Rien, dans la façon dont un modèle de langage formule ses réponses, ne distingue à l’oreille un fait vérifié d’une pure invention : les deux sortent avec la même fluidité et la même assurance, puisque le modèle prédit la suite la plus probable d’un texte plutôt qu’il ne consulte une base de faits établis. Le plus souvent, cette prédiction correspond à la réalité ; parfois, elle produit une affirmation fausse ou un détail entièrement inventé, sans aucun signal visible qui permette de repérer la différence à la lecture. C’est ce phénomène que l’on nomme hallucination.
Où ça pose problème sur un projet WordPress
Un développeur qui demande à un assistant IA « quelle fonction WordPress fait X » peut se voir citer une fonction plausible mais qui n’existe pas, ou un paramètre inventé pour une fonction réelle. C’est un risque particulièrement élevé sur des détails précis (nom exact d’un hook, signature d’une méthode, numéro de version d’introduction d’une fonctionnalité), moins sur des explications générales bien documentées.
Exemple
Question : "Quelle fonction WordPress force le rechargement du cache
d'objets pour un seul article ?"
Réponse hallucinée possible : "wp_flush_post_cache( $post_id )"
(fonction inexistante, nom plausible mais inventé)Bon à savoir
- Vérifier systématiquement, dans la documentation officielle de WordPress, tout nom de fonction ou de hook cité par un assistant IA avant de l’utiliser en production.
- Une architecture RAG, qui ancre la réponse du modèle dans des documents réels fournis en contexte, réduit le risque d’hallucination sans l’éliminer complètement.
- Demander au modèle ses sources ou de citer la documentation précise l’oblige souvent à se montrer plus prudent, sans garantir pour autant l’exactitude totale de la réponse.