Réponse courte. Donner un document à une IA ne rend pas sa réponse fidèle à ce document. Même quand les modèles résument un texte qu'on leur a remis, des tests publics trouvent que certains y ajoutent des informations absentes. Pour vérifier une réponse par rapport à une source approuvée, exigez une citation pour chaque affirmation, vérifiez que chaque citation existe mot pour mot, vérifiez qu'elle soutient l'affirmation, puis vérifiez que le document est la version en vigueur. Comparez plusieurs modèles sur le même document pour repérer les passages à lire vous-même. Aucun outil ne remplace une validation humaine pour une décision qui compte.
Vous avez une politique, un contrat, un règlement intérieur ou un ensemble de faits approuvés. Un assistant répond à une question à son sujet. La question est de savoir si la réponse est bien ce que dit le document. Ce guide donne une méthode que vous pouvez appliquer à la main aujourd'hui, dit ce que chaque étape détecte et manque, et reste clair sur ce que Satcove fait et ne fait pas ici.
Pourquoi « il a lu mon document » ne suffit-il pas ?
Parce que résumer un texte fourni est lui-même une source d'erreurs. Le Vectara Hallucination Leaderboard mesure exactement cela : la fréquence à laquelle un modèle ajoute des informations absentes d'un document qu'on lui demande de résumer. Dans sa dernière mise à jour (2026-10-22, 111 modèles), les taux vont de 1,8 % pour le meilleur modèle à 24,2 % pour le pire, et les modèles OpenAI listés vont de 3,1 % à 23,3 %. Ce sont des taux sur les documents de type article de presse de ce benchmark, pas sur votre politique, mais la leçon vaut : fournir la source réduit le risque sans le supprimer.
Quatre types d'erreur comptent quand on vérifie par rapport à un document :
- Contenu inventé. Un chiffre, un délai ou une clause qui n'est pas dans la source.
- Citation réelle, sens faux. La phrase existe, mais elle ne soutient pas l'affirmation, ou le modèle a omis une exception.
- Omission. La réponse est vraie mais laisse de côté la condition qui change la décision.
- Source erronée ou périmée. Le modèle a utilisé une ancienne version, une autre politique, ou sa propre mémoire plutôt que votre texte.
Comment vérifier une réponse d'IA par rapport à une source officielle ?
1. Figez la source et sa version
Décidez quel document fait autorité et notez son nom, sa version et sa date. Placez le texte dans le prompt, ou joignez-le, pour que le modèle ne réponde pas de mémoire. Si la politique a changé le trimestre dernier, l'ancien PDF dans le dossier de quelqu'un est la cause la plus probable d'une mauvaise réponse.
2. Obligez la réponse à citer ses preuves
Demandez un format court et rigide : la réponse en une ou deux phrases, puis pour chaque affirmation la phrase exacte du document entre guillemets, avec la section ou la page. Ajoutez la règle qui compte le plus : « Si le document ne le dit pas, écrivez ABSENT DU DOCUMENT. Ne devinez pas. » Une affirmation sans citation est une affirmation à laquelle vous ne faites pas confiance.
3. Vérifiez que chaque citation existe, mot pour mot
Cette étape est mécanique et détecte le contenu inventé. Cherchez chaque chaîne citée dans le texte source. Une citation introuvable, même légèrement reformulée, est un signal d'alerte. Un court script qui teste si chaque chaîne citée est une sous-chaîne du document le fait en quelques secondes, et une simple recherche dans le document le fait à la main.
4. Vérifiez que la citation soutient l'affirmation
C'est l'étape que les machines font le moins bien, donc une personne doit la faire sur tout ce qui est important. Lisez la citation et l'affirmation côte à côte et posez trois questions. La citation dit-elle ce que dit l'affirmation ? Une exception, une condition ou une date du texte voisin la modifie-t-elle ? Un chiffre est-il bien le même chiffre ? Un second modèle peut servir de premier filtre, mais il partage les angles morts du premier : utilisez-le pour classer les affirmations à lire, pas pour les approuver.
5. Comparez les modèles et lisez là où ils divergent
Posez à deux ou trois modèles différents la même question sur le même document, avec les mêmes règles de citation. Là où ils s'accordent, le risque d'erreur est plus faible mais pas nul : dans notre propre test de 2 500 questions, les réponses sur lesquelles tous les modèles s'accordaient étaient justes dans 94,0 % des cas, et fausses dans 73 cas sur 1 221. Là où ils diffèrent, vous avez trouvé le passage exact à lire. C'est l'usage le moins cher de plusieurs modèles.
Que détecte chaque contrôle ?
Quels outils peuvent aider ?
Trois familles existent, et elles font des choses différentes.
- Les fonctions de récupération et de citation des assistants et outils documentaires montrent de quel passage vient une réponse. Elles aident pour l'étape 2, mais il faut toujours les étapes 3 et 4.
- Les modèles de notation de fidélité estiment si un résumé est soutenu par sa source. HHEM de Vectara, l'évaluateur derrière le classement ci-dessus, en est un exemple. Considérez un score comme un filtre, pas un verdict.
- Les procédures de relecture humaine pour les décisions réglementées ou à fort impact, où une personne identifiée valide.
Pour une méthode manuelle qui marche sur n'importe quelle réponse, voir notre guide comment recouper les réponses d'IA et la page sur la fiabilité des réponses d'IA.
Que fait Satcove, et que ne fait-il pas, ici ?
Satcove ne vérifie pas une réponse d'IA par rapport à vos politiques privées, et mieux vaut le dire clairement.
- Consensus. Posez la même question à six modèles et voyez où ils s'accordent et où ils se séparent, avec un score d'accord. Dans le chat Cove, vous pouvez joindre un document et lancer la question sur les modèles. Utilisez-le pour l'étape 5. L'accord n'est pas une preuve.
- Verify. Satcove Verify vérifie les valeurs d'un fichier CSV ligne par ligne par rapport à des sources web en direct, avec un statut confirmé, divergent ou non vérifié par champ. Il ne lit ni les PDF ni le texte libre : ce n'est donc pas un outil pour vérifier des réponses par rapport à une politique privée.
- Confidentialité. Avant d'envoyer des documents sensibles, lisez ce que le Privacy Shield peut et ne peut pas couvrir. La détection automatique peut manquer des identifiants contextuels.
Pour les équipes qui doivent faire vérifier des réponses d'IA par rapport à des sources internes à grande échelle, voir Satcove pour les entreprises. Les cinq étapes ci-dessus fonctionnent sans aucun outil.
FAQ
Comment vérifier une réponse d'IA par rapport à une source officielle ?
Figez le document de référence et sa version, obligez la réponse à citer ses preuves, vérifiez que chaque citation existe mot pour mot, lisez chaque citation à côté de son affirmation, et gardez une personne responsable de la décision finale. Comparez plusieurs modèles pour trouver les passages qui méritent le plus d'être lus.
Quels outils aident à vérifier des réponses d'IA par rapport à des politiques approuvées ?
Les fonctions de récupération et de citation montrent le passage source. Les modèles de notation de fidélité, comme HHEM de Vectara, estiment si un résumé est soutenu par sa source. Aucun ne remplace la lecture du passage. Satcove peut comparer six modèles sur la même question, mais ne vérifie pas les réponses par rapport à des politiques privées.
Une IA peut-elle vérifier qu'une réponse correspond à un document ?
En partie. Un modèle peut signaler des écarts probables, et un modèle de fidélité dédié peut noter l'appui. Les deux se trompent, et un second modèle partage les angles morts du premier. Utilisez-les pour décider quoi lire, pas pour approuver.
Satcove vérifie-t-il les réponses par rapport à mes propres documents ?
Non. Satcove Verify vérifie des valeurs CSV par rapport à des sources web en direct et ne lit ni les PDF ni le texte libre. Le consensus Satcove compare les réponses de six modèles et peut traiter une question sur un document joint, mais l'accord entre modèles est un signal, pas une vérification par rapport à votre politique.
Et si le modèle répond « ABSENT DU DOCUMENT » trop souvent ?
C'est l'échec le plus sûr. Cela signifie généralement que la question demande la formulation exacte du document ou que le document ne couvre pas le cas, ce qui est utile à savoir. N'assouplissez la règle que si vous vérifierez les réponses supplémentaires.
À quelle fréquence auditer les réponses ?
Sur un échantillon au début, puis chaque fois que le document, le modèle ou l'usage change. Gardez un journal des questions, réponses, citations et de qui les a approuvées.
Chiffres : classement Vectara lu le 2026-10-26 (mis à jour le 2026-10-22) ; benchmark Satcove, 2 500 questions, exécuté le 2026-10-22. Descriptions de produits au 2026-10-26.