Le cadre secret de la Maison-Blanche pour l’examen de l’IA exempte les modèles à poids ouverts

La Maison-Blanche a finalisé un cadre d’examen de l’IA sur 30 jours, faisant émerger un conflit frappant dans Google News tout en gardant le cadre lui-même hors de la vue du public. Le système vise certains modèles avancés et fermés disposant de capacités significatives en cybersécurité. Les modèles à poids ouverts resteraient en dehors de son processus d’examen.

Cette combinaison crée un compromis politique inhabituel. Les développeurs peuvent donner au gouvernement un accès anticipé aux modèles, tandis que le public ne peut pas examiner les règles régissant cet accès. Le gouvernement qualifie le processus de volontaire et centré sur la sécurité nationale. Toutefois, le secret rend difficile l’évaluation du caractère réellement volontaire de la participation.

La politique établit également une distinction entre les systèmes propriétaires d’entreprises telles qu’OpenAI et Anthropic et les modèles téléchargeables soutenus par Meta et d’autres développeurs. Cette distinction importe, car les contrôles d’accès ne reflètent pas nécessairement le risque technique. Un modèle téléchargeable peut se diffuser largement, alors qu’un modèle fermé reste sous le contrôle de son fournisseur.

L’enjeu central dépasse donc largement un simple article de newsletter à Washington. Le cadre de la Maison-Blanche pour l’IA crée un nouveau point de contrôle avant la publication de certains modèles. Pourtant, ses normes non publiées empêchent les développeurs, les chercheurs, les acheteurs en entreprise et le public d’évaluer le fonctionnement de ce point de contrôle.

Ce que la Maison-Blanche a réellement modifié

Le gouvernement fédéral dispose désormais d’une voie officielle pour examiner certains modèles de pointe avant que leurs développeurs ne les diffusent plus largement.

Le président Donald Trump a ordonné la création de ce cadre le 2 juin 2026. Le décret présidentiel charge les responsables fédéraux d’élaborer un processus volontaire avec les développeurs d’IA. Il s’applique aux modèles de pointe couverts, c’est-à-dire aux systèmes qui franchissent un seuil défini par le gouvernement pour les capacités cyber avancées.

Les développeurs participants fourniraient au gouvernement fédéral un accès pouvant aller jusqu’à 30 jours avant de diffuser un modèle couvert auprès d’autres partenaires de confiance. Le décret prévoit des protections en matière de confidentialité, de cybersécurité, de propriété intellectuelle, de risque interne et de non-divulgation durant cette période.

L’examen n’est pas présenté comme un système général de licences. Il ne couvre pas automatiquement chaque nouveau chatbot, assistant de programmation ou modèle d’entreprise. Le seuil repose plutôt sur des capacités avancées de cybersécurité et des préoccupations connexes de sécurité nationale.

Les responsables fédéraux doivent également élaborer un processus d’évaluation comparatif classifié. Un benchmark est un ensemble structuré de tests servant à mesurer les capacités d’un modèle. Dans ce cas, ces tests aident à déterminer quand un modèle remplit les critères d’un modèle de pointe couvert.

La classification crée une première limite en matière de transparence. La divulgation publique d’un test cyber détaillé peut aider des attaquants à entraîner des modèles précisément pour le contourner ou le déjouer. Garder confidentiels les éléments de test sensibles peut donc protéger l’utilité du benchmark.

Toutefois, le gouvernement semble avoir retenu davantage que les seules questions de test. Selon des informations sur le cadre, l’administration ne prévoit pas de publier le cadre plus large examiné avec les entreprises technologiques. Les observateurs extérieurs ne disposent donc d’aucune information élémentaire sur la participation, la gouvernance, les procédures de recours ou la responsabilité.

La Maison-Blanche a indiqué avoir achevé le cadre dans le délai fixé par le décret. Des responsables l’ont ensuite discuté avec des représentants des principales entreprises d’IA. Parmi les participants rapportés figuraient OpenAI, Anthropic, Google, Meta, Nvidia, Microsoft et de plus petits développeurs.

Cette réunion a fait passer le plan d’une directive présidentielle à un processus opérationnel. Les entreprises disposent désormais de davantage d’informations sur les modèles susceptibles de déclencher un examen et sur les modalités possibles de l’accès anticipé. Les chercheurs indépendants et les développeurs concurrents ont reçu bien moins de précisions.

C’est pourquoi cette histoire a dépassé le cadre d’un titre politique habituel dans Google News. Le gouvernement a créé un canal d’examen de modèles potentiellement conséquent sans fournir au public l’intégralité de ses règles de fonctionnement.

Pourquoi le cadre secret sur l’IA arrive maintenant

Washington a agi parce que les modèles avancés combinent de plus en plus une assistance logicielle ordinaire à des capacités pouvant révéler ou exploiter des failles de sécurité.

L’objectif déclaré de l’administration est d’obtenir un accès anticipé à des modèles susceptibles d’aider à mener des opérations cyber sophistiquées. Sa fiche d’information officielle présente cet accès comme un moyen de renforcer la cybersécurité et de protéger les infrastructures critiques.

La préoccupation politique immédiate n’est pas que chaque modèle lancera de manière autonome une attaque réussie. Le risque est qu’un système capable réduise l’expertise, le temps ou la main-d’œuvre nécessaires à des tâches cyber difficiles.

Un modèle peut aider une équipe de sécurité autorisée à examiner un logiciel, expliquer une vulnérabilité ou produire du code défensif. Cette même capacité générale peut aussi aider un opérateur malveillant. L’accès au modèle, les outils, les autorisations et l’intention humaine peuvent déterminer l’issue.

Ce caractère à double usage rend les tests avant publication attrayants. Les évaluateurs gouvernementaux peuvent examiner un modèle sélectionné avant que ses capacités n’atteignent les clients ou les partenaires de confiance. Les agences peuvent alors préparer des orientations défensives, coordonner leurs actions avec les opérateurs d’infrastructures ou identifier des risques de traitement inacceptables.

La fenêtre d’examen reflète également un compromis avec les développeurs. Un processus plus précoce et plus long laisserait davantage de temps pour les tests, mais pourrait perturber les calendriers de produits. Une période pouvant aller jusqu’à 30 jours limite ce retard tout en permettant une évaluation ciblée.

Le décret de juin attribue des rôles importants aux responsables de la sécurité nationale et de la cybersécurité. Le directeur de la National Security Agency dirige les travaux sur le benchmark de capacités classifié, en consultation avec d’autres responsables fédéraux. Le processus relie également les tests de modèles à la cyberdéfense fédérale.

Cette approche diffère de la réglementation de l’IA orientée vers les consommateurs. Elle ne traite pas principalement des décisions biaisées, des contenus trompeurs, du recrutement, du droit d’auteur ou des obligations d’information des chatbots. Elle se concentre étroitement sur les capacités cyber avancées ayant des implications pour la sécurité nationale.

Le calendrier reflète aussi une évolution plus générale du modèle de risque à Washington. Les décideurs considéraient autrefois l’IA de pointe principalement comme une course stratégique autour des puces, des talents, des investissements et de l’adoption. Ils considèrent de plus en plus certaines publications de modèles comme des événements de sécurité qui méritent une préparation préalable.

Ce changement explique comment le cadre de la Maison-Blanche pour l’IA peut être à la fois peu intrusif et interventionniste. Il évite des exigences d’approbation universelles, mais crée un accès particulier pour les modèles franchissant un seuil de capacités non divulgué.

L’étiquette « volontaire » du cadre correspond à ce compromis. Elle permet à l’administration d’affirmer avoir évité un régime de licences. Elle donne également aux principaux laboratoires une voie structurée pour partager des systèmes sensibles sous protections fédérales.

Pourtant, le caractère volontaire ne résout pas la question pratique. Un grand fournisseur d’IA dépend des contrats publics, des décisions d’exportation, des approbations d’infrastructures et de ses relations avec les agences fédérales. Refuser une demande d’examen de la Maison-Blanche peut avoir des conséquences sans enfreindre une quelconque obligation légale formelle.

Le cadre secret sur l’IA arrive donc à un moment où les capacités, la dépendance commerciale et la sécurité nationale deviennent plus difficiles à dissocier. La politique répond à cette convergence, mais n’en définit pas publiquement les frontières.

Google News met en lumière un déficit de transparence

Le déficit d’information le plus important ne porte pas sur l’existence de tests cyber secrets du gouvernement, mais sur la possibilité d’évaluer indépendamment les règles qui les entourent.

Un benchmark classifié n’exige pas un système de gouvernance entièrement non publié. Le gouvernement pourrait protéger les tests individuels tout en divulguant qui administre les examens, quelles preuves reçoivent les développeurs et comment les conflits sont traités.

Il pourrait également préciser si une entreprise peut contester la désignation de modèle couvert. Des règles publiques pourraient expliquer comment les responsables protègent la propriété intellectuelle et empêchent que des informations ne profitent aux concurrents d’un développeur. Elles pourraient établir à quel moment les résultats sont communiqués au Congrès ou à des organismes de supervision indépendants.

Ces questions sont importantes parce que le cadre place des employés et sous-traitants du gouvernement à proximité de systèmes commerciaux extrêmement sensibles. Un modèle de pointe peut intégrer des recherches coûteuses, des projets de produits non publiés, des conclusions de sécurité et des techniques propriétaires. L’accès anticipé crée à la fois une valeur pour la sécurité nationale et un risque commercial.

Le décret reconnaît ce problème en exigeant des protections de confidentialité et de risque interne. Toutefois, une exigence n’est pas un contrôle opérationnel. Les observateurs extérieurs ne peuvent pas évaluer ces contrôles sans savoir qui reçoit l’accès, comment cet accès est consigné ou comment les violations font l’objet d’une enquête.

Le public ne dispose pas non plus d’une description claire du seuil. Les responsables définiraient les modèles couverts en partie par leurs capacités cyber de pointe. Cette expression peut évoluer rapidement à mesure que les benchmarks, les outils et les systèmes concurrents progressent.

Un seuil évolutif donne de la flexibilité aux régulateurs. Il rend aussi la planification difficile pour les développeurs. Un laboratoire pourrait ne pas savoir si un modèle interne sera concerné avant une phase tardive de son cycle de publication.

Les grandes entreprises peuvent absorber cette incertitude plus facilement. Elles disposent d’équipes chargées des politiques publiques, d’organisations de sécurité, de relations gouvernementales et d’environnements d’évaluation contrôlés. Les laboratoires plus petits peuvent manquer de ces ressources, même lorsque leurs modèles approchent le même niveau de capacité.

La première divulgation a fourni peu de détails publics sur le moment où les entreprises commenceraient à utiliser le cadre achevé. Elle n’a pas non plus précisé quelles organisations avaient examiné son texte.

Ce déséquilibre transforme l’information en avantage concurrentiel. Les entreprises présentes aux réunions de la Maison-Blanche peuvent adapter leurs plans de publication et leurs systèmes d’évaluation aux attentes du gouvernement. Les développeurs absents de ces réunions doivent déduire les règles à partir d’articles et de conversations privées.

C’est là que l’étiquette de source dans le brief original devient pertinente. Google News peut diffuser des informations sur cette politique, mais l’agrégation ne peut pas rendre transparente une politique non publiée. Les lecteurs voient le conflit tout en restant incapables d’examiner le document sous-jacent.

Il en résulte une boucle de responsabilité singulière. Le gouvernement informe en privé certaines entreprises. Des journalistes obtiennent des récits partiels auprès de responsables et de participants aux réunions. Google News diffuse ces récits, et le public débat d’un cadre qu’il ne peut toujours pas lire.

Le secret peut aussi affaiblir la confiance des chercheurs en sécurité. Les experts indépendants ne peuvent pas comparer l’approche du gouvernement avec les pratiques d’évaluation établies. Ils ne peuvent pas identifier les angles morts, proposer des corrections ou vérifier si le cadre favorise une architecture technique particulière.

Les recherches sur l’évaluation sécurisée soutiennent généralement l’accès protégé aux modèles sensibles. Elles soulignent également l’importance de niveaux d’accès clairs, d’une terminologie commune et d’une gouvernance encadrant les évaluateurs. Une étude sur l’accès sécurisé du Royal United Services Institute recommande des catégories d’accès harmonisées et des garanties pour les tests menés par des tiers.

Ces principes n’exigent pas la publication de capacités dangereuses. Ils exigent de distinguer le secret opérationnel de l’opacité institutionnelle. Washington a expliqué pourquoi certains contenus de test devraient rester classifiés, mais n’a pas pleinement justifié le secret entourant l’ensemble du cadre.

Les modèles fermés font l’objet d’un examen, tandis que les poids ouverts y échappent

Le principal compromis de cette politique est que les modèles les plus faciles à contrôler feraient l’objet d’un examen, tandis que les modèles plus facilement distribuables resteraient en dehors du cadre.

Un modèle fermé fonctionne sur une infrastructure contrôlée par son fournisseur. Les utilisateurs y interagissent généralement via une application ou une interface de programmation. Le fournisseur peut surveiller les accès, modifier les garde-fous, révoquer des comptes et mettre à jour le système.

Un modèle à poids ouverts met ses paramètres entraînés à disposition au téléchargement selon des conditions définies. Ces poids permettent à des tiers d’exécuter et de modifier le modèle sur leur propre infrastructure. Cette appellation ne signifie pas nécessairement que les données d’entraînement ou le code de développement sont publics.

Selon les informations publiées au sujet de la réunion à la Maison-Blanche, le cadre exclut les modèles ouverts de son parcours d’examen avant publication. Il indiquerait également que le cadre ne devrait pas restreindre les modèles ouverts après leur diffusion.

Ce choix soutient un argument majeur de la politique technologique. Les modèles ouverts peuvent aider les chercheurs, les startups, les agences gouvernementales et les défenseurs à développer des systèmes sans dépendre entièrement d’un petit nombre de fournisseurs propriétaires. Ils peuvent également favoriser l’adoption des technologies américaines sur les marchés mondiaux.

Toutefois, la distribution modifie l’équation du risque. Une fois que des poids performants circulent, leur développeur d’origine ne peut pas rappeler de manière fiable chaque copie. Des opérateurs externes peuvent supprimer les garde-fous, connecter de nouveaux outils, affiner le système ou dissimuler son utilisation.

Un fournisseur fermé conserve davantage de leviers après la publication. Il peut imposer des limites de débit, surveiller les activités inhabituelles, suspendre les accès ou déployer de nouvelles défenses. Ces contrôles rendent les systèmes fermés plus faciles à gouverner, même lorsque leurs capacités initiales sont supérieures.

Le cadre de l’IA de la Maison-Blanche risque donc de créer un décalage architectural. Il oriente l’attention fédérale vers des modèles sur lesquels les fournisseurs exercent un contrôle plus fort, tout en exemptant des modèles susceptibles de se diffuser au-delà de la supervision de leurs créateurs.

Cette différence a des raisons pratiques. Donner au gouvernement accès à un modèle fermé avant sa publication est administrativement simple. Appliquer le même cadre aux poids ouverts soulève des questions de droits de publication, d’accès à la recherche et de restrictions après diffusion.

Un examen volontaire peut aussi avoir peu de prise sur les développeurs étrangers. Un laboratoire situé hors des États-Unis peut publier des poids performants sans conclure d’accord fédéral d’accès. Des restrictions uniquement nationales pourraient alors désavantager les développeurs américains de modèles ouverts.

Cette distinction invite néanmoins à des comportements stratégiques. Une entreprise pourrait modifier la conception de la publication, les licences ou l’empaquetage technique afin d’éviter une classification contraignante. Même sans contournement délibéré, des capacités similaires pourraient recevoir un traitement différent en raison de leur modèle de distribution.

Cela ne prouve pas que le cadre est inefficace. Un système de pointe fermé peut toujours créer des risques sérieux et mérite une évaluation rigoureuse. Le problème est que la frontière établie par la politique ne semble pas reposer uniquement sur le risque.

Les partisans peuvent faire valoir que le cadre commence là où la coopération est la plus réalisable. Le gouvernement peut développer ses capacités d’évaluation avec des entreprises déjà en mesure de fournir un accès sécurisé et temporaire. Des politiques ultérieures pourraient traiter les modèles distribués à l’aide d’outils distincts.

Les critiques peuvent répondre que l’exemption crée un angle mort majeur dès le premier jour. Une fois qu’un modèle à poids ouverts est publié, une évaluation préalable devient impossible. Les tests après publication peuvent identifier des problèmes, mais ils ne peuvent pas restaurer la période de préparation perdue.

Ce désaccord oppose la stratégie de modèles ouverts de Meta à l’approche de publication contrôlée associée à des fournisseurs tels que OpenAI et Anthropic. Pourtant, le véritable affrontement dépasse la rivalité entre entreprises. Il oppose l’accès contrôlable à la distribution sans restriction.

Ce conflit déterminera la manière dont les développeurs interprètent chaque nouveau rapport de google news sur la sécurité des modèles. Les scores de capacité ne détermineront pas à eux seuls l’attention réglementaire. L’architecture de publication, les relations avec le gouvernement et le contrôle après déploiement compteront tout autant.

Un examen volontaire peut tout de même exercer une pression réelle

Le cadre n’a pas besoin d’une autorité formelle de délivrance de licences pour influencer les modèles qui arrivent sur le marché et le moment où ils y arrivent.

Le décret précise que la participation est volontaire. Il n’établit pas d’obligation légale universelle d’obtenir une approbation avant la publication. Les développeurs restent responsables de décider s’ils rejoignent le processus.

Dans la pratique, les plus grandes entreprises d’IA évoluent dans un environnement dense de politiques fédérales. Elles vendent des services à des agences, recherchent des contrats gouvernementaux, dépendent de puces avancées et sont soumises à des règles d’exportation. Elles ont également besoin de coopération lors d’incidents graves de cybersécurité.

Ces relations peuvent transformer une demande en attente implicite. Une entreprise qui refuse un accès anticipé pourrait faire face à des questions plus difficiles après qu’un modèle a causé des dommages. Les dirigeants peuvent décider que la participation offre une protection politique, même lorsqu’aucune loi ne l’exige.

La pression inverse existe également. Donner à des évaluateurs fédéraux un modèle non publié peut introduire des risques de sécurité et commerciaux. Une fuite pourrait révéler des capacités techniques, le calendrier de lancement ou des vulnérabilités avant que le développeur n’ait finalisé ses garde-fous.

Selon les récits de la discussion privée sur le cadre, les employés pourraient faire l’objet de restrictions d’accès durant la période d’examen de 30 jours. Ces contrôles peuvent protéger le modèle, mais ils peuvent aussi perturber les tests internes et le travail sur le produit.

La politique modifie donc la planification des publications. Les développeurs ont besoin plus tôt dans le cycle d’environnements sécurisés, de contacts gouvernementaux désignés, d’accords juridiques et de documentation technique. Ils doivent décider à quel moment un modèle est suffisamment proche de sa publication pour faire l’objet d’un examen utile.

Une soumission trop précoce peut gaspiller le temps des évaluateurs, car le modèle peut encore évoluer. Une soumission trop tardive peut empêcher les agences de mener des tests utiles. Une fenêtre maximale fixe n’élimine pas ce problème de coordination.

Le gouvernement fait face à sa propre contrainte de capacité. Les tests des modèles de pointe exigent une expertise rare en cybersécurité, une infrastructure informatique sécurisée et un accès à des environnements réalistes. Les agences doivent évaluer plusieurs développeurs sans exposer les méthodes d’une entreprise à une autre.

Une période de 30 jours impose également des priorités. Les évaluateurs ne peuvent pas tester de façon exhaustive toutes les voies possibles de mauvais usage. Ils doivent sélectionner des scénarios, interpréter des résultats incertains et communiquer les conclusions urgentes avant l’expiration du délai de publication.

Le comportement lors des benchmarks ajoute une autre limite. Un modèle peut obtenir un score élevé dans un test contrôlé tout en échouant lors d’une opération réelle complexe. Il peut aussi obtenir de mauvais résultats sur un benchmark tout en devenant plus performant grâce à des outils, à un échafaudage technique ou à l’accompagnement humain.

L’examen doit donc être compris comme un système d’alerte, et non comme un certificat de sécurité. Le réussir ne permet pas d’établir qu’un modèle est sûr. Échouer à un test sensible ne révèle pas automatiquement comment le système se comportera après son déploiement.

Cette distinction est importante pour les acheteurs d’entreprise. Une entreprise peut à tort considérer la participation du gouvernement comme une approbation de la sécurité générale d’un modèle. Le cadre concerne plutôt un ensemble plus restreint de capacités cybernétiques avancées et de préparation fédérale.

Elle importe également pour les développeurs et les travailleurs du savoir qui suivent google news. Un lancement retardé peut refléter des tests gouvernementaux, de l’ingénierie interne, une stratégie produit ou un problème de sécurité sans lien. Le caractère non publié du cadre rend ces possibilités difficiles à distinguer.

Sans rapports publics, le gouvernement ne peut pas facilement démontrer sa réussite. Des responsables pourraient prévenir en privé un incident grave, mais les observateurs extérieurs ne sauraient pas ce qui a changé. Le même secret qui protège des tests utiles peut empêcher toute responsabilité en cas d’exécution insuffisante.

Un système crédible a besoin de canaux de divulgation sûrs. Les responsables peuvent publier le nombre de modèles examinés, de grandes catégories de résultats et les mesures correctives sans exposer de benchmarks classifiés. Des rapports agrégés aideraient le Congrès et le public à évaluer l’efficacité du processus.

Trois signaux indiqueront si le cadre fonctionne

Le prochain test n’est pas une nouvelle annonce politique. Il s’agit de savoir si le cadre produit des examens cohérents, des limites défendables et des mesures défensives mesurables.

Le premier signal sera le traitement de la prochaine grande publication d’un modèle fermé. Il faudra observer si un fournisseur de premier plan reconnaît une évaluation gouvernementale, modifie son calendrier ou décrit des travaux correctifs. Même une divulgation limitée montrerait que le processus fonctionne réellement plutôt que d’exister uniquement sur le papier.

Un examen achevé sans retard inexpliqué soutiendrait le compromis de l’administration. Il suggérerait que les tests fédéraux peuvent s’inscrire dans les cycles commerciaux de publication. Des retards opaques répétés renforceraient les inquiétudes concernant un système informel de délivrance de licences.

Le deuxième signal sera la réponse du gouvernement à un modèle à poids ouverts très performant. L’exemption rapportée évite un examen direct avant publication, mais elle ne supprime pas le problème de sécurité. Les responsables ont toujours besoin d’un plan pour des tests rapides, des alertes défensives et une coordination après publication.

Si Washington crée un processus de réponse distinct et transparent pour les poids ouverts, la limite actuelle paraîtra plus délibérée. S’il ignore des capacités comparables en raison du format de distribution, la logique de risque du cadre s’affaiblira.

Ce signal inclut également les modèles étrangers. Un système performant peut atteindre les utilisateurs et les infrastructures américains sans la coopération de son développeur d’origine. L’administration doit montrer comment son processus volontaire national s’inscrit dans cette réalité mondiale.

Le troisième signal est la responsabilité publique. La Maison-Blanche peut publier des détails de gouvernance, des statistiques agrégées sur les examens ou des résumés non classifiés tout en protégeant les benchmarks sensibles. Le Congrès peut également demander des rapports sur la participation, les résultats et les contrôles de sécurité.

Une divulgation significative réduirait l’avantage informationnel détenu par les entreprises invitées à des réunions privées. Elle aiderait les petits développeurs à se préparer et permettrait à des experts indépendants d’évaluer la conception du système.

Un silence persistant renforcerait la critique centrale. Un cadre de sécurité peut protéger des tests classifiés sans dissimuler chaque règle régissant l’accès, la couverture et la supervision. Traiter ces deux catégories comme étant également secrètes rend les erreurs plus difficiles à détecter.

Pour les acheteurs d’entreprise, la réponse immédiate devrait être une documentation rigoureuse plutôt que la panique. Les équipes devraient demander aux fournisseurs comment les modèles sont évalués, quels contrôles de déploiement restent disponibles et si l’examen gouvernemental couvre l’usage prévu.

Les organisations ont également besoin de leur propre piste d’audit. Les manchettes réglementaires, les déclarations des fournisseurs, les évaluations de sécurité et les décisions internes peuvent se retrouver dispersées entre navigateurs et outils de messagerie. Une base de connaissances personnelle consultable peut préserver ce contexte pour un examen ultérieur.

Les développeurs devraient surveiller la frontière entre la capacité du modèle et le format de publication. Si des systèmes similaires font l’objet d’un niveau de contrôle différent, les choix d’architecture auront des conséquences politiques. Cet effet peut influencer les publications à poids ouverts, les services hébergés et les partenariats avec des fournisseurs cloud.

Les équipes de sécurité devraient éviter de considérer le processus fédéral comme un substitut aux contrôles de déploiement. La gestion des accès, la surveillance, les autorisations des outils, la réponse aux incidents et la supervision humaine restent nécessaires une fois qu’un modèle est accessible aux utilisateurs.

Le cadre secret sur l’IA est désormais plus qu’une simple proposition, mais il reste en deçà d’une institution publiquement responsable. Son canal d’examen de 30 jours peut offrir aux défenseurs un précieux délai de préparation. Son caractère secret et son exemption pour les modèles ouverts peuvent également créer des angles morts.

Les prochaines versions préciseront quelle interprétation mérite le plus de crédit. Surveillez la publication d’examens, une réponse crédible concernant les poids ouverts et des rapports publics sur la gouvernance. Si ces signaux n’apparaissent pas, les lecteurs de google news continueront de voir les résultats des politiques sans disposer des règles nécessaires pour les évaluer.