Plus de 50 cas d'hallucination détectés dans les soumissions de l'ICLR 2026

• GPTZero a détecté plus de 50 erreurs de citation et informations d’auteur erronées dans les soumissions de l’ICLR 2026
• Chaque article a été vérifié avec son lien OpenReview pour confirmer son existence réelle et la correspondance des citations
• De nombreux cas contenaient des auteurs inexistants, des années incorrectes et des titres de papier différents
• Certains articles correspondent partiellement à des travaux réels, mais leurs métadonnées détaillées sont déformées
• Il s’agit d’exemples montrant que le problème de hallucination générée par l’IA s’étend aussi aux soumissions académiques

---

Résultats de détection de GPTZero sur les soumissions ICLR 2026

• GPTZero a vérifié de manière automatique les citations et les informations d’auteur des soumissions à l’ICLR 2026
  • Chaque document est accompagné d’un lien OpenReview, d’un lien de vérification GPTZero et de ses données de citation
  • Les résultats de validation montrent que plus de 50 cas comportent des citations fausses ou des auteurs inexistants

Cas d’hallucination représentatifs

• Le papier TamperTok existe bien, mais toutes ses informations d’auteur sont incorrectes
• Pour le papier MixtureVitae, les 3 premiers auteurs coïncident, mais les 7 autres n’existent pas
• OrtSAE, Principled Policy Optimization, IMPQ et d’autres présentent des discordances de titre ou d’auteurs avec les travaux réels
• PDMBench a un document similaire existant, mais l’année et le titre diffèrent
• C3-OWD et GRF-LLM sont classés comme cas de correspondance partielle

Cas de non-correspondance complète

• Catch-Only-One, TopoMHC, ThinkGeo, Reflexion, LOSI et d’autres citent des documents qui n’existent pas
• SAFE-LLM, Typed Chain-of-Thought, MANTA et d’autres ont des documents similaires, mais des métadonnées incohérentes
• AI-Assisted Medical Triage Assistant, QUART, KARMA et d’autres citent des papiers sans aucun lien

Méthode de vérification et types de résultats

• GPTZero compare chaque citation avec des bases de données réelles (p. ex. arXiv, NeurIPS, ICLR, ACL, etc.)
  • Les résultats sont classés en “présent”, “partiel”, “non conforme” et “auteur erroné”
  • Certaines entrées sont signalées comme des cas où un vrai document existe, mais avec des auteurs, une année et un titre tous différents

Signification et implications

• De nombreuses soumissions de l’ICLR 2026 intègrent directement des hallucinations issues de texte généré par l’IA
• Même lors de la rédaction académique, la nécessité d’outils d’automatisation de vérification factuelle devient évidente
• Les résultats de GPTZero montrent la nécessité de renforcer les systèmes de vérification de la fiabilité des contenus générés par l’IA