Hallucination
Une hallucination est lorsqu'un modèle d'IA génère une information fausse ou inventée et la présente comme si elle était vraie. Le modèle 'hallucine' des faits, des sources ou des données qui n'existent pas.
EXEMPLE CONCRET
Un avocat demande à un chatbot de citer des jurisprudences sur un cas précis. L'IA invente trois arrêts de la Cour de cassation avec des numéros et des dates crédibles… mais ces arrêts n'existent pas. Si l'avocat les cite sans vérifier, il commet une erreur grave.
Conseil pratique — Toujours vérifier les faits, les sources et les citations générées par l'IA avant de les utiliser.
Biais
Un biais est une tendance systématique — dans les données ou dans le modèle — qui produit des résultats injustes, non représentatifs ou discriminatoires. Le biais peut favoriser certains groupes au détriment d'autres.
EXEMPLE CONCRET
Un outil de recrutement automatisé est entraîné sur des données historiques où la majorité des candidats sélectionnés étaient des hommes. L'IA va alors privilégier les profils masculins, perpétuant une discrimination invisible.
Conseil pratique — Soyez vigilant sur l'équité des résultats : interrogez les données d'entraînement et challengez les recommandations.
Algorithme
Un algorithme est un ensemble fini d'étapes et de règles qu'une machine suit pour résoudre un problème ou atteindre un objectif. C'est la 'recette' que l'ordinateur exécute pour transformer des données en résultats.
EXEMPLE CONCRET
Le fil d'actualité d'un réseau social utilise un algorithme qui analyse vos clics, vos likes et votre temps de lecture pour décider quels posts vous montrer en priorité. Ce n'est pas un hasard : c'est une suite de règles calculées.
Conseil pratique — Comprendre l'algorithme derrière un outil permet de mieux l'utiliser et d'anticiper ses limites.