ChatGPT a mal attribué les sources d'articles dans 67 % des requêtes testées, selon une étude largement citée du Tow Center for Digital Journalism de l'université Columbia. Grok 3 s'est trompé 94 % du temps et a envoyé les utilisateurs vers des liens morts dans plus des trois quarts de ses citations. Ces chiffres décrivent la façon dont les moteurs IA traitent les articles de presse, pas spécifiquement les faits de marque, mais le mécanisme est identique : quand un modèle n'a pas de réponse claire sous la main, il comble le vide avec quelque chose de plausible. Pour une marque, ce vide peut devenir une politique de retour inventée, un prix obsolète, ou une fonctionnalité abandonnée décrite comme actuelle, et un tribunal de Colombie-Britannique a déjà jugé une entreprise responsable de ce type précis d'erreur.
À quelle fréquence les moteurs IA se trompent-ils vraiment sur les faits de marque ?
Le Tow Center de Columbia a testé huit moteurs de recherche IA avec 1 600 requêtes au total et a constaté un taux d'échec de citation global supérieur à 60 %. Perplexity a obtenu le meilleur résultat, avec un taux d'erreur de 37 %. Grok 3 a obtenu le pire, à 94 %. Chaque moteur de l'étude a soit mal attribué une source, soit inventé une source, soit renvoyé vers une page qui n'existait plus.
Les chercheuses Klaudia Jaźwińska et Aisvarya Chandrasekar ont donné à chaque moteur une citation directe tirée d'un article de presse et lui ont demandé d'identifier le titre, l'éditeur, la date et l'URL. ChatGPT s'est trompé sur 134 des 200 cas, mais n'a signalé sa propre incertitude que 15 fois. Gemini et Grok 3 ont fabriqué plus de liens morts que de liens fonctionnels. Perplexity Pro, malgré un partenariat de licence avec le Texas Tribune, a cité des copies syndiquées des articles du Tribune au lieu de l'original dans trois cas sur dix, un écart entre ce qu'un modèle peut consulter et ce qu'il fait réellement apparaître qui traverse la façon dont ChatGPT choisit ses sources depuis le départ.
Les faits de marque suivent le même schéma d'échec, avec un rayon d'impact plus restreint. Une page de tarifs, une politique de retour, une fiche technique : ce sont exactement le genre de pages à source unique, rarement mises à jour, qu'un modèle doit reconstruire à partir de données d'entraînement partielles ou d'une récupération en direct précipitée, et c'est dans cette reconstruction que la précision de citation s'effondre.
Pourquoi les taux d'hallucination baissent alors que les erreurs propres aux marques persistent
Les taux d'hallucination généraux ont fortement baissé. Le classement des hallucinations de Vectara, un benchmark continu qui suit les performances des modèles depuis 2023, plaçait plusieurs petits modèles actuels sous les 3,5 % et la plupart des modèles phares sous les 11 % dans sa mise à jour de mai 2026. Ce chiffre mesure toutefois quelque chose de plus restreint que ce que la plupart des gens supposent : si un modèle reste fidèle à un document qu'on vient de lui fournir, pas s'il se souvient correctement de la politique actuelle d'une marque de mémoire.
Cette distinction compte. Le benchmark de Vectara fournit à chaque modèle un document réel et évalue sa cohérence factuelle avec ce document précis. Une vérification de faits de marque, c'est le scénario inverse : un moteur IA qui répond à une question sans document source sous les yeux, en s'appuyant à la place sur des données d'entraînement qui datent peut-être de dix-huit mois, ou sur une récupération en direct qui est passée à côté de la seule page qui comptait vraiment.
Une hallucination n'est pas un mensonge. C'est un modèle qui comble une lacune dans ce qu'il sait avec quelque chose qui semble plausible.
Les tribunaux ont déjà statué que les entreprises sont responsables de ce que dit leur chatbot
Oui, et le précédent est précis. En février 2024, un tribunal de résolution des différends civils de Colombie-Britannique a ordonné à Air Canada de payer un passager après que son chatbot d'assistance a inventé une réduction tarifaire pour deuil qui n'existait pas. La compagnie aérienne a soutenu que le chatbot était une entité juridique distincte, responsable de ses propres déclarations. Le membre du tribunal Christopher Rivers a rejeté cet argument sans détour, le qualifiant de « soumission remarquable ».
Moffatt v. Air Canada fait désormais figure d'affaire de référence pour la responsabilité liée aux chatbots, et elle a fixé une norme simple : une entreprise répond de ce que ses outils d'assistance IA disent à ses clients, que le modèle ait commis une erreur honnête ou comblé une lacune de connaissance avec quelque chose d'inventé. Un schéma similaire s'est produit chez Cursor en avril 2025, quand son chatbot d'assistance a affirmé à un utilisateur que l'entreprise imposait une politique de connexion à un seul appareil qui n'existait pas. Le cofondateur Michael Truell a confirmé sur Reddit qu'aucune politique de ce type n'avait jamais été écrite, mais la règle fabriquée s'était déjà propagée dans les forums de développeurs avant que le correctif ne rattrape le mal. Ces retombées réputationnelles s'ajoutent au risque juridique ; nous avons déjà écrit sur la façon dont le risque de marque lié à l'IA apparaît bien avant un procès.
Les sources tierces rendent la désinformation de marque plus difficile à repérer
La plupart des citations IA à propos d'une marque ne proviennent pas du site de cette marque. Des sources tierces comme les fils Reddit, les publications LinkedIn et les avis G2 représentent la grande majorité de ce que les moteurs IA citent à propos d'une entreprise, comme nous l'avons déjà expliqué, ce qui signifie qu'une information obsolète ou erronée présente sur un forum peut passer devant la page actuelle et exacte d'une marque en tant que source.
Cet effet d'écho amplifie le problème d'hallucination. Si un moteur s'appuie déjà sur des fils tiers plutôt que sur les pages propres à la marque, une plainte obsolète datant de deux versions de produit peut continuer à ressortir comme réponse à une question de tarif ou de politique, longtemps après que la marque l'a réellement corrigée.
Comment détecter une affirmation de marque hallucinée avant qu'un client ne le fasse
Posez les questions exactes qu'un vrai client poserait, sur ChatGPT, Claude, Gemini et Perplexity, selon un calendrier fixe, et comparez chaque réponse à la politique, aux tarifs et aux caractéristiques réels et actuels de la marque. Un contrôle ponctuel unique ne détecte pas la dérive. Une affirmation hallucinée a tendance à apparaître, à se répéter sur plusieurs sessions, puis soit à se corriger d'elle-même à mesure que les modèles sont réentraînés, soit à persister pendant des mois si rien ne la conteste.
Une marque qui ne réagit que lorsqu'un client transmet une capture d'écran travaille toujours à partir d'un signal périmé. Suivre la précision des mentions en parallèle de l'AI Share of Voice et du sentiment, comme le décrit notre guide pour suivre les mentions de marque sur ChatGPT, Gemini et Perplexity, permet de repérer une politique fabriquée pendant qu'elle n'est encore qu'une réponse isolée, plutôt qu'une version que trois moteurs partagent déjà. VizibleAI vérifie les mentions de marque sur ces quatre moteurs selon un calendrier récurrent et signale quand la version d'une politique, d'un prix ou d'une caractéristique donnée par un moteur ne correspond plus à ce que la marque a réellement publié.
Questions fréquemment posées
Qu'est-ce qui constitue une hallucination IA à propos d'une marque ?
Une hallucination de marque est toute réponse dans laquelle un moteur IA énonce une politique, un prix, une fonctionnalité ou un fait à propos d'une entreprise qui n'est pas vrai, que le modèle l'ait inventé de toutes pièces ou qu'il ait comblé une lacune dans des données d'entraînement obsolètes avec quelque chose de plausible. Les cas Air Canada et Cursor en sont tous deux des exemples : aucune des deux entreprises n'avait jamais consigné nulle part la politique fabriquée.
À quelle fréquence les moteurs de recherche IA citent-ils leurs sources correctement ?
Pas souvent, selon l'étude publique la plus détaillée disponible. Le Tow Center for Digital Journalism de Columbia a constaté que les moteurs de recherche IA ne citaient pas correctement leurs sources dans plus de 60 % des 1 600 requêtes testées sur huit moteurs, avec un taux d'erreur allant de 37 % chez Perplexity à 94 % chez Grok 3.
Une entreprise peut-elle être tenue légalement responsable de ce que dit son chatbot ?
Oui. Un tribunal de Colombie-Britannique a jugé dans l'affaire Moffatt v. Air Canada qu'une entreprise est responsable des déclarations de son chatbot, même lorsque le chatbot a inventé l'affirmation lui-même, rejetant l'argument d'Air Canada selon lequel le bot était une entité juridique distincte. Cette décision est désormais citée comme l'affaire de référence en matière de responsabilité des chatbots IA.
Un score plus bas sur un benchmark d'hallucination signifie-t-il qu'un moteur IA obtient les faits de marque justes ?
Pas nécessairement. Des benchmarks comme le classement de Vectara mesurent si un modèle reste fidèle à un document qu'on vient de lui fournir, ce qui est une tâche différente de se souvenir correctement de la politique actuelle d'une marque, de mémoire ou via une récupération web en direct. Un modèle peut obtenir un bon score en fidélité de résumé de document tout en se trompant sur la politique de retour d'une entreprise.
Comment une marque peut-elle savoir si un moteur IA donne de fausses informations à son sujet ?
Posez les questions exactes qu'un client poserait, comme le tarif, la politique de remboursement ou les caractéristiques du produit, sur ChatGPT, Claude, Gemini et Perplexity selon un calendrier récurrent, puis comparez chaque réponse à ce que la marque a réellement publié. Un contrôle ponctuel ne détecte pas la dérive ; les affirmations hallucinées ont tendance à persister jusqu'à ce que quelque chose les corrige.
Les sites tiers rendent-ils les hallucinations de marque plus probables ?
Oui. La plupart des citations IA à propos d'une marque proviennent de sources tierces comme Reddit, G2 et LinkedIn plutôt que du site de la marque elle-même, si bien qu'une information obsolète ou inexacte présente sur ces plateformes peut continuer à ressortir comme réponse d'un moteur IA longtemps après qu'une entreprise a corrigé les informations sur ses propres pages.
Découvrir ce que les moteurs IA disent de votre marque avant vos clients
Repérer une politique ou un prix hallucinés après qu'un client a déjà agi en conséquence coûte cher, et d'après la décision Air Canada, cela peut être un problème juridique autant que réputationnel. Associer ce type de contrôle à un audit GEO complet permet de savoir si une erreur est une réponse isolée ou un schéma qui se répète sur plusieurs moteurs. Découvrez ce que ChatGPT, Claude, Gemini et Perplexity disent déjà de votre marque avec VizibleAI.