Technique qui ancre les réponses d'un LLM dans des sources d'information externes vérifiables pour réduire les hallucinations et améliorer la factualité. Sans grounding, le LLM génère depuis sa mémoire paramétrique (les poids du modèle) qui peut être obsolète ou inexacte. Avec le grounding, le modèle dispose de faits récupérés dynamiquement (RAG, search web, base de données) auxquels il doit se référer explicitement dans sa réponse. Le grounding via citations force le modèle à citer ses sources et à ne générer que ce qui est supporté par les documents fournis. Google Search Grounding intègre des résultats de recherche directement dans le contexte. Le grounding ne supprime pas totalement les hallucinations mais les réduit significativement en donnant au modèle un ancrage factuel. Essentiel pour les applications critiques (médical, légal, finance).