Les hallucinations d'IA n'ont pas le même coût en marketing réglementé

Un fait inventé peut induire un client en erreur dans n'importe quel contexte. En marketing réglementé, il peut aussi contrevenir aux règles de justification des allégations, d'information et de supervision. Les outils de marketing génératif ont besoin de contrôles portant sur l'exactitude des mots et sur l'impression créée par l'annonce complète.

Une courbe de coût différente

Une erreur du service à la clientèle peut devenir un litige. Dans Moffatt v. Air Canada, 2024 BCCRT 149, un passager a contesté le refus d'une demande rétroactive de tarif de deuil après s'être fié aux indications contraires du robot conversationnel de la compagnie. Ce litige illustre l'importance de l'information donnée aux clients. Il ne fournit pas le critère d'application des règles sur la publicité en valeurs mobilières ou pharmaceutique.

Pour une firme membre de la FINRA, une annonce Meta citant un rendement annualisé fabriqué soulève d'autres obligations. La règle 2210 exige des communications justes et équilibrées et interdit les allégations fausses ou trompeuses. L'utilisation de l'IA ne supprime pas ces obligations. Les règles et conséquences dépendent de la firme, de la communication et des faits; une lettre d'examen ou une issue particulière à un règlement n'est pas automatique.

Dans la publicité sur les médicaments d'ordonnance, une allégation d'efficacité non étayée peut mettre des patients en danger et attirer l'attention de la FDA. Celle-ci utilise des lettres d'avertissement et des lettres sans titre pour traiter les manquements promotionnels. Selon le problème, la réponse peut comprendre l'arrêt ou la correction de la promotion. Une annonce erronée n'entraîne pas automatiquement un rappel de produit dans tous les canaux.

Ce que le régulateur a vraiment dit ce cycle

Le Rapport annuel de surveillance réglementaire 2026 de la FINRA, publié en décembre 2025, distingue les obligations des pratiques à envisager. Les règles de supervision, de communication et de conservation des dossiers continuent de s'appliquer. Les mesures suggérées comprennent la conservation des invites et des sorties, le suivi des versions et l'intervention humaine. Le rapport ne transforme pas chaque mesure en exigence autonome universelle; la firme doit déterminer comment les obligations applicables encadrent son utilisation.

La FTC a annoncé l'opération AI Comply le 25 septembre 2024, avec cinq actions concernant des pratiques liées à l'IA qu'elle alléguait trompeuses ou déloyales. DoNotPay en faisait partie. La FTC alléguait que l'entreprise n'avait pas testé si son robot pouvait atteindre le niveau d'un avocat humain. La Commission a rendu définitive une ordonnance par consentement en janvier 2025, limitant les allégations non étayées sur le remplacement de services professionnels.

Workado est un dossier ultérieur. Dans sa plainte d'avril 2025, la FTC alléguait qu'un détecteur annoncé comme exact à 98 pour cent n'avait atteint que 53 pour cent lors d'un essai indépendant sur du contenu généraliste. L'ordonnance définitive par consentement du 21 août 2025 exige des allégations d'efficacité non trompeuses appuyées par des éléments probants compétents et fiables. Workado n'a ni admis ni nié les allégations de fond. Ces dossiers portent sur la justification des promesses concernant des produits d'IA; ils ne constituent pas des exemples jugés d'un modèle inventant un rendement financier.

Au Canada, les ACVM et l'OCRI ont publié l'Avis conjoint 31-369 le 11 décembre 2025. Pour les personnes inscrites travaillant avec des finfluenceurs, il traite de diligence raisonnable, d'ententes et de vérification continue des affirmations. Celles-ci doivent être étayées et non trompeuses. C'est une analogie utile pour la gouvernance du contenu sous-traité. Plus directement, l'avis explique qu'une personne qui crée ou utilise une IA pour une activité régie par les lois sur les valeurs mobilières peut en être responsable comme si elle agissait elle-même. Il ne qualifie pas un modèle génératif de finfluenceur et n'établit pas lui-même de critère juridique propre à l'IA.

Le RAG aide, puis il cesse d'aider

La génération augmentée par récupération peut fournir au modèle des passages du corpus de conformité et d'une bibliothèque d'allégations préapprouvées. La rédaction dispose ainsi d'une base documentaire identifiable. Cela ne force pas le modèle à citer correctement et ne l'empêche pas de générer de l'information absente des passages récupérés. Le profil du NIST sur l'IA générative traite la confabulation comme un risque persistant et recommande de vérifier les sources et de réévaluer les risques après l'implantation du RAG.

Prenons une divulgation approuvée hypothétique : « rendements en moyenne de 7,2 pour cent annualisés sur les dix dernières années, avant frais ». Dans une ébauche disant « moyenne de plus de 7 pour cent », la période et le traitement des frais restent à vérifier. Arrondir n'est pas nécessairement trompeur, mais supprimer des précisions substantielles peut l'être. « Rendements constants au-dessus du marché » ajoute des affirmations sur la constance et sur un indice de référence que la phrase fournie n'établit pas.

La révision doit déterminer si l'annonce complète reste étayée et suffisamment précise. Une citation aide à retrouver la preuve; elle ne valide pas chaque inférence ou reformulation qui l'accompagne.

Les post-processeurs déterministes et leurs angles morts

Une deuxième couche peut vérifier chaque variante avant publication : rapprocher les valeurs numériques des allégations approuvées, signaler les noms non autorisés et bloquer des expressions choisies par la politique de la firme. Celle-ci pourrait soumettre « garanti », « sans risque » ou « approuvé par la FDA » à une révision. Ce sont des exemples de paramètres de contrôle, sans prétendre que chaque emploi de ces mots est interdit en droit.

Les contrôles simples ont leurs limites. Un chiffre approuvé peut être rattaché au mauvais produit ou à la mauvaise période. Un filtre lexical peut manquer une comparaison non étayée comme « a dépassé ses pairs ». Passer ces vérifications n'établit pas que l'annonce complète est juste, équilibrée ou suffisamment justifiée. Il faut encore considérer ensemble l'allégation, la preuve, les précisions et le public visé.

La vraie solution est le flux, pas le modèle

Quand nous avons commencé à bâtir Leadlord pour les conseillers en patrimoine, les chiffres de rendement hallucinés et les avis inventés n'étaient pas une hypothèse. C'était le mode d'échec que nous rencontrions sans cesse dans les premières démos. Notre réponse a été d'encadrer la rédaction avec la bibliothèque d'allégations préapprouvées, de vérifier les sorties numériques et de placer l'outil de révision du responsable conformité à côté de l'ébauche. Cette conception rend la preuve accessible pendant que le texte prend forme. Détails à /fr/projects/leadlord.

Le RAG peut améliorer l'ancrage documentaire et les post-processeurs peuvent repérer certaines erreurs. La révision humaine apporte un jugement sur le contexte et le sens, mais elle exige aussi des éléments probants, du temps et le pouvoir d'arrêter la publication. Aucune couche ne garantit la conformité. La révision précoce devrait compléter toute approbation requise avant utilisation, les modifications ultérieures étant évaluées selon le processus applicable.

Un flux utile présente ensemble les exceptions et leurs sources tout en laissant accessible l'annonce complète. Le réviseur doit pouvoir voir ce que les contrôles ont manqué autant que ce qu'ils ont signalé. Une liste sans exception ne devrait pas être considérée comme la preuve que chaque variante peut être publiée.

Ce qu'il faut surveiller pour la seconde moitié de 2026

Un signal utile sera ce que révèlent les dossiers d'application sectorielle concernant le marketing généré par IA : l'allégation non étayée, l'obligation applicable et la supervision défaillante. Moffatt ne devrait pas servir de raccourci pour cette analyse. La leçon pratique dépendra de la preuve et des règles propres à chaque dossier.

Un second signal sera la facilité de transférer les bibliothèques d'allégations approuvées entre plateformes sans perdre les éléments justificatifs, les limites de portée et l'historique des approbations. C'est un objectif de conception à mettre à l'épreuve. La question opérationnelle est de savoir si une firme peut relier une allégation publiée à sa preuve, identifier la personne qui l'a approuvée et la corriger partout où elle a été utilisée.