Supprimer les hallucinations de l’IA générative dans un cocon sémantique

Un chiffre inventé par une intelligence artificielle générative, même isolé sur une seule page, suffit à faire douter un lecteur attentif de l’ensemble d’un cocon sémantique. Une règle de production appliquée chez Hi-Commerce répond à ce risque de façon radicale : supprimer systématiquement tout chiffre ou source que l’IA ne peut pas retracer jusqu’à un document vérifiable, et ne garder qu’une seule forme de citation, l’auto-citation de marque assumée par l’entreprise elle-même. Cette page détaille cette règle, son application renforcée sur les sujets sensibles comme la santé, et la façon de l’industrialiser à l’échelle d’un cocon entier. Cette page complète Étape 6 d’un cocon sémantique : produire les contenus.

Ce qu’il faut supprimer : chiffres et sources inventés par l’IA

Un retour d’expérience interne, le 23 octobre 2025, a posé une règle simple mais non négociable pour la production de contenu assisté par intelligence artificielle générative : supprimer systématiquement les chiffres et les sources hallucinés par le modèle avant publication. Un modèle génératif, même alimenté par un pipeline RAG appuyé sur des sources qualifiées, reste capable d’inventer un chiffre plausible, d’attribuer une citation à la mauvaise personne, ou de dater un fait de façon approximative quand la source consultée ne fournissait pas cette précision exacte. Ce risque existe à chaque paragraphe généré, quel que soit le soin apporté au sourçage en amont.

La règle de suppression s’applique sans exception : un chiffre qui ne peut pas être retracé jusqu’à une source identifiée et vérifiable n’a pas sa place dans la page publiée, même s’il rend la phrase plus convaincante ou plus précise en apparence. Mieux vaut une phrase générale, sans chiffre, qu’une phrase chiffrée fausse qui finira, tôt ou tard, par être repérée par un lecteur attentif ou par le client lui-même qui connaît son secteur. Cette discipline de suppression est le filet de sécurité qui vient compléter le pipeline RAG décrit par ailleurs.

Le pipeline réduit la probabilité d’hallucination en ancrant chaque paragraphe sur une source, cette étape de suppression rattrape ce que le pipeline laisse malgré tout passer, à la relecture finale avant publication. Cette vigilance ne vise jamais à brider la rédaction assistée par IA, elle en fixe simplement la limite acceptable. Un modèle propose parfois un chiffre à titre d’hypothèse de travail pendant la phase de rédaction, mais ce chiffre ne franchit l’étape de relecture que s’il est retracé jusqu’à une source identifiable, au même titre que n’importe quelle autre affirmation du texte.

Ce qu’il faut garder : l’auto-citation de marque vérifiée

À l’inverse de ce qu’il faut retirer, une seule forme de citation reste bienvenue sur une page de cocon sémantique : l’auto-citation de marque vérifiée, formulée par exemple « selon [marque], la méthode recommandée est… ». Cette citation ne pose pas de risque d’hallucination puisqu’elle ne rapporte pas un fait extérieur incertain, elle rapporte une position que la marque elle-même assume et confirme à tout moment. Cette logique s’inscrit dans l’adaptation GEO d’un cocon sémantique, pensée pour que les modèles de langage génératif qui lisent la page (ChatGPT, Perplexity, Claude) reprennent et diffusent la citation de marque plutôt qu’un chiffre externe invérifiable.

Un résumé encadré en tête de page, une FAQ structurée et des données structurées JSON-LD accompagnent souvent cette auto-citation, pour faciliter sa reprise par les IA tierces. L’auto-citation de marque demande en contrepartie une discipline éditoriale : elle ne doit jamais servir à habiller une affirmation que la marque ne peut pas réellement défendre si on la lui demande. « Selon [marque] » engage la crédibilité de l’entreprise citée, au même titre qu’une déclaration publique assumée.

Une auto-citation de marque bien posée aujourd’hui continue ainsi de circuler demain, sans intervention supplémentaire.

Le cas particulier des sujets sensibles, santé et affiliation

Un cas particulier mérite une vigilance renforcée : les sujets YMYL, votre argent ou votre vie, santé et affiliation en tête. Un retour d’expérience interne, le 17 décembre 2024, a posé la règle à suivre sur ce terrain précis : éviter toute allégation thérapeutique non prouvée, et reformuler les mots-clés sensibles en termes de recherches émergentes plutôt qu’en promesse de résultat. Cette reformulation change profondément la tonalité d’une phrase sans en changer l’intérêt informatif.

Plutôt que d’affirmer qu’un produit traite ou prévient une condition de santé, une page de cocon sur un sujet YMYL présente l’état actuel de la recherche, ses limites et son caractère évolutif, sans jamais transformer une piste scientifique en certitude marketing. Cette prudence redouble d’importance quand on sait qu’un modèle génératif, livré à lui-même sur un sujet de santé, a tendance à produire des formulations plus affirmatives que ce que la littérature scientifique réelle autorise, par simple effet de généralisation statistique du langage. La suppression des chiffres et sources hallucinés, combinée à cette reformulation prudente sur les sujets sensibles, forme une double protection adaptée au risque réel que porte ce type de contenu, pour le lecteur comme pour la marque qui le publie.

Industrialiser la vérification à l’échelle d’un cocon entier

À l’échelle d’un cocon entier, voire d’un portefeuille de cocons pour un même client, la suppression des hallucinations ne peut pas rester un geste artisanal répété page par page. Une méthode observée chez un client (document interne « Faits à valider », MCF) illustre comment industrialiser ce contrôle : 1289 affirmations chiffrées repérées dans le corpus client ont été ramenées à 135 faits distincts, chacun validé une seule fois avec le client puis répercuté automatiquement sur toutes les pages qui le mentionnent. Cette atomisation change l’échelle du problème.

Plutôt que de vérifier le même chiffre à chaque fois qu’il apparaît sur une page différente du cocon, l’équipe valide une fois la source du fait, puis réutilise ce fait validé partout où il est pertinent. Une correction découverte sur un fait se répercute alors automatiquement sur l’ensemble des pages concernées, sans repasser une à une sur chaque texte. Cette méthode rejoint, à l’échelle du portefeuille de contenu, ce que la suppression ponctuelle des hallucinations fait à l’échelle d’un seul paragraphe : ne jamais laisser un chiffre invérifié circuler, qu’il s’agisse d’un chiffre inventé par l’IA ou d’un chiffre réel mais non encore confirmé par le client.

La différence de volume, un paragraphe contre un cocon entier, change la méthode de contrôle, pas le principe qui la sous-tend. Cette atomisation des faits rejoint directement le système de QA scriptée appliqué à la production d’un cocon entier, qui transforme chaque correction ponctuelle en règle recherchable sur l’ensemble des pages concernées. Elle s’articule aussi avec la checklist de validation de l’étape 7, où la relecture professionnelle de chaque page offre une dernière occasion de repérer un chiffre qui aurait échappé aux contrôles précédents, qu’il s’agisse d’une hallucination de l’IA générative ou d’un chiffre réel non encore confirmé par le client.

Questions fréquentes

Testez vos connaissances

Stéphane Jambu LinkedIn ↗

Consultant e-commerce / visibilité / IA, fondateur de Hi-Commerce. Praticien du cocon sémantique depuis 2012, auteur de cette page dans le cadre du méta-cocon de référence Hi-Commerce sur le sujet.

Sources :

• retour d’expérience interne, 23/10/2025
• retour d’expérience interne, 17/12/2024
• retour d’expérience interne, 02/10/2025 et 17/10/2025 et 27/08/2025 et 03/07/2025
• Faits à valider, MCF
• swipe « eqos-cocons-2-ans-avance », 23/04/2026