Pour les responsables techniques et informatiques
Déterministe ou génératif : ce que l’IA doit réussir en support technique
Un chatbot qui improvise est un risque quand la réponse est une étape de câblage. Ce que la décision Air Canada, la recherche sur les hallucinations et le règlement européen sur l’IA impliquent pour les fabricants.
Lingo
4 min de lecture
Quand un chatbot d’IA se trompe sur une politique de remboursement, cela coûte quelques centaines de dollars et un gros titre. Quand il se trompe sur le raccordement d’une barre palpeuse, la porte ne s’arrête pas devant l’enfant qui se trouve dessous. Les fabricants ont besoin d’une IA différente de celle dont parle la presse, et la différence mérite d’être posée avec précision.
En bref
- Les systèmes génératifs composent une nouvelle réponse à chaque fois. Les systèmes déterministes donnent une réponse approuvée pour chaque situation qu’ils reconnaissent et transmettent tout le reste à une personne.
- Un tribunal canadien a considéré que le chatbot d’une entreprise parlait au nom de l’entreprise : Air Canada a dû appliquer une règle que son chatbot avait inventée.
- Même les meilleurs modèles de langage introduisent encore des erreurs lorsqu’ils résument un document qu’on leur fournit. Pour le câblage et les étapes de sécurité, la réponse doit être celle que vos ingénieurs ont approuvée.
Deux façons de répondre à une question
Deux conceptions pour répondre à un installateur
La même question, deux chemins vers la réponse
Génératif
- L’installateur pose une question
- Le modèle trouve des passages qui semblent pertinents
- Il rédige une nouvelle réponse à partir de ces passages
- La formulation, et parfois le fond, peuvent changer d’un installateur à l’autre
Déterministe
- L’installateur pose une question
- Le système l’associe à une réponse approuvée par l’entreprise
- Il pose la question suivante prévue par la documentation, ou donne la solution documentée
- Pas de réponse approuvée : la question est transmise à une personne
Les modèles de langage sont très bons pour la première moitié du chemin déterministe : comprendre que « la porte ne se ferme pas et il y a un E12 » et « E12, rideau bloqué à mi-course » décrivent la même situation. La question de conception, c’est la suite. Le modèle rédige-t-il la réponse, ou passe-t-il la main à une réponse que vos ingénieurs ont déjà vérifiée ?
Le chatbot, c’est l’entreprise
En février 2024, un tribunal canadien a rendu sa décision dans l’affaire Moffatt v. Air Canada. Le chatbot du site de la compagnie avait indiqué à un client qu’il pouvait demander après son voyage le remboursement d’un tarif de deuil. La politique réelle de la compagnie disait le contraire. Air Canada a soutenu, en substance, que le chatbot était responsable de ses propres propos. Le tribunal a rejeté cet argument, a retenu une déclaration inexacte faite par négligence et a jugé la compagnie responsable de toutes les informations figurant sur son site. Il a condamné Air Canada à verser 650,88 dollars canadiens de dommages et intérêts, soit 812,02 dollars canadiens avec les intérêts et les frais.
La somme était modeste. Le principe ne l’est pas.
Un fabricant qui laisse un assistant improviser des conseils d’installation est responsable de ces conseils, et les conséquences, quand on les suit, se limitent rarement au remboursement d’un billet.
À quelle fréquence les modèles se trompent-ils ?
Il n’existe pas de taux d’erreur unique pour l’IA, et quiconque en cite un a quelque chose à vendre. Une mesure publique très citée est le classement des hallucinations de Vectara : on fournit un document aux modèles, on leur demande de le résumer, puis on vérifie si le résumé affirme quelque chose que le document ne dit pas. Lors de sa mise à jour du 22 septembre 2026, il couvrait 108 modèles. Le meilleur ajoutait un élément absent de la source dans 1,8 % des résumés, le moins bon dans 24,2 %. Vectara évalue les résumés avec son propre modèle sur un jeu de données privé, et a changé ce jeu de données en novembre 2025 : les chiffres antérieurs ne sont donc pas comparables.
Deux conclusions s’imposent. Les meilleurs modèles sont désormais très bons, et même les meilleurs ajoutent encore un élément absent de la source dans environ un résumé sur cinquante. Pour rédiger un e-mail, c’est acceptable. Ça ne l’est pas pour le couple de serrage d’un frein, les bornes du déverrouillage sur alarme incendie ou l’ordre des étapes qui rend une porte sûre.
Utilisez le modèle pour comprendre la question. Utilisez la réponse approuvée par vos ingénieurs pour y répondre.
Cinq questions à poser à tout fournisseur d’IA pour le support
| Question | Une bonne réponse |
|---|---|
| D’où vient chaque réponse ? | D’un document et d’une page identifiés, ou d’un parcours approuvé par votre équipe. Pas « du modèle ». |
| Qui approuve une réponse avant que les installateurs la voient ? | Un membre de votre équipe technique, nommément, avec un enregistrement de la modification. |
| Que se passe-t-il quand le système ne sait pas ? | Il le dit et transmet la question à une personne, conversation jointe. Il ne tente pas de répondre quand même. |
| Deux installateurs qui posent la même question obtiendront-ils la même réponse ? | Ils le devraient : les mêmes étapes publiées, jusqu’à ce que votre équipe les modifie. |
| Indique-t-il à l’installateur qu’il s’agit d’un service automatisé ? | Il le devrait, dès le premier message. Dans l’UE, le fournisseur est tenu de s’en assurer depuis le 2 août 2026. |
Lingo repose sur la seconde conception : les guides sont rédigés à partir de votre documentation, et rien n’est publié tant que votre équipe technique ne l’a pas vérifié par rapport au document source. L’installateur peut demander une personne à tout moment. Notre article Comment Lingo transforme un manuel en guide en détaille chaque étape.
Sources
- Moffatt v. Air Canada, 2024 BCCRT 149British Columbia Civil Resolution Tribunal, 14 février 2024. Paragraphes 27, 40 et 44.
- AI gone wild: airline has to honor a refund policy its chatbot fabricatedManatt, Phelps and Phillips, février 2024.
- Décision sur le chatbot d’Air CanadaDaily Hive, février 2024. Montants accordés.
- Hallucination leaderboardVectara, mis à jour le 22 septembre 2026. Banc d’essai géré par l’éditeur. Résumé d’un document fourni, évalué par le modèle de Vectara.
- Transparency obligations under Article 50 AI ActCommission européenne, juillet 2026.
- AI Act, Article 113: entry into force and applicationAI Act Service Desk de la Commission européenne, juillet 2026.
Les questions que l’on se pose
Quelle est la différence entre IA déterministe et IA générative en support technique ?
Un système génératif rédige une nouvelle réponse à chaque fois, à partir de ce qu’il a appris ou retrouvé : la formulation, et parfois le fond, peuvent donc changer. Un système déterministe donne une réponse fixe, approuvée à l’avance, pour chaque situation qu’il reconnaît, et transmet tout le reste à une personne. Pour le câblage, les réglages de sécurité et la recherche de pannes, la seconde conception est la plus sûre.
Une entreprise peut-elle être tenue responsable de ce que dit son chatbot ?
Oui. Dans l’affaire Moffatt v. Air Canada (février 2024), un tribunal canadien a jugé la compagnie responsable d’une politique de remboursement que le chatbot de son site avait mal décrite, et l’a condamnée à verser au client 650,88 dollars canadiens de dommages-intérêts. Le tribunal a considéré que le chatbot faisait partie du site de l’entreprise.
Le règlement européen sur l’IA oblige-t-il les chatbots à dire qu’ils sont une IA ?
Oui. L’article 50, paragraphe 1, du règlement européen sur l’IA s’applique depuis le 2 août 2026. Il impose aux fournisseurs de systèmes d’IA qui interagissent directement avec des personnes de veiller à ce que celles-ci soient informées qu’elles interagissent avec un système d’IA, sauf si cela est évident.
