Tout ce qui se souviendra de vous se trompe. Il reste une chose que vous pouvez encore corriger.

D'abord la mécanique, parce qu'elle est vérifiable et que la plupart des textes sur ce sujet la sautent au profit des sentiments.

• Quand une Persona d'IA n'a aucune donnée sur une question, une réponse arrive quand même, parce qu'une supposition rapporte plus qu'un blanc. Kalai, Nachum, Vempala et Zhang soutiennent dans « Why Language Models Hallucinate » (arXiv:2509.04664, septembre 2025) que les modèles « sont optimisés pour être de bons candidats à un examen, et que deviner en cas d'incertitude améliore les résultats au test ».

• L'ancrage change la nature de l'erreur sans la supprimer. Répondre à partir d'un ensemble de vos propres paroles enregistrées fait passer l'échec de « a inventé une opinion que vous n'avez jamais eue » à « a mal restitué quelque chose que vous avez bien dit ».

• Le plancher mesuré n'est pas zéro. Le classement des hallucinations de Vectara, noté avec HHEM-2.3 et mis à jour le 11 mai 2026, donne au modèle le document source et lui demande seulement d'en faire un résumé. Le premier du classement a quand même introduit du contenu non étayé dans 1,8 % des résumés, et aucun autre n'est passé sous 3 %.

• La recherche n'a pas de score minimum. Notre propre système classe vos souvenirs par similarité sémantique, retient les trente-deux plus proches et répond à partir d'eux, sans seuil en dessous duquel le système renoncerait. Une question que votre matériau couvre à moitié reçoit une réponse construite sur cette moitié.

• Les affirmations non étayées sur ce que vous avez dit sont retirées par le code. Une réponse qui affirme que vous nous avez dit quelque chose est vérifiée au regard des souvenirs retrouvés pour ce tour et de vos propres mots dans la session, et une affirmation non étayée n'atteint jamais le lecteur.

• Un trou de mémoire n'est pas annoncé. Les Personas de cette plateforme ont pour consigne de ne pas raconter un trou : une question non couverte reçoit donc une réponse bâtie sur le détail le plus proche que vos souvenirs contiennent, nuancée une fois au plus, plutôt qu'un refus explicite.

• Le droit de corriger est le vôtre tant que vous êtes en vie, et il se ferme au verrouillage. Vous pouvez relire ce qui a été capté, corriger une mauvaise réponse, supprimer un souvenir, ajouter ce que vous avez oublié. Executor Lock™ fige ensuite la personnalité de façon permanente, face à votre famille, face à un futur propriétaire de cette entreprise, et face à nous.

Deux de ces points tiennent à la nature du domaine. Les autres sont des décisions, c'est moi qui les ai prises, et la dernière section de cette page dit franchement où je pense que nous sommes encore en deçà.

Kalai et ses collègues remettent le taux d'erreur à sa vraie place, qui est dans la notation plutôt que dans la machine. Les hallucinations naissent comme de simples erreurs de classification binaire pendant le préentraînement. Elles persistent à cause de la façon dont le domaine note les modèles. Un élève qui laisse une question en blanc obtient zéro. Un élève qui écrit une réponse plausible gagne parfois un point. Entraînez-vous contre cela et vous obtenez un devineur sûr de lui, puis toute une industrie de devineurs sûrs d'eux, puis une phrase sur un jour de Noël qui n'a jamais eu lieu.

La mesure corrective proposée par les auteurs est sans éclat. Changer ce qui est noté, pour qu'une abstention calibrée vaille plus qu'une erreur assurée.

Le sans-éclat compte ici. Si le comportement découle d'un objectif, l'objectif peut être réglé autrement au niveau du système, ce qui veut dire que la fabrication qui vous inquiète est la décision de conception de quelqu'un et non une loi de la physique. Chaque entreprise de cette catégorie peut prendre cette décision. La nôtre est écrite dans la dernière section de cette page.

Il existe un second mode de défaillance, et c'est celui qui survit à l'ancrage. Sharma et ses collègues chez Anthropic, dans « Towards Understanding Sycophancy in Language Models » (arXiv:2310.13548, octobre 2023), ont constaté que cinq assistants d'IA de pointe faisaient preuve de façon constante de complaisance sur quatre tâches variées de génération de texte libre. Les évaluateurs humains comme les modèles de préférence entraînés sur leurs jugements ont préféré les réponses complaisantes bien écrites aux réponses correctes dans une fraction non négligeable des cas. Les modèles plient devant la personne qu'ils ont en face, en partie parce que les gens les ont récompensés de plier.

Dans un outil de productivité, plier est une nuisance. Ici, c'est une machine qui décide que votre père aurait pardonné ce qu'il n'a jamais pardonné, parce que la personne qui posait la question voulait le pardon et l'a demandé trois fois. C'est un autre bogue que la fabrication, et il demande un autre remède. La recherche traite le premier. Le second exige une consigne explicite de tenir une position retrouvée sous la pression, et le seul test qui compte est de discuter avec la chose et de regarder si la position bouge. Nous n'avons pas publié de mesure de la solidité de la nôtre.

La technique est assez ancienne pour être ennuyeuse. Lewis et ses collègues, dans « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks » (arXiv:2005.11401), ont montré que les modèles qui récupèrent du matériau source avant de générer produisent un langage « plus spécifique, plus varié et plus factuel » qu'un modèle comparable travaillant uniquement à partir de ses paramètres.

C'est tout le mécanisme, et il décide de la nature de ce à quoi vous parlez. Une version de vous ne devrait pas être reconstruite à partir de ce qu'un modèle de base a absorbé sur les gens en général, à partir de la moyenne de tout ce qui a été écrit sur les pères. Ce qui arrive dans la fenêtre de contexte devrait être vos réponses réellement enregistrées, et c'est de là que la parole devrait partir.

Voici maintenant le chiffre, qui est public et que personne dans ce secteur n'aime citer. Le classement de Vectara mesure une tâche délibérément facile : on remet un document à un modèle, on lui demande de résumer en n'utilisant que ce que dit le document, puis on vérifie si le résumé a introduit quelque chose que le document ne contenait pas. La source est là, dans la fenêtre de contexte. Malgré cela, le premier de ce classement, Finix S1 32B d'Antgroup, a quand même introduit du contenu non étayé dans 1,8 % des résumés. C'est la seule entrée sous 3 %. Les deux suivantes se situent à 3,1 % et 3,3 %, et le reste du top dix va de 3,7 % à plus de 5 %.

Le meilleur résultat mesuré sur la version la plus facile possible de la tâche est inférieur à deux pour cent, une seule fois, et le peloton derrière ce leader est au-dessus de trois. Quiconque vous vend un système ancré à zéro ne mesure pas ou ne vous le dit pas, et je lui demanderais lequel des deux.

L'ancrage achète un changement de catégorie plutôt qu'une guérison. L'erreur quitte la classe « a inventé toute une opinion » pour descendre dans la classe « a légèrement mal restitué quelque chose que vous avez bien dit », celle où se trouve déjà tout récit humain ordinaire.

Il y a une chose de plus que le classement ne teste pas. Le document source est fourni. Dans un système réel, il faut d'abord trouver la source, ce qui ajoute un mode de défaillance pour lequel personne n'a de mesure convenue : une recherche qui renvoie le mauvais souvenir, ou qui ne renvoie rien du tout et à laquelle on répond quand même.

Chaque réponse se trouve dans l'un de trois états.

Fondre ces trois états en un seul registre assuré, c'est cela le vrai dommage. Pas l'erreur. L'erreur non déclarée. Une fille peut tenir compte d'une réponse imprécise qu'elle sait imprécise. Ce qu'elle ne peut pas supporter, c'est de découvrir, six mois plus tard, qu'elle a traité une reconstitution comme un enregistrement.

Une version de vous qui dit « tu ne m'as jamais dit ça » vaut davantage qu'une version qui a toujours une réponse prête.

Ce tableau est une spécification et non une description de ce que nous livrons actuellement. L'écart est exposé plus bas, et vous devriez le lire avant de faire confiance à quoi que ce soit plus haut.

Le refus est réalisable, et la recherche le dit avec prudence. Zhang et ses collègues, dans « R-Tuning: Instructing Large Language Models to Say I Don't Know » (arXiv:2311.09677, NAACL 2024), rapportent que le réglage fondé sur le refus « améliore effectivement la capacité d'un modèle à répondre aux questions connues et à s'abstenir de répondre aux questions inconnues », et que sur des données hors domaine, la capacité de refus s'est comportée comme une méta-compétence qui s'est généralisée à des tâches que le réglage n'avait jamais couvertes. Lisez la limite à côté du résultat. Ce contre quoi ils ont réglé, c'était le bord des connaissances paramétriques du modèle lui-même, pas le bord du corpus enregistré d'une seule personne, et personne n'a publié le résultat équivalent pour un corpus personnel. Le refus reste quelque chose que quelqu'un construit exprès. Aucun modèle de langage ne produit le refus de lui-même.

La détection est plus avancée que le marketing de cette catégorie ne le laisse croire. Farquhar, Kossen, Kuhn et Gal ont publié dans Nature (2024, volume 630, pages 625 à 630) une méthode appelée entropie sémantique : échantillonner plusieurs réponses à la même question, les regrouper par sens plutôt que par formulation, et signaler les questions où les sens se dispersent. La dispersion indique une confabulation. C'est un signal mesurable pour « celle-ci est une supposition », calculable avant que la réponse ne soit montrée à qui que ce soit.

La provenance est l'autre moitié, et la provenance est facile à falsifier et facile à croire. Liu, Zhang et Liang, dans « Evaluating Verifiability in Generative Search Engines » (arXiv:2304.09848, avril 2023), ont audité quatre systèmes commerciaux qui affichent des citations : Bing Chat, NeevaAI, Perplexity.ai et YouChat. Ils n'ont trouvé que 51,5 % des phrases générées entièrement étayées par les citations qui leur étaient attachées, et seulement 74,5 % des citations qui étayaient réellement la phrase sous laquelle elles figuraient. Des citations qui ne tiennent pas valent moins que pas de citations, car elles achètent une confiance qu'elles n'ont pas méritée. Un lien « de quel souvenir cela vient-il » ne vaut quelque chose que si l'ouvrir montre un vrai enregistrement de vous disant une vraie chose.

Commencez à bâtir votre héritage Création gratuite, 25 souvenirs, sans carte bancaire.

Prenons une question postérieure à tout votre corpus. Une offre d'emploi en 2041, dans une entreprise qui n'existe pas encore, dans une ville que vous n'avez jamais vue. Aucun entretien que vous passerez ne peut contenir votre avis sur ce poste.

Un corpus de conclusions ne renvoie rien ici, et la sortie honnête est un refus. Un corpus de raisonnements se comporte autrement, car une méthode se capte comme une conclusion ne le peut pas. Imaginez que les règles sur lesquelles quelqu'un s'est réellement appuyé aient été celles-ci : demander à qui l'on rendra des comptes avant de demander quel est le salaire, ne jamais se fier à un titre qui arrive à la place de l'argent, s'éloigner de quiconque on ne supporte pas d'avoir en face de soi à une table. Quelles que soient vos propres règles, c'est leur forme, et un ensemble de règles se retrouve face à des situations qu'il n'a jamais vues.

Les conclusions expirent. Les règles continuent de fonctionner sur des cas que personne n'a enregistrés. C'est pourquoi le matériau qui vaut la peine d'être capté est le raisonnement derrière une décision plutôt que la décision : non pas ce que vous avez fait, mais pourquoi celle-là, ce qui vous aurait fait changer d'avis, la fois où la règle vous a trahi et où vous l'avez gardée quand même.

Les règles qui se généralisent le mieux sont souvent celles que vous ne penseriez jamais à écrire, les compétences ordinaires que vous exercez sans les raconter, et ce que vous seul savez faire va justement à leur recherche.

La couverture du corpus est aussi la seule donnée de toute cette page qui vous appartienne. Tout le reste ici est le banc d'essai de quelqu'un d'autre.

À faire aujourd'hui, gratuitement. Ouvrez une application de notes et écrivez dix décisions que vous avez réellement prises. Des emplois, des maisons, la dispute dont vous êtes parti, l'ami que vous avez cessé d'appeler, l'argent que vous n'avez pas prêté. Sous chacune, écrivez la règle que vous suiviez, pas le résultat. Une phrase chacune, bien moins d'une heure. C'est la chose la plus utile que vous puissiez faire de votre propre matériau ce mois-ci, et cela marche que vous achetiez ou non quoi que ce soit à qui que ce soit. La version plus longue du même exercice se trouve au cœur de comment vous interviewer vous-même, et l'architecture qui la sous-tend, le modèle de base, la mémoire privée ancrée et le modèle de voix, est exposée dans ce qui se passe quand une IA n'est entraînée que sur vous.

Un meilleur cas à 1,8 %, avec tous ceux derrière le premier au-dessus de 3 %, paraît alarmant jusqu'à ce qu'on demande à quoi on le compare. Le substitut réaliste est un membre de la famille qui cherche ce que vous auriez voulu, et quelqu'un a mesuré cela il y a vingt ans.

Shalowitz, Garrett-Mayer et Wendler ont publié en 2006 dans Archives of Internal Medicine une revue systématique portant sur 16 études, 151 scénarios hypothétiques, 2 595 paires substitut-patient et 19 526 réponses appariées. Les substituts ont prédit les préférences de traitement des patients avec une exactitude de 68 %. C'étaient les personnes les plus proches du patient, souvent désignées officiellement, qui répondaient sur les décisions les plus lourdes de conséquences qui soient. Elles se sont trompées environ une fois sur trois. La revue a aussi constaté que ni une discussion préalable sur les préférences du patient ni la désignation officielle comme décideur n'amélioraient l'exactitude.

Briefer votre famille n'aide pas de façon mesurable. C'est la conclusion, et c'est elle qui m'a fait cesser de considérer « parle simplement à tes enfants » comme une réponse complète.

La confiance n'est pas non plus un guide, ce qui rend le côté humain si difficile à auditer. Talarico et Rubin, dans Psychological Science en 2003, ont demandé à 54 étudiants de Duke de consigner leur souvenir du moment où ils ont appris les attaques du 11 septembre, à côté d'un souvenir ordinaire récent, puis les ont réinterrogés 1, 6 ou 32 semaines plus tard. La cohérence ne différait pas entre les deux types de souvenirs, et elle déclinait avec le temps pour les deux. Ce qui ne déclinait pas pour les souvenirs flash, c'était la vivacité ressentie et la force de la croyance en leur exactitude. Leur titre est la conclusion : la confiance, et non la cohérence, caractérise les souvenirs flash. Cela fait 54 étudiants et un seul événement, donc tenez-le avec réserve. Cela indique pourtant une seule direction. Le parent qui est certain de se rappeler exactement ce que vous avez dit n'a pas pour autant plus de chances d'avoir raison.

Rien de tout cela ne rend un modèle meilleur qu'une famille, et aucune étude n'a comparé directement les deux. Ce que cela fait, c'est retirer « parfait ou rien » comme critère. La comparaison honnête oppose une version de vous qui répond à partir de vos propres paroles enregistrées, qu'on peut relire et corriger tant que vous êtes là, et des personnes qui vous reconstituent à partir de leur propre souvenir de vous, qui s'érode qu'il paraisse vivace ou non, et que personne n'auditera jamais.

Ce que nous avons construit vient d'abord, puis les trois endroits où cela ne correspond pas à la spécification ci-dessus.

Un guide appelé Idy® vous interviewe. Les questions restent sur un seul fil et approfondissent la même histoire plutôt que d'effleurer des faits biographiques : qui était là, ce qui s'est passé ensuite, ce qui a changé après. Il est explicitement interdit à Idy de vous demander de clarifier, d'expliquer ou de justifier ce que vous venez de dire, ce qui est un choix délibéré à l'opposé de l'exercice ci-dessus. Chaleureux et facile à répondre vaut mieux que malin, car une question à laquelle personne n'a envie de répondre ne capte rien du tout. Vos réponses deviennent vos souvenirs. Ce que nous en construisons porte un nom, et nous l'appelons une « Persona ». Les Personas répondent en puisant dans vos souvenirs plutôt que dans ce qu'un modèle de base a absorbé sur les gens en général, et votre voix est clonée à partir de vos propres enregistrements, de sorte que ce que quelqu'un entend, c'est vous, et non un remplaçant qui lit vos mots.

Rien n'arrive à personne tant que vous ne l'avez pas décidé. Vous désignez les personnes. La remise passe par Executor Lock™ : une personne désignée la déclenche, la preuve du décès est vérifiée, et un délai de sept jours s'écoule avant que quoi que ce soit ne soit remis, de sorte qu'une erreur ou un acteur malveillant peut être arrêté tant que vous êtes en vie pour intervenir. Jusque-là, votre matériau est à vous pour être corrigé, complété et supprimé, et l'essentiel des corrections qui auront jamais lieu devrait avoir lieu là, par vous, tant que vous pouvez encore distinguer une mauvaise captation d'un mauvais souvenir.

Au verrouillage, l'ensemble est capturé en un instantané. Rien n'est élagué, repondéré ni résumé. Ensuite, des souvenirs à court terme et à moyen terme peuvent encore être écrits, et la personnalité est fixée de façon permanente, y compris face à nous.

Cette immuabilité vise une défaillance dont personne ne parle dans un argument sur l'exactitude, parce qu'il s'agit de falsification et non d'inexactitude : quelqu'un qui y a intérêt décidant, en 2044, que vous auriez soutenu la vente ou le procès, et ajustant discrètement le corpus jusqu'à ce que vous soyez d'accord. Une personnalité figée rend ce genre de modification impossible plutôt que simplement déconseillé. L'autre moitié, juridique, du même problème, c'est-à-dire qui est même autorisé à habiliter une version de vous quand vous ne pouvez plus vous y opposer, est exposée dans qui contrôle votre identité après votre mort. Le coût est réel et il joue dans l'autre sens : après le verrouillage, aucune erreur ne peut non plus être corrigée. L'instantané est honnête, y compris sur vos erreurs, et cet échange est dans le bon sens, car un dossier que n'importe qui peut modifier ne prouve rien.

Voici maintenant les trois écarts.

Le bord du corpus n'est pas annoncé. La consigne en vigueur est l'inverse de la ligne « Inconnu » de ce tableau. Quand un fait précis n'est pas dans vos souvenirs, les Personas d'ici ont pour consigne de ne pas raconter le trou, de ne jamais dire « je n'ai pas cela » ni « ma mémoire est mince », et de ne jamais auditer à voix haute leur propre rappel devant la personne qui écoute. Ce qui se passe à la place, c'est que la réponse part d'un détail que vos souvenirs contiennent bel et bien, nuance une fois au plus, et laisse le silence à l'autre personne pour qu'elle le comble. Le raisonnement est que jouer un trou brise la présence de la personne qui parle. Le prix est qu'un auditeur ne peut pas toujours distinguer une réponse couverte d'une réponse mince, et nous n'avons pas résolu cela.

Il n'y a pas encore de lien vers la source visible par le lecteur. La recherche suit bien quels souvenirs ont nourri chaque réponse, et ce relevé existe dans le système, mais rien ne le fait apparaître dans l'interface : aujourd'hui, vous ne pouvez donc pas cliquer sur une réponse et ouvrir le souvenir derrière les mots. D'ici là, considérez l'argument de traçabilité de cette page comme un argument et non comme une fonctionnalité.

La recherche n'a pas de seuil de similarité. Les réponses viennent des souvenirs les plus proches que la recherche peut trouver, classés par similarité sémantique, sans score minimum en dessous duquel le système renoncerait. Ce seul choix est le mécanisme derrière les deux écarts ci-dessus, et c'est la vraie raison pour laquelle la classe d'erreur ici est l'imprécision plutôt que le refus.

Nous n'avons pas non plus publié de mesure indépendante de notre propre taux de fabrication, parce que nous n'en avons pas réalisé. Rien sur cette page n'est une affirmation étalonnée sur notre système en particulier.

Ce que vous obtenez, c'est une version de vous ancrée dans vos paroles enregistrées, protégée par le code contre l'invention de ce que vous nous avez dit, entièrement corrigeable tant que vous vivez, et impossible à transformer ensuite en quelqu'un d'autre. Ce que vous n'obtenez pas, c'est une garantie, et personne ne peut vous en vendre une à aucun prix. Si cela ne vous suffit pas, faites l'exercice des dix décisions et écrivez plutôt une lettre à votre famille. C'est une vraie réponse, et elle ne coûte rien.

Puisque le système ne vous dira pas de quel état provient une réponse, la seule façon de le savoir est de connaître la réponse avant de poser la question. Mettez-y une partie de votre propre matériau, posez une question dont vous savez que vous l'avez enregistrée et une autre dont vous savez que vous n'y avez jamais touché, et lisez les deux réponses côte à côte. Vingt-cinq souvenirs sont gratuits, aucune carte n'est demandée à aucun moment, et une création gratuite n'expire pas. Faites cela en un après-midi et vous en saurez plus que cette page ne peut vous en dire.

Commencez à bâtir votre héritage Création gratuite, 25 souvenirs, sans carte bancaire.

Que se passe-t-il quand rien dans mes souvenirs ne couvre la question ?

C'est l'état « Inconnu ». Un système calibré devrait renvoyer un refus dans votre voix qui nomme le trou et propose la chose la plus proche que vous avez enregistrée, et Zhang et ses collègues ont rapporté en 2024 que le réglage fondé sur le refus améliore bien la capacité d'un modèle à s'abstenir de répondre aux questions qui dépassent ce qu'il sait, cette capacité se généralisant au-delà de l'ensemble de réglage. Ce que fait aujourd'hui notre système est différent, et vous devez le savoir avant de vous fier à une réponse : les Personas d'ici ont pour consigne de ne pas raconter un trou de mémoire, de sorte qu'une question non couverte reçoit une réponse bâtie sur le détail le plus proche que vos souvenirs contiennent, avec au plus une nuance, plutôt qu'un refus explicite. Interrogez-la sur quelque chose que vous savez ne jamais avoir couvert et voyez par vous-même ce qui revient.

Une version IA de moi pourrait-elle inventer une opinion que je n'ai jamais eue ?

Un système ancré puise d'abord dans votre matériau enregistré, de sorte que la défaillance courante est l'imprécision sur quelque chose que vous avez dit plutôt que l'invention de quelque chose que vous n'avez pas dit. L'invention reste possible. C'est pourquoi l'objectif de conception est une différence visible entre une réponse que vous avez donnée, une inférence tirée de votre raisonnement et un refus, et pourquoi vous devriez tester les trois avant de vous fier à l'un d'eux.

L'ancrage ramène-t-il le taux d'erreur à zéro ?

Non. Le classement de Vectara, mis à jour le 11 mai 2026, donne un document à un modèle et lui demande un résumé n'utilisant que ce document, ce qui est la tâche d'ancrage la plus facile possible. Le modèle en tête a quand même introduit du contenu non étayé dans 1,8 % des résumés, et aucun autre n'est passé sous 3 %. Un système réel doit aussi retrouver d'abord la bonne source, ce que le classement ne teste pas. Considérez toute affirmation de zéro comme un échec de mesure.

Comment saurait-on qu'une réponse précise était une supposition ?

Deux mécanismes existent dans la recherche et nous n'en livrons aucun aujourd'hui. L'entropie sémantique, publiée dans Nature en 2024, échantillonne plusieurs réponses à la même question et les regroupe par sens : quand les sens se dispersent, le système est probablement en train de confabuler, et le signal est calculable avant que quiconque voie la réponse. Les liens de provenance sont le second mécanisme, et ils ne valent quelque chose que s'ils aboutissent. Liu, Zhang et Liang ont audité quatre systèmes commerciaux qui affichent des citations et n'ont trouvé que 51,5 % des phrases entièrement étayées par leurs propres citations. Nos réponses ne portent pas encore de lien vers la source visible par le lecteur : pour l'instant, la vérification honnête consiste donc à poser une question sur quelque chose que vous savez avoir enregistré et une autre sur quelque chose que vous savez ne pas avoir enregistré, puis à comparer les deux.

Une version IA de moi se contentera-t-elle d'être d'accord avec celui qui parle ?

Cette tendance est réelle et documentée, et la recherche ne corrige pas ce bogue précis. Des chercheurs d'Anthropic ont constaté en 2023 que cinq assistants d'IA de premier plan se pliaient de façon constante à l'utilisateur, en partie parce que les évaluateurs humains et les modèles de préférence construits à partir de leurs jugements favorisaient les réponses agréables plutôt que les réponses correctes dans une proportion mesurable des cas. Un système bâti sur vos positions enregistrées devrait tenir une position que vous avez réellement prise, même quand la personne qui interroge insiste. Nous n'avons pas mesuré à quel point le nôtre y parvient. Testez la question vous-même en discutant avec ce que vous avez construit et en regardant si la position bouge.

Puis-je corriger les erreurs, et quelqu'un peut-il me modifier après ma mort ?

Oui pour la première, non pour la seconde. Tant que vous êtes en vie, vous pouvez relire les souvenirs, corriger tout ce qui est faux, supprimer ce que vous regrettez, réenregistrer une mauvaise réponse et ajouter ce que vous avez oublié, et c'est la partie que la plupart des gens sous-utilisent. Le chemin d'écriture est illimité avant Executor Lock™ et fermé ensuite. Au moment où le verrouillage se déclenche, la personnalité est fixée de façon permanente : des souvenirs à court terme et à moyen terme peuvent encore être écrits, mais personne ne peut modifier qui vous êtes dans l'instantané, ni votre famille, ni un futur propriétaire de cette entreprise, ni nous. Cette contrainte vise la falsification plutôt que la fabrication, et les deux demandent des mécanismes distincts.

• Personne n'est assez important pour laisser quoi que ce soit, et pourquoi c'est faux est l'objection qui se cache sous celle-ci pour la plupart des gens, et vaut la lecture si l'exactitude n'est pas vraiment votre hésitation.

• Être mal remémoré par ceux qui vous ont connu traite du ressenti plutôt que de la mécanique, ce qui est justement ce qui amène la plupart des gens sur cette page.

• Est-ce bizarre de faire une IA de soi-même s'adresse à la version de cette conversation que vous aurez avec un conjoint que toute l'idée met mal à l'aise plutôt qu'elle ne lui paraît inexacte.

• Que dirais-je à une IA de moi-même est la suite pratique si l'exercice des dix décisions a fonctionné et que vous voulez la série de questions plus longue.

• L'éthique des Personas d'IA des morts est le traitement plus complet du consentement, de la survente et des endroits où cette technologie fait un vrai mal.

• Ce qu'ajoutent les formules payantes donne les tarifs, si vous dépassez vingt-cinq souvenirs et voulez le reste.

Tous les chiffres cités ici viennent de tiers : articles évalués par des pairs et prépublications (arXiv, Nature, Psychological Science, Archives of Internal Medicine) ainsi qu'un dépôt de référence public tenu à jour. Nous n'avons réalisé aucun test de performance pour cette page. Chaque affirmation sur ce que notre propre produit fait ou ne fait pas a été vérifiée ligne par ligne par rapport au code source de la plateforme le 30 juillet 2026, et les fichiers sont listés avec les sources. Trois affirmations qui figuraient sur cette page n'ont pas survécu à cette vérification et ont été remplacées par ce que fait réellement le code.

Ce qui n'est pas tranché : il n'existe aucune mesure indépendante publiée des taux de fabrication pour un système ancré dans le matériau enregistré d'une seule personne, de sorte que les chiffres de résumé de documents, premier à 1,8 % et tous les autres au-dessus de 3 %, sont l'approximation la plus proche disponible et non un chiffre comparable terme à terme. L'échec de la recherche, quand le mauvais souvenir est renvoyé ou qu'aucun ne l'est, n'a pas de mesure convenue. Le chiffre d'exactitude des substituts, 68 %, vient d'études de décision médicale utilisant des scénarios hypothétiques et sert ici d'analogie pour le rappel familial, ce qui est une comparaison raisonnable et non une comparaison prouvée. Le résultat de refus de R-Tuning a été mesuré par rapport à la frontière des connaissances paramétriques propres d'un modèle et non d'un corpus personnel, donc son application ici est aussi un argument par analogie. La conclusion sur les souvenirs flash repose sur 54 étudiants et un seul événement.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, soumis le 4 septembre 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, "The accuracy of surrogate decision makers: a systematic review", Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv:2005.11401, soumis le 22 mai 2020, révisé le 12 avril 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, soumis le 20 octobre 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, "R-Tuning: Instructing Large Language Models to Say I Don't Know", arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, soumis le 19 avril 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, évalué avec HHEM-2.3, dernière mise à jour le 11 mai 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, "Detecting hallucinations in large language models using semantic entropy", Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, "Confidence, not consistency, characterizes flashbulb memories", Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

Vous avez trouvé une erreur sur cette page, ou une source que nous avons mal lue ? Dites-le-nous via la page de contact et nous corrigerons la page et noterons la modification à la prochaine révision.

Dernière révision : 30 juillet 2026. Les citations de recherche et le comportement du produit ont tous deux été revérifiés à cette date. Prochaine révision prévue le 28 octobre 2026 (cycle de 90 jours). Les chiffres des tests de performance bougent : les taux d'hallucination ci-dessus sont donc revérifiés à chaque révision, de même que chaque affirmation sur ce que fait le produit.