Types d’erreurs<\/h1><\/div><\/div><\/div><\/div><\/div>![](\"https:\/\/ia-education.be\/wp-content\/uploads\/2026\/02\/ChatGPT-Image-22-fevr.-2026-15_19_09-e1771771242257.png\" "\\"ChatGPT")
<\/span><\/div><\/div><\/div>R\u00e9sum\u00e9 : <\/p>\n<\/div><\/div><\/div><\/div><\/div>
Les limites et erreurs de l\u2019intelligence artificielle<\/b><\/p>\n
Malgr\u00e9 ses performances impressionnantes, l\u2019intelligence artificielle poss\u00e8de plusieurs limites importantes. Les syst\u00e8mes d\u2019IA ne comprennent pas r\u00e9ellement le monde comme les humains. Ils analysent des donn\u00e9es et calculent des probabilit\u00e9s pour produire des r\u00e9ponses, ce qui peut parfois conduire \u00e0 des erreurs.<\/p>\n
Comprendre ces limites est essentiel pour utiliser l\u2019IA de mani\u00e8re critique et responsable.<\/p>\n
Les hallucinations de l\u2019IA<\/b><\/p>\n
Une hallucination se produit lorsqu\u2019une intelligence artificielle g\u00e9n\u00e8re une information fausse mais pr\u00e9sent\u00e9e comme cr\u00e9dible. L\u2019IA ne v\u00e9rifie pas si l\u2019information est vraie : elle produit simplement la r\u00e9ponse qui semble statistiquement la plus probable.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut inventer une r\u00e9f\u00e9rence bibliographique.<\/p>\n
Si on lui demande une \u00e9tude scientifique sur un sujet pr\u00e9cis, il peut cr\u00e9er un titre d\u2019article, un auteur et une revue scientifique\u2026 alors que l\u2019\u00e9tude n\u2019existe pas.<\/p>\n
Un assistant conversationnel peut aussi inventer des faits historiques.<\/p>\n
Par exemple, il pourrait affirmer qu\u2019un trait\u00e9 historique a \u00e9t\u00e9 sign\u00e9 en 1823 alors qu\u2019il a \u00e9t\u00e9 sign\u00e9 en 1830.<\/p>\n
Ces erreurs peuvent sembler tr\u00e8s convaincantes car l\u2019IA produit souvent des r\u00e9ponses bien structur\u00e9es et coh\u00e9rentes.<\/p>\n
Les biais algorithmiques<\/b><\/p>\n
Les intelligences artificielles apprennent \u00e0 partir de donn\u00e9es. Si les donn\u00e9es utilis\u00e9es pour entra\u00eener un mod\u00e8le contiennent des biais ou des st\u00e9r\u00e9otypes, l\u2019IA risque de reproduire ces biais.<\/p>\n
Exemples :<\/p>\n
Un syst\u00e8me de recrutement automatis\u00e9 peut favoriser certains profils si les donn\u00e9es d\u2019entra\u00eenement refl\u00e8tent des habitudes de recrutement biais\u00e9es.<\/p>\n
Une IA de g\u00e9n\u00e9ration d\u2019images peut produire majoritairement des hommes lorsque l\u2019on demande une image de \u00ab scientifique \u00bb, car les images d\u2019entra\u00eenement repr\u00e9sentent plus souvent des hommes dans ce r\u00f4le.<\/p>\n
Un syst\u00e8me de reconnaissance faciale peut fonctionner moins bien sur certains visages si les donn\u00e9es utilis\u00e9es pour l\u2019entra\u00eenement ne repr\u00e9sentent pas suffisamment la diversit\u00e9 des populations.<\/p>\n
Une compr\u00e9hension limit\u00e9e du monde<\/p>\n
Contrairement \u00e0 un humain, une IA ne poss\u00e8de pas d\u2019exp\u00e9rience du monde r\u00e9el. Elle ne comprend pas r\u00e9ellement le sens des mots ou des situations.<\/p>\n
Elle analyse simplement des relations statistiques entre les mots ou les images.<\/p>\n
Exemples :<\/p>\n
Si on demande \u00e0 une IA :<\/p>\n
\u00ab Peut-on mettre un \u00e9l\u00e9phant dans un r\u00e9frig\u00e9rateur ? \u00bb<\/p>\n
Elle peut r\u00e9pondre par une explication logique, mais elle n\u2019a aucune exp\u00e9rience r\u00e9elle de ce qu\u2019est un \u00e9l\u00e9phant ou un r\u00e9frig\u00e9rateur.<\/p>\n
Dans certains cas, une IA g\u00e9n\u00e9ratrice d\u2019images peut produire des objets impossibles, comme une tasse avec plusieurs poign\u00e9es ou des mains humaines avec un nombre incorrect de doigts.<\/p>\n
Les erreurs de raisonnement<\/b><\/p>\n
Les syst\u00e8mes d\u2019IA peuvent aussi rencontrer des difficult\u00e9s dans les raisonnements complexes, surtout lorsqu\u2019il faut combiner plusieurs \u00e9tapes logiques.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut donner une mauvaise r\u00e9ponse \u00e0 un probl\u00e8me math\u00e9matique simple si la question est formul\u00e9e de mani\u00e8re ambigu\u00eb.<\/p>\n
Il peut aussi mal interpr\u00e9ter une consigne comportant plusieurs conditions.<\/p>\n
Par exemple :<\/p>\n
\u00ab Donne-moi trois animaux qui vivent dans l\u2019eau mais qui ne sont pas des poissons. \u00bb<\/p>\n
L\u2019IA pourrait malgr\u00e9 tout citer un poisson dans la liste si elle se concentre davantage sur la fr\u00e9quence des mots que sur la logique de la question.<\/p>\n
La d\u00e9pendance aux donn\u00e9es d\u2019entra\u00eenement<\/p>\n
Une IA ne peut apprendre que ce qui est pr\u00e9sent dans les donn\u00e9es utilis\u00e9es pour l\u2019entra\u00eener. Si certaines informations sont absentes ou peu repr\u00e9sent\u00e9es, les r\u00e9ponses peuvent \u00eatre incompl\u00e8tes ou incorrectes.<\/p>\n
Exemples :<\/p>\n
Une IA entra\u00een\u00e9e principalement sur des textes en anglais peut \u00eatre moins performante dans d\u2019autres langues.<\/p>\n
Un syst\u00e8me d\u2019IA qui analyse des donn\u00e9es m\u00e9dicales peut \u00eatre moins fiable pour certains groupes de patients si les donn\u00e9es d\u2019entra\u00eenement ne les repr\u00e9sentent pas suffisamment.<\/p>\n
Les limites li\u00e9es au contexte et \u00e0 l\u2019actualit\u00e9<\/b><\/p>\n
Les mod\u00e8les d\u2019intelligence artificielle sont souvent entra\u00een\u00e9s \u00e0 partir de donn\u00e9es arr\u00eat\u00e9es \u00e0 une certaine date. Ils peuvent donc manquer d\u2019informations r\u00e9centes.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut ne pas conna\u00eetre un \u00e9v\u00e9nement politique r\u00e9cent ou une d\u00e9couverte scientifique r\u00e9cente.<\/p>\n
Il peut \u00e9galement donner des informations d\u00e9pass\u00e9es si les connaissances ont \u00e9volu\u00e9 depuis l\u2019entra\u00eenement du mod\u00e8le.<\/p>\n
La d\u00e9pendance excessive \u00e0 l\u2019IA<\/b><\/p>\n
Une autre limite importante concerne l\u2019usage que les humains font de l\u2019IA. Lorsque les utilisateurs font trop confiance aux r\u00e9ponses g\u00e9n\u00e9r\u00e9es, ils risquent de ne plus v\u00e9rifier les informations.<\/p>\n
Exemples :<\/p>\n
Un \u00e9l\u00e8ve peut recopier directement une r\u00e9ponse g\u00e9n\u00e9r\u00e9e par une IA sans v\u00e9rifier son exactitude.<\/p>\n
Un professionnel peut utiliser un r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 automatiquement sans v\u00e9rifier si des informations importantes ont \u00e9t\u00e9 oubli\u00e9es.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
1. Inventer des informations (hallucinations)<\/p>\n
Une IA peut produire une r\u00e9ponse totalement invent\u00e9e tout en la pr\u00e9sentant comme vraie.<\/p>\n
Exemple :<\/p>\n
Un chatbot peut inventer une \u00e9tude scientifique, un auteur ou une date historique qui n\u2019existent pas.<\/p>\n
2. Donner une r\u00e9ponse plausible mais fausse<\/p>\n
L\u2019IA peut g\u00e9n\u00e9rer une r\u00e9ponse qui semble logique mais qui contient une erreur.<\/p>\n
Exemple :<\/p>\n
Elle peut expliquer correctement un ph\u00e9nom\u00e8ne scientifique mais se tromper dans un chiffre ou dans une date.<\/p>\n
3. Reproduire des biais<\/p>\n
Si les donn\u00e9es d\u2019entra\u00eenement contiennent des st\u00e9r\u00e9otypes, l\u2019IA peut les reproduire.<\/p>\n
Exemple :<\/p>\n
Une IA g\u00e9n\u00e9ratrice d\u2019images peut produire majoritairement des hommes lorsqu\u2019on demande l\u2019image d\u2019un scientifique ou d\u2019un ing\u00e9nieur.<\/p>\n
4. Mal comprendre une consigne<\/p>\n
L\u2019IA peut interpr\u00e9ter une question de mani\u00e8re incorrecte.<\/p>\n
Exemple :<\/p>\n
Si on demande \u00ab donne trois animaux marins qui ne sont pas des poissons \u00bb, l\u2019IA peut malgr\u00e9 tout citer un poisson.<\/p>\n
5. Produire des contenus incoh\u00e9rents<\/p>\n
Dans certaines situations, l\u2019IA peut g\u00e9n\u00e9rer des r\u00e9sultats impossibles ou incoh\u00e9rents.<\/p>\n
Exemple :<\/p>\n
Une IA g\u00e9n\u00e9ratrice d\u2019images peut cr\u00e9er une personne avec six doigts ou un objet avec une forme impossible.<\/p>\n
6. Ignorer des informations r\u00e9centes<\/p>\n
Les mod\u00e8les d\u2019IA sont entra\u00een\u00e9s sur des donn\u00e9es collect\u00e9es \u00e0 une certaine p\u00e9riode et peuvent donc manquer d\u2019informations r\u00e9centes.<\/p>\n
Exemple :<\/p>\n
Un chatbot peut ne pas conna\u00eetre un \u00e9v\u00e9nement politique r\u00e9cent ou une d\u00e9couverte scientifique r\u00e9cente.<\/p>\n
7. Donner une r\u00e9ponse avec trop d\u2019assurance<\/p>\n
L\u2019IA peut affirmer une information avec beaucoup de certitude, m\u00eame lorsqu\u2019elle est fausse.<\/p>\n
Exemple :<\/p>\n
Elle peut \u00e9crire une explication tr\u00e8s convaincante d\u2019un ph\u00e9nom\u00e8ne\u2026 alors que certains \u00e9l\u00e9ments sont incorrects.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":0,"parent":1444,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"100-width.php","meta":{"footnotes":""},"class_list":["post-2560","page","type-page","status-publish","hentry"],"yoast_head":"\n
Types d'erreurs - P\u00e9dagogie & Intelligence artificielle<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ia-education.be\/?page_id=2560\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Types d'erreurs - P\u00e9dagogie & Intelligence artificielle\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ia-education.be\/?page_id=2560\" \/>\n<meta property=\"og:site_name\" content=\"P\u00e9dagogie & Intelligence artificielle\" \/>\n<meta property=\"article:modified_time\" content=\"2026-03-14T08:42:50+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ia-education.be\\\/?page_id=2560\",\"url\":\"https:\\\/\\\/ia-education.be\\\/?page_id=2560\",\"name\":\"Types d'erreurs - P\u00e9dagogie & Intelligence artificielle\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ia-education.be\\\/#website\"},\"datePublished\":\"2026-03-13T08:35:57+00:00\",\"dateModified\":\"2026-03-14T08:42:50+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ia-education.be\\\/?page_id=2560#breadcrumb\"},\"inLanguage\":\"fr-BE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ia-education.be\\\/?page_id=2560\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ia-education.be\\\/?page_id=2560#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ia-education.be\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Approfondissement IA\",\"item\":\"https:\\\/\\\/ia-education.be\\\/?page_id=1444\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Types d’erreurs\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ia-education.be\\\/#website\",\"url\":\"https:\\\/\\\/ia-education.be\\\/\",\"name\":\"P\u00e9dagogie & Intelligence artificielle\",\"description\":\"Apprendre avec efficience\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ia-education.be\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-BE\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Types d'erreurs - P\u00e9dagogie & Intelligence artificielle","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ia-education.be\/?page_id=2560","og_locale":"fr_FR","og_type":"article","og_title":"Types d'erreurs - P\u00e9dagogie & Intelligence artificielle","og_url":"https:\/\/ia-education.be\/?page_id=2560","og_site_name":"P\u00e9dagogie & Intelligence artificielle","article_modified_time":"2026-03-14T08:42:50+00:00","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ia-education.be\/?page_id=2560","url":"https:\/\/ia-education.be\/?page_id=2560","name":"Types d'erreurs - P\u00e9dagogie & Intelligence artificielle","isPartOf":{"@id":"https:\/\/ia-education.be\/#website"},"datePublished":"2026-03-13T08:35:57+00:00","dateModified":"2026-03-14T08:42:50+00:00","breadcrumb":{"@id":"https:\/\/ia-education.be\/?page_id=2560#breadcrumb"},"inLanguage":"fr-BE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ia-education.be\/?page_id=2560"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/ia-education.be\/?page_id=2560#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ia-education.be\/"},{"@type":"ListItem","position":2,"name":"Approfondissement IA","item":"https:\/\/ia-education.be\/?page_id=1444"},{"@type":"ListItem","position":3,"name":"Types d’erreurs"}]},{"@type":"WebSite","@id":"https:\/\/ia-education.be\/#website","url":"https:\/\/ia-education.be\/","name":"P\u00e9dagogie & Intelligence artificielle","description":"Apprendre avec efficience","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ia-education.be\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-BE"}]}},"_links":{"self":[{"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/pages\/2560","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ia-education.be\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2560"}],"version-history":[{"count":4,"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/pages\/2560\/revisions"}],"predecessor-version":[{"id":2583,"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/pages\/2560\/revisions\/2583"}],"up":[{"embeddable":true,"href":"https:\/\/ia-education.be\/index.php?rest_route=\/wp\/v2\/pages\/1444"}],"wp:attachment":[{"href":"https:\/\/ia-education.be\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2560"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
<\/span><\/div><\/div><\/div>R\u00e9sum\u00e9 : <\/p>\n<\/div><\/div><\/div><\/div><\/div>
Les limites et erreurs de l\u2019intelligence artificielle<\/b><\/p>\n
Malgr\u00e9 ses performances impressionnantes, l\u2019intelligence artificielle poss\u00e8de plusieurs limites importantes. Les syst\u00e8mes d\u2019IA ne comprennent pas r\u00e9ellement le monde comme les humains. Ils analysent des donn\u00e9es et calculent des probabilit\u00e9s pour produire des r\u00e9ponses, ce qui peut parfois conduire \u00e0 des erreurs.<\/p>\n
Comprendre ces limites est essentiel pour utiliser l\u2019IA de mani\u00e8re critique et responsable.<\/p>\n
Les hallucinations de l\u2019IA<\/b><\/p>\n
Une hallucination se produit lorsqu\u2019une intelligence artificielle g\u00e9n\u00e8re une information fausse mais pr\u00e9sent\u00e9e comme cr\u00e9dible. L\u2019IA ne v\u00e9rifie pas si l\u2019information est vraie : elle produit simplement la r\u00e9ponse qui semble statistiquement la plus probable.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut inventer une r\u00e9f\u00e9rence bibliographique.<\/p>\n
Si on lui demande une \u00e9tude scientifique sur un sujet pr\u00e9cis, il peut cr\u00e9er un titre d\u2019article, un auteur et une revue scientifique\u2026 alors que l\u2019\u00e9tude n\u2019existe pas.<\/p>\n
Un assistant conversationnel peut aussi inventer des faits historiques.<\/p>\n
Par exemple, il pourrait affirmer qu\u2019un trait\u00e9 historique a \u00e9t\u00e9 sign\u00e9 en 1823 alors qu\u2019il a \u00e9t\u00e9 sign\u00e9 en 1830.<\/p>\n
Ces erreurs peuvent sembler tr\u00e8s convaincantes car l\u2019IA produit souvent des r\u00e9ponses bien structur\u00e9es et coh\u00e9rentes.<\/p>\n
Les biais algorithmiques<\/b><\/p>\n
Les intelligences artificielles apprennent \u00e0 partir de donn\u00e9es. Si les donn\u00e9es utilis\u00e9es pour entra\u00eener un mod\u00e8le contiennent des biais ou des st\u00e9r\u00e9otypes, l\u2019IA risque de reproduire ces biais.<\/p>\n
Exemples :<\/p>\n
Un syst\u00e8me de recrutement automatis\u00e9 peut favoriser certains profils si les donn\u00e9es d\u2019entra\u00eenement refl\u00e8tent des habitudes de recrutement biais\u00e9es.<\/p>\n
Une IA de g\u00e9n\u00e9ration d\u2019images peut produire majoritairement des hommes lorsque l\u2019on demande une image de \u00ab scientifique \u00bb, car les images d\u2019entra\u00eenement repr\u00e9sentent plus souvent des hommes dans ce r\u00f4le.<\/p>\n
Un syst\u00e8me de reconnaissance faciale peut fonctionner moins bien sur certains visages si les donn\u00e9es utilis\u00e9es pour l\u2019entra\u00eenement ne repr\u00e9sentent pas suffisamment la diversit\u00e9 des populations.<\/p>\n
Une compr\u00e9hension limit\u00e9e du monde<\/p>\n
Contrairement \u00e0 un humain, une IA ne poss\u00e8de pas d\u2019exp\u00e9rience du monde r\u00e9el. Elle ne comprend pas r\u00e9ellement le sens des mots ou des situations.<\/p>\n
Elle analyse simplement des relations statistiques entre les mots ou les images.<\/p>\n
Exemples :<\/p>\n
Si on demande \u00e0 une IA :<\/p>\n
\u00ab Peut-on mettre un \u00e9l\u00e9phant dans un r\u00e9frig\u00e9rateur ? \u00bb<\/p>\n
Elle peut r\u00e9pondre par une explication logique, mais elle n\u2019a aucune exp\u00e9rience r\u00e9elle de ce qu\u2019est un \u00e9l\u00e9phant ou un r\u00e9frig\u00e9rateur.<\/p>\n
Dans certains cas, une IA g\u00e9n\u00e9ratrice d\u2019images peut produire des objets impossibles, comme une tasse avec plusieurs poign\u00e9es ou des mains humaines avec un nombre incorrect de doigts.<\/p>\n
Les erreurs de raisonnement<\/b><\/p>\n
Les syst\u00e8mes d\u2019IA peuvent aussi rencontrer des difficult\u00e9s dans les raisonnements complexes, surtout lorsqu\u2019il faut combiner plusieurs \u00e9tapes logiques.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut donner une mauvaise r\u00e9ponse \u00e0 un probl\u00e8me math\u00e9matique simple si la question est formul\u00e9e de mani\u00e8re ambigu\u00eb.<\/p>\n
Il peut aussi mal interpr\u00e9ter une consigne comportant plusieurs conditions.<\/p>\n
Par exemple :<\/p>\n
\u00ab Donne-moi trois animaux qui vivent dans l\u2019eau mais qui ne sont pas des poissons. \u00bb<\/p>\n
L\u2019IA pourrait malgr\u00e9 tout citer un poisson dans la liste si elle se concentre davantage sur la fr\u00e9quence des mots que sur la logique de la question.<\/p>\n
La d\u00e9pendance aux donn\u00e9es d\u2019entra\u00eenement<\/p>\n
Une IA ne peut apprendre que ce qui est pr\u00e9sent dans les donn\u00e9es utilis\u00e9es pour l\u2019entra\u00eener. Si certaines informations sont absentes ou peu repr\u00e9sent\u00e9es, les r\u00e9ponses peuvent \u00eatre incompl\u00e8tes ou incorrectes.<\/p>\n
Exemples :<\/p>\n
Une IA entra\u00een\u00e9e principalement sur des textes en anglais peut \u00eatre moins performante dans d\u2019autres langues.<\/p>\n
Un syst\u00e8me d\u2019IA qui analyse des donn\u00e9es m\u00e9dicales peut \u00eatre moins fiable pour certains groupes de patients si les donn\u00e9es d\u2019entra\u00eenement ne les repr\u00e9sentent pas suffisamment.<\/p>\n
Les limites li\u00e9es au contexte et \u00e0 l\u2019actualit\u00e9<\/b><\/p>\n
Les mod\u00e8les d\u2019intelligence artificielle sont souvent entra\u00een\u00e9s \u00e0 partir de donn\u00e9es arr\u00eat\u00e9es \u00e0 une certaine date. Ils peuvent donc manquer d\u2019informations r\u00e9centes.<\/p>\n
Exemples :<\/p>\n
Un chatbot peut ne pas conna\u00eetre un \u00e9v\u00e9nement politique r\u00e9cent ou une d\u00e9couverte scientifique r\u00e9cente.<\/p>\n
Il peut \u00e9galement donner des informations d\u00e9pass\u00e9es si les connaissances ont \u00e9volu\u00e9 depuis l\u2019entra\u00eenement du mod\u00e8le.<\/p>\n
La d\u00e9pendance excessive \u00e0 l\u2019IA<\/b><\/p>\n
Une autre limite importante concerne l\u2019usage que les humains font de l\u2019IA. Lorsque les utilisateurs font trop confiance aux r\u00e9ponses g\u00e9n\u00e9r\u00e9es, ils risquent de ne plus v\u00e9rifier les informations.<\/p>\n
Exemples :<\/p>\n
Un \u00e9l\u00e8ve peut recopier directement une r\u00e9ponse g\u00e9n\u00e9r\u00e9e par une IA sans v\u00e9rifier son exactitude.<\/p>\n
Un professionnel peut utiliser un r\u00e9sum\u00e9 g\u00e9n\u00e9r\u00e9 automatiquement sans v\u00e9rifier si des informations importantes ont \u00e9t\u00e9 oubli\u00e9es.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
1. Inventer des informations (hallucinations)<\/p>\n
Une IA peut produire une r\u00e9ponse totalement invent\u00e9e tout en la pr\u00e9sentant comme vraie.<\/p>\n
Exemple :<\/p>\n
Un chatbot peut inventer une \u00e9tude scientifique, un auteur ou une date historique qui n\u2019existent pas.<\/p>\n
2. Donner une r\u00e9ponse plausible mais fausse<\/p>\n
L\u2019IA peut g\u00e9n\u00e9rer une r\u00e9ponse qui semble logique mais qui contient une erreur.<\/p>\n
Exemple :<\/p>\n
Elle peut expliquer correctement un ph\u00e9nom\u00e8ne scientifique mais se tromper dans un chiffre ou dans une date.<\/p>\n
3. Reproduire des biais<\/p>\n
Si les donn\u00e9es d\u2019entra\u00eenement contiennent des st\u00e9r\u00e9otypes, l\u2019IA peut les reproduire.<\/p>\n
Exemple :<\/p>\n
Une IA g\u00e9n\u00e9ratrice d\u2019images peut produire majoritairement des hommes lorsqu\u2019on demande l\u2019image d\u2019un scientifique ou d\u2019un ing\u00e9nieur.<\/p>\n
4. Mal comprendre une consigne<\/p>\n
L\u2019IA peut interpr\u00e9ter une question de mani\u00e8re incorrecte.<\/p>\n
Exemple :<\/p>\n
Si on demande \u00ab donne trois animaux marins qui ne sont pas des poissons \u00bb, l\u2019IA peut malgr\u00e9 tout citer un poisson.<\/p>\n
5. Produire des contenus incoh\u00e9rents<\/p>\n
Dans certaines situations, l\u2019IA peut g\u00e9n\u00e9rer des r\u00e9sultats impossibles ou incoh\u00e9rents.<\/p>\n
Exemple :<\/p>\n
Une IA g\u00e9n\u00e9ratrice d\u2019images peut cr\u00e9er une personne avec six doigts ou un objet avec une forme impossible.<\/p>\n
6. Ignorer des informations r\u00e9centes<\/p>\n
Les mod\u00e8les d\u2019IA sont entra\u00een\u00e9s sur des donn\u00e9es collect\u00e9es \u00e0 une certaine p\u00e9riode et peuvent donc manquer d\u2019informations r\u00e9centes.<\/p>\n
Exemple :<\/p>\n
Un chatbot peut ne pas conna\u00eetre un \u00e9v\u00e9nement politique r\u00e9cent ou une d\u00e9couverte scientifique r\u00e9cente.<\/p>\n
7. Donner une r\u00e9ponse avec trop d\u2019assurance<\/p>\n
L\u2019IA peut affirmer une information avec beaucoup de certitude, m\u00eame lorsqu\u2019elle est fausse.<\/p>\n
Exemple :<\/p>\n
Elle peut \u00e9crire une explication tr\u00e8s convaincante d\u2019un ph\u00e9nom\u00e8ne\u2026 alors que certains \u00e9l\u00e9ments sont incorrects.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":0,"parent":1444,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"100-width.php","meta":{"footnotes":""},"class_list":["post-2560","page","type-page","status-publish","hentry"],"yoast_head":"\n