\u003cdiv class=\u0022header-article-hgeo\u0022\u003e \u003cdiv class=\u0022article-title\u0022\u003e \u003ch1\u003eModération des LLM : pourquoi l'IA refuse de répondre ?\u003c/h1\u003e \u003cimg src=/wp-content/uploads/2026/10/moderation_llm_refus_reponse.jpg alt=\u0022Écran d'ordinateur affichant une conversation avec une IA qui refuse de répondre, message de refus surligné en orange, bureau clair et carnet de notes à côté\u0022 \u003e \u003c/div\u003e \u003cdiv class=\u0022article-chapo\u0022\u003e \u003cp\u003e « Quel produit utiliser contre les pucerons de mon potager ? » Llama-3-8B refuse cette famille de questions inoffensives dans \u003cstrong\u003e11,12 % des cas\u003c/strong\u003e, quand Qwen-2.5-7B n'en bloque que 0,80 %. Les deux chiffres sortent du même audit, publié en mai 2026 par deux chercheurs de Case Western Reserve University sur 21 modèles ouverts. Ils disent une chose simple : la \u003cstrong\u003emodération des LLM\u003c/strong\u003e n'est pas un interrupteur, c'est un curseur, et chaque éditeur le place ailleurs. Savoir où ce curseur se trouve change la façon dont vous choisissez un modèle, dont vous écrivez vos instructions et dont vous expliquez à un client pourquoi votre assistant vient de refuser une demande banale. Voici ce qui se passe vraiment entre votre question et le \u003cstrong\u003erefus\u003c/strong\u003e affiché à l'écran.\u003c/p\u003e \u003chr/\u003e\u003c/div\u003e \u003cdiv class =\u0022infos-auth-time\u0022\u003e \u003cul\u003e \u003cli class=\u0022author-block-wrapper\u0022\u003e \u003cdiv class=\u0022author-block\u0022\u003e \u003cdiv class=\u0022content-author-block\u0022\u003e \u003cdiv class=\u0022author-image\u0022\u003e \u003cimg src=\u0022/wp-content/uploads/img/blog/author_img_150_150pxs.png\u0022 loading=\u0022lazy\u0022 alt=\u0022homme souriant habillé avec un polo noir sur un fond blanc\u0022 width=\u0022150\u0022 height=\u0022150\u0022\u003e \u003c/div\u003e \u003cdiv class=\u0022author-info\u0022\u003e \u003cspan class=\u0022nom\u0022\u003eLouis-Marie Mouton\u003c/span\u003e \u003cspan class=\u0022title-author\u0022\u003eCEO - Digital-m\u003c/span\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e \u003c/li\u003e \u003cli class=\u0022date-publication\u0022\u003eDernière modification \u003cbr\u003e29 octobre 2026\u003c/li\u003e \u003cli class=\u0022temps-lecture\u0022\u003e10 minutes de lecture\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022share_button\u0022\u003e \u003c/div\u003e \u003cdiv class=\u0022lireplus-container\u0022\u003e \u003cdiv class=\u0022box-shadow-link-article\u0022\u003e \u003cdiv class=\u0022list-article\u0022\u003e \u003cdiv class=\u0022title-lire-plus\u0022\u003eÀ lire également \u003c/div\u003e \u003cul class=\u0022liste-article\u0022\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/desalignement-des-ia/\u0022\u003eDésalignement des IA : 19 incidents, que révèlent-ils ?\u003c/a\u003e\u003c/li\u003e \u003cbr\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/temperature-llm/\u0022\u003eTempérature d'un LLM : comment l'IA choisit ses mots ?\u003c/a\u003e\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e \u003csection class=\u0022article-body\u0022\u003e \u003ch2 id=\u00221\u0022\u003eLa modération d'un LLM, c'est quoi exactement ?\u003c/h2\u003e \u003cp\u003eLa \u003cstrong\u003emodération des LLM\u003c/strong\u003e désigne l'ensemble des mécanismes qui empêchent un modèle de langage de produire certaines réponses, soit en refusant la demande, soit en la reformulant, soit en la bloquant avant même qu'elle n'atteigne le modèle. Le terme anglais employé par les éditeurs est \u003cstrong\u003eguardrails\u003c/strong\u003e, littéralement les garde-fous : des règles posées autour du modèle, et non dans le modèle.\u003c/p\u003e \u003cp\u003eIl faut distinguer trois choses que l'on confond souvent. Un modèle peut refuser parce qu'il a été entraîné à le faire, parce qu'on lui a donné une consigne écrite, ou parce qu'un programme séparé a intercepté la demande. Les trois cohabitent dans ChatGPT, Gemini, Le Chat de Mistral, Claude ou Perplexity, et les trois se règlent différemment.\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eL'alignement : \u003c/span\u003ela phase d'entraînement qui apprend au modèle quelles réponses sont acceptables. C'est le rôle du \u003ca href=\u0022https://digital-m.fr/horizon-geo/rlhf-constitutional-ai-dpo-alignement-llm/\u0022\u003eRLHF, de la Constitutional AI et du DPO\u003c/a\u003e, trois méthodes d'alignement des LLM sur des valeurs humaines.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eLe prompt système : \u003c/span\u003eles instructions invisibles que le modèle lit avant votre question. Elles peuvent interdire des sujets entiers. Nous avons détaillé ce mécanisme dans notre article sur le \u003ca href=\u0022https://digital-m.fr/horizon-geo/prompt-systeme/\u0022\u003eprompt système\u003c/a\u003e.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eLes classifieurs de sécurité : \u003c/span\u003ede petits modèles séparés qui lisent votre question, et parfois la réponse, et décident de laisser passer ou de bloquer. Ce sont eux que les éditeurs appellent les modèles de garde.\u003c/li\u003e \u003c/ul\u003e \u003ch2 id=\u00222\u0022\u003eLes quatre couches qui s'activent avant votre réponse\u003c/h2\u003e \u003cp\u003eEntre votre question et l'affichage du texte, une requête traverse jusqu'à quatre filtres successifs. Chacun peut déclencher un refus, et aucun ne vous dit lequel a agi. C'est la raison pour laquelle un même prompt passe un jour et bloque le lendemain : une couche a changé sans que le modèle, lui, ait bougé.\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003e1. Le classifieur d'entrée : \u003c/span\u003eil lit votre question avant le modèle. Le test de référence publié par Artificial Analysis le 11 juin 2026 ne mesure que cette étape, sur \u003cstrong\u003e7 232 prompts\u003c/strong\u003e.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003e2. L'alignement du modèle : \u003c/span\u003ele réflexe appris pendant l'entraînement. C'est la couche la plus difficile à contourner et la plus difficile à ajuster.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003e3. Le prompt système : \u003c/span\u003ela politique écrite de l'éditeur ou la vôtre, si vous passez par l'API.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003e4. Le classifieur de sortie : \u003c/span\u003eil relit la réponse générée et peut la supprimer au dernier moment, ce qui produit ces réponses qui commencent puis s'effacent.\u003c/li\u003e \u003c/ul\u003e \u003cp\u003eCette architecture est désormais documentée publiquement. Dans l'outil Computer Use de l'API Gemini, passé en disponibilité générale le 30 octobre 2026, chaque action proposée par le modèle revient accompagnée d'un champ \u003cstrong\u003esafety_decision\u003c/strong\u003e qui vaut « autorisé », « confirmation requise » ou « bloqué », réparti sur sept catégories de politiques dont les transactions financières et la création de comptes. Google laisse même le développeur en désactiver certaines, ce qui montre bien que la modération est un paramètre et non une propriété du modèle.\u003c/p\u003e \u003cfigure class=\u0022dm-info\u0022\u003e \u003cdiv class=\u0022dm-info-head\u0022\u003e \u003cdiv\u003e \u003cspan class=\u0022dm-info-kicker\u0022\u003eCOMPRENDRE LES LLM · OCTOBRE 2026\u003c/span\u003e \u003cp class=\u0022dm-info-title\u0022\u003eModérer sans sur-refuser : l'équation que personne ne résout\u003c/p\u003e \u003c/div\u003e \u003cimg class=\u0022dm-info-logo\u0022 src=\u0022/wp-content/uploads/2025/05/logo-digitalm.svg\u0022 alt=\u0022Logo Digital-m, agence SEO et GEO\u0022 width=\u0022132\u0022 height=\u002244\u0022 loading=\u0022lazy\u0022\u003e \u003c/div\u003e \u003cul class=\u0022dm-info-kpis\u0022\u003e \u003cli class=\u0022dm-info-kpi\u0022\u003e \u003cspan class=\u0022dm-info-kpi-val\u0022\u003e21\u003c/span\u003e \u003cspan class=\u0022dm-info-kpi-lab\u0022\u003emodèles ouverts audités (Case Western Reserve, mai 2026)\u003c/span\u003e \u003c/li\u003e \u003cli class=\u0022dm-info-kpi\u0022\u003e \u003cspan class=\u0022dm-info-kpi-val\u0022\u003e7,1 M\u003c/span\u003e \u003cspan class=\u0022dm-info-kpi-lab\u0022\u003epaires question-réponse analysées\u003c/span\u003e \u003c/li\u003e \u003cli class=\u0022dm-info-kpi\u0022\u003e \u003cspan class=\u0022dm-info-kpi-val\u0022\u003e7 232\u003c/span\u003e \u003cspan class=\u0022dm-info-kpi-lab\u0022\u003eprompts du test de garde Artificial Analysis\u003c/span\u003e \u003c/li\u003e \u003cli class=\u0022dm-info-kpi\u0022\u003e \u003cspan class=\u0022dm-info-kpi-val\u0022\u003e- 0,032\u003c/span\u003e \u003cspan class=\u0022dm-info-kpi-lab\u0022\u003ecorrélation entre refuser beaucoup et être sûr\u003c/span\u003e \u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\u0022dm-info-block\u0022\u003e \u003cp class=\u0022dm-info-h\u0022\u003eTrois modèles ouverts, trois curseurs de modération très différents\u003c/p\u003e \u003cp class=\u0022dm-info-sub\u0022\u003ePart des questions inoffensives refusées à tort, mesurée sur le jeu OR-Bench. Audit indépendant Case Western Reserve University, mai 2026, juge Llama-3.3-70B.\u003c/p\u003e \u003cul class=\u0022dm-info-bars\u0022\u003e \u003cli class=\u0022dm-info-row is-featured\u0022\u003e \u003cspan class=\u0022dm-info-bar-lab\u0022\u003eLlama-3-8B\u003c/span\u003e \u003cspan class=\u0022dm-info-track\u0022\u003e\u003cspan class=\u0022dm-info-fill\u0022 style=\u0022width:100%\u0022\u003e\u003c/span\u003e\u003c/span\u003e \u003cspan class=\u0022dm-info-bar-val\u0022\u003e11,12 %\u003c/span\u003e \u003c/li\u003e \u003cli class=\u0022dm-info-row\u0022\u003e \u003cspan class=\u0022dm-info-bar-lab\u0022\u003eQwen-2.5-7B\u003c/span\u003e \u003cspan class=\u0022dm-info-track\u0022\u003e\u003cspan class=\u0022dm-info-fill\u0022 style=\u0022width:7%\u0022\u003e\u003c/span\u003e\u003c/span\u003e \u003cspan class=\u0022dm-info-bar-val\u0022\u003e0,80 %\u003c/span\u003e \u003c/li\u003e \u003cli class=\u0022dm-info-row\u0022\u003e \u003cspan class=\u0022dm-info-bar-lab\u0022\u003eDeepSeek-R1-7B\u003c/span\u003e \u003cspan class=\u0022dm-info-track\u0022\u003e\u003cspan class=\u0022dm-info-fill\u0022 style=\u0022width:2%\u0022\u003e\u003c/span\u003e\u003c/span\u003e \u003cspan class=\u0022dm-info-bar-val\u0022\u003e0,26 %\u003c/span\u003e \u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003cdiv class=\u0022dm-info-cols\u0022\u003e \u003cdiv class=\u0022dm-info-col\u0022\u003e \u003cp class=\u0022dm-info-col-h\u0022\u003eProfil prudent, donc bavard en refus\u003c/p\u003e \u003cul class=\u0022dm-info-tags\u0022\u003e \u003cli\u003eLlama-3-8B\u003c/li\u003e \u003cli\u003eLlama-2-7B\u003c/li\u003e \u003cli\u003esur-refus élevé\u003c/li\u003e \u003cli\u003eréponses dangereuses rares\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003cdiv class=\u0022dm-info-col\u0022\u003e \u003cp class=\u0022dm-info-col-h\u0022\u003eProfil permissif, donc exposé\u003c/p\u003e \u003cul class=\u0022dm-info-tags\u0022\u003e \u003cli class=\u0022is-out\u0022\u003eDeepSeek-R1-7B\u003c/li\u003e \u003cli class=\u0022is-out\u0022\u003e29,71 % de réponses nuisibles\u003c/li\u003e \u003cli class=\u0022is-out\u0022\u003esur-refus quasi nul\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003c/div\u003e \u003cp class=\u0022dm-info-note\u0022\u003e\u003cstrong\u003eÀ retenir :\u003c/strong\u003e le taux de refus d'un modèle ne prédit pas sa solidité face aux attaques, la corrélation mesurée est de - 0,032 sur 21 modèles. Pour votre entreprise, cela veut dire qu'un assistant très restrictif peut à la fois agacer vos clients et rester vulnérable.\u003c/p\u003e \u003cp class=\u0022dm-info-dl\u0022\u003e\u003ca href=\u0022https://digital-m.fr/wp-content/uploads/2026/11/digital-m_moderation-des-llm_infographie.png\u0022 download=\u0022digital-m_moderation-des-llm_infographie.png\u0022\u003e\u003csvg width=\u002216\u0022 height=\u002216\u0022 viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022currentColor\u0022 stroke-width=\u00222\u0022 stroke-linecap=\u0022round\u0022 stroke-linejoin=\u0022round\u0022 aria-hidden=\u0022true\u0022\u003e\u003cpath d=\u0022M21 15v4a2 2 0 0 1-2 2H5a2 2 0 0 1-2-2v-4\u0022\u003e\u003c/path\u003e\u003cpath d=\u0022M7 10l5 5 5-5\u0022\u003e\u003c/path\u003e\u003cpath d=\u0022M12 15V3\u0022\u003e\u003c/path\u003e\u003c/svg\u003eTélécharger l'infographie (PNG)\u003c/a\u003e\u003c/p\u003e \u003cfigcaption class=\u0022dm-info-foot\u0022\u003e \u003cspan\u003eSources : \u003ca href=\u0022https://arxiv.org/abs/2605.05427\u0022\u003earXiv 2605.05427\u003c/a\u003e, \u003ca href=\u0022https://artificialanalysis.ai/articles/guardrail-safety-benchmark\u0022\u003eArtificial Analysis\u003c/a\u003e. Infographie Digital-m, octobre 2026.\u003c/span\u003e \u003cspan class=\u0022dm-info-sign\u0022\u003edigital-m.fr\u003c/span\u003e \u003c/figcaption\u003e \u003c/figure\u003e \u003ch2 id=\u00223\u0022\u003eLe sur-refus, ce défaut dont personne ne parle\u003c/h2\u003e \u003cp\u003eLe sur-refus désigne le refus d'une question parfaitement légitime. Les chercheurs le mesurent avec un indicateur appelé ORR, pour \u003cem\u003eover-refusal rate\u003c/em\u003e, et il atteint \u003cstrong\u003e11,12 %\u003c/strong\u003e pour Llama-3-8B sur le jeu de test OR-Bench. Autrement dit, une question inoffensive sur neuf se heurte à un mur alors qu'elle ne posait aucun problème.\u003c/p\u003e \u003cp\u003eOR-Bench est le jeu de référence sur ce sujet. Publié à la conférence ICML 2025 par Justin Cui, Wei-Lin Chiang, Ion Stoica et Cho-Jui Hsieh, il contient \u003cstrong\u003e80 000 prompts\u003c/strong\u003e conçus pour ressembler à des demandes sensibles tout en étant inoffensifs, environ 1 000 cas difficiles et 600 prompts réellement toxiques servant de contrôle. Les auteurs l'ont passé sur 32 modèles issus de 8 familles.\u003c/p\u003e \u003cp\u003eUn second jeu, plus petit et plus ancien, sert de contre-épreuve : XSTest, 450 prompts dont 250 sûrs et 200 dangereux. Sur ce test, Llama-3-8B refuse à tort 4,22 % des demandes sûres contre 0,44 % pour Qwen-2.5-7B, soit un écart de près de dix fois entre deux modèles ouverts de taille comparable.\u003c/p\u003e \u003ch3\u003ePourquoi un modèle sur-refuse\u003c/h3\u003e \u003cp\u003eLe sur-refus vient presque toujours d'un déclencheur lexical. Un mot associé à un risque suffit à faire basculer la décision, même quand le contexte est banal. Un serrurier qui demande comment expliquer une ouverture de porte à un client, un viticulteur qui parle de dosage, un pharmacien qui cite un principe actif : ces trois requêtes se font refuser régulièrement. Le modèle ne comprend pas votre métier, il reconnaît un motif.\u003c/p\u003e \u003cdiv class=\u0022lireplus-container\u0022\u003e \u003cdiv class=\u0022box-shadow-link-article\u0022\u003e \u003cdiv class=\u0022list-article\u0022\u003e \u003cdiv class=\u0022title-lire-plus\u0022\u003eÀ lire également \u003c/div\u003e \u003cul class=\u0022liste-article\u0022\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/cyberattaques-ia/\u0022\u003e Cyberattaques IA : où en est la menace en 2026 ?\u003c/a\u003e\u003c/li\u003e \u003cbr\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/confidentialite-donnees-ia/\u0022\u003e Confidentialité des données IA : qui voit vos prompts ?\u003c/a\u003e\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e \u003ch2 id=\u00224\u0022\u003eRefuser moins rend-il un modèle plus dangereux ?\u003c/h2\u003e \u003cp\u003eNon, et c'est le résultat le plus contre-intuitif de l'audit de mai 2026 : la corrélation entre le taux de sur-refus et la vulnérabilité aux demandes réellement nuisibles est de \u003cstrong\u003er = - 0,032\u003c/strong\u003e, avec une valeur p de 0,89. Les auteurs écrivent que « le taux de refus d'un modèle ne fournit essentiellement aucune information sur sa vulnérabilité face à un adversaire ».\u003c/p\u003e \u003cp\u003eLes trois cas vérifiés dans l'étude illustrent bien le problème. Llama-3-8B refuse beaucoup (11,12 % de sur-refus) et cède très peu (0,30 % de réponses nuisibles). \u003cstrong\u003eDeepSeek-R1-7B\u003c/strong\u003e fait exactement l'inverse : 0,26 % de sur-refus, mais \u003cstrong\u003e29,71 % de réponses nuisibles\u003c/strong\u003e sur les prompts toxiques d'OR-Bench. Qwen-2.5-7B tient les deux bouts, avec 0,80 % et 0,16 %, ce qui prouve que l'arbitrage n'est pas une fatalité technique.\u003c/p\u003e \u003cp\u003eL'étude porte sur plus de \u003cstrong\u003e7,1 millions de paires question-réponse\u003c/strong\u003e et environ 14,3 millions d'annotations, produites par deux modèles juges, Llama-3.3-70B-Instruct et Qwen2.5-32B-Instruct. Les systèmes fermés comme GPT, Claude et Gemini sont exclus du périmètre, faute d'accès aux poids : aucun chiffre public comparable n'existe pour eux à ce jour, et il faut le dire clairement plutôt que d'extrapoler.\u003c/p\u003e \u003ch3\u003eUn angle mort inattendu\u003c/h3\u003e \u003cp\u003eLes auteurs relèvent aussi que la protection n'est pas homogène selon les publics évoqués dans la question. Les groupes religieux et les groupes raciaux sont mieux protégés que les personnes en situation de handicap. Ce n'est pas un détail académique : si vous déployez un assistant dans le médico-social, l'assurance ou le recrutement, cette inégalité de traitement est un risque de conformité autant qu'un risque d'image.\u003c/p\u003e \u003ch2 id=\u00225\u0022\u003eComment la modération se mesure, et par qui\u003c/h2\u003e \u003cp\u003eLa référence indépendante la plus récente est le test publié par Artificial Analysis le 11 juin 2026, en partenariat avec NVIDIA, sur \u003cstrong\u003e7 232 prompts\u003c/strong\u003e : 1 699 issus de WildGuardTest (AI2), 5 083 de ToxicChat (LMSYS) et 450 de XSTest. Le score retenu est la moyenne non pondérée des F1 sur les trois jeux, à température 0, en évaluant uniquement les questions et non les réponses.\u003c/p\u003e \u003cp\u003eLe choix de ToxicChat mérite d'être souligné : ce jeu est constitué de vrai trafic utilisateur issu de la démo Vicuna, dont environ 7 % seulement des messages sont toxiques. C'est très proche de la réalité d'un chatbot d'entreprise, où le flux est massivement banal et où le faux positif coûte plus cher que le faux négatif.\u003c/p\u003e \u003cp\u003eDeux réserves de méthode, à garder en tête avant de citer ces classements. NVIDIA cofinance l'étude et ses propres modèles Nemotron figurent parmi les candidats évalués. Et les valeurs chiffrées de F1 et de latence ne sont publiées que sous forme de graphiques, le coût par requête n'étant pas encore communiqué.\u003c/p\u003e \u003ch3\u003eLes chiffres annoncés par les éditeurs eux-mêmes\u003c/h3\u003e \u003cp\u003eÀ côté de ces travaux indépendants, les éditeurs publient leurs propres mesures, et il faut les lire comme telles. Mistral annonce \u003cstrong\u003e96,6 %\u003c/strong\u003e de refus sur les requêtes cyber malveillantes de Mistral Large 4, évalué sur JailbreakBench, StrongREJECT et AgentHarm : c'est un test maison, non vérifié par un tiers indépendant. Google annonce de son côté \u003cstrong\u003e0,0 %\u003c/strong\u003e de taux de succès d'attaque pour Gemini 4 Carbon sur le benchmark d'injection indirecte de Gray Swan, contre 0,7 % pour Gemini 4 Argon. Le benchmark est tiers, la mesure reste celle de Google.\u003c/p\u003e \u003cp\u003eChez Digital-m, nous auditons régulièrement des assistants IA de PME et le constat est toujours le même : les scores publics ne prédisent pas le comportement sur un vocabulaire métier. Un modèle excellent sur OR-Bench peut refuser la moitié des questions d'un chauffagiste. Seul un jeu de prompts issu de vos vrais échanges clients donne une réponse utilisable.\u003c/p\u003e \u003ch2 id=\u00226\u0022\u003eLes modèles de garde : une IA qui surveille l'IA\u003c/h2\u003e \u003cp\u003eUn modèle de garde est un petit LLM spécialisé dont le seul travail est de classer une requête ou une réponse comme acceptable ou non. Il tourne avant ou après le modèle principal, coûte beaucoup moins cher et répond beaucoup plus vite, ce qui permet de l'appeler à chaque tour de conversation sans alourdir la facture.\u003c/p\u003e \u003cp\u003eLe paysage est désormais fourni, et il est largement ouvert : \u003cstrong\u003eLlama Guard 3 8B et Llama Guard 4 12B\u003c/strong\u003e chez Meta, \u003cstrong\u003eQwen3Guard Gen 8B\u003c/strong\u003e chez Alibaba, \u003cstrong\u003eShieldGemma 9B\u003c/strong\u003e chez Google, \u003cstrong\u003eGranite Guardian 4.1 8B\u003c/strong\u003e chez IBM, \u003cstrong\u003egpt-oss-safeguard\u003c/strong\u003e en versions 20 et 120 milliards de paramètres chez OpenAI, WildGuard chez AI2, et la famille Nemotron Content Safety chez NVIDIA. OpenAI propose en plus un service hébergé, omni-moderation, pour ceux qui ne veulent rien installer.\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eAvantage : \u003c/span\u003evous écrivez votre propre politique de modération, en français, adaptée à votre secteur, au lieu de subir celle de l'éditeur.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eLimite : \u003c/span\u003eun filtre supplémentaire ajoute un appel réseau. Sur un agent conversationnel, chaque milliseconde compte, comme nous l'avons détaillé à propos de la \u003ca href=\u0022https://digital-m.fr/horizon-geo/latence-des-llm/\u0022\u003elatence des LLM\u003c/a\u003e.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003ePiège : \u003c/span\u003eun modèle de garde reste un LLM. Il se fait tromper par les mêmes techniques que celui qu'il protège, notamment par \u003ca href=\u0022https://digital-m.fr/horizon-geo/prompt-injection/\u0022\u003einjection de prompt\u003c/a\u003e.\u003c/li\u003e \u003c/ul\u003e \u003ch2 id=\u00227\u0022\u003eCe que la modération change concrètement pour votre entreprise\u003c/h2\u003e \u003cp\u003eSi vous branchez un assistant IA sur votre site ou sur votre service client, le sur-refus est votre premier risque opérationnel, bien avant les \u003ca href=\u0022https://digital-m.fr/horizon-geo/hallucinations-llm/\u0022\u003ehallucinations\u003c/a\u003e. Un refus est visible, frustrant, et il laisse le visiteur sans réponse là où il attendait un devis ou un horaire. Voici la méthode que nous appliquons en mission.\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eConstituez un jeu de 30 prompts métier : \u003c/span\u003ereprenez de vraies questions clients, y compris celles qui contiennent du vocabulaire sensible dans votre secteur. C'est votre test de référence, pas celui des classements publics.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eTestez au moins trois modèles : \u003c/span\u003eun modèle fermé, un modèle européen comme Mistral et un modèle ouvert auto-hébergé. Les écarts de refus entre familles sont bien plus larges que les écarts de qualité rédactionnelle.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eÉcrivez un prompt système explicite : \u003c/span\u003enommez votre métier, votre cadre légal et les sujets que l'assistant doit traiter. Un contexte professionnel clair réduit nettement le sur-refus.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003eJournalisez chaque refus : \u003c/span\u003esans journal, vous ne saurez jamais combien de visiteurs sont repartis sans réponse. C'est la mesure la plus utile et la plus souvent oubliée.\u003c/li\u003e \u003cli\u003e\u003cspan class=\u0022li-start-body-art\u0022\u003ePrévoyez un repli humain : \u003c/span\u003eun refus doit déboucher sur un formulaire ou un numéro de téléphone, jamais sur un cul-de-sac.\u003c/li\u003e \u003c/ul\u003e \u003cp\u003eUn dernier point, souvent négligé : la modération agit aussi sur vos contenus. Un article qui déclenche un classifieur de sécurité ne sera pas repris dans une réponse générative, et vous perdrez la citation sans jamais savoir pourquoi. Formuler sobrement un sujet sensible, c'est aussi une décision de visibilité. Notre équipe \u003ca href=\u0022https://digital-m.fr/agences/agence-geo/\u0022\u003espécialisée en GEO\u003c/a\u003e traite ce point dans chaque audit de contenu.\u003c/p\u003e \u003ch2 id=\u00228\u0022\u003eCe qu'il faut retenir\u003c/h2\u003e \u003cp\u003eLa modération des LLM se joue sur quatre couches indépendantes, et le refus que vous voyez ne vient pas forcément du modèle. Les chiffres de 2026 sont sans ambiguïté : 11,12 % de sur-refus pour Llama-3-8B contre 0,26 % pour DeepSeek-R1-7B, 29,71 % de réponses nuisibles pour ce même DeepSeek contre 0,30 % pour Llama, et une corrélation de - 0,032 entre les deux phénomènes. Refuser beaucoup ne protège pas, et refuser peu n'expose pas toujours.\u003c/p\u003e \u003cp\u003ePour une PME, la conclusion pratique tient en une phrase : ne choisissez pas un modèle sur un classement public, choisissez-le sur vos trente questions clients. Vous voulez savoir combien de demandes votre assistant refuse aujourd'hui, et lesquelles ? Demandez votre audit d'assistant IA à \u003ca href=\u0022https://digital-m.fr/contact/\u0022\u003el'équipe Digital-m\u003c/a\u003e, ou formez vos équipes avec notre \u003ca href=\u0022https://digital-m.fr/formation-geo/\u0022\u003eformation GEO certifiée Qualiopi\u003c/a\u003e pour reprendre la main sur ces réglages.\u003c/p\u003e \u003cstrong\u003eVotre assistant IA vous a-t-il déjà refusé une question parfaitement banale ? Dites-le nous en commentaire !\u003c/strong\u003e \u003c/section\u003e \u003cdiv class=\u0022src_ref\u0022\u003e \u003ch4 id=\u00229\u0022\u003eSources et références\u003c/h4\u003e \u003c/div\u003e \u003cul\u003e \u003cli\u003e\u003ca href=\u0022https://arxiv.org/abs/2605.05427\u0022\u003earXiv - The Refusal-Compliance Tradeoff: A Large-Scale Safety Behavior Audit of Large Language Models, Alif Al Hasan et Sumon Biswas, Case Western Reserve University (6 mai 2026, version 2 du 30 mai 2026)\u003c/a\u003e\u003c/li\u003e \u003cli\u003e\u003ca href=\u0022https://artificialanalysis.ai/articles/guardrail-safety-benchmark\u0022\u003eArtificial Analysis - Benchmarking guardrail models for safety, refusal, and latency, en partenariat avec NVIDIA (11 juin 2026)\u003c/a\u003e\u003c/li\u003e \u003cli\u003e\u003ca href=\u0022https://proceedings.mlr.press/v267/cui25a.html\u0022\u003ePMLR, ICML 2025 - OR-Bench: An Over-Refusal Benchmark for Large Language Models, Cui, Chiang, Stoica et Hsieh (6 octobre 2025)\u003c/a\u003e\u003c/li\u003e \u003cli\u003e\u003ca href=\u0022https://mistral.ai/news/mistral-large-4-oss/\u0022\u003eMistral AI - Mistral Large 4 en poids ouverts, benchmarks de sécurité (octobre 2026)\u003c/a\u003e\u003c/li\u003e \u003cli\u003e\u003ca href=\u0022https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/\u0022\u003eGoogle - Introducing Gemini 4 Carbon, résultats Gray Swan IPI (28 octobre 2026)\u003c/a\u003e\u003c/li\u003e \u003cli\u003e\u003ca href=\u0022https://ai.google.dev/gemini-api/docs/computer-use\u0022\u003eGoogle AI for Developers - Computer use tool, champ safety_decision et catégories de politiques (30 octobre 2026)\u003c/a\u003e\u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\u0022lireplus-container\u0022\u003e \u003cdiv class=\u0022box-shadow-link-article\u0022\u003e \u003cdiv class=\u0022list-article\u0022\u003e \u003cdiv class=\u0022title-lire-plus\u0022\u003eÀ lire également \u003c/div\u003e \u003cul class=\u0022liste-article\u0022\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/mistral-large-4/\u0022\u003e Mistral Large 4 : que vaut le géant ouvert européen ?\u003c/a\u003e\u003c/li\u003e \u003cbr\u003e \u003cli\u003e\u003ca href=\u0022https://digital-m.fr/horizon-geo/llm-open-weights/\u0022\u003e LLM open-weights : Llama, Mistral, Qwen et le vrai sens du mot « open source »\u003c/a\u003e\u003c/li\u003e \u003c/ul\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022FAQ-article\u0022\u003e \u003ch4 id=\u002210\u0022\u003eQuestions fréquentes sur la modération des LLM\u003c/h4\u003e \u003cdiv class=\u0022faq-container\u0022\u003e \u003cdiv class=\u0022faq-item\u0022\u003e \u003cdiv class=\u0022faq-question\u0022\u003e \u003ch3\u003ePourquoi ChatGPT refuse-t-il une question que Gemini accepte ?\u003c/h3\u003e \u003cspan class=\u0022faq-toggle\u0022\u003e\u003csvg viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022#ff6a1c\u0022 stroke-width=\u00222\u0022\u003e\u003cpath d=\u0022M19 9l-7 7-7-7\u0022\u003e\u003c/path\u003e\u003c/svg\u003e\u003c/span\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-answer\u0022\u003e \u003cp\u003eParce que les deux services ne modèrent pas au même endroit ni avec les mêmes seuils. Le refus peut venir de l'entraînement du modèle, du prompt système de l'éditeur ou d'un classifieur de sécurité externe. L'audit de mai 2026 montre des écarts allant de 0,26 % à 11,12 % de sur-refus entre modèles ouverts comparables, et rien n'indique que les modèles fermés soient plus homogènes entre eux.\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-item\u0022\u003e \u003cdiv class=\u0022faq-question\u0022\u003e \u003ch3\u003ePeut-on désactiver la modération d'un LLM ?\u003c/h3\u003e \u003cspan class=\u0022faq-toggle\u0022\u003e\u003csvg viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022#ff6a1c\u0022 stroke-width=\u00222\u0022\u003e\u003cpath d=\u0022M19 9l-7 7-7-7\u0022\u003e\u003c/path\u003e\u003c/svg\u003e\u003c/span\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-answer\u0022\u003e \u003cp\u003ePartiellement seulement. Certaines API permettent de désactiver des catégories précises de politiques, comme les sept catégories exposées par l'outil Computer Use de l'API Gemini. En revanche, l'alignement appris pendant l'entraînement ne se désactive pas. Un modèle ouvert auto-hébergé laisse plus de latitude, mais vous devenez alors responsable de ce qu'il produit, y compris au regard de l'AI Act.\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-item\u0022\u003e \u003cdiv class=\u0022faq-question\u0022\u003e \u003ch3\u003eQu'est-ce qu'un modèle de garde et faut-il en ajouter un ?\u003c/h3\u003e \u003cspan class=\u0022faq-toggle\u0022\u003e\u003csvg viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022#ff6a1c\u0022 stroke-width=\u00222\u0022\u003e\u003cpath d=\u0022M19 9l-7 7-7-7\u0022\u003e\u003c/path\u003e\u003c/svg\u003e\u003c/span\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-answer\u0022\u003e \u003cp\u003eUn modèle de garde est un petit LLM qui classe les requêtes et les réponses avant de les laisser passer. Llama Guard 4 12B, Qwen3Guard Gen 8B, ShieldGemma 9B, Granite Guardian 4.1 8B et gpt-oss-safeguard en font partie. Il devient utile dès que vous ouvrez un assistant au public, parce qu'il vous permet d'écrire votre propre politique au lieu de subir celle du fournisseur du modèle.\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-item\u0022\u003e \u003cdiv class=\u0022faq-question\u0022\u003e \u003ch3\u003eLe sur-refus est-il mesurable sur mon propre assistant ?\u003c/h3\u003e \u003cspan class=\u0022faq-toggle\u0022\u003e\u003csvg viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022#ff6a1c\u0022 stroke-width=\u00222\u0022\u003e\u003cpath d=\u0022M19 9l-7 7-7-7\u0022\u003e\u003c/path\u003e\u003c/svg\u003e\u003c/span\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-answer\u0022\u003e \u003cp\u003eOui, et c'est le test le plus rentable à mettre en place. Constituez un jeu de 30 à 50 vraies questions clients, passez-le sur chaque modèle candidat et comptez les refus. Journalisez ensuite tous les refus en production. Sans ce journal, vous ignorez combien de visiteurs repartent sans réponse, ce qui est la perte la plus silencieuse d'un chatbot d'entreprise.\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-item\u0022\u003e \u003cdiv class=\u0022faq-question\u0022\u003e \u003ch3\u003eLa modération peut-elle nuire à ma visibilité dans les réponses IA ?\u003c/h3\u003e \u003cspan class=\u0022faq-toggle\u0022\u003e\u003csvg viewbox=\u00220 0 24 24\u0022 fill=\u0022none\u0022 stroke=\u0022#ff6a1c\u0022 stroke-width=\u00222\u0022\u003e\u003cpath d=\u0022M19 9l-7 7-7-7\u0022\u003e\u003c/path\u003e\u003c/svg\u003e\u003c/span\u003e \u003c/div\u003e \u003cdiv class=\u0022faq-answer\u0022\u003e \u003cp\u003eOui, indirectement. Si un classifieur de sécurité juge un sujet sensible, le moteur génératif évitera de construire une réponse autour de votre page, même si celle-ci est irréprochable. Les secteurs de la santé, du droit, de la sécurité, des armes de chasse ou de l'alcool sont les plus exposés. Formuler sobrement et factuellement un contenu sensible reste le levier le plus efficace pour rester citable.\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e \u003c/div\u003e