Imaginez quelqu'un d'extraordinairement cultivé, qui aurait lu une bibliothèque entière, puis serait resté enfermé sans journal ni fenêtre depuis un an. Il connaît une quantité de choses considérable, et ignore totalement ce qui s'est passé depuis. Pire : il ne sait pas toujours ce qu'il ignore, et peut vous parler du présent en décrivant un monde qui n'existe plus.
C'est une limite structurelle de ces outils, souvent mal comprise, et qui explique une catégorie entière d'erreurs.
D'où vient cette date
Comme nous l'expliquions dans notre article sur l'entraînement, un modèle apprend en absorbant d'immenses quantités de texte. Cette phase a nécessairement une fin : à un moment, on arrête de collecter, et l'entraînement commence.
Cette limite s'appelle la date de coupure des connaissances. Tout ce qui a été publié après n'existe pas dans le modèle. Et comme l'entraînement puis les tests de sécurité prennent des mois, un modèle mis à disposition aujourd'hui a généralement une coupure située plusieurs mois en arrière.
Les erreurs que ça produit
Les conséquences sont plus subtiles qu'un simple « je ne sais pas ».
Les faits périmés présentés comme actuels. Le cas typique concerne les personnes occupant une fonction, les prix, les versions de logiciels, les lois. Le modèle donne une réponse qui était exacte à sa date de coupure, sans signaler qu'elle a pu changer.
L'ignorance de sa propre ignorance. C'est le cas le plus déroutant. Un modèle ne peut pas savoir qu'un événement s'est produit après sa coupure, puisque rien dans ses données ne le mentionne. Il ne perçoit pas un vide, il perçoit un monde complet qui s'arrête là.
La confusion sur sa propre date. Un modèle interrogé sur sa coupure donne souvent une réponse approximative, voire fausse. La raison est logique : cette information doit lui avoir été indiquée explicitement, et elle est mal représentée dans ses données. Ne vous fiez pas à sa réponse sur ce point.
Les erreurs les plus fréquentes viennent de questions qui paraissent intemporelles mais ne le sont pas. « Quel est le meilleur modèle d'IA ? », « Combien coûte tel service ? », « Cette entreprise existe-t-elle toujours ? ». Elles semblent factuelles, elles portent en réalité sur un état du monde qui bouge. C'est exactement le type de question où il faut exiger une source vérifiable, comme nous le détaillions dans notre méthode de vérification.
Ce que la recherche en temps réel change
La plupart des assistants peuvent désormais consulter le web pendant qu'ils vous répondent. Cela résout une grande partie du problème, et il faut le reconnaître.
Mais trois limites subsistent. D'abord, l'outil ne cherche que s'il estime devoir chercher : sur une question qu'il croit connaître, il peut répondre de mémoire sans vérifier. Ensuite, ce qu'il trouve peut être erroné : une recherche ne garantit pas la qualité de la source. Enfin, les connaissances profondes du modèle restent celles de son entraînement : la recherche apporte des faits récents, elle ne met pas à jour sa compréhension d'un domaine.
Un exemple concret : sur un sujet technique qui a évolué depuis la coupure, le modèle peut trouver une information juste et l'interpréter avec un cadre périmé.
Les réflexes utiles
Signalez la date quand elle compte. Préciser « nous sommes en août 2026 » dans votre demande améliore la pertinence des réponses sur tout ce qui est temporel.
Demandez explicitement une vérification. « Vérifie sur le web avant de répondre » déclenche la recherche là où le modèle s'en serait dispensé.
Méfiez-vous des questions sur l'IA elle-même. C'est le domaine qui bouge le plus vite, donc celui où la coupure fait le plus de dégâts. Un modèle décrivant l'état du marché des IA décrit presque toujours un passé.
Ce qu'il faut retenir
La date de coupure n'est pas un défaut à corriger, c'est une conséquence du fonctionnement. Un modèle est une photographie du savoir écrit à un instant donné, pas un flux continu.
Cela invite à une répartition simple des rôles : l'IA est excellente pour ce qui est stable, les concepts, les méthodes, les raisonnements. Elle est peu fiable pour ce qui change, l'actualité, les prix, les statuts. Savoir dans quelle catégorie tombe votre question est probablement le réflexe le plus rentable qu'on puisse acquérir avec ces outils.