Citations hallucinées, vérifiez votre article avant soumission

En juin 2023, un juge fédéral de New York a sanctionné deux avocats pour avoir déposé un mémoire fondé sur au moins six affaires judiciaires qui n’existaient pas. Steven Schwartz avait demandé à ChatGPT des précédents à l’appui, avait reçu des noms d’affaires et des raisonnements cités qui semblaient tous plausibles, puis avait déposé le mémoire sans ouvrir lui-même une seule affaire. Le juge P. Kevin Castel lui a infligé une amende de cinq mille dollars et a ordonné l’envoi d’une lettre à chaque juge réel dont le nom avait été associé à un avis fabriqué.

Une liste de références peut finir au même endroit. La solution consiste en un audit des citations hallucinées effectué sur votre propre liste de références avant qu’un éditeur, un directeur de recherche ou un évaluateur ne le fasse pour vous. Ce n’est pas seulement un problème causé par la rédaction avec un chatbot. Une citation mémorisée qui n’a jamais tout à fait existé, le titre d’un co-auteur recopié avec une légère erreur, ou un preprint dont la citation finale a changé après acceptation peuvent tous laisser dans une liste de références le même type de lacune qu’une citation fabriquée. L’audit ci-dessous les repère tous, quelle que soit la manière dont une entrée donnée s’y est retrouvée.

À quel point une citation hallucinée est-elle vraiment fréquente ?

L’ampleur dépend fortement du modèle qui a produit le brouillon. Walters et Wilder, publiant dans Scientific Reports en 2023, ont testé des listes de références générées par GPT-3.5 et GPT-4 à partir de véritables consignes de rédaction académique, 636 citations tirées de 84 listes de références générées par IA, 42 pour chaque modèle. Cinquante-cinq pour cent des citations de GPT-3.5 étaient entièrement fabriquées, contre 18 pour cent pour GPT-4. Même les citations réelles n’étaient pas nécessairement irréprochables, 43 pour cent des citations authentiques de GPT-3.5 et 24 pour cent de celles de GPT-4 comportaient encore une erreur substantielle quelque part dans l’auteur, le titre, l’année ou la revue.

La recherche juridique sur les citations générées par IA montre un taux d’échec encore plus élevé, mais ce travail mesure un échec différent, des décisions de justice hallucinéess plutôt que des références bibliographiques fabriquées, de sorte que ce chiffre n’est pas à importer dans un contexte académique. Ce que les deux domaines ont en commun est la cause sous-jacente, un modèle qui produit une citation plausible optimise ce à quoi ressemble habituellement une citation, et non le fait qu’elle existe réellement. Le propre article de TextPulse sur la question de savoir si ChatGPT invente des références porte précisément sur ce chatbot, cette vérification fonctionne toutefois quel que soit l’outil, ou la mémoire du coauteur, qui a produit l’entrée qui se trouve devant vous.

Ce que les audits à l’échelle de la littérature de 2026 ont révélé

Ces taux au niveau du modèle décrivent ce qui sort d’un chatbot. Une question distincte, et celle qui importe pour toute personne soumettant un article à une revue, est la fréquence à laquelle une référence fabriquée survit à tous les contrôles entre un brouillon et un article publié. Deux audits publiés à un jour d’intervalle en mai 2026 y ont répondu à l’échelle de la littérature, et la réponse est que l’échec n’est plus rare.

Un audit publié dans The Lancet a examiné les références dans environ 2,5 millions d’articles biomédicaux sur PubMed Central Open Access, couvrant la période de janvier 2023 à février 2026. Plusieurs milliers de références renvoyaient à des travaux qui n’existent pas, répartis dans plus de 2,800 articles publiés. La tendance compte davantage que le total.

Période	Articles comportant au moins une référence fabriquée	Par 10,000 articles
2023	1 sur 2,828	3.5
2025	1 sur 458	21.8
2026, premières sept semaines	1 sur 277	36.1

Cela représente à peu près une hausse de dix fois sur trois ans, et le chiffre de 2026 est tiré de sept semaines plutôt que d’une année complète, il s’agit donc d’une lecture précoce plutôt que d’un taux annuel établi. Ce qu’il établit, c’est que des références fabriquées parviennent à l’impression dans des revues à comité de lecture, après avoir franchi les auteurs, les co-auteurs, les éditeurs et les évaluateurs en chemin.

L’étude complémentaire, Zhao et ses collègues sur les citations inexistantes, a élargi le champ à 111 million de références à travers arXiv, bioRxiv, SSRN et PubMed Central et a fixé un plancher prudent de 146,932 citations hallucinées pour 2025 seulement. Son résultat le plus utile concerne la répartition plutôt que le volume, les références fabriquées se concentrent dans les domaines où l’adoption de l’IA est rapide, ainsi que parmi les petites équipes d’auteurs et celles en début de carrière. Si vous êtes un auteur seul ou un petit groupe sans bureau de recherche pour vérifier votre bibliographie, vous faites partie du groupe où cela tourne le plus souvent mal, ce qui plaide pour effectuer vous-même l’audit plutôt que de supposer qu’une personne en aval le fera.

Quels modèles fabriquent le plus, et qu’est-ce qui réduit réellement ce phénomène

La réponse honnête est qu’aucun benchmark public rigoureux ne classe aujourd’hui les principaux modèles les uns par rapport aux autres spécifiquement sur la fabrication de citations. De petites comparaisons informelles circulent, généralement quelques dizaines de références passées à la main dans deux ou trois chatbots, et les échantillons sont trop faibles pour étayer un classement entre eux. Traiter l’un d’eux comme un tableau de classement est la manière dont une affirmation assurée et fausse se retrouve dans un article.

Ce qui tient, en revanche, c’est la comparaison générationnelle dans les données de Walters et Wilder ci-dessus, où le modèle plus récent fabriquait environ trois fois moins souvent que l’ancien.

Modèle testé	Citations entièrement fabriquées	Citations authentiques comportant encore une erreur substantielle
GPT-3.5	55%	43%
GPT-4	18%	24%

Trois schémas se reproduisent dans la littérature et valent davantage qu’un classement isolé. Les modèles plus grands fabriquent moins que les modèles plus petits. Les modèles qui peuvent réellement chercher et récupérer des sources fabriquent nettement moins que les modèles qui répondent à partir de leurs seuls paramètres, ce qui constitue le plus grand effet jamais mesuré. Et les sources obscures sont beaucoup plus risquées que les sources bien connues, parce qu’un article très cité apparaît souvent dans les données d’entraînement assez souvent pour être reproduit correctement, tandis qu’une source de niche a plus de chances d’être reconstruite à partir de fragments.

La lecture pratique est qu’aucun modèle n’est assez sûr pour se passer de la vérification, et que les entrées les plus susceptibles d’être erronées sont précisément celles que vous êtes le moins en mesure de vérifier de mémoire, la citation spécialisée, l’article de conférence obscur, la source que vous avez ajoutée en dernier.

Ce qu’une vérification automatisée détecte, et où elle s’arrête

Faire d’abord passer la liste dans un vérificateur est plus rapide que de résoudre quarante DOI à la main, et le vérificateur gratuit de citations IA de ce site fait exactement cela en interrogeant Crossref, OpenAlex et Semantic Scholar. Il vaut la peine de savoir ce que ce type d’outil fait mal avant de s’y fier.

Une évaluation de 2026 portant sur cinq détecteurs de citations hallucinées, Badalova et Mayr, a montré qu’ils fournissent des alertes précoces utiles, mais restent limités par quatre facteurs, l’extraction propre des références à partir d’un document, les métadonnées incomplètes dans l’entrée elle-même, la couverture inégale des bases de données, et des registres qui ne concordent pas entre eux. Seul le premier de ces facteurs disparaît lorsque vous collez une liste plutôt que de téléverser un PDF.

La conséquence pour votre propre audit est une règle d’interprétation. Un vérificateur est le plus performant sur la constatation qui compte le plus, un DOI qui renvoie à un article différent de celui que l’entrée prétend, ce qui est presque concluant. Il est le plus faible sur les livres, les chapitres, les thèses, les actes de colloque, les travaux très récents et les revues non anglophones, tous étant faiblement indexés partout et revenant régulièrement comme introuvables tout en étant parfaitement authentiques. Introuvable est une invitation à vérifier à la main, jamais un verdict. Les étapes manuelles ci-dessous sont celles que vous appliquez à tout ce que le passage automatisé n’a pas pu trancher.

Résolvez chaque DOI avant de soumettre

Un DOI, un Digital Object Identifier, est censé renvoyer exactement à un seul enregistrement via le résolveur doi.org. Ajoutez le DOI de votre liste de références au résolveur et un DOI fonctionnel mène à la page de l’éditeur pour cet article précis. Un DOI qui renvoie à un article sans rapport, à une revue entièrement différente, ou à rien du tout, est l’un des contrôles d’hallucination les plus rapides disponibles, car un modèle qui invente une citation invente généralement une chaîne de DOI plausible pour l’accompagner plutôt que de réutiliser un vrai DOI.

Un DOI qui se résout correctement ne constitue pas une preuve automatique que la citation est authentique. Certaines références fabriquées empruntent le vrai DOI d’un article sans rapport, lequel se résout sans erreur et renvoie vers un article réel qui n’a rien à voir avec l’affirmation qu’il est censé étayer. Lisez la page vers laquelle le DOI mène, et pas seulement le fait qu’elle s’est chargée.

Faites correspondre chaque titre à une base de données réelle

Recherchez le titre exact, entre guillemets, dans une base de données qui couvre votre domaine, et non sur le web ouvert. Utilisez par exemple Crossref, PubMed pour les travaux biomédicaux, ou l’index propre à votre discipline. Si vous utilisez Crossref, vous pouvez recourir à leur recherche gratuite en mode invité pour retrouver une référence par titre et premier auteur, ou par auteur et numéro de page si vous n’êtes pas certain du titre. Cela renverra le DOI et les métadonnées complètes de tout ce qu’ils ont dans leurs dossiers. S’il n’y a aucune correspondance, ou si ce qui revient est un véritable article avec un ensemble d’auteurs entièrement différent, vous êtes peut-être face au second type d’hallucination, un DOI défectueux.

Une recherche par titre détecte une défaillance précise qu’une vérification de DOI ne détecte pas, une citation dotée d’un DOI réel et fonctionnel mais rattachée au mauvais titre, parce que le numéro et le texte ont été assemblés séparément et n’ont jamais été réellement vérifiés l’un par rapport à l’autre. Si le titre dans la base de données ne correspond pas de près au titre de votre liste de références, considérez cela comme une fabrication jusqu’à ce que vous puissiez expliquer l’écart, et non comme une coquille à corriger discrètement.

Vérifiez à nouveau la liste des auteurs et l’année de publication

Une citation hallucinée donne souvent le bon auteur et le mauvais article, parce qu’un nom réel et connu dans le domaine est exactement ce qu’un modèle cherchant une citation plausible produira. Recherchez, dans la base de données que vous avez déjà ouverte, la liste des publications de l’auteur pour l’année indiquée par votre liste de références. Si cet auteur a publié trois articles cette année-là et qu’aucun ne correspond à votre titre, la citation est très probablement inventée, construite à partir d’un nom réel et d’une année réelle qui n’ont jamais été associés.

Le schéma inverse apparaît aussi, un article réel, correctement titré, rattaché à la mauvaise année, généralement l’année d’un préprint plutôt que l’année de la publication finale, ou une version de conférence citée avec l’année de publication ultérieure de la revue. Aucun des deux n’est une fabrication au sens strict de l’audit, mais les deux envoient un lecteur vers un gestionnaire de références ou un co-auteur qui ne peut alors pas retrouver ce que vous avez cité, ce qui est suffisamment proche du même problème pour être corrigé au cours du même passage.

Repérez un nom de revue plausible mais inventé

Un nom de revue inventé est conçu pour sonner exactement comme un nom réel, un domaine plausible, un adjectif plausible, un nom suffisamment proche d’une revue existante pour que personne ne prenne la peine de vérifier. "The Journal of Applied Cognitive Studies" est inventé, "The Journal of Applied Psychology" et "Journal of Cognitive Science" existent tous deux, et un nom qui assemble des éléments des deux paraît familier précisément pour cette raison.

Cherchez le nom de la revue seul, entre guillemets, et recherchez la page de revue du propre éditeur ainsi qu’un ISSN actuel, pas seulement une occurrence sur un autre site qui cite la même référence. Une vraie revue a une page d’accueil indiquant un éditeur, un volume et un numéro actuels, ainsi qu’un ISSN légitime qui lui est attribué. Un nom sans page d’éditeur, sans ISSN et sans autre article citant des travaux issus de cette revue est, dans tout l’audit, le signe le plus clair que la référence n’existe pas.

Transformer Votre Audit de Citation Hallucinée en Liste de Vérification Répétable

Exécutez ces vérifications dans cet ordre, pour chaque référence, avant que la liste ne soit considérée comme définitive. L’ordre importe moins que le fait de couvrir les quatre, une citation peut réussir une vérification et échouer à une autre.

Vérification	Ce qu’elle détecte
Résolution du DOI	Un DOI qui ne mène nulle part, ou vers un article sans rapport
Correspondance titre-base de données	Un vrai DOI associé au mauvais titre, ou un titre qui ne renvoie aucun résultat
Vérification croisée auteur plus année	Le nom d’un auteur réel associé à un article qu’il n’a pas écrit cette année-là
Vérification du nom de la revue	Une revue au nom plausible, sans ISSN, sans page d’éditeur et sans existence réelle

Le vérificateur de citations IA de TextPulse exécute automatiquement une version de ce contrôle sur une liste de références complète, plus rapidement que de procéder à la main aux quatre vérifications sur une longue bibliographie, même si lire ce qu’il signale vaut encore la peine, plutôt que d’accepter ou de rejeter une alerte sur la seule confiance. Pour l’étape DOI en particulier, un outil de recherche DOI vers citation dédié évite d’avoir à passer par le résolveur pour chaque entrée, une par une.

Une bibliographie propre n’est qu’un des plusieurs contrôles à effectuer avant l’envoi d’un manuscrit. La réduction d’un score IA pour une soumission à une revue est traitée séparément, tout comme la lettre de réponse aux reviewers qui la suit.

Rien de tout cela ne remplace une nouvelle lecture de votre propre article avant de le soumettre. Si une section reste rédigée de manière générique une fois les faits vérifiés, un humaniseur IA peut lisser la prose sans toucher à une seule citation, le guide de TextPulse sur l’humanisation du texte IA dans l’écriture académique couvre ce passage section par section. Une liste de références qui se résout proprement et un manuscrit qui se lit comme votre propre voix sont deux contrôles distincts, qu’il vaut mieux effectuer l’un après l’autre plutôt que de supposer que l’un couvre l’autre.