Une nouvelle étude menée par des chercheurs de Google DeepMind révèle une réalité inquiétante : le meilleur modèle d’intelligence artificielle actuellement disponible n’a raison que dans 69 % des cas. Cette découverte découle de l’introduction du FACTS Benchmark Suite, un ensemble de tests conçu pour évaluer la fiabilité factuelle des modèles d’IA dans des situations réelles. Les évaluations portent sur quatre domaines clés : la réponse à des questions factuelles basées sur la connaissance interne du modèle, l’efficacité des recherches sur le web, la capacité à s’appuyer sur des documents longs et complexes, ainsi que l’interprétation d’images. Le modèle leader, Gemini 3 Pro de Google, atteint 69 % de précision — un chiffre qui, pourtant, soulève de sérieuses questions. En comparaison, un journaliste dont les articles seraient exacts à 69 % serait immédiatement licencié. Ce niveau de fiabilité, bien qu’il représente une amélioration par rapport aux versions précédentes, reste largement insuffisant pour des applications critiques. Dans des secteurs comme la finance, la santé ou le droit, où une erreur factuelle peut entraîner des conséquences graves — des décisions judiciaires erronées, des pertes financières ou des décisions médicales risquées — cette marge d’erreur de 31 % est inacceptable. Le cas d’un cabinet d’avocats ayant licencié un employé pour avoir intégré des décisions judiciaires fictives dans un document, générées par ChatGPT, illustre parfaitement les risques concrets liés à l’usage non contrôlé de l’IA. Le FACTS Benchmark n’est pas seulement un constat alarmant, mais aussi un outil d’amélioration. En identifiant précisément les points faibles des modèles — notamment dans la compréhension contextuelle, la vérification des sources ou la gestion de l’information contradictoire — il fournit une feuille de route claire pour les chercheurs. Google espère ainsi accélérer le progrès vers des systèmes plus fiables, capables de produire des réponses non seulement fluides, mais aussi rigoureusement exactes. En définitive, l’IA progresse rapidement, mais elle reste erronée une fois sur trois. Ce constat doit inciter les entreprises, les professionnels et les décideurs à adopter une approche prudente. L’efficacité et la rapidité ne suffisent plus : la fiabilité factuelle est désormais une condition indispensable à l’adoption à grande échelle de l’intelligence artificielle dans des environnements sensibles.