L’UE commence à faire appliquer les règles historiques de l’AI Act

L’Union européenne a activé l’application de l’AI Act le 2 août 2026, transformant deux années de déploiement législatif en un test direct pour les régulateurs et les entreprises technologiques. Google News a couvert cette échéance à travers une vague d’articles, mais ce titre masque une distinction importante. Les règles de transparence s’appliquent désormais, les régulateurs disposent de nouveaux pouvoirs et les fournisseurs d’IA à usage général sont soumis à des mesures d’application. Toutefois, de nombreuses exigences applicables aux systèmes à haut risque ont été reportées.

Cette division crée le conflit central. Bruxelles veut une conformité visible dès maintenant, notamment lorsque les personnes rencontrent des chatbots, des deepfakes ou des médias synthétiques. Les entreprises doivent mettre en œuvre ces divulgations tout en se préparant à d’autres obligations qui n’entreront pas en vigueur avant 2027 ou 2028.

La loi est donc entrée dans sa phase d’application sans parvenir à une échéance unique et uniforme. Google, Meta, Microsoft, OpenAI, Anthropic, Mistral et de plus petits fournisseurs sont désormais confrontés à une question concrète. Peuvent-ils mettre en place un système de transparence crédible, couvrant les produits, les marchés et les formats médiatiques, alors que les autorités nationales interprètent les règles ?

Ce qui a changé avec le début de l’application de l’EU AI Act

Le 2 août a fait passer l’AI Act d’un projet de conformité progressif à une contrainte opérationnelle exécutoire pour une grande partie du marché de l’IA.

L’AI Office de la Commission européenne et les autorités des États membres de l’UE peuvent désormais mettre en œuvre, superviser et faire appliquer les parties pertinentes de la loi. La Commission a présenté cette date comme le début de l’application de l’AI Act, parallèlement à de nouvelles exigences de transparence pour certains systèmes d’IA.

Ces obligations de transparence concernent plusieurs expériences familières. Un chatbot ou tout autre système d’IA interactif doit informer les utilisateurs lorsqu’ils interagissent avec une IA plutôt qu’avec une personne. Les fournisseurs de systèmes génératifs doivent ajouter des marquages lisibles par machine aux contenus synthétiques ou manipulés concernés.

Les déployeurs ont également des responsabilités. Ils doivent signaler certains deepfakes, certains usages de la reconnaissance des émotions ou de la catégorisation biométrique, ainsi que les textes d’intérêt public générés par l’IA et publiés sans examen humain ni contrôle éditorial.

Un marquage lisible par machine consiste à intégrer des informations que les logiciels peuvent détecter, et non à simplement placer une légende visible à côté d’une image. Cette exigence est importante, car les étiquettes peuvent disparaître lorsqu’un média est recadré, téléchargé, compressé ou republié.

Une divulgation destinée aux humains et un marqueur technique s’adressent à des publics différents. La première aide une personne à comprendre le contenu qu’elle consulte. Le second soutient les outils de détection, les plateformes, les enquêteurs et les futurs systèmes de distribution.

Les orientations relatives à l’article 50 confirment que les obligations de transparence s’appliquent à compter du 2 août 2026. Les fournisseurs et les déployeurs doivent s’y conformer avant que les systèmes concernés ne soient mis sur le marché ou mis en service.

Une transition limitée est prévue pour certains systèmes existants. Les systèmes mis sur le marché avant cette échéance ont jusqu’au 2 décembre 2026 pour respecter l’obligation de marquage lisible par machine. Cette période de grâce ne suspend pas largement l’article 50.

Les contenus générés avant le 2 août n’exigent pas d’étiquetage rétroactif. Cette limite évite la tâche impossible consistant à retrouver et à modifier chaque actif synthétique déjà en circulation en ligne.

La loi s’applique également au-delà des entreprises dont le siège se trouve dans l’Union européenne. Sa portée fondée sur le marché signifie que des fournisseurs établis hors d’Europe peuvent relever de ces règles lorsqu’ils proposent des systèmes concernés dans l’UE ou que leurs résultats y sont utilisés.

Cette portée juridictionnelle fait de la conformité régionale une question d’architecture produit. Un fournisseur peut créer une mise en œuvre spécifique à l’UE ou déployer des divulgations similaires à l’échelle mondiale. La seconde approche réduit souvent la fragmentation opérationnelle, mais elle exporte aussi les choix politiques européens vers d’autres marchés.

L’autorité chargée de l’application est répartie plutôt que centralisée. Les autorités nationales de surveillance du marché traiteront une grande partie de l’article 50. L’AI Office joue un rôle plus restreint, mais conséquent, concernant les modèles d’IA à usage général et certains systèmes intégrés.

Le Contrôleur européen de la protection des données supervise les systèmes concernés utilisés par les institutions, organes et organismes de l’UE. Cette répartition reflète la structure de la loi, mais elle introduit également la possibilité de priorités d’application différentes selon les juridictions.

La Commission a lancé des canaux de plainte et d’alerte, notamment une voie destinée aux fournisseurs en aval utilisant des modèles à usage général. Ces outils sont importants, car les régulateurs ne peuvent pas inspecter chaque produit en continu. Les signalements d’utilisateurs, de travailleurs, de clients et d’entreprises peuvent aider à identifier d’éventuelles violations.

Rien de cela ne signifie que toutes les exigences de l’AI Act ont commencé à s’appliquer en même temps. Les pratiques interdites et les obligations de culture de l’IA ont commencé à s’appliquer en février 2025. Les dispositions de gouvernance et les obligations relatives à l’IA à usage général ont suivi en août 2025.

La dernière échéance active les pouvoirs d’application et la plupart des dispositions restantes, y compris la transparence prévue à l’article 50. Elle marque un changement décisif, mais pas la fin du calendrier de mise en œuvre.

Pourquoi les titres de Google News occultent le calendrier scindé

Le détail le plus déterminant n’est pas simplement que l’application a commencé, mais que l’Europe a reporté les principales règles relatives au haut risque tout en maintenant les obligations de transparence au calendrier prévu.

Une recherche dans Google News peut donner l’impression que le 2 août constitue un interrupteur unique. En pratique, l’UE a créé plusieurs voies réglementaires, chacune assortie d’une échéance, d’une autorité et d’une charge de conformité différentes.

L’IA à haut risque désigne des systèmes utilisés dans des contextes sensibles où des erreurs ou des discriminations peuvent avoir des conséquences importantes sur les personnes. Parmi les exemples figurent certains usages liés à l’emploi, à l’éducation, au crédit, aux services essentiels, à l’application de la loi et aux infrastructures critiques.

Ces systèmes sont soumis à des exigences plus poussées qu’une simple divulgation concernant un chatbot. Les fournisseurs peuvent devoir mettre en place des processus de gestion des risques, une documentation technique, des contrôles de gouvernance des données, une supervision humaine, des mesures d’exactitude, une surveillance et un enregistrement.

Le calendrier initial de mise en œuvre prévoyait de nombreuses obligations liées au haut risque autour de la date générale d’application d’août 2026. L’UE a ensuite modifié ce calendrier dans le cadre de son effort de simplification AI Omnibus.

Selon le calendrier du Conseil, les exigences relatives aux systèmes autonomes à haut risque s’appliquent désormais à partir du 2 décembre 2027. Les règles concernant l’IA à haut risque intégrée à des produits réglementés entreront en vigueur le 2 août 2028.

Les systèmes intégrés comprennent l’IA présente dans des produits déjà couverts par des cadres de sécurité sectoriels, tels que les machines, les jouets, les ascenseurs et certains dispositifs médicaux. L’alignement des obligations relatives à l’IA sur les systèmes existants d’évaluation des produits réduit les processus contradictoires, mais prolonge la transition.

Ce report répondait à un véritable problème de mise en œuvre. Les entreprises et les régulateurs avaient besoin de normes, d’orientations, de procédures de test et de capacités institutionnelles. Appliquer des obligations détaillées sans ces soutiens risquait de produire une documentation incohérente et des évaluations de conformité incertaines.

Toutefois, ce report a créé un compromis politique et opérationnel. Les entreprises ont gagné davantage de temps pour se préparer, tandis que les personnes affectées par des systèmes à haut risque devront attendre plus longtemps le cadre complet.

La transparence est restée la ligne immédiate de l’UE. Elle est comparativement visible, compréhensible et applicable à de nombreuses expériences destinées aux consommateurs. Une personne peut voir un avis de chatbot ou une étiquette de deepfake, même si les contrôles techniques plus profonds restent invisibles.

Cette visibilité offre aux régulateurs un premier test. Ils peuvent examiner si les divulgations sont claires, si les marquages techniques résistent à une distribution ordinaire et si les fournisseurs documentent leurs choix de conformité.

Le calendrier différé pour le haut risque empêche également les entreprises de traiter le 2 août comme une date de fin de conformité complète. Une équipe produit peut aujourd’hui satisfaire à une obligation d’information lors d’une interaction tout en faisant encore face à un travail important de classification, de documentation, de surveillance ou de supervision humaine.

Pour les acheteurs d’entreprise, cette division complique l’évaluation des fournisseurs. Une équipe d’approvisionnement ne peut pas seulement demander si un produit « respecte l’AI Act ». Elle doit identifier le rôle qu’occupe le fournisseur, le système concerné et les obligations actuellement applicables.

Une entreprise peut agir comme fournisseur, déployeur, importateur, distributeur ou fabricant de produits selon les circonstances. Une même organisation peut occuper plusieurs rôles dans l’ensemble de son portefeuille de produits.

Par exemple, une entreprise qui utilise en interne un chatbot externe aura des obligations différentes de celles d’une entreprise intégrant un modèle dans un système décisionnel destiné à ses clients. Un fournisseur qui affine et commercialise un modèle sous sa marque peut également assumer des responsabilités allant au-delà de celles d’un client ordinaire.

Cette complexité ouvre la voie à des affirmations trompeuses. Un fournisseur peut annoncer être « prêt pour l’AI Act » après avoir mis en place un avis de chatbot, alors que ses contrôles relatifs au haut risque restent incomplets ou non testés.

Cette expression n’a pas de signification pratique unique sans système et obligation définis. Les acheteurs devraient demander des preuves liées aux articles pertinents, à la version du produit, au contexte de déploiement et à la date de conformité.

Google News peut faire remonter l’événement lié à l’application de la loi, mais il ne peut pas résoudre ces questions propres à chaque rôle. La réponse se trouve dans la documentation produit, les contrats, les contrôles techniques et l’interprétation réglementaire.

Le véritable enjeu oppose des règles contraignantes à une conformité réalisable

Le défi central de l’Europe consiste à transformer la transparence juridique en divulgations et en marqueurs techniques qui restent utiles après que le contenu généré par l’IA a quitté son produit d’origine.

L’article 50 fixe l’objectif, mais la mise en œuvre déterminera si les règles réduisent la tromperie. Un avis que les utilisateurs ne remarquent pas ou un marqueur qui disparaît lors d’une republication ne remplit efficacement aucun de ces objectifs.

Les systèmes interactifs représentent le cas le plus simple. Un chatbot peut afficher un avis dans son interface, son parcours d’intégration ou sa conversation. Cet avis doit néanmoins être opportun et compréhensible, en particulier lorsque le système imite un rôle humain.

Les médias synthétiques présentent un mécanisme plus difficile. Les images, les contenus audio, les vidéos et les textes circulent via des outils d’édition, des applications de messagerie, des réseaux sociaux, des systèmes de publication et des convertisseurs de fichiers. Chaque étape peut modifier les métadonnées ou supprimer les informations de provenance.

Un fournisseur a donc besoin d’une technologie de marquage interopérable, détectable et résistante. Elle doit aussi éviter de dégrader le résultat ou d’exposer des détails sensibles de mise en œuvre.

Aucun marqueur unique ne résout tous les problèmes. Les métadonnées peuvent contenir des informations détaillées sur la provenance, mais elles peuvent être supprimées. Les filigranes peuvent résister à certaines transformations, mais échouer après une édition importante. Les classificateurs de détection peuvent soutenir les enquêtes, mais produisent souvent des résultats incertains.

L’AI Act ne fait pas disparaître ces limites techniques. Il donne aux fournisseurs et aux déployeurs une raison juridique d’améliorer l’ensemble de la chaîne.

La Commission a publié un code de transparence volontaire afin de traduire l’article 50 en mesures plus concrètes. La signature de ce code ne remplace pas la loi, et les non-signataires restent responsables de leur conformité.

Fin juillet, environ 190 organisations avaient adhéré au code. La liste comprenait des fournisseurs d’IA établis, des entreprises technologiques, des spécialistes des médias, des détaillants, des organisations éducatives et de plus petites entreprises.

Parmi les participants les plus en vue figuraient Google, Meta, Microsoft, OpenAI, Anthropic, Cohere, Mistral, Aleph Alpha, Black Forest Labs et Synthesia. Leur participation établit un point de référence commun, même si elle ne prouve pas que chaque produit concerné est conforme.

Le code compte, car une coordination volontaire peut réduire les mises en œuvre incohérentes. Les fournisseurs peuvent suivre des pratiques communes plutôt que d’inventer des systèmes entièrement distincts de marquage, d’étiquetage et de documentation.

Il fournit également un point de référence aux régulateurs. Un non-signataire peut choisir une autre voie, mais les autorités pourraient lui demander d’expliquer comment ses mesures assurent une conformité équivalente.

Cette distinction crée l’opposition principale de cette histoire. Les obligations contraignantes promettent une responsabilisation, tandis que la conformité pratique dépend en partie d’une coordination volontaire et de normes techniques.

Les deux approches ne s’excluent pas mutuellement. La loi prévoit les conséquences, et le code offre une voie de mise en œuvre. La tension apparaît lorsqu’un processus fondé sur un code se substitue à l’évaluation des résultats réels.

Un engagement signé ne montre pas si un marqueur résiste à la compression sur les réseaux sociaux. Il ne montre pas si les utilisateurs comprennent une divulgation. Il n’établit pas si un éditeur en aval a préservé les informations requises.

Les entreprises ont besoin de preuves issues de systèmes déployés. Parmi les mesures utiles figurent les taux de détection des marqueurs après des transformations courantes, la compréhension des divulgations, les délais de réponse aux incidents et le pourcentage de résultats concernés comportant des données de provenance valides.

Les régulateurs auront également besoin de capacités de test. Ils doivent distinguer une véritable limitation technique d’un choix de conception évitable. Ils ont besoin de procédures produisant des résultats comparables entre les modèles, les types de médias et les États membres.

La structure d’application de l’UE ajoute une couche supplémentaire. Les autorités nationales peuvent développer leur expertise à des rythmes différents. L’une peut donner la priorité aux deepfakes, tandis qu’une autre se concentre sur les chatbots ou les déploiements dans le secteur public.

L’AI Office peut favoriser la cohérence, en particulier autour des modèles à usage général. Toutefois, une application uniforme dans l’ensemble du marché unique nécessitera une coordination, des méthodes de test partagées et des décisions claires.

Le Code de bonnes pratiques sur l’IA à usage général offre un exemple parallèle. Il aide les fournisseurs de modèles à répondre aux obligations de transparence, de droit d’auteur, de sûreté et de sécurité. Ses signataires comprennent nombre des entreprises qui façonnent le marché actuel des modèles.

Les modèles d’IA à usage général peuvent prendre en charge de nombreux systèmes en aval plutôt qu’une seule tâche restreinte. Leurs fournisseurs se situent au début d’une longue chaîne de valeur, ce qui rend la documentation et les informations sur les risques importantes pour les développeurs ultérieurs.

Une entreprise en aval ne peut pas gérer tous les risques si le fournisseur du modèle transmet des informations insuffisantes. À l’inverse, un fournisseur de modèles ne peut pas contrôler chaque déploiement construit sur sa technologie.

La loi répartit les obligations tout au long de cette chaîne, mais les contrats et la documentation détermineront si l’information circule efficacement. C’est pourquoi la phase d’application met les éditeurs de logiciels d’entreprise sous pression autant que les laboratoires de pointe.

Ce que les nouvelles règles ne prouvent toujours pas

La date limite d’application établit une autorité juridique, mais elle ne prouve pas que les régulateurs puissent obtenir des résultats cohérents et techniquement crédibles dans toute l’Europe.

La première incertitude concerne les capacités d’application. l’AI Act couvre de nombreux systèmes, opérateurs et secteurs. Les autorités ont besoin de personnel technique, d’expertise juridique, de procédures d’enquête et de canaux de coordination.

Un outil de signalement peut révéler d’éventuels problèmes, mais chaque signalement exige toujours une évaluation. Les régulateurs doivent déterminer si le système est couvert, quel opérateur détient l’obligation et si une exception s’applique.

La deuxième incertitude concerne la durabilité technique. Les marques lisibles par machine semblent définitives, mais les médias synthétiques peuvent subir des modifications importantes. Une règle imposant le marquage ne garantit pas une détection permanente.

Les fournisseurs ne devraient pas présenter un système de filigrane ou de métadonnées comme impossible à supprimer. De telles affirmations exigent des tests indépendants sur différents formats, niveaux de compression, captures d’écran, recadrages, traductions, transcriptions et manipulations adversariales.

Les orientations de la Commission reconnaissent que la mise en œuvre technique doit refléter l’état de l’art. Cette norme peut évoluer à mesure que les techniques de marquage et de suppression progressent.

Cette évolution est nécessaire, mais elle complique la conformité. Une conception considérée comme adéquate en 2026 pourrait devoir être mise à jour à mesure que les plateformes de diffusion ou les méthodes de contournement évoluent.

La troisième incertitude est la compréhension des utilisateurs. Une étiquette techniquement correcte peut tout de même échouer si elle est cachée, vague ou affichée après une interaction importante.

« Généré par IA » couvre également un large éventail de niveaux d’intervention. Une vidéo entièrement synthétique diffère d’un article rédigé par un humain et corrigé automatiquement sur le plan grammatical. Les utilisateurs ont besoin de divulgations qui communiquent un contexte pertinent sans surcharger chaque interface.

La loi comporte des exceptions et des règles propres aux rôles, notamment un traitement particulier des textes d’intérêt public soumis à un contrôle éditorial. Ces limites nécessiteront une interprétation par le biais d’orientations, de décisions d’application et, éventuellement, de contentieux.

La quatrième incertitude concerne la cohérence transfrontalière. Les autorités nationales appliquent de nombreuses obligations de transparence, mais les services d’IA fonctionnent souvent via une même interface dans tous les pays de l’UE.

Si les autorités interprètent différemment la présentation, le moment opportun ou l’adéquation technique, les fournisseurs pourraient faire face à un environnement de conformité fragmenté. La Commission et le Comité de l’IA devront réduire ces écarts.

La cinquième incertitude est la proportionnalité. Le texte consolidé de l’AI Act autorise des amendes allant jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires annuel mondial pour certaines violations, y compris les obligations prévues à l’article 50.

Les pratiques interdites peuvent entraîner des sanctions maximales plus élevées, jusqu’à 35 millions d’euros ou 7 % du chiffre d’affaires annuel mondial. Les sanctions effectives doivent tenir compte de circonstances telles que la responsabilité, l’intention, les mesures d’atténuation et la taille de l’opérateur.

Pour les petites et moyennes entreprises, les plafonds applicables retiennent le montant le plus faible plutôt que le plus élevé. Le cadre cherche à dissuader sans traiter une startup comme une plateforme mondiale.

Les montants maximaux font les gros titres, mais les premières mesures d’application révéleront davantage par le biais d’actions ordinaires. Les demandes d’informations, avertissements, injonctions correctives, recours négociés et décisions publiées montreront les priorités des autorités.

La sixième incertitude est l’écart créé par le report des règles applicables aux systèmes à haut risque. La transparence peut indiquer à une personne qu’une IA est impliquée, mais elle n’établit pas que le système est précis, équitable, sûr ou correctement supervisé.

Un système de recrutement étiqueté peut toujours discriminer. Un modèle de crédit divulgué peut toujours produire un résultat incorrect. Un avis concernant un chatbot ne contrôle pas la manière dont un agent utilise des outils ou accède à des données sensibles.

La transparence constitue donc un fondement, non un substitut à la gestion des risques. Les règles différées laissent les entreprises responsables au titre d’autres lois, contrats et exigences sectorielles, mais le cadre complet de l’AI Act pour les systèmes à haut risque n’est pas encore en vigueur.

Cette distinction compte pour les travailleurs du savoir. Les employés rencontrent de plus en plus l’IA dans les outils de réunion, les plateformes de productivité, les systèmes de service client, les flux de recrutement et les logiciels documentaires.

Une divulgation aide les travailleurs à identifier une interaction automatisée. Elle ne répond pas à la question de savoir quelles données le système conserve, si un humain examine son résultat ou comment contester une décision défavorable.

Les clients d’entreprise devraient continuer à poser ces questions. Ils devraient également conserver la documentation des fournisseurs, les inventaires de systèmes, les évaluations d’impact et les registres de décisions à mesure que le cadre réglementaire évolue.

L’AI Act n’exige pas que chaque organisation cesse d’utiliser l’IA jusqu’à la disparition des incertitudes. Il valorise une classification rigoureuse et les preuves plutôt que de larges assurances.

Les entreprises devraient éviter de supposer que la signature d’un code par un fournisseur transfère automatiquement la conformité. Chaque déployeur reste responsable des obligations liées à son propre usage.

De même, une entreprise ne devrait pas déduire sa conformité de la réputation mondiale d’un fournisseur de modèles. Les régulateurs examinent les systèmes et comportements couverts, non la notoriété de la marque.

C’est là que la couverture de Google News atteint de nouveau sa limite. Les résultats d’actualité identifient l’échéance réglementaire, mais la conformité dépend de faits qui apparaissent rarement dans un titre.

Trois signaux montreront si l’application fonctionne

La prochaine phase sera jugée sur les preuves d’application, les performances techniques et la préparation aux échéances différées pour les systèmes à haut risque.

Le premier signal sera le premier ensemble d’actions réglementaires. Les autorités n’ont pas besoin d’infliger les amendes maximales pour démontrer leur sérieux. Des demandes d’informations détaillées, des injonctions correctives et des décisions publiques peuvent établir des attentes plus rapidement que des orientations abstraites.

Les cas les plus instructifs expliqueront ce qui a échoué. Une divulgation d’IA était-elle absente, mal placée dans le temps ou peu claire ? Un marqueur technique a-t-il disparu lors d’une diffusion ordinaire ? Un fournisseur manquait-il de documentation étayant l’approche retenue ?

Un raisonnement publié renforcerait l’effet de la loi au-delà d’une seule entreprise. Il aiderait les autres fournisseurs à distinguer une mise en œuvre acceptable d’une conformité purement cosmétique.

Une série de décisions nationales incohérentes affaiblirait la promesse européenne d’un corpus de règles unique. Des enquêtes coordonnées ou des critères de test partagés la renforceraient.

Le deuxième signal arrivera avec l’échéance de transition du 2 décembre 2026 pour certains systèmes génératifs existants. Cette date vérifiera si les fournisseurs peuvent intégrer a posteriori des marquages lisibles par machine dans des produits lancés avant août.

L’adaptation a posteriori est souvent plus difficile que l’ajout d’une exigence lors de la conception initiale. Les fournisseurs doivent mettre à jour les chaînes de génération, formats de fichiers, API, interfaces utilisateur et documentation en aval sans perturber les flux de travail existants.

Les plateformes d’entreprise devront peut-être aussi préciser quels résultats portent des marqueurs et quelles transformations les préservent. Les clients auront besoin d’orientations pour modifier, stocker et publier les contenus concernés.

Cette échéance renforcera la position de l’UE si les principaux fournisseurs proposent des mises en œuvre interopérables et testables. Des prolongations généralisées, des interprétations contradictoires ou des marqueurs fragiles révéleraient un écart entre la règle et la technologie disponible.

La Commission prévoit de lancer des groupes de travail sur le code de transparence à partir de septembre 2026. Leurs travaux peuvent fournir des premières preuves des difficultés courantes de mise en œuvre et améliorer la coordination entre les signataires.

Le troisième signal sera la préparation aux règles relatives aux systèmes à haut risque attendues en 2027 et 2028. Le report devrait produire de meilleures normes, une meilleure documentation, des bacs à sable et des capacités de test accrues, plutôt qu’une nouvelle course de dernière minute.

Les entreprises exploitant des systèmes dans le recrutement, l’éducation, le crédit, la sécurité ou le secteur public devraient utiliser ce temps supplémentaire pour classifier leurs produits et répartir les responsabilités. Attendre l’échéance finale reproduirait l’incertitude qui a motivé le report.

Les régulateurs doivent également démontrer leur préparation. Les orientations, normes harmonisées, bases de données, procédures d’évaluation de conformité et autorités formées doivent être disponibles avant que les obligations deviennent exécutoires.

Le cadre d’application de la Commission identifie des pouvoirs incluant la demande d’informations, l’évaluation de modèles à usage général, l’exigence de mesures correctives et l’imposition de sanctions. Le véritable test sera la manière dont ces outils fonctionneront dans des cas précis.

Pour les développeurs, l’action immédiate consiste à traiter la transparence comme une exigence produit. Les avis, étiquettes, registres de provenance et marqueurs techniques devraient avoir des responsables, des tests et des critères de mise en production.

Pour les acheteurs d’entreprise, les questionnaires destinés aux fournisseurs devraient distinguer les obligations actuelles de l’article 50 des futurs contrôles applicables aux systèmes à haut risque. Les contrats devraient préciser qui préserve les divulgations et qui traite les demandes des régulateurs.

Pour les travailleurs du savoir, l’habitude la plus utile est de remarquer lorsqu’un système divulgue l’intervention de l’IA et ce que cette information laisse sans réponse. Demandez comment le résultat a été produit, quelles données l’ont façonné et qui reste responsable.

Google News continuera de suivre les mesures d’application, les réponses des entreprises et les évolutions des échéances. Les lecteurs devraient regarder au-delà du nombre de titres et observer si les informations publiées résistent aux flux de travail réels, si les autorités rendent des décisions cohérentes et si les garanties reportées arrivent comme prévu.

L’UE a déjà franchi l’étape symbolique la plus facile en établissant un cadre réglementaire historique. Sa mission la plus difficile commence maintenant. Les régulateurs et les entreprises doivent démontrer que la transparence reste effective lorsque les contenus générés par l’IA circulent à travers les produits, les plateformes et les personnes.