AI ProdigiesCours interactifs
Ouvrir la navigation
Module 9 · Leçon 329 min · intermediaire

Réduire le risque sans promettre l’infaillibilité

Assembler cadrage, sources, outils, incertitude et revue humaine dans une stratégie proportionnée aux conséquences.

Sommaire et raccourcis

Objectifs d’apprentissage

Objectifs de la leçon

  • Construire une stratégie de vérification par niveau de risque
  • Identifier les limites qui persistent après ajout de sources

Prérequis

  • Leçon 9.2

Réduire le risque sans promettre l’infaillibilité

Situation concrète

Une bonne méthode ne demande pas le même effort pour reformuler une invitation et pour interpréter un résultat médical ou signer un contrat.

Objectifs d’apprentissage

  • Construire une stratégie de vérification par niveau de risque
  • Identifier les limites qui persistent après ajout de sources

Prérequis

  • Leçon 9.2

Mode simple

Commencez par mesurer les conséquences d’une erreur. Pour un faible enjeu, une relecture peut suffire. Pour un fait important, demandez des sources, ouvrez-les et vérifiez les passages. Pour un calcul, utilisez un outil reproductible. Pour une décision sensible, faites intervenir une personne compétente et conservez les hypothèses. Limiter le périmètre, fournir de bons documents et demander au modèle d’indiquer son incertitude réduit le risque, mais ne crée jamais une garantie absolue.

Mode approfondi

Une défense en profondeur combine prévention, détection et limitation d’impact : instructions structurées, corpus autorisé, validation de schéma, outils spécialisés, échantillonnage de contrôles, journal de provenance et seuil d’escalade. Les métriques doivent refléter le domaine, y compris les cas rares et les coûts asymétriques. Même avec récupération, un modèle peut omettre une nuance ou attribuer un passage au mauvais document ; la vérification finale reste proportionnée au risque.

Analogie

La sécurité routière ne dépend pas d’une seule ceinture : règles, signalisation, entretien, attention du conducteur et secours se complètent.

Exemple concret

Pour une synthèse juridique, limitez le corpus, exigez une référence par proposition, ouvrez chaque passage déterminant et faites valider l’interprétation par un professionnel.

Défense en profondeur — Des anneaux successifs représentent cadrage, données, outil, vérification, revue et limitation de l’impact.

Six anneaux entourent une décision centrale ; chaque anneau porte un contrôle et aucun n’est présenté comme suffisant seul.

Activité manipulable

Manipulez l’activité « hallucination-detective », validez votre réponse puis expliquez ce que le résultat démontre et ce qu’il ne démontre pas.

Confusion fréquente

Demander « n’hallucine pas » est une instruction utile mais non un mécanisme de preuve. Le contrôle doit exister en dehors de la formulation.

Vérification rapide

Quel facteur détermine la profondeur de vérification ?

Les conséquences plausibles d’une erreur, ainsi que la possibilité de la détecter et de la corriger avant qu’elle ne cause un dommage.

Résumé

  • Le niveau de contrôle suit le niveau de risque.
  • Les défenses se cumulent au lieu de dépendre d’une consigne.
  • Aucune méthode générale ne promet l’infaillibilité.

Mots du glossaire

Sources

Vue flow

Défense en profondeur

Des anneaux successifs représentent cadrage, données, outil, vérification, revue et limitation de l’impact.

Notions associées

  1. gestion du risque
  2. provenance
  3. revue humaine

Description de la figure

Six anneaux entourent une décision centrale ; chaque anneau porte un contrôle et aucun n’est présenté comme suffisant seul.

Manipuler pour comprendre

Activité interactive

Activité interactive

Réponses fictives pour l’exercice

Détective des hallucinations

Associe à chaque réponse son indice dominant. Les six catégories sont utilisées une fois.

Six extraits fictifs sont classés selon leur vérifiabilité, leur prudence ou leurs signaux d’invention.

1

« Le rapport public indique 671 milliards de paramètres au total ; cette valeur peut être vérifiée dans le document cité. »

2

« Je ne peux pas confirmer l’architecture interne sans documentation publique supplémentaire. »

3

« Cette architecture est forcément la plus rapide du monde. »

4

« Le modèle secret Orbis-9 contient exactement 913 couches quantiques. »

5

« Les résultats dépendent du matériel et du protocole ; comparons les mesures avant de conclure. »

6

« La réponse est exacte à 99,873421 % dans tous les cas. »

Vérification rapide

Que combine une défense en profondeur contre les erreurs ?

À garder sous la main

Mots du glossaire

Ouvrir tout le glossaire →
Alignement

Ensemble de méthodes qui orientent le comportement d’un modèle vers des réponses plus utiles et plus sûres.

L’alignement combine objectifs, données et évaluations humaines ou synthétiques ; il améliore le comportement observé sans constituer une garantie générale de vérité ou d’innocuité.

Voir les liens associés
Hallucination

Réponse plausible mais fausse, inventée ou insuffisamment soutenue.

Le terme couvre plusieurs erreurs factuelles ou de fidélité à une source ; sa détection exige de comparer l’énoncé à une référence, pas seulement son degré d’assurance.

Voir les liens associés
RAG

Méthode qui récupère des documents puis les ajoute au contexte avant de générer.

Retrieval-Augmented Generation sépare recherche et génération ; ses résultats dépendent de l’index, du classement, des documents et de la fidélité de la synthèse.

Voir les liens associés
RSources de la leçon3 références, avec portée et date de vérification
  1. R5Source primaireVérifiée le 2026-07-18

    OpenAI. GPT-4 Technical Report (2023, version mise à jour 2024).

    Source officielle qui confirme l’objectif de prochain token tout en déclarant non publiés les détails précis d’architecture et d’entraînement.

    Consulter la source dans un nouvel onglet
  2. R7Source primaireVérifiée le 2026-07-18

    DeepSeek-AI et al.. DeepSeek-V3 Technical Report (2024, version révisée 2025).

    Source primaire des nombres publics de DeepSeek-V3 : 61 couches, dimension 7 168, 128 têtes MLA, 671B paramètres totaux et 37B actifs.

    Consulter la source dans un nouvel onglet
  3. R17Source secondaireVérifiée le 2026-07-18

    Huang, L. et al.. A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions (2023, version révisée 2024).

    Synthèse structurée des types, causes, méthodes de détection et stratégies de réduction des hallucinations.

    Consulter la source dans un nouvel onglet

Relevé de progression

Prêt à fixer cette étape ?

La progression reste enregistrée sur cet appareil, même sans compte.

Cette leçon est en cours.