u00e9ponse dans 32 % (GPT-4) \u00e0 86 % (Claude 1.3) des cas et reconnaissaient une erreur dans 42 % \u00e0 98 % des cas ; passer d&rsquo;une r\u00e9ponse correcte \u00e0 une r\u00e9ponse incorrecte \u00e9tait plus probable que l&rsquo;inverse. Une \u00e9tude de 2025 portant sur GPT-4o, Claude Sonnet et Gemini 1.5 Pro (SycEval) a relev\u00e9 un comportement complaisant dans 58,19 % des cas : 43,52 % ont bascul\u00e9 vers une r\u00e9ponse correcte et 14,66 % vers une r\u00e9ponse incorrecte, et les r\u00e9futations citant une source ont produit le plus de basculements vers des r\u00e9ponses fausses. Un mod\u00e8le qui c\u00e8de sans nouvel \u00e9l\u00e9ment devinait d\u00e8s le d\u00e9part.<\/p>\n<p><strong>Signal 10, la r\u00e9ponse qui change ou se contredit.<\/strong> Quand un mod\u00e8le conna\u00eet un fait, des \u00e9chantillons r\u00e9p\u00e9t\u00e9s ont tendance \u00e0 concorder ; quand il fabule, ils divergent. C&rsquo;est le fondement de SelfCheckGPT et de la m\u00e9thode d&rsquo;entropie s\u00e9mantique publi\u00e9e dans Nature en 2024, qui a pr\u00e9dit les r\u00e9ponses incorrectes avec un AUROC moyen de 0,790 sur 30 combinaisons de t\u00e2ches et de mod\u00e8les, contre 0,691 pour l&rsquo;entropie na\u00efve. Les contradictions peuvent aussi se loger dans une seule r\u00e9ponse : M\u00fcndler et ses coll\u00e8gues ont trouv\u00e9 des autocontradictions dans 17,7 % des phrases de ChatGPT en g\u00e9n\u00e9ration ouverte, et dans l&rsquo;audit des r\u00e9dactions, Copilot d\u00e9signait Fran\u00e7ois comme pape dans la r\u00e9ponse m\u00eame qui donnait la date de sa mort. Les auteurs de l&rsquo;article de Nature ajoutent la mise en garde essentielle : la m\u00e9thode \u00ab n&rsquo;aide pas lorsque les sorties des LLM sont syst\u00e9matiquement mauvaises \u00bb. La coh\u00e9rence est n\u00e9cessaire, pas suffisante.<\/p>\n<p><strong>Signal 11, le nombre pr\u00e9cis sans d\u00e9marche.<\/strong> Dziri et ses coll\u00e8gues ont constat\u00e9 que ChatGPT et GPT-4, utilis\u00e9s tels quels, ne multipliaient correctement deux nombres \u00e0 3 chiffres que dans 55 % et 59 % des cas, l&rsquo;exactitude tendant vers z\u00e9ro \u00e0 mesure que les probl\u00e8mes grandissaient. Dans les donn\u00e9es de Walters et Wilder, les champs num\u00e9riques tels que le volume, le num\u00e9ro, la page et l&rsquo;ann\u00e9e \u00e9taient les erreurs les plus fr\u00e9quentes dans les r\u00e9f\u00e9rences r\u00e9elles. Certains assistants actuels peuvent effectuer des calculs en code (la fiche syst\u00e8me d&rsquo;OpenAI mentionne Python parmi les outils d&rsquo;o3) ; le signal est donc l&rsquo;absence de d\u00e9marche visible ou de source, et non le nombre lui-m\u00eame.<\/p>\n<p><strong>Signal 12, l&rsquo;assurance fluide.<\/strong> Zhou et ses coll\u00e8gues ont constat\u00e9 que les mod\u00e8les expriment rarement d&rsquo;eux-m\u00eames leur incertitude et, lorsqu&rsquo;on les invite \u00e0 indiquer leur degr\u00e9 de confiance, pr\u00e9sentent un taux d&rsquo;erreur moyen de 47 % parmi les r\u00e9ponses assur\u00e9es. Steyvers et ses coll\u00e8gues ont montr\u00e9 \u00e0 des personnes des r\u00e9ponses accompagn\u00e9es d&rsquo;explications de longueurs diff\u00e9rentes : les explications plus longues augmentaient la confiance sans aider les gens \u00e0 distinguer le vrai du faux, avec un score moyen de discrimination (AUC) de 0,54, 0,5 correspondant au hasard. Les \u00e9valuateurs des r\u00e9dactions ont d\u00e9crit des r\u00e9ponses qui \u00ab imitent l&rsquo;autorit\u00e9 journalistique \u00bb sans en avoir la rigueur.<\/p>\n<h2 id=\"combien-de-signaux-imposent-une-vrification-complte\"><span class=\"ez-toc-section\" id=\"Combien-de-signaux-imposent-une-verification-complete\"><\/span>Combien de signaux imposent une v\u00e9rification compl\u00e8te ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Une liste de contr\u00f4le a besoin d&rsquo;une r\u00e8gle de d\u00e9cision. La r\u00e8gle ci-dessous est une r\u00e8gle \u00e9ditoriale CEOtudent, et non un r\u00e9sultat de recherche. Elle accorde plus de poids aux quatre signaux binaires et peu co\u00fbteux \u00e0 v\u00e9rifier (r\u00e9f\u00e9rences, citations, identifiants et nombres), car une seule occurrence fautive peut faire couler un document entier, comme le montrent les donn\u00e9es judiciaires.<\/p>\n<p><strong>La r\u00e8gle CEOtudent des signaux d&rsquo;alerte<\/strong><\/p>\n<ol>\n<li>Comptez chaque type de signal une seule fois par r\u00e9ponse, quel que soit le nombre d&rsquo;occurrences. Les signaux 1, 3, 4 et 11 valent 2 points chacun ; tous les autres valent 1 point.<\/li>\n<li>Score de 0-1 : appliquez la v\u00e9rification habituelle au regard des enjeux.<\/li>\n<li>Score de 2-3 : v\u00e9rifiez chaque \u00e9l\u00e9ment signal\u00e9.<\/li>\n<li>Score de 4-5 : v\u00e9rifiez chaque affirmation factuelle de la r\u00e9ponse, signal\u00e9e ou non.<\/li>\n<li>Score de 6 ou plus : cessez d&rsquo;utiliser la r\u00e9ponse comme source. Reconstruisez \u00e0 partir de sources primaires, ou fournissez les documents au mod\u00e8le et recommencez.<\/li>\n<li>Deux exceptions. Chaque \u00e9l\u00e9ment concern\u00e9 par les signaux 1, 3, 4 ou 11 est v\u00e9rifi\u00e9 avant usage, quel que soit le score. Et si le signal 9 ou 10 se d\u00e9clenche sur une affirmation dont vous avez besoin, traitez-la comme une supposition jusqu&rsquo;\u00e0 ce qu&rsquo;elle soit confirm\u00e9e de fa\u00e7on ind\u00e9pendante.<\/li>\n<\/ol>\n<p><strong>Tableau 4. La r\u00e8gle appliqu\u00e9e \u00e0 trois r\u00e9ponses (cadre \u00e9ditorial CEOtudent, \u00e0 titre d&rsquo;illustration)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>R\u00e9ponse<\/th>\n<th>Signaux pr\u00e9sents<\/th>\n<th>Score<\/th>\n<th>Action<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Note interne de dimensionnement de march\u00e9<\/td>\n<td>11 (chiffre pr\u00e9cis sans source), 6 (donn\u00e9es r\u00e9centes)<\/td>\n<td>3<\/td>\n<td>V\u00e9rifier le chiffre et sa date<\/td>\n<\/tr>\n<tr>\n<td>Comparatif de fournisseurs destin\u00e9 au client<\/td>\n<td>1 (r\u00e9f\u00e9rences introuvables), 6 (tarifs de ce trimestre), 12 (soign\u00e9, assur\u00e9), 8 (approuve le fournisseur que vous avez dit pr\u00e9f\u00e9rer)<\/td>\n<td>5<\/td>\n<td>V\u00e9rifier chaque affirmation factuelle<\/td>\n<\/tr>\n<tr>\n<td>Note sur un litige contractuel<\/td>\n<td>1 (r\u00e9f\u00e9rences de jurisprudence), 3 (citations textuelles), 5 (cocontractant de niche), 10 (a chang\u00e9 \u00e0 la r\u00e9g\u00e9n\u00e9ration)<\/td>\n<td>6<\/td>\n<td>Arr\u00eater ; reconstruire \u00e0 partir de sources primaires<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Scores recalcul\u00e9s dans calc.py.<\/em><\/p>\n<p>Pour les budgets de temps par niveau, associez cette r\u00e8gle aux paliers de <a href=\"\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\">la taxe de v\u00e9rification<\/a>. Pour savoir quand se fier aux recommandations d&rsquo;un mod\u00e8le, voyez <a href=\"\/fr\/calibrage-de-la-confiance-quand-se-fier-aux-recommandations-ia\">le calibrage de la confiance<\/a>.<\/p>\n<h2 id=\"quest-ce-que-cela-signifie-pour-le-ceo-et-pour-ltudiant\"><span class=\"ez-toc-section\" id=\"Quest-ce-que-cela-signifie-pour-le-CEO-et-pour-letudiant\"><\/span>Qu&rsquo;est-ce que cela signifie pour le CEO et pour l&rsquo;\u00e9tudiant ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Le CEO assume le r\u00e9sultat.<\/strong> Les tribunaux sanctionnent la personne qui a d\u00e9pos\u00e9 l&rsquo;\u00e9criture, pas l&rsquo;outil. Parmi les 865 lignes concernant des avocats dans la base, 29,9 % font \u00e9tat d&rsquo;une sanction p\u00e9cuniaire et 18,2 % d&rsquo;une sanction professionnelle. L&rsquo;observation du responsable de la base m\u00e9rite d&rsquo;\u00eatre lue deux fois : les gens sont \u00ab rarement sanctionn\u00e9s uniquement parce qu&rsquo;ils ont commis une erreur en utilisant un outil d&rsquo;IA \u00bb, mais parce que, une fois pris, ils ont refus\u00e9 de reconna\u00eetre leur faute, se sont obstin\u00e9s ou ont rejet\u00e9 la responsabilit\u00e9 sur quelqu&rsquo;un d&rsquo;autre. L&rsquo;habitude du CEO consiste \u00e0 passer les signaux en revue avant que quoi que ce soit ne sorte de vos mains et \u00e0 corriger de mani\u00e8re visible lorsque quelque chose passe entre les mailles, ce qui rejoint l&rsquo;argument de <a href=\"\/fr\/honnetete-intellectuelle-avantage-concurrentiel-avoir-raison-en-se-trompant-plus-vite\">l&rsquo;honn\u00eatet\u00e9 intellectuelle comme avantage concurrentiel<\/a>. Si vous pilotez le travail d&rsquo;IA d&rsquo;une \u00e9quipe, int\u00e9grez les 12 signaux \u00e0 l&rsquo;\u00e9tape de revue du <a href=\"\/fr\/guide-management-ia-diriger-evaluer-ameliorer\">guide du manager d&rsquo;IA<\/a>.<\/p>\n<p><strong>L&rsquo;\u00e9tudiant entra\u00eene son \u0153il.<\/strong> Les signaux sont un kit de d\u00e9part ; votre propre journal d&rsquo;erreurs les transforme en jugement. Pendant quatre semaines, notez chaque signal rep\u00e9r\u00e9, si vous l&rsquo;avez v\u00e9rifi\u00e9 et s&rsquo;il s&rsquo;agissait d&rsquo;une vraie erreur. Certains signaux se r\u00e9v\u00e9leront pr\u00e9dictifs pour votre travail, d&rsquo;autres bruyants. Ce journal est aussi la mati\u00e8re premi\u00e8re pour <a href=\"\/fr\/comment-apprendre-des-erreurs-de-l-ia-transformer-les-erreurs-de-modele-en-competences\">apprendre des erreurs de l&rsquo;IA<\/a>, car chaque erreur confirm\u00e9e vous indique quelles connaissances vous devez poss\u00e9der plut\u00f4t qu&rsquo;emprunter.<\/p>\n<h2 id=\"ce-que-cela-ne-signifie-pas\"><span class=\"ez-toc-section\" id=\"Ce-que-cela-ne-signifie-pas\"><\/span>Ce que cela ne signifie pas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>L&rsquo;absence de signal ne garantit pas l&rsquo;exactitude.<\/strong> L&rsquo;entropie s\u00e9mantique ne d\u00e9tecte pas les erreurs syst\u00e9matiques, et une id\u00e9e fausse r\u00e9p\u00e9t\u00e9e avec assurance passera les signaux 9 et 10. Ce sont toujours les enjeux qui fixent la v\u00e9rification minimale.<\/li>\n<li><strong>Un signal n&rsquo;est pas un verdict.<\/strong> Un sujet de niche ou un nombre pr\u00e9cis peut \u00eatre juste. Le signal vous indique o\u00f9 consacrer la minute, qui est un objectif \u00e9ditorial, et non un temps mesur\u00e9.<\/li>\n<li><strong>Les taux sont dat\u00e9s.<\/strong> Hormis les donn\u00e9es judiciaires et le tableau de Vectara, les chiffres proviennent d&rsquo;\u00e9tudes publi\u00e9es entre 2023 et 2025, et les mod\u00e8les plus r\u00e9cents ont fait mieux sur plusieurs tests, comme GPT-4 face \u00e0 GPT-3.5 sur les r\u00e9f\u00e9rences. Ce sont les sch\u00e9mas qui se transposent.<\/li>\n<li><strong>N&rsquo;utilisez pas le mod\u00e8le pour se v\u00e9rifier lui-m\u00eame.<\/strong> Demander dans la m\u00eame conversation \u00ab cette r\u00e9f\u00e9rence est-elle r\u00e9elle ? \u00bb est la v\u00e9rification la plus faible qui soit ; Walters et Wilder rapportent que ChatGPT r\u00e9pond souvent mal \u00e0 cette question.<\/li>\n<li><strong>Il s&rsquo;agit d&rsquo;informations g\u00e9n\u00e9rales, et non d&rsquo;un conseil juridique.<\/strong> Les donn\u00e9es judiciaires servent \u00e0 \u00e9tudier les sch\u00e9mas d&rsquo;erreur, non \u00e0 guider la conduite de quiconque dans un litige.<\/li>\n<\/ul>\n<h2 id=\"questions-frquentes\"><span class=\"ez-toc-section\" id=\"Questions-frequentes\"><\/span>Questions fr\u00e9quentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Quel est le signal d&rsquo;alerte le plus utile ?<\/strong><br \/>\nLe signal 2, la source r\u00e9elle qui ne dit pas cela, car il r\u00e9siste \u00e0 la v\u00e9rification d&rsquo;existence. Dans les donn\u00e9es judiciaires, 13,4 % des d\u00e9cisions ne comportaient aucune autorit\u00e9 invent\u00e9e, et dans l&rsquo;audit des r\u00e9dactions, la plupart des erreurs d&rsquo;exactitude significatives portaient sur un contenu que l&rsquo;assistant avait lui-m\u00eame cit\u00e9.<\/p>\n<p><strong>Les mod\u00e8les plus r\u00e9cents m\u00e9ritent-ils encore d&rsquo;\u00eatre v\u00e9rifi\u00e9s de cette fa\u00e7on ?<\/strong><br \/>\nOui. Dans une \u00e9tude, les r\u00e9f\u00e9rences invent\u00e9es sont pass\u00e9es de 55 % \u00e0 18 % entre GPT-3.5 et GPT-4, et pourtant les d\u00e9cisions de justice impliquant des erreurs d&rsquo;IA se sont succ\u00e9d\u00e9 au rythme d&rsquo;environ 4,5 par jour en 2026. Un taux plus faible par r\u00e9ponse ne signifie pas moins d&rsquo;erreurs au total tant que l&rsquo;usage continue de cro\u00eetre.<\/p>\n<p><strong>Demander des sources rend-il une r\u00e9ponse plus s\u00fbre ?<\/strong><br \/>\nCela la rend v\u00e9rifiable, ce qui est diff\u00e9rent. Dans l&rsquo;audit des r\u00e9dactions, le sour\u00e7age \u00e9tait la premi\u00e8re cause de probl\u00e8mes significatifs (31,3 % des r\u00e9ponses), y compris des r\u00e9f\u00e9rences qui n&rsquo;\u00e9tayaient pas l&rsquo;affirmation et des liens qui n&rsquo;existaient pas.<\/p>\n<p><strong>Un second mod\u00e8le d&rsquo;IA peut-il faire la v\u00e9rification ?<\/strong><br \/>\nIl peut aider pour le signal 10 (comparer les r\u00e9ponses de deux mod\u00e8les), mais l&rsquo;accord entre mod\u00e8les n&rsquo;est pas une v\u00e9rification. Les signaux 1-4 et 11 exigent la source primaire, le registre ou un nouveau calcul.<\/p>\n<p><strong>Pourquoi les affaires judiciaires concernent-elles les non-juristes ?<\/strong><br \/>\nLes tribunaux consignent ce qu&rsquo;ils constatent ; ils r\u00e9v\u00e8lent donc une r\u00e9partition des erreurs que le travail ordinaire mesure rarement : sources invent\u00e9es, sources r\u00e9elles mal lues et fausses citations, souvent dans la m\u00eame \u00e9criture.<\/p>\n<h2 id=\"sources\"><span class=\"ez-toc-section\" id=\"Sources\"><\/span>Sources<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Walters, W. H. et Wilder, E. I. Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports 13, 14045, 2023.<\/li>\n<li>Charlotin, D. AI Hallucination Cases Database, export CSV t\u00e9l\u00e9charg\u00e9 le 18 octobre 2026 (derni\u00e8re mise \u00e0 jour le 16 octobre 2026), sous licence CC BY 4.0.<\/li>\n<li>Charlotin, D. Hallucinations Case Database &#8211; FAQ. Lettre d&rsquo;information Artificial Authority, 14 novembre 2025, avec des modifications de f\u00e9vrier 2026 (notes de l&rsquo;auteur de la base).<\/li>\n<li>European Broadcasting Union et BBC. News Integrity in AI Assistants: An international PSM study. Octobre 2025, y compris les r\u00e9sultats de l&rsquo;annexe 3.<\/li>\n<li>BBC. Representation of BBC News content in AI Assistants. F\u00e9vrier 2025.<\/li>\n<li>Vectara. Hallucination Leaderboard, README GitHub, derni\u00e8re mise \u00e0 jour le 16 octobre 2026. Donn\u00e9es communiqu\u00e9es par l&rsquo;entreprise (commerciale).<\/li>\n<li>Spracklen, J. et coll\u00e8gues (University of Texas at San Antonio, University of Oklahoma, Virginia Tech). We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs. arXiv 2406.10279, version 3, mars 2025.<\/li>\n<li>Min, S., Krishna, K., Lyu, X. et coll\u00e8gues. FActScore: Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation. arXiv 2305.14251, version 2, octobre 2023.<\/li>\n<li>Mallen, A., Asai, A., Zhong, V., Das, R., Khashabi, D. et Hajishirzi, H. When Not to Trust Language Models: Investigating Effectiveness of Parametric and Non-Parametric Memories. ACL 2023.<\/li>\n<li>OpenAI. OpenAI o3 and o4-mini System Card. 16 avril 2025. Donn\u00e9es communiqu\u00e9es par l&rsquo;entreprise.<\/li>\n<li>Vu, T., Iyyer, M. et coll\u00e8gues (Google, University of Massachusetts Amherst, OpenAI). FreshLLMs: Refreshing Large Language Models with Search Engine Augmentation. arXiv 2310.03214, version 2, novembre 2023.<\/li>\n<li>Sharma, M., Tong, M., Korbak, T. et coll\u00e8gues. Towards Understanding Sycophancy in Language Models. ICLR 2024.<\/li>\n<li>Fanous, A., Goldberg, J., Agarwal, A. et coll\u00e8gues. SycEval: Evaluating LLM Sycophancy. arXiv 2502.08177, version 4, septembre 2025.<\/li>\n<li>Manakul, P., Liusie, A. et Gales, M. J. F. SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models. arXiv 2303.08896, version 3, octobre 2023.<\/li>\n<li>Farquhar, S., Kossen, J., Kuhn, L. et Gal, Y. Detecting hallucinations in large language models using semantic entropy. Nature 630, 625-630, 2024.<\/li>\n<li>M\u00fcndler, N., He, J., Jenko, S. et Vechev, M. Self-contradictory Hallucinations of Large Language Models: Evaluation, Detection and Mitigation. ICLR 2024.<\/li>\n<li>Dziri, N., Lu, X., Sclar, M. et coll\u00e8gues. Faith and Fate: Limits of Transformers on Compositionality. NeurIPS 2023.<\/li>\n<li>Zhou, K., Hwang, J. D., Ren, X. et Sap, M. Relying on the Unreliable: The Impact of Language Models&rsquo; Reluctance to Express Uncertainty. arXiv 2401.06730, version 2, juillet 2024.<\/li>\n<li>Steyvers, M., Tejeda, H., Kumar, A. et coll\u00e8gues. What large language models know and what people think they know. Nature Machine Intelligence 7, 221-231, 2025.<\/li>\n<\/ol>\n<p><em>Analyses CEOtudent : tableau 1 (calcul\u00e9 \u00e0 partir du CSV de l&rsquo;AI Hallucination Cases Database) et tableau 2 (recalcul\u00e9 \u00e0 partir des d\u00e9comptes de l&rsquo;annexe de l&rsquo;EBU et de la BBC), tous deux dans calc.py ; les parts de 62 % et 26 % de r\u00e9f\u00e9rences exemptes d&rsquo;erreurs, calcul\u00e9es \u00e0 partir des pourcentages de Walters et Wilder ; ainsi que la m\u00e9diane et la fourchette de Vectara, r\u00e9sum\u00e9es \u00e0 partir du tableau de l&rsquo;\u00e9diteur. La liste de contr\u00f4le, la r\u00e8gle des signaux d&rsquo;alerte et ses exemples sont des cadres \u00e9ditoriaux CEOtudent. D\u00e9lib\u00e9r\u00e9ment non utilis\u00e9s : les chiffres de PersonQA pour d&rsquo;autres mod\u00e8les qui n&rsquo;apparaissent que dans la presse ; les chiffres de NewsGuard cit\u00e9s dans le rapport de l&rsquo;EBU, dont l&rsquo;original n&rsquo;a pas \u00e9t\u00e9 consult\u00e9 ; la colonne \u00ab outil d&rsquo;IA \u00bb de la base, dont le responsable pr\u00e9cise qu&rsquo;elle n&rsquo;indique pas quel outil a caus\u00e9 une erreur ; et un chiffre de 87 % d&rsquo;erreurs dans les r\u00e9f\u00e9rences r\u00e9elles attribu\u00e9 \u00e0 Bhattacharyya et ses coll\u00e8gues, vu uniquement dans le r\u00e9sum\u00e9 de Walters et Wilder.<\/em><\/p>\n<hr>\n<p><em>Ce contenu a \u00e9t\u00e9 compil\u00e9 avec le soutien de l&rsquo;IA \u00e0 la suite d&rsquo;une recherche approfondie, puis r\u00e9dig\u00e9 et pr\u00e9par\u00e9 pour publication par l&rsquo;\u00e9quipe \u00e9ditoriale de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dans une analyse CEOtudent de 2 083 d\u00e9cisions de justice recens\u00e9es dans l&rsquo;AI Hallucination Cases Database, 57,9 % comportaient au moins une erreur qu&rsquo;une simple v\u00e9rification \u00ab cette source existe-t-elle ? \u00bb ne d\u00e9tecterait pas : une autorit\u00e9 r\u00e9elle d\u00e9form\u00e9e, une fausse citation ou un droit p\u00e9rim\u00e9. Un audit men\u00e9 en 2025 par 22 m\u00e9dias de service public a relev\u00e9 des probl\u00e8mes significatifs dans 45 % des r\u00e9ponses des assistants d&rsquo;IA sur l&rsquo;actualit\u00e9. Ce guide transforme la recherche en 12 signaux d&rsquo;alerte observables, chacun assorti d&rsquo;une v\u00e9rification rapide, ainsi qu&rsquo;en une r\u00e8gle de notation pour savoir quand une r\u00e9ponse exige une v\u00e9rification compl\u00e8te.<\/p>\n","protected":false},"author":1,"featured_media":326598,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-326596","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326596","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/comments?post=326596"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326596\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media\/326598"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media?parent=326596"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/categories?post=326596"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/tags?post=326596"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}