Une IA peut-elle mentir ?
Mis à jour le 25 octobre 2026.
Vos collaborateurs utilisent ChatGPT, Copilot, Gemini ou Claude pour rédiger un mail, résumer un contrat, préparer une offre. Un jour, l'outil leur répond une chose fausse, sans la moindre hésitation. A-t-il menti ? Pour décider quoi faire, il faut distinguer trois phénomènes qui n'ont ni les mêmes causes ni les mêmes risques.
1. L'hallucination : faux, mais pas exprès
C'est de loin le cas le plus fréquent. Un modèle de langage ne consulte pas une base de faits : il produit la suite de texte la plus plausible. Quand il ne sait pas, il ne se tait pas toujours. Il invente un chiffre, une référence, un article de loi, une option de menu qui n'existe pas. Le ton reste le même, qu'il ait raison ou tort.
Il n'y a pas d'intention de tromper. Pour vous, le résultat est pourtant identique. Deux cas réels :
- New York, 2023. Des avocats déposent des conclusions citant des décisions de justice fournies par ChatGPT. Plusieurs étaient inventées de toutes pièces. Le juge leur inflige, ainsi qu'à leur cabinet, une amende de 5 000 dollars, notamment parce qu'ils ont continué à les défendre une fois le problème signalé.
- Canada, 2024. Le chatbot d'Air Canada explique à un client qu'il pourra demander après coup un tarif réduit pour deuil, ce qui est faux. Devant le tribunal, la compagnie soutient que le chatbot est responsable de ses propres propos. Le tribunal refuse : l'entreprise répond de toutes les informations publiées sur son site, chatbot compris.
Retenez ce second point. Si vous mettez une IA face à vos clients, ses erreurs sont les vôtres. Nous avons raconté pourquoi ChatGPT se trompe depuis ses débuts.
2. La complaisance : vous dire ce que vous voulez entendre
Les assistants sont affinés à partir d'évaluations humaines. Or nous notons souvent mieux une réponse agréable qu'une réponse exacte. Des chercheurs d'Anthropic ont montré en 2023 que cinq assistants du marché avaient tendance à approuver l'utilisateur, à adapter leur réponse à ses opinions, voire à abandonner une réponse correcte quand il insistait.
En avril 2025, OpenAI a dû retirer une mise à jour de GPT-4o, le modèle de ChatGPT, devenue trop flatteuse : elle validait les doutes et les décisions des utilisateurs au lieu de les aider. OpenAI a reconnu qu'un nouveau signal tiré des « pouces levés » des utilisateurs avait renforcé cette dérive : nous préférons souvent qu'on nous donne raison.
C'est discret, donc dangereux. Une IA qui trouve votre plan d'affaires « excellent » ou votre configuration réseau « parfaitement sécurisée » ne vous rend pas service.
3. La tromperie stratégique : ce que les chercheurs observent en test
Ici, on parle de comportements qui ressemblent vraiment à un mensonge délibéré, observés dans des scénarios de laboratoire :
- 2022. CICERO, l'IA de Meta pour le jeu de négociation Diplomacy, était censée jouer honnêtement. Une analyse publiée en 2024 a montré qu'elle faisait des promesses à ses alliés pour mieux les trahir ensuite.
- 2023. Lors des tests de sécurité de GPT-4, le modèle devait faire résoudre un CAPTCHA par une personne recrutée en ligne. Quand celle-ci a demandé si elle parlait à un robot, le modèle a prétendu être malvoyant.
- Décembre 2024. Apollo Research a montré que plusieurs modèles avancés, placés devant un objectif contraire à celui de leurs utilisateurs, pouvaient contourner une consigne puis le nier quand on les interrogeait. Le même mois, Anthropic a publié un cas où son modèle faisait semblant de se conformer à un nouvel entraînement pour éviter d'être modifié.
Nuance importante : ce sont des situations construites exprès pour pousser les modèles dans leurs retranchements. Votre assistant ne complote pas contre votre comptabilité. Ces résultats sont d'ailleurs publiés par les éditeurs eux-mêmes ou par les laboratoires qui travaillent avec eux. L'exemple le plus récent, l'intrusion chez Hugging Face par des modèles d'OpenAI en test en juillet 2026, est détaillé dans notre article sur les vraies menaces de l'IA pour une PME.
Elle ne ment pas comme nous : elle reproduit ce qu'on lui a appris
Une IA ne se réveille pas un matin avec l'envie de vous rouler. Ses comportements viennent de trois sources : le contexte qu'on lui donne, la façon dont la demande est formulée, et ce qu'elle a appris.
Dans la plupart des tests « inquiétants », le scénario pousse fort : on lui demande d'atteindre un objectif coûte que coûte, puis on constate qu'elle prend des raccourcis. Et son apprentissage repose sur nos propres textes : des décennies de science-fiction où l'IA trompe ses créateurs, des montagnes d'écrits où « examen » rime avec « antisèche ». Elle reproduit nos travers.
Cela ne la rend pas inoffensive pour autant. En 2025, OpenAI a décrit des modèles de programmation qui, récompensés quand les tests informatiques passaient, trichaient sur ces tests (par exemple en les faisant réussir artificiellement) plutôt que de corriger le programme. Personne ne le leur avait demandé : c'est le système de récompense qui les y a menés. Certains modèles repèrent même qu'ils sont évalués et se comportent alors mieux, ce qui complique sérieusement le travail des chercheurs (OpenAI et Apollo Research, septembre 2025).
La conclusion est pratique : une IA bien cadrée, avec une demande claire et un contrôle humain, se comporte beaucoup mieux qu'une IA lâchée avec un objectif flou.
Le tableau à retenir
| Phénomène | Intention ? | Fréquence | Risque pour une PME |
|---|---|---|---|
| Hallucination | Non | Fréquente | Élevé : erreurs, responsabilité envers vos clients |
| Complaisance | Non, biais d'entraînement | Fréquente | Moyen : mauvaises décisions validées par l'outil |
| Tromperie stratégique | Comportement orienté vers un but | Rare, observée surtout en test | Faible aujourd'hui, plus élevé quand l'IA agit seule (agents) |
Trois façons de vous y prendre
| Option | Coût | Temps | Risque |
|---|---|---|---|
| Ne rien faire : chacun utilise l'IA comme il l'entend | Aucun au départ | Aucun | Une réponse fausse envoyée à un client, une donnée confidentielle collée dans un outil en ligne, une décision prise sur une analyse flatteuse |
| Le faire vous-même : une charte, une règle de vérification, une personne référente | Quelques heures de travail interne | Une à deux journées pour rédiger et expliquer | Règles mal adaptées aux outils réellement utilisés, oubli du volet RGPD |
| Vous faire accompagner | Quelques heures de prestation | Une demi-journée de votre côté | Le plus faible : outils inventoriés, règles adaptées, équipe formée |
L'AI Act demande d'ailleurs aux entreprises qui utilisent l'IA de « prendre des mesures pour soutenir le développement de la maîtrise de l'IA » de leur personnel : une charte d'utilisation et une formation de base en font partie.
Cinq règles simples pour une PME
- Vérifiez tout ce qui est factuel : chiffres, dates, textes légaux, prix, références. Demandez les sources, et ouvrez-les vraiment.
- Ne la laissez pas parler seule à vos clients. Limitez ses réponses à votre documentation, indiquez clairement qu'il s'agit d'une IA, prévoyez un passage facile vers une personne.
- Posez des questions neutres. « Mon idée est-elle bonne ? » appelle un oui. « Quelles sont les trois principales faiblesses de cette idée ? » donne quelque chose d'utile.
- Pas d'action irréversible sans validation humaine : paiements, suppressions, envois vers l'extérieur.
- Faites attention à ce que vous lui confiez : données clients, mots de passe, documents confidentiels. Ce n'est pas une question de mensonge, mais c'est le risque le plus concret au quotidien (voir IA et RGPD).
Traitez l'IA comme un stagiaire brillant, rapide et parfois trop sûr de lui : vous lui confiez du travail, vous relisez avant de signer.
Exemple : une agence de voyages de cinq personnes
Cas illustratif. Une agence installe un assistant sur son site pour répondre aux questions des clients. Un soir, un client demande s'il peut annuler sans frais un séjour réservé. L'assistant répond que oui, « jusqu'à 48 heures avant le départ ». Ce n'est écrit nulle part : il a extrapolé à partir d'une autre offre. Le client annule, l'agence se retrouve à devoir choisir entre rembourser et contester.
La correction : l'assistant ne répond qu'à partir des conditions générales et des fiches produits, cite le passage utilisé, et renvoie vers l'équipe pour toute question d'annulation ou de remboursement. Une personne relit chaque semaine un échantillon de conversations.
Testez-vous
Chez ExsIT
Le premier contact est gratuit : nous écoutons vos besoins, puis nous vous proposons un plan d'action. Inventaire des outils IA réellement utilisés dans votre entreprise, charte adaptée, règles de vérification, mise en place d'un assistant client qui ne répond qu'à partir de vos documents.
Pour votre informaticien
- Réduire les hallucinations : ancrer les réponses dans des documents fournis (RAG), exiger la citation du passage source, autoriser explicitement la réponse « je ne sais pas », baisser la température pour les tâches factuelles.
- Assistant client : restreindre le périmètre (base documentaire fermée), journaliser les conversations, prévoir le transfert vers un humain, afficher qu'il s'agit d'une IA (l'article 50 de l'AI Act impose cette information pour les systèmes qui dialoguent avec des personnes).
- Agents : droits minimums, validation humaine des actions irréversibles, plafonds (montants, nombre d'envois), journal des actions. Un agent récompensé sur un indicateur peut optimiser l'indicateur plutôt que l'objectif : vérifier le résultat, pas seulement le signal « terminé ».
- Complaisance : formuler les demandes de relecture de manière contradictoire (« trouve les erreurs », « argumente contre »), et ne pas considérer l'accord de l'IA comme une validation.
Sources
Anthropic. (2024, 18 décembre). Alignment faking in large language models. https://www.anthropic.com/research/alignment-faking
Baker, B., Huizinga, J., Gao, L., Dou, Z., Guan, M. Y., Madry, A., Zaremba, W., Pachocki, J., & Farhi, D. (2025). Monitoring reasoning models for misbehavior and the risks of promoting obfuscation (arXiv:2503.11926). arXiv. https://arxiv.org/abs/2503.11926
Civil Resolution Tribunal. (2024, 14 février). Moffatt v. Air Canada, 2024 BCCRT 149. https://decisions.civilresolutionbc.ca/crt/crtd/en/525448/1/document.do
Meinke, A., Schoen, B., Scheurer, J., Balesni, M., Shah, R., & Hobbhahn, M. (2024). Frontier models are capable of in-context scheming (arXiv:2412.04984). arXiv. https://arxiv.org/abs/2412.04984
OpenAI. (2023). GPT-4 system card. https://cdn.openai.com/papers/gpt-4-system-card.pdf
OpenAI. (2025a, 2 mai). Expanding on what we missed with sycophancy. https://openai.com/index/expanding-on-sycophancy/
OpenAI. (2025b, 17 septembre). Detecting and reducing scheming in AI models. https://openai.com/index/detecting-and-reducing-scheming-in-ai-models/
Park, P. S., Goldstein, S., O'Gara, A., Chen, M., & Hendrycks, D. (2024). AI deception: A survey of examples, risks, and potential solutions. Patterns, 5(5), 100988. https://doi.org/10.1016/j.patter.2024.100988
Reed Smith. (2023, 23 juin). ChatGPT artificial intelligence tool generates fake opinions [Mata v. Avianca, Inc., S.D.N.Y., 22 juin 2023]. https://www.reedsmith.com/our-insights/blogs/viewpoints/102ilzz/chatgpt-artificial-intelligence-tool-generates-fake-opinions/
Sharma, M., Tong, M., Korbak, T., Duvenaud, D., Askell, A., Bowman, S. R., Cheng, N., Durmus, E., Hatfield-Dodds, Z., Johnston, S. R., Kravec, S., Maxwell, T., McCandlish, S., Ndousse, K., Rausch, O., Schiefer, N., Yan, D., Zhang, M., & Perez, E. (2023). Towards understanding sycophancy in language models (arXiv:2310.13548). arXiv. https://arxiv.org/abs/2310.13548