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

Une hallucination dans un robot conversationnel est une plainte au service à la clientèle. Une hallucination dans une annonce réglementée est un événement réglementaire. La vague d'outils de marketing génératif de 2026 est jugée sur cette ligne, et la plupart se trompent de lecture.

Une courbe de coût différente

Quand un robot conversationnel grand public invente un fait, le pire scénario est habituellement un remboursement. Air Canada l'a appris en 2024 lorsqu'un tribunal de Colombie-Britannique a ordonné à la compagnie d'honorer un tarif de deuil que son robot avait inventé pour Jake Moffatt, rejetant la défense voulant que le robot soit une entité distincte. Dommage réel, mais contenu.

Un gestionnaire de patrimoine dont l'annonce Meta cite un rendement annualisé fabriqué ne s'en sort pas avec un règlement. Il reçoit une lettre d'examen. Le Rapport annuel de surveillance réglementaire 2026 de la FINRA, publié le 9 décembre 2025, contient une section autonome sur l'IA générative affirmant que le règlement neutre s'applique intégralement : présentation juste et équilibrée, information exacte, journalisation des invites et des sorties, révision humaine. Aucune règle ne se soucie qu'un modèle ait écrit le texte.

En santé, la courbe est plus abrupte. Une allégation d'efficacité hallucinée dans une annonce de médicament, c'est une lettre de la FDA et un rappel sur tous les canaux.

Ce que le régulateur a vraiment dit ce cycle

Le rapport de la FINRA est l'articulation la plus claire qu'on ait d'un régulateur financier sur ce qu'il attend des firmes utilisant l'IA générative dans le contenu client. Les exigences phares : journaux d'invites et de sorties, suivi de version du modèle, révision humaine dans la boucle, descriptions d'IA non exagérées. Le rapport rattache cela à la mise en application active du « lavage à l'IA » par la FTC et la SEC.

L'opération AI Comply de la FTC a livré une douzaine de dossiers en 2025. Workado s'est entendu après avoir vanté 98 pour cent d'exactitude pour son détecteur IA alors que le taux réel tournait autour de 53 pour cent. DoNotPay et son « avocat robot » se sont réglés en janvier 2025 après que la FTC eut constaté que le produit n'était pas suffisamment formé sur le droit qu'il prétendait connaître. La ligne entre une IA qui affirme une chose sans pouvoir l'étayer et un commerçant qui le fait a cessé d'exister.

Au Canada, l'OCRI et les ACVM ont publié un encadrement sur les finfluenceurs en décembre 2025, exigeant diligence raisonnable et preuve que l'influenceur comprend ce qui est vendu. La logique s'étend au modèle génératif qui produit du texte publicitaire pour une firme de patrimoine. Le modèle, c'est l'influenceur à la mémoire défaillante.

Le RAG aide, puis il cesse d'aider

La première réponse des outils sérieux a été la génération augmentée par récupération pointée vers le corpus de conformité et la bibliothèque d'allégations préapprouvées. La récupération force le modèle à paraphraser ou à citer un ensemble de documents validés. La plupart des fournisseurs de RAG d'entreprise en industries réglementées positionnent cela comme la fonction centrale.

Cela fonctionne pour la moitié facile. Si la seule base de faits que le modèle peut voir est la divulgation de rendement approuvée par la conformité, il ne peut pas inventer un chiffre absent du corpus.

La moitié difficile est ce que le modèle fait entre les passages. Une source disant « rendements en moyenne de 7,2 pour cent annualisés sur dix ans, avant frais » produira parfois un texte disant « moyenne de plus de 7 pour cent » ou « rendements constants au-dessus du marché ». Chaque formulation est un pas de la source. Chaque pas est un événement de conformité. Le RAG s'occupe de la citation. Il ne s'occupe pas de la réécriture.

Les post-processeurs déterministes et leurs angles morts

La deuxième couche est un post-processeur déterministe. Chaque variante produite par le modèle est passée au crible d'une chaîne non LLM avant publication : tokens numériques croisés à une liste blanche, personnes nommées signalées sauf autorisation, expressions interdites comme « garanti », « sans risque » ou « approuvé par la FDA » qui déclenchent un blocage net.

Cette couche rattrape ce que le RAG manque côté numérique, mais elle reste fragile sur deux fronts. D'abord, elle ne peut pas évaluer l'équité ou l'équilibre, qui est la norme FINRA pour le marketing de conseiller. Un texte peut passer chaque vérification numérique et rester déséquilibré. Ensuite, des invites souples la contournent : « a dépassé ses pairs » au lieu de « rendements garantis » passe la regex et produit quand même quelque chose qu'un régulateur signalerait.

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. La solution n'était pas un modèle plus intelligent. C'était de contraindre ce que le modèle pouvait écrire au moment de la génération, avec la bibliothèque d'allégations préapprouvées et une vérification déterministe sur chaque sortie numérique, et l'outil de redline du responsable conformité dans la même surface que l'ébauche. La conformité est devenue une entrée, pas une barrière. C'est le virage que tout outil sérieux d'IA réglementé prend en 2026, et le seul qui bouge l'aiguille. Détails à /fr/projects/leadlord.

Les modèles vont continuer d'halluciner. Le RAG réduit le taux. Les post-processeurs attrapent les ratés évidents. Aucune de ces couches n'amène une firme réglementée où elle doit être. Ce qui l'amène, c'est de placer la révision humaine au bon endroit dans le flux : pendant la génération, avec le playbook attaché, pas à la fin, après qu'une recrue en marketing a poussé en préproduction.

La plupart des plateformes étiquetées « IA marketing pour la finance » ou « IA marketing pour la santé » traitent encore la conformité comme une porte finale. Celles qui fonctionnent la traitent comme une contrainte de génération, avec le réviseur qui regarde une liste d'exceptions structurées plutôt que chaque variante depuis une page blanche.

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

Deux signaux nous diront comment ça tourne. Le premier : si la FINRA, la FTC, la FDA ou Santé Canada porte une action phare contre une firme dont le marketing généré par IA a livré une allégation hallucinée. Le précédent Moffatt appliqué à une industrie réglementée est le dossier d'essai que la conformité attend.

Le second : si les plateformes en patrimoine, assurance et pharma convergent vers un format partagé pour les bibliothèques d'allégations approuvées. Aujourd'hui, chaque fournisseur bâtit la sienne. Le jour où une firme pourra transporter sa bibliothèque d'une plateforme à une autre sans ressaisir chaque approbation est le jour où le virage tient. D'ici là, chaque firme réglementée qui utilise l'IA générative est à une mauvaise invite près d'une lettre.