L’AI Act de l’UE est désormais applicable, et la transparence de l’IA n’est plus facultative

L’Union européenne a activé des règles majeures de l’AI Act le 2 août 2026, faisant de la transparence de l’IA une obligation légale plutôt qu’un choix de produit. Ce changement concerne les chatbots, les systèmes de médias génératifs, les outils de reconnaissance des émotions et les organisations publiant certains contenus générés par l’IA.

Les utilisateurs doivent désormais être clairement informés lorsqu’ils interagissent directement avec un système d’IA, sauf si ce fait est déjà évident. Les fournisseurs de systèmes génératifs doivent également permettre une détection fiable des contenus synthétiques ou manipulés au moyen de marquages lisibles par machine.

Le conflit central n’oppose plus réglementation et innovation. Il oppose la divulgation visible à l’automatisation invisible.

Les entreprises ont passé des années à rendre les interactions avec l’IA naturelles et les contenus générés indiscernables d’un travail humain. L’article 50 de l’AI Act de l’UE exige désormais qu’elles préservent la preuve de l’intervention d’une machine.

Cette obligation met sous pression toute la chaîne d’approvisionnement de l’IA. Les fournisseurs de modèles doivent ajouter des signaux techniques, les développeurs d’applications doivent afficher des informations, et les utilisateurs professionnels doivent étiqueter certains contenus publiés.

Une brève de 36Kr diffusée via RSSHub a mis en avant la date d’application du 2 août pour les lecteurs chinois. Les règles sous-jacentes émanent directement de l’Union européenne et s’appliquent dans tous ses États membres.

Ce qui a changé le 2 août

L’UE est passée de la préparation de règles de transparence à l’attente d’une conformité opérationnelle.

L’AI Act est entré en vigueur le 1er août 2024, mais ses obligations n’ont pas commencé à s’appliquer simultanément. La législation prévoit un calendrier d’application progressif, laissant aux institutions et aux entreprises le temps de mettre en place des systèmes d’exécution et de conformité.

Les règles couvrant les pratiques d’IA interdites ont commencé à s’appliquer en février 2025. Les dispositions de gouvernance et les obligations relatives aux modèles d’IA à usage général ont suivi en août 2025.

La plupart des autres dispositions sont devenues applicables le 2 août 2026. Cet ensemble comprend l’article 50, qui établit des obligations supplémentaires de transparence pour certains systèmes d’IA et contenus générés.

Le calendrier exact découle du calendrier d’application du règlement. Certaines exigences concernant les systèmes à haut risque suivent encore un calendrier ultérieur ; le 2 août ne constitue donc pas une échéance universelle.

L’article 50 répartit les responsabilités entre fournisseurs et déployeurs. Un fournisseur développe un système d’IA ou le met sur le marché européen sous son nom. Un déployeur utilise ce système sous son autorité, généralement à des fins professionnelles.

Les fournisseurs de systèmes qui interagissent directement avec des personnes doivent les concevoir de manière à révéler leur identité d’IA. Cette obligation ne s’applique pas lorsqu’une personne raisonnablement informée considérerait le caractère artificiel comme évident.

Cette exception est importante, car elle évite que les labels deviennent obligatoires dans tous les environnements manifestement automatisés. Toutefois, les entreprises ne peuvent pas supposer sans risque que les utilisateurs reconnaîtront toujours une interface conversationnelle comme artificielle.

L’article traite également les médias synthétiques au niveau du système. Les fournisseurs dont les systèmes génèrent de l’audio, des images, des vidéos ou du texte doivent rendre ces contenus détectables dans un format lisible par machine.

Un marquage lisible par machine désigne des métadonnées ou un autre signal technique que les logiciels peuvent examiner. Il se distingue d’un badge visible destiné uniquement à un observateur humain.

Les marquages doivent être efficaces, interopérables, fiables et techniquement réalisables. Les fournisseurs doivent prendre en compte le type de contenu, les coûts de mise en œuvre et les normes techniques généralement reconnues.

Les déployeurs ont des obligations distinctes d’information. Ils doivent avertir les personnes exposées à des systèmes de reconnaissance des émotions ou de catégorisation biométrique, sous réserve des conditions et exceptions spécifiques prévues par la loi.

Ils doivent également divulguer les deepfakes, c’est-à-dire des médias manipulés ou synthétiques pouvant paraître faussement authentiques. L’information doit indiquer que le contenu a été généré ou modifié artificiellement.

Une règle supplémentaire couvre les textes générés par l’IA et publiés afin d’informer le public sur des questions d’intérêt public. Une information est généralement requise lorsque ces textes ne font l’objet ni d’un examen humain ni d’un contrôle éditorial.

L’exception éditoriale évite que la loi ne traite toute publication de média ou d’entreprise assistée par IA comme un média synthétique non étiqueté. Une personne ou une organisation doit toutefois conserver la responsabilité éditoriale du contenu publié.

Ces exigences créent la tension déterminante de l’article. Les systèmes doivent conserver une identité d’IA visible ou détectable, même lorsque leur attrait commercial dépend de la réduction de cette distinction.

Les règles mettent sous pression bien plus que les développeurs de modèles

La conformité dépend désormais d’une coordination entre créateurs de modèles, équipes produit, éditeurs, plateformes et utilisateurs professionnels.

La pression immédiate vise toute entreprise proposant un produit d’IA interactif sur le marché européen. Cela inclut les fournisseurs de chatbots, les plateformes de service client, les compagnons IA et les applications intégrant des assistants conversationnels.

Un fournisseur de modèles peut fournir des signaux lisibles par machine, mais une application en aval contrôle ce que les utilisateurs voient réellement. Si cette application supprime les informations ou retire les métadonnées, la transparence peut échouer avant que le contenu n’atteigne le public.

Les équipes produit doivent donc associer chaque obligation à une interface et à un flux de données précis. Une déclaration juridique enfouie dans les conditions d’utilisation ne satisfera pas nécessairement une obligation d’information au niveau de l’interaction.

Une information sur un chatbot devrait apparaître avant ou pendant l’interaction, lorsqu’elle peut influencer la compréhension de l’utilisateur. Le système ne devrait pas attendre qu’une personne recherche une obscure page de politique.

Le même enjeu s’applique aux agents vocaux. Un agent à la voix naturelle qui gère des réservations ou des appels d’assistance peut nécessiter une information audible dès le début de l’échange.

Cette exigence affecte un objectif produit courant. Les développeurs optimisent souvent les systèmes vocaux pour réduire les frictions et les faire paraître plus humains, tandis que la loi exige une clarté sur leur identité artificielle.

Les fournisseurs de médias génératifs font face à un problème d’ingénierie différent. Leurs systèmes doivent associer des informations lisibles par machine qui résistent à une distribution normale et restent utiles aux outils de détection.

Un identifiant qui disparaît après compression, recadrage ou traitement par une plateforme offre peu de valeur pratique. Pourtant, un signal conçu pour survivre à chaque transformation peut affecter le coût, la qualité ou la compatibilité.

Les lignes directrices sur la transparence de la Commission européenne précisent quels fournisseurs et déployeurs relèvent de l’article 50. Elles abordent également la forme, le calendrier et l’accessibilité des informations.

Les déployeurs professionnels sont confrontés à leurs propres décisions de qualification. Une agence marketing qui publie un porte-parole synthétique a des obligations différentes de celles d’une personne créant une œuvre privée.

Une entreprise utilisant la reconnaissance des émotions lors d’entretiens ou de recherches clients doit également évaluer si les personnes reçoivent l’information requise. D’autres règles européennes relatives à la protection des données peuvent toujours s’appliquer parallèlement à l’AI Act.

Les organisations de médias doivent distinguer l’assistance par IA de la publication non révisée par l’IA. Éditer un brouillon généré par machine sous une supervision humaine responsable n’est pas la même chose que publier automatiquement son résultat.

Cette distinction devrait inciter les organisations à documenter leur processus de révision. Un bouton d’approbation purement symbolique aura moins de poids si personne ne vérifie réellement l’exactitude, le contexte ou la présentation.

Les entreprises situées hors d’Europe ne peuvent pas écarter ces exigences comme une question régionale. Un fournisseur étranger qui met un système d’IA sur le marché de l’UE peut toujours relever du champ d’application du règlement.

La réponse pratique ne consiste donc pas en une seule bannière de conformité. Les entreprises ont besoin d’un inventaire couvrant les systèmes, les modèles, les contenus générés, les informations, les équipes responsables et les méthodes de marquage technique.

Elles ont également besoin de dossiers démontrant pourquoi une exception s’applique. Considérer une interaction comme « manifestement IA » sans analyse étayée laisse une position difficile lors d’un examen réglementaire.

La pression est à la fois immédiate et durable. Le travail immédiat concerne les informations, les labels, les métadonnées et la documentation. Le travail à long terme concerne une architecture produit capable de préserver ces contrôles à travers les modèles et les canaux de distribution.

L’AI Act de l’UE fait de l’identité de l’IA une partie du produit

La transparence devient une exigence fonctionnelle du produit, et non une déclaration ajoutée après le développement.

L’ancien modèle de produit traitait l’information comme un élément périphérique. Une équipe juridique rédigeait une politique, tandis que les designers et les ingénieurs optimisaient indépendamment l’expérience visible.

L’article 50 affaiblit cette séparation. Le calendrier, le format, l’accessibilité et la persistance de l’information dépendent de la conception de l’interface et de l’architecture technique.

Prenons l’exemple d’un chatbot de vente au détail qui peut répondre à des questions, recommander des produits et transférer une conversation à un employé. L’interface doit rendre compréhensible la transition entre la participation de l’IA et celle d’un humain.

Un nom d’assistant vague est insuffisant lorsqu’il encourage un utilisateur à déduire qu’une personne répond. Le produit a besoin d’un signal clair à l’étape pertinente de l’interaction.

Le même défi devient plus difficile dans les systèmes multimodaux. Un assistant peut commencer par texte, poursuivre par la voix et générer une image au cours d’une même session.

Chaque modalité change la manière dont l’information doit apparaître. Un label visuel n’aide pas une personne qui ne reçoit que de l’audio, tandis qu’une information vocale d’ouverture peut ne pas atteindre un participant arrivé ultérieurement.

Le contenu synthétique introduit une autre séparation entre la transparence destinée aux humains et celle destinée aux machines. Un label visible informe l’audience actuelle, tandis qu’un marquage lisible par machine facilite la détection et la traçabilité ultérieures.

Aucun de ces mécanismes ne remplace pleinement l’autre. Les métadonnées peuvent disparaître, et les labels visibles peuvent être recadrés ou délibérément dissimulés.

La Commission a publié un code de transparence volontaire le 10 juin 2026. Il propose des mesures pratiques pour le marquage et l’étiquetage des contenus générés.

Le code ne remplace pas l’article 50. Le signer offre une voie structurée pour démontrer la conformité, tandis que les non-signataires restent responsables du respect de la loi par d’autres mesures adéquates.

La Commission et le Comité européen de l’intelligence artificielle ont jugé le code approprié pour soutenir la mise en œuvre. Toutefois, son adhésion ne prouve pas de manière concluante que chaque système ou contenu est conforme.

Cette organisation crée un compromis en matière de conformité. Les signataires bénéficient d’un cadre plus prévisible, mais s’engagent aussi à appliquer des mesures opérationnelles que les régulateurs peuvent surveiller.

Les non-signataires conservent leur flexibilité. Ils doivent être prêts à expliquer comment leurs méthodes alternatives produisent des résultats juridiques comparables.

Le résultat ressemble à une base technique commune sans rendre une mise en œuvre unique universellement obligatoire. Cette flexibilité est importante, car le texte, l’audio, les images et la vidéo présentent des problèmes de marquage différents.

Elle laisse également aux normes reconnues le temps de mûrir. L’AI Act fait référence à des techniques et normes généralement reconnues plutôt que d’enfermer les fournisseurs dans un filigrane permanent unique.

Pour les développeurs, l’exigence centrale est la traçabilité tout au long du cycle de vie du produit. Les équipes doivent savoir d’où provient une information, comment un contenu reçoit un marquage et quelles transformations peuvent le supprimer.

Ils devraient également tester ce qui se passe après l’exportation. Un marqueur qui fonctionne dans un outil de génération peut échouer une fois le fichier importé dans un logiciel d’édition ou sur une plateforme sociale.

Pour les acheteurs d’entreprise, la transparence devient une question d’approvisionnement. Ils ont besoin de preuves qu’un fournisseur affiche les notifications requises et prend en charge le marquage des contenus sans dépendre entièrement du comportement manuel des employés.

Les contrats devraient répartir les responsabilités tout au long de la chaîne d’approvisionnement. Dans le cas contraire, un fournisseur peut supposer que le déployeur étiquettera le contenu, tandis que le déployeur suppose que le système gère automatiquement la divulgation.

C’est dans cet écart que les défaillances de conformité deviennent probables. La loi distingue les différents acteurs précisément parce que générer, distribuer et publier du contenu ne constituent pas la même activité.

Les étiquettes aident, mais ne résolvent pas la question de la provenance

Le régime de transparence réduit l’ambiguïté, mais aucune étiquette ni aucun filigrane ne peut garantir que le contenu synthétique restera identifiable partout.

Le marquage lisible par machine semble simple jusqu’à ce que le contenu quitte le système d’origine. Les fichiers sont copiés, recompressés, capturés à l’écran, traduits, modifiés et republiés sur des services incompatibles.

Certaines transformations suppriment involontairement les métadonnées. D’autres peuvent endommager un signal intégré, même si personne ne cherche à le neutraliser.

Des acteurs malveillants peuvent également retirer les étiquettes visibles ou régénérer le contenu à l’aide d’un autre outil. Une obligation légale augmente le coût de la dissimulation, mais ne la rend pas techniquement impossible.

Cette limite ne rend pas le marquage inutile. Des signaux persistants peuvent aider les plateformes, les enquêteurs et les logiciels ordinaires à identifier à grande échelle les contenus conformes.

Ils peuvent également soutenir la provenance, c’est-à-dire les informations sur l’origine d’un contenu et ses modifications. La provenance va au-delà de la simple affirmation qu’un contenu comporte des éléments générés par l’IA.

Un système fiable a besoin de normes que différentes entreprises peuvent interpréter. Les marqueurs propriétaires ont une valeur limitée lorsqu’un seul détecteur de fournisseur peut les lire.

Les erreurs de détection introduisent un autre risque. Un faux positif peut classer à tort un contenu authentique comme synthétique, tandis qu’un faux négatif peut conférer une crédibilité imméritée à un contenu manipulé.

Les régulateurs devront donc évaluer l’ensemble des processus de conformité, et non le score d’un seul détecteur. Le libellé de la loi reconnaît ce problème en reliant les obligations à la faisabilité technique et aux normes disponibles.

Les étiquettes visibles pour les deepfakes posent un défi humain distinct. Les personnes peuvent ignorer une étiquette, la mal comprendre ou considérer tout actif modifié comme également trompeur.

Un effet de cinéma, un clip satirique et un enregistrement politique frauduleux peuvent tous impliquer des médias synthétiques. Le contexte détermine le risque, même lorsque les techniques de production se recoupent.

La loi tient compte des œuvres créatives en autorisant une divulgation qui n’entrave ni le plaisir ni l’affichage. Elle prévoit également des exceptions liées aux usages autorisés par les forces de l’ordre.

Les textes d’intérêt public constituent une frontière particulièrement importante. La rédaction assistée par IA peut soutenir la recherche et l’édition sans transférer la responsabilité éditoriale à une machine.

L’obligation de divulgation vise les textes générés ou manipulés par l’IA et publiés à des fins d’information d’intérêt public sans contrôle humain ni contrôle éditorial. Cette formulation rend la gouvernance aussi importante que la paternité du contenu.

Une publication ne peut pas établir l’existence d’un examen significatif en attribuant un nom humain après une diffusion automatique. L’organisation a besoin d’un processus responsable capable de détecter les erreurs avant la publication.

Cette distinction concerne également les travailleurs du savoir. Les résumés, notes internes et brouillons privés ne deviennent pas automatiquement des publications d’intérêt public simplement parce que l’IA a contribué à leur création.

Le risque change lorsqu’une organisation diffuse une production non vérifiée comme une information faisant autorité. Les organismes publics, médias, communicants financiers et organisations de santé devraient examiner attentivement cette limite.

Une autre incertitude concerne la cohérence de l’application. Les autorités nationales de surveillance du marché assureront une grande partie de la supervision des systèmes d’IA, tandis que l’AI Office exerce un rôle direct plus restreint.

Le cadre d’application de la Commission décrit la coopération entre l’AI Office et les autorités nationales. Le Contrôleur européen de la protection des données couvre les systèmes concernés utilisés par les institutions de l’UE.

Un système fragmenté peut produire des priorités initiales différentes selon les États membres. Les autorités devront se coordonner pour éviter qu’un même format de divulgation reçoive un traitement contradictoire au-delà des frontières.

Les entreprises ne devraient pas exagérer ce que signifie la conformité. Une production étiquetée peut toujours être fausse, diffamatoire, biaisée ou produite illégalement.

De même, une production non étiquetée n’est pas automatiquement malveillante. Elle peut refléter une défaillance technique, une classification contestée ou une exception nécessitant une analyse plus approfondie.

La transparence fournit des informations sur l’implication d’une machine. Elle ne certifie ni l’exactitude, ni la sécurité, ni la légalité, ni la qualité éditoriale.

L’application a désormais de véritables conséquences financières

Le changement important n’est pas l’existence de lignes directrices, mais l’arrivée d’autorités capables d’exiger des preuves et d’imposer des sanctions.

Les autorités nationales de surveillance du marché appliquent la plupart des obligations de l’article 50 relatives aux systèmes d’IA. L’AI Office supervise les modèles d’IA à usage général et certains systèmes relevant de sa compétence définie.

Le Contrôleur européen de la protection des données applique les règles concernées lorsque les institutions, organes ou agences de l’UE agissent en tant que fournisseurs ou déployeurs.

Cette répartition corrige une simplification courante de l’annonce du 2 août. L’AI Office occupe une place centrale, mais il ne contrôle pas de manière indépendante chaque chatbot ou vidéo synthétique en Europe.

Les informations rapides de la Commission mentionnent des amendes potentielles pouvant atteindre 15 millions d’euros pour certaines violations. Une entreprise peut également se voir infliger une amende pouvant aller jusqu’à 3 % de son chiffre d’affaires annuel mondial.

Le calcul des sanctions reste soumis aux conditions et aux exigences de proportionnalité du règlement. Les petites entreprises ne bénéficient pas automatiquement du même traitement que les plus grands fournisseurs mondiaux.

Les autorités disposent également d’outils autres qu’une amende définitive. Elles peuvent demander des informations, inspecter la documentation, enquêter sur les systèmes et exiger des mesures correctives.

Cela place les preuves au cœur de la conformité. Une entreprise a besoin de davantage qu’une capture d’écran montrant qu’une divulgation est apparue une fois lors d’un test contrôlé.

Les régulateurs peuvent demander quelle version d’un système a produit une sortie, quels utilisateurs ont reçu une notification et si la distribution a supprimé un signal lisible par machine.

Les journaux de produits peuvent aider à répondre à ces questions, mais leur collecte soulève des considérations de confidentialité et de sécurité. Les entreprises devraient éviter de collecter des données personnelles inutiles uniquement pour prouver leur transparence.

Un système défendable relie des enregistrements limités à un contrôle de version, une classification des risques et des tests documentés. Il devrait montrer qui a approuvé la divulgation et comment l’entreprise surveille les défaillances.

Les signataires du code volontaire bénéficient d’un chemin de conformité plus clair. L’application peut se concentrer sur le respect des engagements qu’ils ont adoptés.

Les non-signataires ne sont pas présumés enfreindre la loi. Toutefois, la Commission avertit qu’ils pourraient recevoir des demandes d’informations plus détaillées concernant les mesures qu’ils ont choisies.

Les orientations de signature de la Commission indiquent que ces organisations devraient être prêtes à documenter la manière dont leurs méthodes satisfont à l’article 50. Une analyse des écarts par rapport au code peut étayer cette explication.

Les règles de transition exigent également une lecture attentive. Tous les systèmes ne bénéficient pas d’un large report simplement parce qu’ils existaient avant le 2 août.

Une période de grâce limitée s’applique à l’obligation de marquage et de détection pour les systèmes d’IA générative admissibles déjà mis sur le marché. Ces systèmes ont jusqu’au 2 décembre 2026, dans le cadre modifié décrit par la Commission.

Cette période de grâce ne suspend pas toutes les obligations de l’article 50. Elle vise l’obligation de marquage technique pour certains systèmes existants.

Les contenus générés et déjà publiés avant le 2 août ne nécessitent pas d’étiquetage rétroactif. La Commission encourage néanmoins la divulgation volontaire lorsque cela est possible.

Les entreprises devraient donc distinguer trois questions. Elles doivent identifier la date à laquelle le système est entré sur le marché, la date à laquelle le contenu a été produit et le paragraphe précis qui crée l’obligation.

Considérer que l’ensemble de l’AI Act est reporté jusqu’en décembre créerait un risque inutile. Il en irait de même en supposant que tout modèle ancien est automatiquement admissible à la transition.

Les premières mesures d’application révéleront probablement quelles preuves les autorités considèrent comme convaincantes. Les décisions publiées, demandes d’informations et injonctions correctives compteront autant que le plafond officiel des sanctions.

Les programmes de conformité les plus solides suivront ces décisions dans plusieurs États membres. Une seule interprétation nationale peut ne pas prédire la position finale à l’échelle de l’UE.

Trois signaux montreront si la transparence fonctionne

La prochaine phase testera la capacité de la divulgation légale à survivre aux produits réels, aux canaux de distribution réels et à une application inégale.

Le premier signal concerne l’état des contenus d’IA exportés. Les fournisseurs devraient démontrer que les marques lisibles par machine restent détectables après des modifications ordinaires, une compression et un traitement par les plateformes.

Ce test révélera si le marquage constitue un contrôle technique durable ou seulement des métadonnées attachées lors de la création. Un signal qui disparaît régulièrement affaiblira l’effet pratique du règlement.

Des tests indépendants d’interopérabilité seront importants ici. Le marqueur d’un fournisseur ne devrait pas exiger une confiance totale dans les affirmations privées de détection de ce fournisseur.

Le deuxième signal sera la manière dont les autorités nationales coordonnent leurs premiers dossiers relevant de l’article 50. Leurs enquêtes définiront ce qui constitue une divulgation visible, opportune, accessible et techniquement adéquate.

Des décisions cohérentes renforceraient l’approche du marché unique de l’UE. Des exigences contradictoires augmenteraient les coûts de conformité et encourageraient les entreprises à adopter partout l’interprétation nationale la plus stricte.

L’AI Board et l’AI Office peuvent réduire cette fragmentation par des orientations et une coopération. Les tribunaux pourraient à terme trancher les interprétations contestées, mais la pratique administrative façonnera d’abord les produits.

Le troisième signal est de savoir si les plateformes préservent les données de provenance. Les réseaux sociaux, services de messagerie, systèmes de gestion de contenu et applications d’édition se situent entre les générateurs et les publics.

Un fournisseur de modèles peut joindre un marqueur conforme, mais le public y gagne peu si chaque grand service de distribution le supprime. Le comportement des plateformes déterminera si le système fonctionne au-delà des tests en laboratoire.

Ces signaux comptent également en dehors de l’Europe. Les équipes produit mondiales maintiennent rarement des architectures entièrement distinctes pour chaque juridiction.

Une divulgation conçue pour les utilisateurs de l’UE peut devenir une norme d’interface mondiale. Le marquage lisible par machine peut lui aussi se répandre lorsqu’il coûte moins cher de maintenir une chaîne d’exportation unique que de subir une fragmentation régionale.

Cet effet plus large n’est pas garanti. Certaines entreprises utiliseront la géolocalisation, les paramètres de compte ou des versions régionales de produits pour limiter les changements.

Les développeurs devraient observer les mises en production réelles plutôt que les promesses politiques. Les preuves significatives apparaîtront dans les interfaces, fichiers exportés, documents techniques et conclusions des régulateurs.

Les acheteurs d’entreprise devraient demander des démonstrations fondées sur des flux de travail réalistes. Ils devraient vérifier si les étiquettes survivent à leur chaîne de publication et si les notifications des chatbots restent visibles après personnalisation.

Les éditeurs devraient documenter l’examen humain lorsqu’ils s’appuient sur l’exception de contrôle éditorial. Le dossier devrait identifier les responsabilités sans transformer l’édition ordinaire en bureaucratie excessive.

Les utilisateurs de produits d’IA devraient eux aussi ajuster leurs attentes. Une étiquette indique que l’IA a participé, mais elle ne dit pas si le résultat est exact.

L’AI Act de l’UE impose désormais l’identité de l’IA au cœur de l’expérience produit. Son succès dépendra de la capacité de cette identité à rester visible une fois le contenu sorti du système qui l’a créé.

Surveillez la prochaine génération d’interfaces de chatbots, les tests de provenance et les décisions d’application. Ces évolutions montreront si la transparence devient une infrastructure durable ou un nouvel avertissement que les gens apprendront à ignorer.