Quelle IA pour son mémoire ? Test de fausses sources sur 7 modèles

👁 120 lectures

Pour la rédaction d’un mémoire ou d’une thèse, la combinaison la plus efficace reste : un moteur avec accès au web ou une base de données documentaire universitaire pour trouver les sources, NotebookLM (désormais Gemini Notebook) pour exploiter vos PDF téléchargés, puis ChatGPT ou Claude pour structurer le plan et soigner la rédaction. Lors de mon test mené sur 7 modèles et 112 publications scientifiques citées, 16 étaient entièrement inventées. Sur une littérature nationale spécifique, deux modèles ont presque tout halluciné : un chat sans accès web ne convient donc pas pour monter une bibliographie.

Cet article s’inscrit dans notre dossier sur l’apprentissage et les outils d’assistance. J’ai réalisé ce banc d’essai le 12 octobre 2026 via l’API OpenRouter, en vérifiant chaque référence dans les bases Crossref et OpenAlex, complétées par des recherches manuelles dans les catalogues et revues scientifiques pour les cas douteux. La démarche est née d’une question fréquente d’étudiants : quelle IA hallucine le moins lors de l’état de l’art sans faire exploser la consommation de jetons ?

En résumé : quelle IA utiliser à chaque étape du mémoire

Les tarifs API mentionnés sont relevés auprès d’OpenAI, Anthropic, Perplexity et Google entre le 8 et le 12 octobre 2026.

Mon banc d’essai : le même prompt testé sur 7 modèles

Chaque modèle a reçu la même consigne type (testée à l’origine en polonais, traduite ici pour illustrer l’expérience) : « Je rédige un mémoire sur le thème suivant : [sujet]. Donne-moi 8 publications scientifiques sur lesquelles fonder ma revue de littérature, avec les auteurs, l’année, le titre, la revue et le DOI ». Deux thématiques ont été soumises :

• Médias : l’impact des réseaux sociaux sur l’estime de soi et la dépression chez les adolescents (littérature internationale anglophone abondante, sujet très balisé).
• Budget : le budget participatif dans les villes polonaises, la participation citoyenne et ses freins (thème ciblé nécessitant une littérature nationale locale).

Les modèles ont été interrogés par API sans accès à Internet, à l’exception de Perplexity Sonar Pro qui recherche nativement sur le web. Une référence était validée comme exacte dès lors qu’elle existe avec ces auteurs, cette année et ce titre (une faute de frappe mineure ou un titre traduit restait accepté). La mention « Données inexactes » correspond à un article réel dont le DOI, la revue ou les auteurs étaient erronés. La mention « Inventée » signifie que la publication n’existe pas.

L’ensemble de ce banc d’essai (14 réponses générées) a coûté environ 0,157 EUR (0,175 USD). Conversions estimées selon le cours de référence de la BCE au 12 octobre 2026 (1 EUR = 1,1181 USD ; source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Les journaux de requêtes, réponses brutes, volumes de tokens et détails des vérifications ont tous été archivés.

Les enseignements de l’évaluation

• Sur un sujet classique très documenté en anglais, presque tous les modèles visent juste. Sur le thème « médias », aucune des 56 références n’a été inventée de toutes pièces ; seules 4 contenaient des métadonnées inexactes (par exemple un titre réel associé à un mauvais DOI ou un nom de revue incorrect).
• Sur des corpus nationaux spécifiques hors anglais, les modèles sans web hallucinent ou esquivent. DeepSeek a inventé 8 articles locaux sur 8, et Gemini 3.8 Flash 7 sur 8. Claude et GPT ont quant à eux contourné la consigne en citant des classiques anglophones généralistes (sur le Brésil ou l’Europe) : les articles étaient bien réels, mais hors sujet par rapport au contexte local demandé.
• Les hallucinations académiques sont extrêmement crédibles. Les faux articles reprenaient les noms de véritables chercheurs spécialistes de la participation citoyenne, le titre de vraies revues scientifiques et des préfixes DOI valides renvoyant en réalité à d’autres disciplines (comme la psychologie du témoignage). À deux reprises, un modèle a même déformé le prénom d’une chercheuse existante.
• Un moteur connecté trouve davantage de sources locales, mais commet des erreurs. Perplexity a identifié 7 références locales réelles ; l’une était pourtant fabriquée et une autre associait un DOI valide à d’autres auteurs et une mauvaise revue.
• Économie de tokens ne rime pas avec manque de rigueur. Les modèles les plus abordables du comparatif, Claude Haiku 5.5 et GPT-6 Luna (environ 0,0013 EUR / 0,0015 USD par réponse), ont obtenu d’aussi bons résultats que des versions dix fois plus coûteuses. Dans les interfaces grand public, la limite de messages pèse bien plus que le coût unitaire des requêtes brèves.

Ces constats rejoignent les études publiées : dans un article de Scientific Reports paru en 2023, GPT-4 fabriquait 18 % de ses citations bibliographiques ; une étude de JMIR Mental Health parue en 2025 mesurait 19,9 % d’erreurs pour GPT-4o, montant jusqu’à 28-29 % sur des sujets spécialisés. Mon test relève 14 % d’inventions globales (16 sur 112), grimpant à 29 % dès que le sujet se restreint à une littérature nationale spécifique (16 sur 56).

Rédiger son mémoire avec l’IA étape par étape

1. Consultez le règlement de votre établissement. Prenez connaissance des chartes de déontologie et directives sur l’intégrité académique de votre université ou école. De nombreux établissements exigent une déclaration transparente de l’usage des outils d’IA. Échangez directement avec votre directeur de mémoire pour fixer le cadre autorisé.
2. Affinez le sujet et la problématique. Demandez à un modèle 5 pistes pour circonscrire votre sujet et 3 questions de recherche associées pour chacune. La décision finale vous revient, en accord avec votre encadrant.
3. Recherchez la littérature scientifique. Privilégiez les catalogues de bibliothèques universitaires, Google Scholar, Cairn, OpenAlex ou vos bases institutionnelles. Si vous utilisez Perplexity ou un outil académique connecté, ouvrez impérativement chaque PDF source. Utilisez les modèles non connectés uniquement pour vous suggérer des mots-clés d’interrogation.
4. Vérifiez systématiquement les identifiants. Copiez chaque DOI dans doi.org afin de vérifier la correspondance exacte du titre, des auteurs et de l’année. Tout article sans DOI doit être attesté dans une base reconnue ou sur le site officiel de l’éditeur.
5. Lisez et analysez. Déposez vos documents PDF dans Gemini Notebook pour interroger la méthodologie, les résultats et les limites, avec renvoi vers les citations exactes. Rédigez toujours vos fiches de lecture avec vos propres mots.
6. Rédigez le texte. Vous devez écrire vos chapitres vous-même. L’IA peut intervenir pour questionner votre plan, pointer des failles dans l’argumentation ou signaler les affirmations manquant de référence.
7. Soignez la révision. L’amélioration du style, de l’orthographe et de la clarté conceptuelle est généralement admise, mais consignez vos interactions. Si vous devez citer un outil génératif, suivez les recommandations formelles (comme celles d’APA).
8. Préparez le contrôle anti-plagiat. Votre mémoire sera soumis aux logiciels d’analyse institutionnels. Conservez vos brouillons intermédiaires et l’historique des versions pour attester de votre travail personnel.

Prompts prêts à l’emploi

Ce premier prompt (traduit du modèle original utilisé lors du test) ne demande pas de fabriquer des références, mais de poser la structure thématique et les mots-clés nécessaires :

Je rédige un mémoire sur le thème suivant : [sujet]. Filière / discipline : [discipline].
Ne me donne aucune référence bibliographique précise ni aucun DOI.
À la place :
1. Liste 5 à 7 grands axes ou débats théoriques qui apparaissent habituellement dans une revue de littérature sur ce sujet.
2. Pour chaque axe, donne 3 à 5 mots-clés pertinents en français et en anglais à saisir dans les bases documentaires et Google Scholar.
3. Précise quels types de sources privilégier (études empiriques, rapports d'institutions, textes juridiques, données statistiques publiques, etc.).
4. Pose-moi 5 questions pour m'aider à resserrer ma problématique.

Une fois votre propre liste de références collectée, utilisez cette consigne pour harmoniser le formatage :

Voici ma liste de sources. Formate-la selon les normes [APA 7e édition / style requis par la faculté].
N'ajoute aucune nouvelle référence et ne complète pas les données manquantes de ta propre initiative : inscris [MANQUANT : élément] le cas échéant.
Pour chaque référence, signale si certains éléments te paraissent suspects ou nécessitent une vérification manuelle approfondie.
[insérer votre liste]

Foire aux questions

Peut-on utiliser l’IA pour la rédaction d’un mémoire ?

Tout dépend des règles fixées par votre université ou école et de votre directeur de recherche. La majorité des établissements acceptent l’IA comme outil d’assistance méthodologique (élaboration d’un plan, correction stylistique, recherche d’idées) sous réserve de transparence totale, mais interdisent la génération directe du texte d’analyse.

Quelle IA hallucine le moins les sources académiques ?

Dans notre comparatif, Claude Sonnet 5.5 s’est classé en tête (16 sources valides sur 16), suivi de GPT-6.1 Sol, Claude Haiku 5.5 et GPT-6 Luna (15 sur 16). Cependant, face à une thématique nationale spécifique, les modèles sans accès web ont basculé vers des références généralistes anglophones, tandis que DeepSeek et Gemini 3.8 Flash ont inventé la quasi-totalité des sources locales.

Quelles solutions gratuites employer pour un mémoire ?

Les versions gratuites de ChatGPT, Claude et Gemini suffisent pour structurer un plan et corriger des tournures, tandis que NotebookLM (Gemini Notebook) permet d’analyser vos propres documents sans frais d’abonnement.

Un directeur de recherche peut-il détecter l’usage de l’IA ?

Les encadrants repèrent rapidement les ruptures de ton par rapport aux travaux antérieurs et utilisent des outils d’analyse textuelle. Mais l’indice le plus irréfutable reste la présence de sources imaginaires ou de DOI incohérents au sein de la bibliographie.

Comment vérifier si une source fournie par une IA existe réellement ?

Testez le DOI sur le site officiel doi.org, recherchez le titre exact entre guillemets sur Google Scholar ou les catalogues universitaires, puis vérifiez la concordance des auteurs, de l’année et du volume. L’erreur la plus fréquente consiste à associer un DOI réel à un titre inventé.

Quel budget prévoir pour s’équiper ?

Pour un travail de fin d’études, les fonctionnalités gratuites couvrent l’essentiel des besoins. Les abonnements payants standards des grands éditeurs (ChatGPT Plus, Claude Pro, Perplexity Pro) tournent autour de 20 USD par mois (soit env. 17,89 EUR HT selon le cours BCE de référence).

Sources

• Walters, Wilder : Fabrication and errors in the bibliographic citations generated by ChatGPT (Scientific Reports, 7 septembre 2023)
• Évaluation des citations de GPT-4o dans des revues psychiatriques (JMIR Mental Health, novembre 2025)
• NotebookLM devient Gemini Notebook (Google, 16 juillet 2026)
• API REST de Crossref pour la vérification des métadonnées
• Base de données scientifique OpenAlex
• Accès API OpenRouter aux modèles évalués (relevé du 12 octobre 2026)

• À lire également : Quelle IA choisir pour sa bibliographie
• Quelle IA pour un travail de recherche avancé
• Comment structurer le plan d’un travail avec l’IA
• Hallucinations des IA : le test des 10 pièges

// lire la suiteQuelle IA pour son mémoire de master ? Outils et règlesGuidesQuelle IA choisir pour la physique ? Gemini, ChatGPT et un testBenchmarksMAGI-2 Preview : le modèle vidéo open source de Sand.aiBenchmarks

Kinetyra