Qu’est-ce qui tourne mal, typiquement, quand on travaille avec l’IA ?

Faits vérifiés au 11 octobre 2026

Rarement le spectaculaire, le plus souvent le silencieux : l’IA lisse ce qui devait rester tel quel, reprend une erreur sans la vérifier ou comble une lacune de la consigne avec ce qui lui semble plausible. S’y ajoutent des tâches qui ne figuraient que dans la conversation et s’y perdent. Contre presque tout, le même remède : consigner, mesurer, faire contre-vérifier.

En détail

Le lissage silencieux

Un modèle améliore ce qui lui paraît étrange, et il a la plupart du temps raison. Le cas où il a tort ressemble exactement aux autres. Remède : faire signaler, ne pas faire modifier ; dans les citations textuelles, même la faute de frappe reste.

La reprise silencieuse d’une erreur

Un modèle voit les messages d’une conversation les uns à côté des autres, pas le temps qui s’écoule entre eux. Ce qu’il croit savoir du monde n’est souvent que ce qui figurait en dernier dans le contexte – par exemple une date fixée au début et qui ne bouge pas après minuit. Remède : mesurer au lieu de supposer.

Interpréter ce que vous n’avez pas dit

Si une consigne est succincte, le modèle complète avec ce qui lui semble plausible, et le résultat a l’air de correspondre à ce que vous vouliez. Remède : dire ce que vous ne savez pas. En nommant la limite de vos propres connaissances, vous retirez au modèle la lacune qu’il comblerait sinon lui-même.

Des tâches qui ne figurent que dans la conversation

Quand un long chat est résumé, le but d’une tâche peut disparaître alors que son nom survit. Le modèle continue de travailler et ne remarque pas la lacune. Remède : ce qui ne figure pas dans la base de connaissances n’existe pas – on écrit après chaque étape.

Autres schémas

Des questions empilées, alors qu’on les a demandées une par une, voir Comment éviter de passer des heures à ne faire que valider ce que propose l’IA ?
Des recommandations qui passent outre votre critère. Vous donnez une raison à votre choix, et le modèle recommande malgré tout le chemin le plus commode.
De la prose finie avant la décision. Si le modèle formule avant que la décision soit prise, il doit se rétracter. Mieux : d’abord la vérification des faits, puis deux versions par paragraphe plutôt qu’une recommandation.
Des erreurs dans la vérification elle-même, quand de longues chaînes de caractères sont recopiées, voir Comment éviter de perdre quelque chose en retravaillant un fichier ?

Et sous tout cela : une contre-vérification par une deuxième IA, sans l’historique de conversation de la première, trouve ce que celle-ci ne voit pas. Les remèdes coûtent du temps – chaque liste, chaque accord, chaque étape intermédiaire. Qui ne le prend pas garde les erreurs.

En pratique

La liste provient de la chronique qu’un modèle a tenue pendant l’écriture d’une pièce de théâtre pour Thomas J. Weiss, et des incidents des mois suivants. En juillet 2026, une réponse succincte de sa part a été interprétée comme l’autorisation de sauter plusieurs étapes d’une procédure ; il a dû s’y opposer deux fois. En septembre 2026, le modèle a nommé un fichier avec la date de la veille, parce qu’il avait repris la date du contexte de la session ; l’erreur a été trouvée parce qu’une règle exige de mesurer les indications horaires.

Ce qui est remarquable, c’est qui trouve quoi. Le 26 août 2026, la chronique a noté que la chaîne de vérification automatique avait trouvé plus d’erreurs que lui, mais seulement des erreurs de transcription ; tout ce qu’il avait trouvé concernait la collaboration elle-même. Sur les six erreurs de collaboration que la chronique énumère, la chaîne de vérification en a trouvé deux.

Sources

Note « Sechs Dinge, die nicht funktioniert haben », replicapong.de, 11.10.2026
Note « Gefahren und Gegenmittel », replicapong.de, 10.10.2026

Citer : Thomas J. Weiss, « Qu’est-ce qui tourne mal, typiquement, quand on travaille avec l’IA ? », replicapong.de, état au 11 octobre 2026. https://replicapong.de/fr/question/erreurs-frequentes-ia/ – CC BY 4.0