Guide · Vérifier
Recherche IA et fact-checking
La recherche par IA répond en prose et cite des pages consultées pendant la rédaction. Elle échoue d'une manière précise : la phrase peut être fausse alors que la source à côté est réelle, parce que le modèle a écrit la phrase puis attaché la source. Vérifier veut dire ouvrir la source et y retrouver l'affirmation.
Combien de temps faut-il pour l'apprendre ?
La méthode tient dans un après-midi. Acquérir le réflexe de ne pas croire un paragraphe fluide prend quelques semaines à se surprendre soi-même. C'est moins un savoir qu'une habitude, et les habitudes vont plus lentement que les faits.
Le chemin le plus rapide, dans l'ordre
- 01
Distinguer générer et retrouver
Un modèle sans recherche restitue une impression compressée de ses données d'entraînement. Un modèle avec recherche lit d'abord des pages. Les deux échouent différemment, et savoir auquel vous parlez change ce que vous vérifiez.
- 02
Comprendre pourquoi les sources s'inventent
Une référence fabriquée n'est pas un bug de recherche, c'est une chaîne plausible produite par le même processus que la phrase. C'est pour cela qu'elles ont l'air si justes : la plausibilité est exactement ce que la machine optimise.
- 03
Séparer l'affirmation de la citation
Ouvrez la page et retrouvez la phrase précise qui soutient l'affirmation précise. La plupart des échecs de vérification ne sont pas des liens faux, ce sont de vrais liens qui ne disent pas ce que le résumé leur faisait dire.
- 04
Trianguler dès que ça compte
Deux sources indépendantes qui ne se citent pas l'une l'autre, sinon vous n'avez pas encore un fait. Des agrégateurs qui se recopient ressemblent à un consensus et sont une seule source avec quatre chapeaux.
- 05
Dater tout
Demandez quand la source a été publiée et jusqu'à quand le modèle sait quelque chose. La plupart des réponses IA confiantes et fausses sont des affirmations exactes sur un monde qui a bougé, et c'est l'erreur la plus difficile à repérer parce que rien n'a l'air faux.
- 06
Écrire ce que vous n'avez pas pu vérifier
Une mention explicite non vérifié vaut mieux qu'une phrase assurée dont vous doutez en silence. C'est aussi ce qui rend un travail défendable le jour où quelqu'un contrôle.
Les outils qui valent votre temps
| Outil | À quoi ça sert |
|---|---|
| Perplexity | Assistant orienté recherche qui affiche ses sources en ligne, conçu pour ce workflow. |
| ChatGPT search | Recherche attachée à un modèle solide, avec des liens qu'il faut quand même ouvrir. |
| Claude avec recherche web | Lecture en long contexte des pages trouvées, utile pour comparer plusieurs sources d'un coup. |
| Google Scholar | Là où on confirme en dix secondes qu'une référence académique existe. |
| Semantic Scholar | Métadonnées et graphes de citation, pratique pour voir si une étude est contestée. |
| La page d'origine | Pas un outil. Toujours l'étape que presque tout le monde saute, et la seule qui tranche. |
Aucun détecteur ne règle la question à votre place. Les outils qui prétendent vérifier une sortie d'IA sont eux-mêmes des modèles, et faire passer un modèle sur un modèle pour savoir si le premier a menti n'est pas une chaîne de preuve. L'étape porteuse reste un humain qui ouvre la source.
Les erreurs qui coûtent des semaines
Prendre une citation pour la preuve qu'elle a été lue
Le lien fonctionne, le domaine est respectable, donc ça passe. Et la page dit en fait autre chose, ou l'inverse. Ouvrez-la et retrouvez la phrase.
Faire confiance à la fluidité
Nous lisons l'assurance comme de la compétence, et les modèles sont fluides par construction. Le paragraphe le mieux écrit d'un document n'a pas plus de chances d'être vrai que le paragraphe maladroit, et il en donne l'impression.
Demander au modèle s'il avait raison
Il sera d'accord dans les deux sens, parce qu'être d'accord est souvent le token suivant. Une auto-vérification n'est pas une vérification, c'est un second avis de la même source.