La Commission européenne renforce la surveillance de l’IA pour lutter contre les deepfakes et les cybermenaces

La Commission européenne a activé de nouveaux pouvoirs de surveillance de l’IA, plaçant Google News et les principaux fournisseurs de modèles dans un environnement européen d’application des règles plus strict.

Ce changement est intervenu le 2 août 2026, lorsque des règles essentielles de transparence et des dispositions d’application prévues par l’AI Act de l’Union européenne sont devenues applicables. Les régulateurs peuvent désormais examiner la manière dont les fournisseurs documentent, évaluent, sécurisent et expliquent certains systèmes d’IA et modèles à usage général.

Il ne s’agit pas simplement d’une nouvelle exigence imposant aux sites web d’apposer des étiquettes à côté d’images synthétiques. La Commission associe la transparence des contenus à un examen direct des modèles capables de produire des deepfakes, d’automatiser des cyberattaques ou de manipuler les utilisateurs à grande échelle.

Google subit des pressions sur plusieurs fronts. L’entreprise développe des modèles à usage général, déploie des fonctionnalités d’IA, exploite un moteur de recherche majeur et organise l’actualité via Google News. Chacun de ces rôles soulève des questions juridiques et opérationnelles différentes.

Le conflit central est désormais clair. Les entreprises d’IA souhaitent un modèle unique et une architecture produit unique pour les marchés mondiaux. Les régulateurs européens attendent des garde-fous qui restent efficaces à travers les modèles, les plateformes, les éditeurs et les applications en aval.

Le premier test ne sera pas de savoir si chaque élément synthétique reçoit une étiquette parfaite. Il s’agira de déterminer si les régulateurs peuvent remonter d’un contenu préjudiciable à cette chaîne complexe de responsabilités.

Google News entre dans une nouvelle période de transparence de l’IA

Le changement immédiat est l’entrée en vigueur d’une responsabilité contraignante pour les contenus synthétiques comme pour les modèles qui les sous-tendent.

L’article 50 de l’AI Act impose aux fournisseurs et aux déployeurs de divulguer plusieurs formes de contenu automatisé ou généré artificiellement. Ses règles couvrent les interactions avec des chatbots, les deepfakes, la reconnaissance des émotions, la catégorisation biométrique et certains textes portant sur des questions d’intérêt public.

Un deepfake est un contenu audio, vidéo ou visuel manipulé ou généré qui paraît à tort authentique. Cette définition ne se limite pas aux vidéos politiques fabriquées de toutes pièces. Elle peut également couvrir les voix clonées, les photographies modifiées et les enregistrements synthétiques imitant des événements réels.

Les fournisseurs doivent rendre détectable, sous une forme lisible par machine, tout contenu synthétique couvert lorsque l’obligation correspondante s’applique. Les déployeurs sont soumis à des obligations distinctes de divulgation concernant les deepfakes et certains textes d’intérêt public générés par l’IA.

Le code de transparence final de la Commission propose des méthodes concrètes pour satisfaire à ces exigences. Ce code est volontaire, mais les obligations juridiques sous-jacentes ne le sont pas.

Cette distinction est importante pour Google News. Le service agrège et classe des contenus provenant d’éditeurs externes, tandis que Google fournit également des systèmes d’IA capables de générer ou de modifier des contenus. La responsabilité dépend de l’entité qui a créé, déployé, distribué ou présenté le contenu concerné.

Un article classique rédigé sous contrôle éditorial ne devient pas un deepfake du seul fait qu’un outil d’IA a contribué à sa production. Les textes d’intérêt public font également l’objet d’un traitement différent lorsqu’ils ont été examinés par un humain et relèvent d’une responsabilité éditoriale.

Ces limites empêchent les règles de devenir une étiquette générale applicable à tout ce qui implique de l’automatisation. Elles rendent aussi l’application des règles plus exigeante, car les régulateurs doivent examiner les processus de travail, et pas seulement le contenu visible.

La Commission a précisé une autre limite importante. Les contenus générés avant le 2 août ne nécessitent pas d’étiquetage rétroactif, même si la divulgation volontaire demeure encouragée.

Certains systèmes déjà commercialisés bénéficient d’une période de transition limitée pour les obligations de marquage lisible par machine. Selon les orientations relatives à l’article 50 de la Commission, ces fournisseurs ont jusqu’au 2 décembre 2026 pour satisfaire à cette exigence spécifique.

Cette période de grâce ne suspend pas toutes les obligations de transparence. Elle s’applique de manière limitée à l’obligation de marquage et de détection des systèmes mis sur le marché avant le 2 août.

Cette nuance est facile à perdre dans un titre de Google News. L’UE n’a pas imposé une date limite universelle pour le filigrane à tous les éditeurs, modèles et contenus.

Elle a plutôt créé des obligations qui se chevauchent selon le système, l’acteur et le contenu. Les équipes de conformité doivent identifier le rôle occupé par leur organisation avant de choisir un contrôle technique.

Pour les lecteurs, le résultat visible devrait à terme être une divulgation plus claire autour des médias synthétiques. Derrière cette interface, les entreprises doivent mettre en place des registres de provenance, des méthodes de détection, des procédures d’examen et des voies d’escalade.

L’étiquette constitue donc le point d’aboutissement d’un système de conformité bien plus vaste. La Commission veut des preuves que ce système fonctionne avant que des contenus préjudiciables n’atteignent les utilisateurs européens.

La Commission peut désormais examiner les modèles, pas seulement les contenus

L’approche plus stricte de l’Europe remonte en amont, là où la conception des modèles et les contrôles des risques façonnent des millions d’interactions en aval.

L’AI Act confie à la Commission une responsabilité directe en matière d’application des règles pour les modèles d’IA à usage général. Ces modèles peuvent accomplir de nombreuses tâches sans lien entre elles et servent souvent de base à des produits développés par d’autres entreprises.

Les fournisseurs sont soumis à des obligations concernant l’IA à usage général depuis le 2 août 2025. L’année suivante a servi de transition avant l’entrée en vigueur des pouvoirs d’application de la Commission.

À compter du 2 août 2026, la Commission peut faire appliquer ces obligations et imposer des amendes. Ses orientations destinées aux fournisseurs exigent également des fournisseurs de modèles présentant un risque systémique qu’ils en informent l’AI Office.

Le risque systémique désigne des capacités ou des effets de modèles susceptibles de causer des dommages étendus sur le marché européen. Les domaines concernés incluent la cybersécurité, la manipulation préjudiciable, les droits fondamentaux et les dangers chimiques ou biologiques.

Les fournisseurs de modèles couverts doivent maintenir une documentation technique et partager des informations spécifiées avec les développeurs en aval. Ils doivent également établir une politique de conformité avec le droit européen du droit d’auteur.

Les modèles les plus capables sont soumis à des obligations supplémentaires. Leurs fournisseurs doivent évaluer les risques systémiques, tester le comportement des modèles, signaler les incidents graves et protéger à la fois les modèles et l’infrastructure qui les soutient.

Ces exigences placent OpenAI, Google, Anthropic, Meta, DeepSeek et d’autres développeurs sous une théorie réglementaire commune. Leurs sièges sociaux ne les dispensent pas d’obligations lorsqu’ils mettent des modèles couverts sur le marché européen.

La Commission soutient ce travail par l’intermédiaire d’un AI Office élargi. Sa présentation officielle de l’AI Office indique que l’organisation emploie désormais plus de 125 personnes réparties dans six unités.

Le bureau comprend des spécialistes techniques, des juristes, des économistes, des experts des politiques publiques et du personnel administratif. Ses responsabilités incluent la création de méthodes d’évaluation et l’examen de la question de savoir si les modèles présentent des risques systémiques.

Associated Press a rapporté qu’une équipe supplémentaire de 38 personnes surveillera les entreprises d’IA. L’équipe chargée de l’application des règles peut demander des documents et interroger le personnel des entreprises au cours des enquêtes.

Cela crée une relation différente entre les développeurs et les régulateurs. Les entreprises ne peuvent plus considérer les rapports de sécurité comme de simples publications volontaires élaborées autour de lancements de produits.

Un régulateur peut comparer les déclarations publiques d’un fournisseur avec les tests internes, les registres d’incidents, la documentation technique et les évaluations des risques. Les écarts entre ces éléments peuvent devenir des preuves dans le cadre de l’application des règles.

Cette pression dépasse les deepfakes. Un modèle de pointe pourrait aider des utilisateurs à créer du code malveillant, à identifier des vulnérabilités logicielles ou à automatiser des attaques contre des infrastructures publiques.

Le modèle pourrait également générer des usurpations d’identité convaincantes facilitant la fraude. Une même capacité sous-jacente peut relier une voix synthétique, une campagne de phishing et une intrusion non autorisée dans un réseau.

C’est pourquoi la Commission regroupe les deepfakes et les cybermenaces dans un cadre plus large de risque systémique. Les deux peuvent exploiter l’échelle, l’automatisation et des contenus produits par des modèles de plus en plus convaincants.

Google occupe une position particulièrement complexe. L’entreprise développe les modèles Gemini, intègre l’IA dans des produits grand public, exploite des activités publicitaires et cloud, et contrôle d’importantes surfaces de distribution.

Google News ajoute une autre dimension, car les utilisateurs peuvent rencontrer des affirmations synthétiques ou manipulées à côté de reportages conventionnels. Les systèmes de classement doivent distinguer la pertinence de l’authenticité, même lorsque des contenus soignés ressemblent à du journalisme légitime.

L’intervention de l’UE exerce donc une pression à la fois sur les concepteurs de modèles et sur les distributeurs d’information. La sécurité des modèles ne peut pas s’arrêter au laboratoire de recherche, tandis que les étiquettes de contenu ne peuvent pas, à elles seules, résoudre les comportements dangereux des modèles.

Le compromis central oppose la traçabilité à l’échelle mondiale

L’UE souhaite une chaîne de responsabilité traçable, tandis que les entreprises d’IA dépendent de produits qui se diffusent au-delà des frontières et à travers des applications indépendantes.

Un modèle à usage général atteint rarement les utilisateurs par une seule interface contrôlée. Des clients cloud, développeurs d’applications, éditeurs, organismes publics et particuliers peuvent tous concevoir des expériences différentes autour du même modèle.

Cette distribution crée de la valeur économique. Elle rend aussi difficile l’attribution des responsabilités lorsqu’un contenu devient trompeur, illégal ou dangereux sur le plan opérationnel.

Un fournisseur de modèles peut affirmer qu’il a fourni des garde-fous et de la documentation. Un développeur en aval peut soutenir que le modèle de base a produit la capacité préjudiciable. Une plateforme peut prétendre qu’elle s’est contentée d’héberger ou de classer le contenu qui en a résulté.

L’AI Act cherche à empêcher que ces lacunes ne deviennent des voies d’échappement permanentes. Il attribue des obligations à plusieurs niveaux, notamment ceux du modèle, du système, du déploiement et de la plateforme.

Pour Google News, la provenance devient particulièrement importante. La provenance est la trace de l’origine d’un contenu et de la manière dont des personnes ou des logiciels l’ont modifié.

Une mention visible peut indiquer à un lecteur qu’une image a été générée. Des métadonnées lisibles par machine peuvent aider les plateformes et les services de vérification à examiner automatiquement cette affirmation.

Aucune de ces méthodes n’est parfaite. Les métadonnées peuvent disparaître lorsqu’une personne fait une capture d’écran, compresse un fichier ou le téléverse via un système qui supprime les informations intégrées.

Les filigranes invisibles peuvent aussi se dégrader après un recadrage, une modification ou des encodages répétés. Les outils de détection peuvent produire des faux positifs, notamment lorsqu’ils évaluent des médias compressés ou de faible qualité.

L’approche de la Commission privilégie donc plusieurs couches. Le marquage technique, la divulgation visible, la documentation, la gestion des risques et l’examen humain remplissent des fonctions différentes.

Cette structure en couches augmente les coûts de mise en œuvre. Un fournisseur doit concevoir des contrôles qui résistent aux transferts entre outils, plateformes et formats de médias.

Les entreprises en aval doivent déterminer si les contenus qu’elles reçoivent contiennent une provenance fiable. Les éditeurs ont besoin de processus éditoriaux pour les contenus contestés, tandis que les plateformes nécessitent des voies d’escalade pour les manipulations suspectées.

Le résultat entre en conflit avec la préférence du secteur pour des lancements mondiaux simples. Une entreprise pourrait utiliser une même version de modèle dans le monde entier, mais les règles européennes de documentation et de divulgation peuvent exiger des processus régionaux.

Les petits fournisseurs font face à des contraintes de ressources plus fortes. Ils disposent de moins de juristes, de spécialistes des politiques publiques, de chercheurs en sécurité et d’ingénieurs en cybersécurité pour leurs programmes de conformité.

Les grandes entreprises disposent de ces ressources, mais leurs systèmes créent des risques plus complexes. Google ne peut pas isoler la gouvernance des modèles de Search, YouTube, des services cloud, de la publicité ou de Google News.

L’UE a tenté de réduire l’incertitude au moyen de codes volontaires et d’orientations détaillées. Signer un code peut aider un fournisseur à démontrer une approche structurée de la conformité.

Cela ne crée pas d’immunité automatique. Les régulateurs peuvent toujours examiner si les pratiques réelles respectent les exigences légales.

La Commission a également ajusté la mise en œuvre par l’intermédiaire de l’AI Omnibus, entré en vigueur le 27 juillet 2026. Il a prolongé certains calendriers et clarifié les modalités de supervision.

Ces révisions montrent que l’application ne suivra pas un calendrier immuable. Les règles concernant certains systèmes à haut risque s’appliquent désormais plus tard, tandis que les dispositions sur la transparence et les modèles d’IA à usage général poursuivent leur trajectoire actuelle.

Les entreprises doivent donc suivre chaque obligation individuellement. Considérer « la date limite de l’AI Act » comme une date unique peut engendrer soit un travail inutile, soit de graves lacunes de conformité.

Ce compromis concerne aussi les utilisateurs. Une traçabilité renforcée peut faciliter l’identification des manipulations, mais des étiquettes mal conçues peuvent également créer un faux sentiment de confiance.

Une étiquette confirme qu’un système a classé un contenu d’une certaine manière. Elle ne prouve pas qu’une image non étiquetée est authentique ni qu’une œuvre étiquetée n’a pas de valeur artistique légitime.

La mise en œuvre la plus solide préservera cette distinction. La divulgation doit fournir des éléments de preuve, et non remplacer l’esprit critique.

L’application reste confrontée à des lacunes de compétence et de vérification technique

La Commission dispose de pouvoirs renforcés, mais une autorité fragmentée et une détection imparfaite peuvent limiter la cohérence de leur application en Europe.

La première incertitude concerne l’autorité chargée d’appliquer chaque règle. La Commission supervise directement les obligations liées aux modèles d’IA à usage général, mais les autorités nationales de surveillance du marché traitent une grande partie de l’article 50.

L’AI Office joue un rôle plus restreint au titre de l’article 50 que ne le suggèrent certains titres. Il peut superviser certains systèmes reposant sur des modèles d’IA à usage général lorsque la même organisation fournit les deux composants.

Son autorité peut également s’étendre aux systèmes éligibles intégrés dans de très grandes plateformes en ligne ou de très grands moteurs de recherche. Les services exploités par les grands groupes technologiques sont donc particulièrement concernés.

Les autorités nationales prendront encore de nombreuses décisions de première ligne. Les vingt-sept États membres peuvent varier en matière d’effectifs, d’expérience technique, de priorités et de rapidité d’enquête.

L’AI Office peut favoriser la coordination, mais celle-ci ne garantit pas des résultats identiques. Une entreprise pourrait faire face à des questions différentes au sujet de systèmes similaires sur plusieurs marchés.

La deuxième lacune concerne la vérification technique. Aucune méthode de tatouage numérique ne peut établir une authenticité universelle pour tous les formats et tous les canaux de distribution.

Les acteurs malveillants sont incités à supprimer les marques, à brouiller la provenance ou à étiqueter faussement des contenus authentiques. Les outils de montage open source facilitent les transformations répétées.

Les régulateurs doivent éviter de considérer un échec de détection comme une preuve automatique de non-conformité. Ils doivent examiner si un fournisseur a utilisé des méthodes appropriées, surveillé les performances et réagi à des faiblesses connues.

La même prudence s’applique aux évaluations de cybersécurité. Un modèle peut se comporter différemment après un fine-tuning, l’intégration d’outils, des modifications de prompts ou l’accès à des données privées.

Un test en laboratoire ne peut pas représenter toutes les configurations en aval. Les fournisseurs ont besoin d’évaluations reproductibles, tandis que les enquêteurs doivent disposer d’un accès suffisant pour tester des scénarios significatifs.

Il existe aussi un risque de surenchère réglementaire. L’étiquetage des deepfakes peut réduire la tromperie, mais il ne peut pas empêcher la création de médias synthétiques abusifs.

Une règle de divulgation a peu d’effet lorsque des criminels diffusent du contenu anonymement ou en dehors de plateformes coopératives. Les lois existantes, l’application des règles par les plateformes, le soutien aux victimes et les enquêtes pénales restent nécessaires.

Les préoccupations liées à la liberté d’expression ajoutent une autre difficulté. La satire, la parodie, la fiction et les œuvres artistiques peuvent utiliser des médias synthétiques sans intention de tromper.

L’AI Act comprend des dispositions sensibles au contexte, mais les plateformes peuvent néanmoins surétiqueter ou supprimer des contenus licites afin de réduire le risque qu’elles perçoivent. La modération automatisée peut amplifier cette tendance.

Les organisations de presse sont confrontées à un problème connexe. Les journalistes publient parfois des contenus manipulés pour documenter la propagande, la fraude ou les abus en ligne.

Un reportage responsable peut montrer un deepfake tout en expliquant clairement son origine. Les systèmes doivent distinguer cet usage éditorial d’une présentation trompeuse.

Google News se trouve à l’intersection de ces décisions. Il peut classer des reportages sur un deepfake, la correction d’un éditeur, la mise en ligne trompeuse d’origine et des résumés générés par IA de chacun de ces éléments.

Une étiquette trop sommaire pourrait confondre ces catégories. Une interface de provenance plus détaillée offrirait davantage de valeur, mais exigerait aussi des informations cohérentes de la part des éditeurs et des plateformes.

La dernière incertitude concerne l’accès aux preuves. Une application efficace dépend de registres techniques, de rapports internes d’incidents, d’évaluations de modèles et de la coopération des entreprises multinationales.

Les régulateurs ont besoin de spécialistes capables de contester les affirmations des fournisseurs sans exposer d’informations confidentielles. Les entreprises ont besoin de procédures sécurisées pour partager des données sensibles sur les modèles et la cybersécurité.

L’augmentation des effectifs de la Commission répond à une partie de ce problème. Son succès dépendra de la qualité des enquêtes, et pas seulement du nombre de salariés ou de l’autorité formelle.

Les premières affaires devraient révéler le niveau de preuve exigé par les régulateurs. Elles montreront également si les autorités se concentrent sur les défaillances évidentes de divulgation ou sur des faiblesses plus profondes dans la gouvernance des modèles.

En attendant ces décisions, les équipes de conformité interpréteront les obligations générales à travers des orientations, des codes volontaires et des échanges directs avec les régulateurs.

Ce que les lecteurs de Google News devraient surveiller ensuite

Trois signaux montreront si la nouvelle supervision européenne de l’IA modifie les produits réels ou reste principalement un exercice documentaire.

Le premier signal sera la première enquête de la Commission sur un modèle d’IA à usage général. La cible, la demande de preuves et le manquement allégué définiront le sens pratique de l’application des règles.

Une affaire centrée sur des documents manquants inciterait les entreprises à renforcer leurs systèmes de reporting. Une affaire portant sur des capacités dangereuses pousserait les développeurs à mener des évaluations et des mesures d’atténuation plus poussées.

Cette différence est importante. La conformité documentaire peut être mesurée rapidement, tandis que démontrer l’insuffisance des contrôles des risques systémiques exige une analyse technique plus approfondie.

Les lecteurs devraient surveiller si la Commission demande des tests internes de modèles, l’historique des incidents ou un accès pour une évaluation indépendante. De telles demandes indiqueraient un examen allant au-delà des résumés de sécurité publiés.

Le deuxième signal sera l’apparition d’étiquettes cohérentes pour les contenus synthétiques sur les principales plateformes. Google News, Search, YouTube, les réseaux sociaux et les sites web d’éditeurs offrent des points de comparaison utiles.

La cohérence n’exige pas des icônes identiques. Elle exige des divulgations que les utilisateurs peuvent reconnaître et que les machines peuvent interpréter d’un service à l’autre.

La période de transition limitée prend fin le 2 décembre pour certaines obligations de marquage concernant les systèmes déjà présents sur le marché. Cette date constitue un test concret de mise en œuvre technique.

Si les étiquettes n’apparaissent qu’au sein des outils de génération propriétaires, la provenance restera fragile. Les contenus synthétiques atteignent souvent leur plus large audience après qu’une personne les a exportés puis republiés ailleurs.

Si les plateformes préservent et affichent des métadonnées fiables, l’approche de traçabilité de l’UE gagnera en crédibilité. Si les métadonnées disparaissent régulièrement, les régulateurs devront exiger d’autres formes de preuve.

Le troisième signal sera un rapport d’incident grave impliquant une cyberattaque ou une manipulation nuisible. Un tel rapport permettra de vérifier si les fournisseurs divulguent les problèmes avant que des journalistes ou des chercheurs ne les découvrent.

L’AI Act attend des fournisseurs de modèles présentant un risque systémique qu’ils identifient et atténuent les dangers importants. Le signalement des incidents donne aux régulateurs un moyen de comparer ces engagements avec les événements réels.

Une réponse transparente renforcerait le modèle collaboratif de la Commission. Une divulgation tardive ou incomplète accroîtrait la pression en faveur d’enquêtes formelles et d’injonctions correctives.

Les entreprises devraient également révéler suffisamment d’informations pour que les utilisateurs comprennent le risque, sans publier de détails opérationnels susceptibles d’aider les attaquants. Cet équilibre restera difficile à trouver.

Pour les développeurs, la leçon immédiate est de conserver des registres reliant le choix du modèle, les tests, les paramètres de déploiement et la réponse aux incidents. Une affirmation de sécurité sans éléments de preuve offre peu de protection lors d’une enquête.

Les acheteurs en entreprise devraient demander aux fournisseurs qui assume chaque obligation de conformité. Les contrats doivent définir clairement la responsabilité concernant les mises à jour de modèles, le marquage des contenus générés, les incidents de sécurité et les demandes des régulateurs.

Les éditeurs devraient documenter la révision humaine lorsque l’IA contribue à des reportages d’intérêt public. Le contrôle éditorial peut influer sur l’application des obligations de transparence, mais une révision non documentée sera difficile à démontrer ultérieurement.

Les travailleurs du savoir devraient considérer les étiquettes comme des signaux utiles, et non comme des certificats de vérité. Un enregistrement non étiqueté peut toujours être synthétique, tandis qu’un média étiqueté peut encore contenir des informations exactes.

Les utilisateurs de Google News devraient comparer les reportages, examiner les sources originales et rechercher les corrections lorsque des médias synthétiques alimentent une actualité qui évolue rapidement. L’agrégation améliore la découverte, mais elle n’élimine pas le travail de vérification.

La nouvelle autorité de la Commission modifie les incitations autour de cette vérification. Les fournisseurs s’exposent désormais à des conséquences lorsque des documents insuffisants, des modèles dangereux ou des divulgations manquantes enfreignent les obligations applicables.

L’Europe est passée de la définition d’attentes à leur mise à l’épreuve. La question décisive est de savoir si les enquêteurs peuvent suivre un résultat préjudiciable à travers les modèles, les applications, les plateformes et les éditeurs.

Surveillez les premières affaires d’application, l’échéance de marquage de décembre et le traitement des incidents graves liés à l’IA. Ensemble, ces signaux montreront si Google News entre dans un environnement informationnel réellement plus traçable.