Vérification · détection d'hallucination
Les cinq pages précédentes t'ont appris à calibrer la confiance de l'IA, à échapper à sa flatterie, à bien la prompter, à garder ton jugement. Elles préparent l'échange. Celle-ci ferme la boucle — comment repérer une hallucination, recouper une information, et juger si un contenu généré est prêt à partir vers un employeur, un jury ou une administration.
L'IA invente une information fausse, mais l'écrit avec le même aplomb qu'une information vraie. Par exemple : elle cite une aide de France Travail qui n'a jamais existé.
01 — reconnaître
Une IA ne « ment » pas au sens où elle saurait la vérité et la cacherait. Elle produit la suite de mots la plus plausible — et la plausibilité n'est pas la vérité. Voici ce qui doit déclencher une vérification systématique.
Un chiffre, une date, un nom propre, une référence légale donnés avec assurance et sans source citée. Plus c'est précis, plus ça mérite d'être vérifié.
Un article de loi, une convention collective, un dispositif France Travail cité par son nom exact — qui ne ressort nulle part ailleurs en recherche.
Deux réponses contradictoires à la même question reformulée, dans la même conversation ou entre deux outils.
Tout ce qui touche à un statut, un montant, un seuil, un dispositif en vigueur « aujourd'hui » — ces choses changent, l'IA peut répondre avec une date de coupure dépassée.
Une réponse qui colle parfaitement à ce que tu espérais entendre, sans nuance ni réserve — voir Sortir du miroir.
Un élément narratif (nom d'entreprise, anecdote, citation) qui rend une histoire plus crédible mais que tu n'as jamais fourni en entrée.
Redemander à la même IA « es-tu sûr ? » ne suffit pas. Le modèle peut confirmer sa propre erreur avec autant d'assurance qu'il l'a produite. La vérification doit sortir du modèle : recherche externe, source primaire, ou avis d'une personne compétente.
02 — vérifier
Pas besoin d'être expert technique. Trois questions, dans cet ordre, suffisent pour la majorité des usages en accompagnement et en candidature.
Toute affirmation factuelle (texte de loi, montant d'aide, procédure administrative, nom d'organisme) doit trouver une confirmation hors de l'IA : site officiel, document source, professionnel du domaine.
« Demande-moi de citer ta source » → puis vérifie la source, pas seulement son existenceSi la réponse contredit ton expérience de terrain, ta connaissance du dispositif ou du candidat, la contradiction est un signal — pas une erreur à corriger silencieusement dans ton coin.
Un conseiller qui connaît la convention collective sait quand l'IA s'éloigne du réelUne formulation maladroite dans un brouillon de lettre coûte peu. Une date d'éligibilité erronée transmise à un jeune, ou une référence légale fausse dans un dossier, coûte beaucoup. Le niveau de vérification doit suivre l'enjeu, pas l'inverse.
Demander à l'IA elle-même d'indiquer son niveau de confiance et ses sources change peu sa fiabilité, mais change beaucoup ta vigilance — voir Protocole de calibration pour les prompts qui forcent cette transparence.
03 — appliquer
Quatre situations fréquentes en Mission Locale ou en CISP, avec ce qui fonctionne et ce qui pose problème. Clique un onglet.
📝 Générer une lettre de motivation
L'IA invente parfois une expérience, un diplôme ou une qualité que le candidat n'a pas, pour « mieux coller » à l'offre.
Fournir le CV réel et l'offre en entrée, demander une structure et un ton, puis relire ligne à ligne avec le candidat avant envoi.
Demander « une lettre pour un poste de vendeur » sans CV en entrée : l'IA invente alors une expérience plausible mais fausse.
🎤 Préparer un entretien (méthode STAR, questions pièges)
L'IA simule bien un entretien standard, mais peut inventer des pratiques RH spécifiques à un secteur ou une entreprise qu'elle ne connaît pas vraiment.
Utiliser l'IA pour générer des questions probables et structurer des réponses STAR à partir de vraies expériences du candidat.
Demander « que va me demander cette entreprise précisément » — l'IA peut répondre avec assurance sans aucune connaissance réelle de cette entreprise.
🧭 Informer sur un dispositif, une formation, un droit
C'est la zone à plus haut risque : un montant d'aide erroné ou une condition d'éligibilité fausse a un coût réel pour le jeune.
Utiliser l'IA pour reformuler ou résumer une information déjà vérifiée sur France Travail, service-public.fr ou la documentation interne.
Demander directement « quel est le montant de la Garantie Jeunes » sans vérifier ensuite sur une source officielle à jour.
📄 Rédiger une accroche de CV
Risque plus faible factuellement, mais l'IA peut produire un ton ou des superlatifs qui ne correspondent pas à la réalité du parcours.
Donner 3-4 faits réels et demander une reformulation valorisante mais sobre, à valider avec le candidat.
Accepter une accroche « clé en main » qui décrit un profil plus expérimenté que la réalité — l'entretien la démentira.
04 — valider
Le dernier filtre, à appliquer systématiquement sur tout contenu généré qui sort du brouillon.
L'IA accélère la mise en forme, jamais la vérité du contenu. La vérification reste, et restera, un acte humain.
Ici, tu apprends à vérifier une réponse après coup. Le Cycle 2 montre le geste complémentaire : donner tes propres documents à l'IA avant, pour qu'elle ait moins à inventer — Documenter.
05 — s'entraîner
24 questions sur cet épisode, réparties en 3 niveaux de 8. QCM et Vrai/Faux mélangés — choisis ton niveau.