Hallucination d'IA: Comparez les meilleurs LLM comme GPT-5.2

Les modèles d'IA peuvent générer des réponses qui semblent plausibles mais sont incorrectes ou trompeuses, connues sous le nom d'hallucinations d'IA. 77 % des entreprises sont préoccupées par les hallucinations d'IA.¹

Nous avons évalué 37 LLM différents avec 60 questions pour mesurer leurs taux d'hallucination :

Résultats du benchmark d'hallucination d'IA

Notre benchmark a révélé que même les derniers modèles ont des taux d'hallucination >15% lorsqu'on leur demande d'analyser des déclarations fournies. Lisez la méthodologie du benchmark pour savoir comment nous avons mesuré ces taux.

Analyse du taux d'hallucination : Coût vs contexte

Pour assurer une comparaison équitable des coûts entre les modèles, nous normalisons les prix en utilisant une métrique unifiée qui reflète les schémas d'utilisation réels. Parce que la plupart des tokens dans les charges de travail pratiques proviennent des entrées plutôt que des sorties, nous calculons le coût du modèle comme 0,75 × prix du token d'entrée + 0,25 × prix du token de sortie.

Cela empêche les modèles avec des sorties artificiellement bon marché ou des entrées disproportionnellement chères d'apparaître de manière trompeusement efficace, permettant à chaque modèle d'être évalué sur une échelle cohérente et comparable.

Taille du contexte vs tendances d'hallucination

Le graphique révèle des modèles distincts lors de la comparaison des taux d'hallucination avec la taille de la fenêtre de contexte. Conforme aux données précédentes concernant le coût, il existe peu ou pas de corrélation linéaire entre la capacité du contexte et la précision.

Un grand contexte ne garantit pas la précision

Contrairement à l'hypothèse selon laquelle des entrées plus grandes conduisent à un meilleur raisonnement, une relation mixte émerge. Les modèles conçus pour des fenêtres de contexte massives (1M+ tokens) n'atteignent pas systématiquement des taux d'hallucination inférieurs que leurs homologues plus petits. Comme le montrent les données, des modèles hautement fiables se trouvent dans les deux spectres de contexte court et long, tout comme des modèles moins performants.

Cela suggère qu'une fenêtre de contexte massive ne garantit pas automatiquement une cohérence factuelle améliorée. En fin de compte, les spécifications techniques comme la taille du contexte ne sont pas des indicateurs définitifs de fiabilité ; la performance dépend davantage de l'architecture spécifique du modèle et de la qualité de l'entraînement que de la capacité seule.

Qu'est-ce que les hallucinations d'IA ?

Les hallucinations se produisent lorsqu'un LLM produit des informations qui semblent réelles mais qui sont soit entièrement inventées, soit factuellement inexactes. Contrairement aux erreurs simples, les hallucinations sont particulièrement problématiques car elles sont présentées avec la même assurance que les informations exactes, rendant difficile pour les utilisateurs de les reconnaître sans confirmation externe.

Les impacts des hallucinations de LLM

Les hallucinations d'IA affectent de nombreux secteurs car les organisations dépendent des outils d'IA générative pour produire du texte, analyser des données et soutenir la prise de décision. Les résultats possibles varient, mais plusieurs risques apparaissent régulièrement :

Atteinte à la réputation

Si un modèle produit des informations inexactes, des récits faux ou des sorties trompeuses, les utilisateurs peuvent perdre confiance dans le système et l'organisation qui le déploie. Reconstruire la confiance après qu'une information incorrecte ait atteint les clients, les équipes internes ou le public peut s'avérer difficile.

Par exemple, une analyse récente par GPTZero² a constaté que des dizaines de papiers acceptés à NeurIPS 2025 comprenaient des citations générées par IA qui n'avaient pas été détectées lors de l'examen par les pairs. Après avoir analysé plus de 4 000 papiers acceptés, l'entreprise a trouvé des centaines de références défectueuses dans au moins 50 papiers, allant de citations entièrement fictives à des versions altérées de vraies.

Certaines erreurs impliquaient des auteurs, titres, journaux ou liens inventés, tandis que d'autres modifiaient subtilement de vraies citations en changeant les noms d'auteurs ou les titres de papiers. GPTZero indique que toutes les citations signalées ont ensuite été vérifiées par des experts humains.

NeurIPS a reconnu l'utilisation croissante des grands modèles de langage dans l'écriture de recherche et a indiqué qu'elle surveille le problème, notant que des références incorrectes n'invalident pas automatiquement les résultats d'un papier. Cependant, GPTZero a qualifié les résultats d'inquiétants, étant donné que les papiers avaient été formellement acceptés et publiés lors d'une conférence hautement sélective.

Les résultats soulignent comment la flambée des soumissions, plus de 21 000 en 2025, rend l'examen approfondi difficile et soulève des préoccupations concernant l'intégrité de la recherche, la reproductibilité et les risques de s'appuyer sur des citations générées par IA dans l'édition académique.³

Exposition juridique

Dans des domaines réglementés tels que la santé, la finance et le droit, le contenu généré par IA qui inclut des erreurs factuelles peut entraîner des violations de conformité. Lorsque le contenu généré est utilisé sans vérification, des interprétations incorrectes des données ou des politiques peuvent entraîner des pénalités, des dommages aux clients ou des litiges.

Par exemple, les fausses citations de cas générées par IA sont devenues un problème grave et croissant pour les tribunaux. En 2025 seulement, des juges du monde entier ont rendu des centaines de décisions concernant les hallucinations d'IA dans les dépôts juridiques, proxy environ 90 % de tous les cas connus de ce problème à ce jour.

Les juges disent que ces erreurs gaspillent un temps et des ressources rares, obligeant les tribunaux à enquêter sur des cas inexistants au lieu de se concentrer sur le fond des litiges. Les avocats et les juges eux-mêmes ont été pris en train de s'appuyer sur des sorties d'IA défectueuses, provoquant des avertissements, des ordonnances permanentes et des sanctions de plus en plus sévères.

Alors que la prise de conscience des limites de l'IA grandit, les tribunaux deviennent moins tolérants envers les excuses, considérant les citations hallucinées comme une faute professionnelle plutôt que comme une ignorance. Alors que les chercheurs suivant le problème rapportent une croissance rapide de tels cas, beaucoup voient l'IA comme globalement bénéfique pour le travail juridique, si son utilisation est transparente, soigneusement vérifiée et traitée comme un outil de brouillon plutôt que comme une source de vérité juridique.⁴

Inefficacité opérationnelle

Lorsque les utilisateurs ne peuvent pas se fier au texte ou aux sorties générés par l'IA, ils doivent vérifier manuellement les résultats. Cela ajoute du temps et réduit la valeur de l'intelligence artificielle générative. Au lieu d'aider les flux de travail, les hallucinations peuvent créer des goulots d'étranglement qui nécessitent un examen humain pour identifier les fausses informations.

Par exemple, lors d'un test de rapports de police écrits par IA dans l'Utah, un audio d'arrière-plan d'un film Disney a amené le système à déclarer à tort qu'un officier de police s'était transformé en grenouille. L'incident s'est produit lors d'un pilote de décembre d'outils d'IA comme Draft One d'Axon, qui convertissent l'audio de la caméra corporelle en rapports écrits pour faire gagner du temps aux officiers.

Bien que les responsables disent que les outils peuvent sauver plusieurs heures par semaine sur la paperasse, l'épisode a exposé des préoccupations plus profondes concernant la précision et la surveillance. Même les rapports de test routiniers nécessitaient des corrections, et les critiques avertissent que l'IA peut mal interpréter les sons, lisser l'incertitude ou introduire des erreurs subtiles qui deviennent plus tard partie intégrante du dossier officiel.⁵

Causes des hallucinations d'IA

Comprendre pourquoi les hallucinations se produisent est essentiel pour concevoir des techniques de mitigation des hallucinations et décider quand faire confiance au contenu généré par l'IA.

Limitations des données d'entraînement

Les grands modèles de langage sont entraînés sur de vastes quantités de données Internet, de documents et d'autres textes. Les limitations de ces données d'entraînement peuvent entraîner des hallucinations :

• Des données d'entraînement insuffisantes dans des domaines spécialisés peuvent laisser des lacunes de connaissances. Lorsque le modèle est invité à générer du texte dans de tels domaines, il peut combler les faits manquants avec des informations inventées plutôt que d'admettre l'incertitude.
• Des pages Web de faible qualité, de fausses nouvelles ou du contenu trompeur dans l'ensemble d'entraînement peuvent biaiser le modèle vers de faux récits et des erreurs factuelles.
• Des données factuelles obsolètes peuvent amener le modèle à produire des informations incorrectes sur des sujets qui ont changé après la période d'entraînement.
• Les biais des données d'entraînement peuvent déformer la façon dont les modèles d'IA décrivent les personnes, les événements ou les résultats possibles.

Ces problèmes ne sont pas uniques à la génération de texte. Des problèmes similaires se produisent dans les modèles de vision par ordinateur entraînés sur des ensembles de données biaisés ou incomplets, bien que les hallucinations prennent des formes différentes, comme des classifications erronées.

Date de coupure des connaissances et mises à jour continues

Les générations antérieures de modèles d'avaient une date de coupure précise pour les connaissances et aucun accès aux données externes en direct. Lorsque les utilisateurs posaient des questions sur des événements récents, le modèle générait souvent des sorties de toute façon, augmentant le risque d'hallucinations.

Les systèmes d'IA modernes combinent de plus en plus des données d'entraînement statiques avec la récupération d'une base de connaissances en direct ou d'autres sources externes. En conséquence :

• La date de coupure des connaissances compte toujours pour certains modèles, principalement les déploiements hors ligne.
• Dans de nombreux environnements d'entreprise, la génération augmentée par récupération réduit l'impact des coupures en extrayant des données factuelles récentes de sources de données internes ou externes.
• Les hallucinations liées à la réactivité reflètent souvent maintenant des données de récupération manquantes ou désalignées, et non seulement l'âge des paramètres du modèle.

Surconfiance et prédiction du mot suivant

Un modèle de langage génère du texte token par token, prédit le mot suivant étant donné le contexte d'entrée et les tokens précédents. Le modèle est optimisé pour produire des continuations fluides et probables, et non des réponses garanties correctes. Cela provoque plusieurs effets :

• Le modèle peut privilégier une explication fluide plutôt que d'admettre qu'il ne connaît pas la bonne réponse.
• Il peut sélectionner un modèle d'information plausible mais faux si ce modèle apparaît souvent dans les données d'entraînement.
• Le modèle peut généraliser à partir de modèles dans les données et générer du contenu qui semble spécifique mais qui n'est pas ancré dans des sources factuelles.

De la perspective de l'utilisateur, le style du texte généré par l'IA rend difficile de voir que la réponse peut être fausse.

Mauvaise interprétation des invites et invites vagues

Les hallucinations peuvent également résulter de la formulation des invites d'entrée :

• Des invites vagues donnent trop de liberté au modèle, conduisant à des résultats inattendus ou à des réponses qui ne correspondent pas à l'intention de l'utilisateur.
• Des questions trop larges encouragent le modèle à générer des sorties au-delà des connaissances présentes dans ses paramètres ou les documents récupérés.
• Une formulation ambiguë peut amener le modèle à choisir une interprétation et à produire de manière confiante des informations inexactes basées sur cette interprétation.

Des instructions plus précises et des contraintes explicites réduisent souvent ces effets mais ne les éliminent pas.

Stratégies pour réduire les hallucinations d'IA

Les techniques de mitigation des hallucinations combinent généralement des choix d'architecture, des approches d'entraînement et une conception au niveau du système plutôt qu'une seule solution.

Outils de détection d'hallucinations d'IA

Les outils de détection d'hallucinations d'IA évaluent si le contexte ou les données de référence donnés soutiennent les sorties générées par l'IA. Ces outils utilisent le plus souvent des méthodes de LLM-as-a-judge ainsi que des techniques telles que l'analyse de cohérence, le score de confiance et la vérification basée sur l'implication.

Nous avons évalué 100 cas de test Q&R factuels équilibrés pour comparer les outils de détection d'hallucinations d'IA. W&B Weave et Arize Phoenix ont montré des performances globales similaires à 91 % et 90 %, respectivement, tandis que Comet Opik a atteint 72 % de précision en raison d'une stratégie de détection plus conservatrice. Lisez les outils de détection d'hallucinations d'IA pour en savoir plus sur les résultats.

Génération augmentée par récupération

La génération augmentée par récupération connecte les modèles d'IA générative à une base de connaissances externe. Lorsqu'un utilisateur envoie une requête :

• Le système récupère des documents ou des données pertinents de sources curatées, telles que des bases de données internes, de la littérature spécifique au domaine ou des pages Web sélectionnées.
• Ces passages récupérés sont transmis au modèle de langage en tant que contexte supplémentaire.
• Le modèle génère des sorties qui sont censées rester plus proches des données factuelles récupérées plutôt que de s'appuyer uniquement sur ses paramètres appris.

Les conceptions récentes de génération augmentée par récupération étendent ce modèle en :

• Récupération multi-étapes, où le système récupère, résume, puis récupère à nouveau si des informations manquent.
• Récupération structurée, où les outils d'IA interrogent des API, des bases de données SQL ou des graphes de connaissances plutôt que des documents non structurés uniquement.
• Surveillance de la qualité de la récupération, qui vérifie si le contexte récupéré soutient réellement la réponse, peut signaler les cas potentiels d'hallucination.

Le RAG ne garantit pas la précision factuelle, mais il réduit généralement les hallucinations, surtout lorsque la base de connaissances est soigneusement curatée et régulièrement mise à jour.

Par exemple, un nouvel article présente REFIND, une méthode augmentée par récupération pour détecter les segments hallucinés dans les sorties de grands modèles de langage en mesurant la sensibilité de chaque token généré aux preuves externes.

En utilisant une nouvelle métrique appelée Context Sensitivity Ratio (CSR), REFIND compare les probabilités des tokens avec et sans documents récupérés, signalant les tokens qui changent considérablement comme des hallucinations probables.

Évalué sur l'ensemble de données multilingue SemEval-2025 Mu-SHROOM, l'approche aide à surpasser les bases existantes, en particulier dans les langues à faibles ressources. Les résultats montrent que l'ancrage de la détection d'hallucination dans des preuves récupérées permet une identification plus précise, fiable et évolutive des erreurs factuelles dans le texte généré par LLM.⁶

Conception d'invite dans les systèmes modernes

L'ingénierie d'invite a changé à mesure que les modèles d'IA générative s'amélioraient. Il ne s'agit plus seulement de formulations astucieuses. Dans les systèmes actuels, la conception d'invite se concentre sur :

• Énoncer clairement la tâche, les entrées et les contraintes, y compris ce qui compte comme correct et ce qui doit rester sans réponse.
• Demander au modèle de dire « Je ne sais pas » ou de demander plus d'informations lorsque l'entrée donnée est incomplète.
• Encourager le modèle à se référer explicitement au contexte cité plutôt qu'à inventer des détails non présents dans les données fournies.
• Aligner les instructions de rôle, les outils et les paramètres de récupération afin que le modèle sache quand utiliser des sources externes et quand s'appuyer sur ses propres paramètres.

De bonnes invites améliorent la qualité des sorties d'IA, mais elles font maintenant partie d'un système plus large qui inclut la récupération, les outils et la vérification.

Vérification externe des faits et méthodes de vérification

Vérifier le contenu généré par l'IA par rapport à des données factuelles fiables reste une stratégie centrale. La vérification peut se faire de plusieurs manières :

• Récupération et comparaison automatisées : Le système utilise la génération augmentée par récupération pour extraire des documents, puis vérifie si ces documents soutiennent les affirmations clés dans le contenu généré.
• Vérification inter-modèles : Un modèle de langage génère une réponse, et un autre modèle ou une configuration différente la révise pour détecter les erreurs factuelles.
• Vérification basée sur les outils : Les modèles d'IA appellent des outils d'IA spécialisés, tels que des interpréteurs de code, des calculatrices ou des API de domaine, pour vérifier les valeurs numériques, les dates ou les sorties structurées.
• Examen humain dans la boucle : Des experts du domaine examinent le texte généré par l'IA le plus critique avant qu'il ne soit utilisé en production ou publié.

Les systèmes modernes combinent souvent ces approches, utilisant des vérifications automatiques pour la plupart du contenu et escaladant les cas suspects vers un examen humain.

Approches agentic pour réduire les hallucinations

Des travaux récents en intelligence artificielle ont introduit des systèmes agentic, dans lesquels un modèle est autorisé à planifier, appeler des outils et prendre plusieurs étapes plutôt que de répondre en un seul passage. Cela change la façon dont les hallucinations apparaissent et comment elles peuvent être réduites.

Les systèmes de modèles de langage agentic peuvent :

• Diviser une question en sous-problèmes et les résoudre étape par étape.
• Décider quand plus de données sont nécessaires et effectuer une récupération supplémentaire depuis une base de connaissances ou des sources externes.
• Appeler des outils spécifiques au domaine, tels que des API de recherche, des bases de données ou des calculatrices, pour vérifier les résultats intermédiaires.
• Réévaluer leur propre réponse de brouillon et réviser les parties qui entrent en conflit avec les preuves récupérées.

Par exemple, au lieu de générer une longue réponse immédiatement, l'agent IA peut :

1. Récupérer des documents pertinents.
2. Résumer et comparer différentes sources.
3. Identifier les contradictions ou les données manquantes.
4. Poser des questions de suivi à l'utilisateur si la tâche est sous-spécifiée.
5. Seulement alors générer la réponse finale.

Cette structure multi-étapes rend les hallucinations plus visibles et fournit des points supplémentaires auxquels des vérifications peuvent être appliquées.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

Estimation de l'incertitude et scores de confiance

Un autre domaine actif est l'estimation de la probabilité qu'une sortie d'IA contienne des erreurs factuelles. L'estimation de l'incertitude peut être utilisée à la fois pendant et après la génération. Certaines approches incluent :

• Scores de confiance au niveau du token, qui montrent à quel point le modèle est confiant dans chaque mot ou phrase. Les régions de faible confiance peuvent être signalées pour examen.
• Vérifications de cohérence, où le modèle répond à la même question de plusieurs manières ou avec des invites variées, et le système mesure la stabilité des réponses.
• Vérifications de suffisance du contexte, dans lesquelles un modèle séparé évalue si les documents récupérés contiennent des informations suffisantes pour répondre à la question.
• Évaluation des risques pré-génération, où le système prédit si une entrée donnée est susceptible d'induire des hallucinations dans une configuration de modèle spécifique.

Ces méthodes ne suppriment pas les hallucinations, mais elles aident les organisations à identifier les sorties à haut risque et à les acheminer vers des flux de vérification plus puissants ou des examinateurs humains.

Communiquer l'incertitude aux utilisateurs

Communiquer l'incertitude aux utilisateurs est crucial lorsque les systèmes d'IA rencontrent des limitations. Certaines pratiques efficaces sont :

1. L'utilisation d'un langage intentionnellement incertain aide à définir des attentes appropriées et réduit les sorties trompeuses qui pourraient propager des informations inexactes.
2. En intégrant des indicateurs d'erreurs factuelles, les modèles peuvent signaler lorsqu'ils manquent de confiance dans leurs réponses. Cette transparence, recommandée dans des publications récentes de revue technologique, empêche les utilisateurs de prendre le contenu généré par l'IA pour argent comptant.
3. Souligner les éléments textuels spécifiques qui ont influencé la réponse du modèle aide les utilisateurs à comprendre le raisonnement derrière les sorties incertaines, tandis que l'affichage des scores de confiance permet une évaluation plus fiable.
4. Lors de la gestion de problèmes complexes, présenter plusieurs sources encourage les utilisateurs à vérifier indépendamment les affirmations plutôt que de s'appuyer uniquement sur des sorties d'IA qui peuvent contenir des hallucinations.

Ces approches, validées par des retours humains extensifs, créent une relation plus honnête entre les utilisateurs et les modèles d'IA générative en reconnaissant lorsque les limitations de la base de connaissances pourraient entraîner des hallucinations potentielles.

Estimer le risque d'hallucinations avant qu'elles ne se produisent

Détecter le contenu faux après que le LLM l'a déjà généré est l'objectif principal de la plupart des recherches actuelles sur les hallucinations. Des outils comme RefChecker et Hallucination Guard visent à mettre en évidence ou à noter les sorties suspectes, aidant les utilisateurs à filtrer ou à corriger les résultats hallucinés.

Une nouvelle perspective réinterprète le problème, suggérant que les hallucinations sont des artefacts de compression plutôt que des « bugs ». Pendant le fonctionnement, les grands modèles de langage décompressent des informations qui avaient été précédemment compressées dans leurs paramètres. Similaire à la façon dont un fichier ZIP corrompu produit des déchets lors du dézippage, le modèle comble les lacunes avec du contenu plausible mais faux lorsque son « budget d'information » est limité.⁷

Les LLM optimisent l'efficacité moyenne, ce qui peut entraîner des hallucinations systématiques occasionnelles. La Loi de Décompression au Niveau de l'Attente (EDFL) définit les seuils d'information nécessaires pour prévenir les hallucinations dans les LLM.

La Calculatrice de Risque d'Hallucination Open-source permet l'évaluation des risques pré-génération, la définition des limites d'erreur, l'évaluation du contexte et des garanties de style SLA, chacune étant très utile dans les domaines réglementés. Elle peut être utilisée avec n'importe quelle API compatible OpenAI.

Méthodologie du benchmark d'hallucination d'IA

Notre objectif est de déterminer si les modèles peuvent digérer les informations d'entreprise et en dériver des conclusions précises. C'est un domaine où les LLM peuvent générer le plus de valeur pour les entreprises, et nous voulions comprendre les taux d'hallucination dans ce contexte.

Notre benchmark évalue les taux d'hallucination des LLM en utilisant un ensemble de données de questions dérivées d'articles de CNN News.

Nous avons utilisé un système automatisé de collecte de données web pour construire l'ensemble de données, en extrayant des articles directement du flux RSS de CNN. À partir de ces articles, nous avons créé 60 questions conçues pour tester rigoureusement la capacité d'un LLM à récupérer des informations factuelles spécifiques à l'article.

Les questions ont été intentionnellement construites pour :

• Demander des valeurs numériques précises (pourcentages, dates, quantités).
• Couvrir des sujets divers tels que les prix du pétrole, l'histoire de l'art, la recherche scientifique, la finance, et plus encore.
• Inclure des relations temporelles et des faits statistiques difficiles à deviner.
• Exiger une récupération exacte du texte fourni plutôt qu'un raisonnement généralisé.
• Rendre la vérification facile en vérifiant si la réponse correspond au chiffre de l'article original.

Évaluation utilisant un système de vérification des faits en trois étapes

Après que les questions ont été envoyées à chaque LLM via des appels API, les réponses sont évaluées en utilisant un pipeline de vérification des faits en deux étapes :

1. Vérification statique de correspondance exacte : Le système effectue d'abord une comparaison rapide de chaînes entre la réponse du LLM et la valeur de vérité fondamentale extraite de l'article. Si les valeurs correspondent exactement, la réponse est marquée comme correcte.
2. LLM en tant que juge Validation sémantique : Si aucune correspondance exacte n'est trouvée, une étape d'évaluation supplémentaire utilise un modèle LLM-as-a-judge pour déterminer si la réponse est sémantiquement équivalente à la vérité fondamentale.
   Cela prend en compte les variations de formatage ou de formulation, telles que
   • « 26 millions » vs « 26000000 »
   • « n/a », « non disponible » ou « non donné »
   • de légères différences de formulation qui conservent le même sens.
3. Vérification finale : Le LLM-as-a-judge peut également halluciner. Pour résoudre cela, nous avons également construit un autre LLM-as-a-judge pour vérifier les sorties qui sont marquées comme « échouées » par le premier LLM-as-a-judge, pour vérifier si elles sont vraiment échouées ou si notre LLM-as-a-judge a halluciné. Si une réponse est marquée comme suspecte par ce LLM-as-a-judge, nous les avons vérifiées et notées manuellement pour nous assurer qu'il n'y a pas d'erreurs pendant les évaluations.

La réponse est classée comme une hallucination uniquement si elle échoue à la fois à la vérification de correspondance exacte, à l'évaluation d'équivalence sémantique et à la vérification finale.

Exemple

Invite : « Répondez à la question en utilisant uniquement les informations qui apparaissent dans l'article fourni. N'arrondissez pas les réponses. Répondez uniquement avec une réponse d'un mot ou d'un nombre, ou « non donné ». »

Article : Les scientifiques identifient un ingrédient secret dans les peintures de Léonard de Vinci ⁸

Question : Auquel siècle la peinture à l'huile s'est-elle répandue en Europe du Nord ?
Vérité fondamentale : Non donné.

L'article ne fournit pas cette information ; il ne fait référence qu'au Moyen Âge. Par conséquent, toute réponse autre que « non donné » indique que le modèle ne suit pas l'article et génère des informations fabriquées ou supposées, entraînant une hallucination.

FAQ

Lectures complémentaires

• 8 Modèles de Code IA Évalués : LMC-Eval
• Comprendre la tarification des LLM : Principaux fournisseurs comparés
• Mémoire IA : Modèles d'IA les plus populaires avec la meilleure mémoire
• Performance des agents IA : Taux de réussite & ROI

Citez ce benchmark

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{alper2026,
  author = {Alper, Şevval and Kalelioğlu, Berk},
  title  = {{Hallucination d'IA: Comparez les meilleurs LLM comme GPT-5.2}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-hallucination}},
  note   = {AIMultiple. Consulté le 4 Juin 2026}
}

Liens de référence

1.

Managing gen AI risks | Deloitte Insights

Deloitte

2.

GPTZero finds 100 new hallucinations in NeurIPS 2025 accepted papers

AI Detection Resources | GPTZero

3.

NeurIPS research papers contained 100+ AI-hallucinated citations, new report claims | Fortune

Fortune

4.

AI-Faked Cases Become Core Issue Irritating Overworked Judges

5.

forbes.com

Forbes

6.

https://arxiv.org/pdf/2502.13622

7.

LLM hallucinations predicted with new algorithm, open-sourced | Leon Chlon, PhD posted on the topic | LinkedIn

8.

An Old Master’s secret ingredient? Egg yolk, new study suggests | CNN

Getty Images

Şevval Alper

Chercheur en IA

Suivre

Şevval est analyste chez AIMultiple, spécialisé dans les outils de codage IA, les agents IA et les technologies quantiques.

Voir le profil complet

Examiné techniquement par

Berk Kalelioğlu

Chercheur en IA

SuivreVoir le profil complet

Commentaires 4

Partagez vos idées

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire

Abraham

Aug 25, 2025 at 11:57

This article is updated in June while the GPT 5 is announced in August. How did you test GPT 5 in AI Hallucination Rates figure

Répondre

Aleyna Daldal

Sep 05, 2025 at 08:46

Hi! Thanks for your comment. We use WordPress for our articles, which allows us to update graphs and tables independently of the main text. This means that even if the article text shows an earlier update date, we can still add the latest results to the figures without altering the written sections.

Répondre

Rui

Aug 08, 2025 at 20:31

Hi Cem, I've been using this article as a reference of severity of hallucination. Is it possible to refresh the report with the newly released GPT-5? Thanks!

Répondre

Aleyna Daldal

Sep 05, 2025 at 08:48

Hi Rui, Thanks a lot for your interest and for using our article as a reference. We’ve already refreshed the report with GPT-5 results, so you’ll find the latest updates included in the article.

Répondre

Tim

Jul 19, 2025 at 10:13

Is there any chance that you might add Claude Sonnet/Opus 4 as well as Gemini 2.5 Pro?

Répondre

Aleyna Daldal

Sep 05, 2025 at 08:48

Hi Tim, Thank you for your support and suggestion. Claude Sonnet/Opus 4 and Gemini 2.5 Pro have already been added to the article, so you can now see them included in the comparisons.

Répondre

Joon

Feb 28, 2025 at 16:29

Hi, thank you for interesting benchmark! I was wondering Grok3's hallucination rate, both in Think mode and without. Are you planning to add these?

Répondre

Cem Dilmegani

Mar 17, 2025 at 02:52

Hi Joon and thank you for your comment, Yes, we are waiting for API access.

Répondre