La réglementation britannique des modèles d’IA ne peut pas empêcher les lancements risqués, avertit une commission parlementaire

Le Royaume-Uni ne peut actuellement pas empêcher le lancement d’un modèle d’intelligence artificielle risqué, malgré l’existence de plus d’une douzaine d’autorités de régulation et d’un institut spécialisé dans la sécurité.

Ce constat place la réglementation britannique des modèles d’IA sous une pression plus forte qu’un nouveau débat abstrait sur l’innovation responsable. Le Comité mixte des droits humains du Parlement affirme que le pays ne dispose d’aucun régulateur capable d’exiger l’accès à des modèles avancés ou d’en bloquer le déploiement.

Le comité a publié son rapport le 14 septembre après avoir reçu plus de 70 contributions écrites et organisé dix séances de témoignages oraux. Sa conclusion remet en cause la stratégie gouvernementale fondée sur des secteurs, qui applique les lois existantes principalement après qu’un système d’IA est mis en service.

Le conflit immédiat oppose la coopération volontaire à une supervision contraignante. L’AI Security Institute peut évaluer des modèles lorsque leurs développeurs lui en donnent l’accès, mais les entreprises n’ont aucune obligation légale de les soumettre.

Le comité souhaite inverser cette relation. Son projet de loi sur l’IA imposerait aux développeurs de soumettre les modèles puissants à des tests, instaurerait une autorisation préalable pour les systèmes à haut risque et habiliterait un régulateur indépendant.

Cette recommandation intervient alors que les modèles de fondation soutiennent de plus en plus de produits dans l’emploi, la finance, l’éducation, la police, la santé et les services publics. Une faiblesse introduite en amont peut donc se propager à de nombreuses organisations avant même qu’une personne concernée ne sache que l’IA était impliquée.

La lacune de la réglementation britannique des modèles d’IA est désormais explicite

La conclusion centrale du comité est limitée mais lourde de conséquences : la Grande-Bretagne possède l’expertise nécessaire pour tester des modèles avancés, mais aucune autorité capable d’imposer ces tests ou d’empêcher un lancement.

L’AI Security Institute, connu sous le nom d’AISI, a commencé ses activités en novembre 2023. Il étudie les capacités et les garanties des modèles de frontière, c’est-à-dire des systèmes généralistes très performants à la pointe du développement.

AISI travaille avec des développeurs qui lui accordent volontairement un accès avant le déploiement. Selon le rapport sur la réglementation de l’IA du comité, il ne peut pas exiger cet accès avant ou après le lancement d’un modèle.

Il ne peut pas non plus imposer des conditions de lancement, émettre des injonctions contraignantes de correction ni empêcher un déploiement. Ses conclusions peuvent éclairer le gouvernement, mais elles ne valent pas décisions d’autorisation réglementaire.

Cette distinction est importante, car l’accès technique détermine ce qu’un évaluateur peut réellement examiner. Les interfaces publiques de conversation ne révèlent qu’une partie limitée du comportement d’un modèle, de ses garanties, de ses instructions système et de ses contrôles de déploiement.

Une évaluation substantielle exige souvent des tests contrôlés, une documentation technique et du temps avant la mise sur le marché. Un régulateur a aussi besoin d’une procédure pour traiter les conclusions graves et vérifier que les correctifs promis fonctionnent.

Sans accès obligatoire, les développeurs décident quels modèles AISI peut voir, quand les tests commencent et quels documents complémentaires sont disponibles. Les calendriers commerciaux peuvent avancer plus vite que les dispositifs d’évaluation volontaire.

L’affirmation du comité ne signifie pas que l’IA échappe à toute législation britannique. Les règles relatives à la protection des données, à l’égalité, à la protection des consommateurs, à la sécurité des produits, aux services financiers et à la sécurité en ligne peuvent déjà s’appliquer dans certaines circonstances.

Le problème concerne le calendrier, la couverture et la responsabilité. La plupart des pouvoirs existants s’appliquent à l’utilisation d’un modèle dans une activité réglementée, plutôt qu’au modèle de fondation avant qu’il n’atteigne de nombreux utilisateurs en aval.

La bibliothèque de la Chambre des communes décrit l’approche britannique comme une réglementation contextuelle au moyen des cadres juridiques existants. Des régulateurs tels que l’Information Commissioner’s Office et Ofcom supervisent des obligations juridiques précises dans le cadre de leurs compétences établies.

Cette structure peut fonctionner lorsqu’un risque relève clairement d’un secteur réglementé. Elle rencontre des difficultés lorsqu’un modèle généraliste soutient simultanément des décisions et des services dans plusieurs secteurs.

Un système de présélection à l’embauche, un chatbot de service client, un assistant médical et un outil de prestations sociales peuvent partager un même modèle sous-jacent. Pourtant, leurs déployeurs peuvent relever de régulateurs, d’obligations, de normes de preuve et de mécanismes d’application différents.

Le comité estime que cette fragmentation laisse sans responsable institutionnel le risque au niveau du modèle qui relie ces applications. Elle permet également aux développeurs de transférer une responsabilité considérable vers des clients disposant de moins de ressources techniques.

Son rapport considère donc l’absence d’autorité avant lancement comme une lacune structurelle. La préoccupation n’est pas seulement que les régulateurs aient besoin de davantage d’orientations ou d’une nouvelle norme volontaire.

La préoccupation est qu’aucun organisme existant ne peut exiger d’un développeur qu’il ouvre un modèle puissant à l’évaluation. Aucun organisme ne peut ensuite transformer un résultat de test dangereux en décision contraignante empêchant le lancement.

Un système en aval ne peut pas contrôler de manière fiable un risque en amont

La Grande-Bretagne réglemente de nombreux préjudices liés à l’IA là où les systèmes sont déployés, tandis que le comité souhaite rapprocher la responsabilité des entreprises qui conçoivent les modèles sous-jacents.

Les modèles de fondation peuvent accomplir de nombreuses tâches et servir de composants au sein d’autres produits. Les modèles GPT d’OpenAI, Claude d’Anthropic, Gemini de Google et Llama de Meta illustrent cette couche généraliste.

Les organisations peuvent connecter ces modèles à leurs propres données, interfaces et flux de travail. Elles peuvent affiner un modèle, ajouter des systèmes de récupération d’information, rédiger des instructions comportementales ou l’autoriser à utiliser des outils externes.

Cette structure crée une chaîne d’approvisionnement de l’IA. Développeurs de modèles, fournisseurs de cloud, créateurs d’applications, fournisseurs de données, intégrateurs, employeurs, autorités publiques et utilisateurs finaux peuvent tous influencer le résultat final.

Cette chaîne complique la responsabilité, car chaque participant contrôle des informations différentes. Un client qui déploie un modèle peut voir ses résultats sans comprendre son processus d’entraînement, ses limites cachées ou ses tests de sécurité internes.

Le développeur en sait davantage sur le modèle de fondation. Cependant, il ne contrôle pas nécessairement chaque application ultérieure, prompt, jeu de données ou décision qu’un client construit autour de celui-ci.

La réglementation britannique actuelle concentre souvent la responsabilité près du point de déploiement. Un employeur reste responsable d’un recrutement discriminatoire, tandis qu’une autorité publique reste comptable des décisions affectant les prestations sociales ou la police.

Ces obligations restent importantes. L’objection du comité est que la seule responsabilité en aval fait peser une charge trop lourde sur des acteurs incapables d’inspecter ou de corriger les défauts en amont.

Les tendances d’un modèle peuvent également toucher de nombreux clients à la fois. Si un même modèle de fondation génère des conseils peu fiables, des schémas discriminatoires ou des comportements exploitables dans de nombreuses applications, l’application au cas par cas intervient tardivement.

L’échelle change la nature du problème réglementaire. La supervision traditionnelle peut enquêter sur un employeur, une banque, une plateforme ou une autorité publique après l’apparition de preuves de préjudice.

Un modèle de fondation largement utilisé peut diffuser des risques connexes au-delà de ces frontières avant que des régulateurs distincts ne détectent leur source commune. Les organisations concernées peuvent initialement considérer chaque incident comme une défaillance isolée du déploiement.

L’accent mis par le comité sur les droits humains rend ce délai particulièrement grave. Les personnes peuvent ne pas savoir qu’un système automatisé a influencé une décision liée à l’emploi, à la police, à la discipline ou à un service public.

Sans divulgation, elles ne peuvent pas demander les dossiers pertinents ni contester le rôle du modèle. Même lorsque l’utilisation de l’IA devient connue, un modèle complexe peut ne pas fournir d’explication claire de son résultat.

Le rapport identifie l’égalité, la vie privée, la protection des données et l’accès à un recours effectif comme des préoccupations centrales. Elles ne se limitent pas à des systèmes d’IA hypothétiques de niveau humain.

Des témoins ont décrit des usages actuels impliquant la surveillance des travailleurs, la reconnaissance faciale, l’évaluation du risque de récidive des détenus, la détection de fraude aux prestations et des décisions automatisées aux conséquences importantes.

Le comité a indiqué qu’environ 3 millions de personnes avaient vu leur visage analysé dans le cadre de déploiements de reconnaissance faciale par la police entre le 1er janvier et le 29 octobre 2025. Sa préoccupation dépasse l’exactitude pour inclure le consentement, la proportionnalité, la transparence et la possibilité d’obtenir réparation.

Il a également cité des exemples de systèmes en milieu professionnel signalant des employés pour enquête après un comportement ordinaire, notamment un arrêt à des feux de circulation. Ces exemples montrent comment des systèmes automatisés ordinaires peuvent créer des litiges immédiats sur les preuves et la responsabilité.

Un examen humain ne résout pas automatiquement le problème. Les personnes peuvent s’en remettre aux recommandations algorithmiques, ne pas disposer des informations nécessaires pour les remettre en question ou simplement valider un résultat de manière procédurale.

Le comité souhaite que les règles du UK GDPR précisent qu’un simple « humain dans la boucle » ne constitue pas une intervention significative. Un examinateur devrait être informé, indépendant et capable de parvenir à un jugement objectif.

Ce principe met en lumière l’enjeu plus large auquel fait face la réglementation britannique des modèles d’IA. La supervision ne peut pas dépendre d’une présence humaine si cette personne ne dispose pas des informations sur la manière dont le système est parvenu à son résultat.

Les tests volontaires des modèles ne disposent d’aucun mécanisme d’application

Le dispositif actuel dépend de la coopération des développeurs d’IA, même lorsque les incitations commerciales favorisent la confidentialité, les lancements rapides et une surveillance externe limitée.

Les tests volontaires ne sont pas dénués de sens. Ils peuvent donner aux chercheurs gouvernementaux un accès précoce, améliorer les méthodes d’évaluation partagées et aider les développeurs à identifier des problèmes avant que les clients n’y soient confrontés.

AISI offre également une capacité technique dont de nombreux régulateurs conventionnels ne disposent pas. Le gouvernement a décrit son accès aux modèles avant déploiement comme exceptionnellement étendu selon les normes internationales.

Toutefois, la coopération volontaire et l’autorité légale répondent à des questions différentes. La coopération aide lorsqu’un développeur accepte de participer. L’autorité détermine ce qui se passe lorsqu’il refuse, retarde sa participation ou conteste les conclusions de l’évaluateur.

Le comité affirme qu’AISI ne dispose actuellement d’aucun pouvoir réglementaire. L’institut fonctionne comme un organisme de recherche plutôt que comme une autorité d’approbation comparable aux régulateurs capables de restreindre les produits dangereux.

Les développeurs de modèles ont publié leurs propres cadres de sécurité et seuils de risque. Certains promettent de ne pas déployer de systèmes lorsque des risques graves ne peuvent pas être réduits sous des limites définies en interne.

Ces cadres peuvent créer des procédures utiles, mais les entreprises choisissent leur périmètre, leurs éléments de preuve, leurs seuils et leurs pratiques de divulgation. Elles conservent également un contrôle considérable sur la question de savoir si un modèle satisfait à ces conditions.

Le comité a entendu des préoccupations selon lesquelles les incitations financières rendent les engagements volontaires peu fiables. Une entreprise soumise à une pression concurrentielle peut subir un préjudice matériel si un rival lance en premier un modèle plus performant.

Cela ne démontre pas que les développeurs ignorent régulièrement les conclusions de sécurité. Cela signifie que le système ne dispose d’aucun garde-fou indépendant lorsque les jugements des entreprises divergent de l’évaluation des risques pour le public.

Le comité propose trois changements liés. Premièrement, AISI recevrait un fondement légal et une mission définie consistant à examiner les modèles puissants nouveaux ou substantiellement révisés.

Deuxièmement, les développeurs devraient soumettre ces modèles à une évaluation. Ils fourniraient également des spécifications techniques couvrant les propriétés du modèle, son entraînement, ses usages prévus, les tests et les contrôles des risques.

Troisièmement, AISI publierait des conclusions avant lancement et émettrait des avertissements préliminaires. Il conseillerait un organisme chargé de l’application lorsqu’un modèle devrait être retenu ou retiré en raison de risques importants pour les droits humains.

La proposition sépare l’évaluation technique de la décision juridique finale, même si le comité estime que le gouvernement devrait envisager de fusionner l’AISI avec le nouveau régulateur.

Cette architecture reflète une réalité pratique. Identifier un comportement préoccupant d’un modèle ne revient pas à déterminer si son déploiement franchit un seuil légal.

Les évaluateurs doivent établir si un problème est reproductible, si les garde-fous le réduisent et si les conditions de déploiement modifient le risque. Les régulateurs doivent ensuite interpréter les éléments de preuve au regard de règles publiées.

La proposition la plus forte du comité exigerait une autorisation préalable pour les systèmes d’IA présentant un risque élevé d’atteinte aux droits humains. Cette autorisation interviendrait avant que ces systèmes puissent être fournis ou déployés.

Cela ferait passer la supervision d’une application rétrospective des règles à une logique de prévention. Cela soulèverait également des décisions difficiles quant aux modèles et applications devant faire l’objet d’un examen.

Une définition trop large pourrait submerger les évaluateurs et retarder des produits à faible risque. Une définition trop étroite pourrait passer à côté d’un modèle à usage général dont les usages dangereux n’apparaissent qu’après le déploiement.

Les développeurs peuvent également modifier des modèles hébergés sans lancer un produit entièrement nouveau. Les régulateurs devraient définir des règles précisant à quel moment une mise à jour crée une nouvelle obligation d’examen.

Les modèles à poids ouverts posent un autre défi, car des copies peuvent se diffuser au-delà de l’infrastructure du fournisseur d’origine. Les restrictions appliquées à un service national ne suppriment pas nécessairement toutes les copies accessibles.

Ces questions de mise en œuvre n’effacent pas la lacune en matière d’application des règles. Elles montrent pourquoi transformer une évaluation technique en droit exige davantage que d’attribuer à l’AISI une mission générale de sécurité.

La loi devrait prévoir des critères mesurables de soumission, des procédures de test, des garanties de confidentialité, des droits de recours, des processus de remédiation et des sanctions crédibles. Elle devrait aussi fournir suffisamment de personnel et de ressources informatiques pour examiner les modèles selon des délais commerciaux.

Un seul organisme de surveillance remplacerait un patchwork, pas tous les régulateurs

Le comité souhaite qu’un organisme central de supervision de l’IA coordonne les politiques et fasse respecter les obligations intersectorielles, tandis que les régulateurs existants conserveraient leurs responsabilités spécialisées.

Le régulateur proposé ne remplacerait pas la Financial Conduct Authority, l’Information Commissioner’s Office, Ofcom, l’Equality and Human Rights Commission ni les régulateurs des produits médicaux.

Ces institutions possèdent une connaissance sectorielle et des relations d’application des règles déjà établies. Un régulateur financier comprend les contrôles relatifs au crédit, tandis qu’un régulateur des données interprète les obligations liées à la vie privée et aux informations personnelles.

Le nouvel organisme traiterait les questions situées entre ces champs de compétence. Il suivrait la performance des régulateurs, recevrait les plaintes, publierait des codes de conduite, enquêterait sur les violations et sanctionnerait les manquements.

Il pourrait également établir des règles de transparence pour les différents participants de la chaîne de valeur de l’IA. Ces règles préciseraient ce que les développeurs, intégrateurs, déployeurs et autorités publiques doivent divulguer.

Le comité souhaite que le régulateur puisse accorder réparation dans des affaires individuelles sans contraindre les personnes concernées à supporter des coûts prohibitifs. Cette fonction relie directement la supervision des modèles à la réparation des atteintes aux droits humains.

Ses pouvoirs proposés s’étendraient également aux fournisseurs étrangers. Lorsqu’un acteur établi à l’étranger crée des risques inacceptables impossibles à gérer au Royaume-Uni, l’organisme de surveillance pourrait limiter ou interdire le déploiement au Royaume-Uni.

Cette portée juridictionnelle est importante, car nombre des principaux modèles fondamentaux sont développés en dehors du Royaume-Uni. Les règles nationales de déploiement ne peuvent pas contrôler l’ensemble du développement mondial, mais elles peuvent fixer des conditions d’accès au marché britannique.

Le comité recommande également d’interdire plusieurs usages qu’il juge incompatibles avec les droits humains. Parmi ses exemples figurent les techniques subliminales, l’inférence émotionnelle et le profilage ou le traitement biométrique inappropriés.

Il va plus loin pour les systèmes extrêmement capables. Le rapport indique que leur développement et leur fourniture devraient être interdits lorsqu’ils risquent de causer des dommages graves et étendus et peuvent échapper à un contrôle humain effectif.

L’intelligence artificielle générale et la superintelligence sont citées comme exemples, non comme l’affirmation que de tels systèmes existent déjà. La frontière exacte nécessiterait une consultation publique.

Cette distinction importe, car un titre spectaculaire peut faire passer la recommandation pour une interdiction immédiate des principaux modèles actuels. Le rapport appelle au contraire à un futur régime fondé sur les risques, dont les détails restent à définir.

Les systèmes à haut risque seraient soumis à une autorisation préalable et à des obligations de diligence renforcées. Les outils à faible risque seraient soumis à des exigences plus légères, conformément à l’objectif de proportionnalité affiché par le comité.

Cette structure rappelle la logique qui sous-tend l’EU AI Act, même si le comité ne recommande pas de reproduire mot pour mot le cadre européen.

Le cadre européen impose des obligations différentes selon les catégories de systèmes et régule séparément les modèles à usage général. Il interdit également certaines pratiques que l’Europe considère comme inacceptables.

Le Royaume-Uni a privilégié une approche moins centralisée. La politique gouvernementale a mis l’accent sur une supervision propre aux applications, des principes flexibles et la croissance économique plutôt que sur une loi exhaustive relative à l’IA.

Les partisans de cette approche soutiennent que les régulateurs spécialisés peuvent réagir selon le contexte. Ils avertissent aussi que des règles précoces et rigides peuvent devenir obsolètes à mesure que les modèles, les produits et les pratiques commerciales évoluent.

Le comité accepte que la réglementation doive protéger l’innovation et éviter des charges injustifiées. Son désaccord porte sur la question de savoir si la flexibilité peut rester crédible sans obligations contraignantes couvrant l’ensemble de la chaîne d’approvisionnement.

L’opinion publique a également évolué vers des règles plus strictes. Une enquête de 2024 et 2025 résumée par la House of Lords Library a révélé que 72 % des personnes interrogées soutenaient des lois sur l’IA, contre 62 % auparavant.

La même étude a constaté un soutien de 89 % à la création d’un régulateur indépendant de l’IA. Ces chiffres ne déterminent pas les politiques publiques, mais ils affaiblissent l’hypothèse selon laquelle une réglementation plus légère bénéficie automatiquement d’une légitimité publique.

L’organisme de surveillance proposé représente donc davantage qu’un simple réaménagement administratif. Il rapprocherait l’autorité juridique des entreprises qui conçoivent les modèles fondamentaux et créerait une institution responsable des lacunes systémiques.

La solution du comité se heurte toujours à de sérieuses limites

Des pouvoirs légaux amélioreraient la supervision britannique, mais la législation ne peut garantir des évaluations fiables des modèles ni un contrôle complet d’une technologie distribuée à l’échelle mondiale.

Le comité présente un diagnostic convaincant de l’autorité fragmentée. Son analyse est moins complète lorsque la question passe de l’identité de l’acteur compétent à la manière dont les régulateurs peuvent évaluer de façon fiable des modèles complexes.

Les évaluations de l’IA peuvent révéler des capacités dangereuses dans des conditions définies. Elles ne peuvent pas prouver qu’un modèle est sûr face à chaque requête, intégration, langue, outil, mise à jour et stratégie adversariale.

Les développeurs peuvent réduire des risques connus tout en introduisant de nouveaux comportements par le réglage fin ou des changements de déploiement. Les évaluateurs peuvent également diverger sur la question de savoir si un test mesure un préjudice réaliste ou un scénario artificiel de laboratoire.

Un régime d’autorisation préalable doit fonctionner malgré cette incertitude. Il ne peut pas attendre des preuves parfaites, mais il ne devrait pas traiter chaque résultat de test préoccupant comme la preuve d’un préjudice réel inévitable.

La classification des risques sera tout aussi contestée. Un modèle fondamental peut servir à la rédaction à faible risque dans un produit et à des décisions à fort impact dans un autre.

Réglementer uniquement l’application laisse de côté les faiblesses en amont. Réglementer chaque modèle à usage général comme présentant un risque élevé ignore les différences substantielles entre les usages et les contrôles de déploiement.

Le comité répond en répartissant les obligations tout au long de la chaîne d’approvisionnement. Les développeurs, modificateurs, fournisseurs et déployeurs assumeraient des obligations proportionnées à leurs rôles et aux risques qu’ils contrôlent.

Cette orientation est pertinente, mais la législation devrait prévoir des règles précises de répartition. À défaut, chaque participant pourrait soutenir qu’une autre entreprise détient les informations et le contrôle nécessaires pour prévenir le préjudice.

L’application des règles à l’encontre de développeurs étrangers constitue une autre contrainte. Un régulateur britannique peut limiter l’accès au marché intérieur, mais il ne peut pas supprimer des fichiers de modèles ouverts ni arrêter le développement dans d’autres juridictions.

Cela fait de la coopération internationale bien plus qu’un simple ornement diplomatique. Des méthodes de test partagées, le signalement des incidents et des normes de référence peuvent réduire la possibilité pour les entreprises d’échapper au contrôle en déplaçant leurs services.

La convention du Conseil de l’Europe sur l’IA offre une voie possible. Le comité exhorte le Royaume-Uni à publier un calendrier de ratification de ce cadre fondé sur les droits humains.

Toutefois, l’alignement international peut progresser lentement. Les régulateurs nationaux ont toujours besoin de l’autorité nécessaire pour répondre lorsqu’un modèle ou une application crée un risque national immédiat.

L’opposition de l’industrie pourrait également remodeler la proposition. Les entreprises demanderont probablement des seuils clairs, une protection des informations confidentielles, des délais d’examen prévisibles et des mécanismes de recours.

Ces demandes ne constituent pas nécessairement des tentatives d’échapper à la supervision. Une règle de soumission vague pourrait exposer des secrets commerciaux, retarder des mises à jour courantes ou concentrer le pouvoir de marché entre les entreprises capables d’absorber les coûts de conformité.

Les petits développeurs pourraient supporter des charges disproportionnées si les exigences en matière de documentation et de tests ressemblaient à celles imposées aux plus grands laboratoires de pointe. Le comité appelle à des obligations graduées, mais le Parlement devrait préserver cette distinction.

Il existe également un problème de capacité. L’autorité juridique signifie peu si un régulateur ne peut pas recruter des spécialistes, accéder à des ressources informatiques, reproduire les évaluations ou achever les examens avant que la technologie n’évolue.

Le gouvernement devrait financer le travail technique sans rendre le régulateur dépendant des entreprises qu’il supervise. Il devrait également prévoir des règles de coordination empêchant les doublons avec les organismes de surveillance existants.

La recommandation du comité en faveur d’un organisme de supervision unique risque d’ajouter une couche supplémentaire, à moins que les responsabilités soient explicites. Les entreprises et les particuliers devraient savoir quel régulateur reçoit les preuves, dirige les enquêtes et ordonne les mesures de réparation.

Enfin, le rapport couvre à la fois des préjudices immédiats et des risques catastrophiques spéculatifs. Les deux méritent de l’attention, mais exigent des preuves, une expertise et des outils juridiques différents.

Le filtrage discriminatoire des candidatures à l’emploi appelle transparence, audits et recours efficaces. Un modèle capable de contribuer à de graves cyberattaques exige des tests de capacités, des contrôles d’accès, une surveillance de la sécurité et une coordination internationale.

Les réunir dans un seul projet de loi peut assurer une cohérence sur l’ensemble du cycle de vie. Cela peut aussi produire un texte tentaculaire, plus difficile à appliquer de manière cohérente.

L’argument le plus solide en faveur d’une réforme ne dépend donc pas de la prédiction de la superintelligence. Il repose sur l’incapacité actuelle à imposer l’accès aux modèles, à identifier les risques communs en amont et à attribuer les responsabilités avant que le préjudice ne se propage.

Trois signaux montreront si l’avertissement change les politiques

Le prochain test ne sera pas une nouvelle déclaration de principes sur l’IA, mais la capacité du gouvernement à transformer les recommandations du comité en pouvoirs exécutoires.

Le premier signal sera la réponse officielle du gouvernement. Le Parlement indique que les ministres disposent de deux mois pour répondre aux conclusions et recommandations du comité.

Cette réponse devrait révéler si le gouvernement accepte le diagnostic central. Une promesse d’améliorer la coordination resterait insuffisante si l’AISI ne pouvait toujours pas imposer l’accès ou influencer les décisions de mise sur le marché.

L’engagement le plus clair inclurait une loi donnant à l’AISI une base statutaire. Elle traiterait également des soumissions obligatoires, de la documentation technique, des conclusions avant publication et de l’escalade vers une autorité chargée de l’application des règles.

Le deuxième signal sera de savoir si les ministres présentent un projet de loi intersectoriel sur l’IA. Le manifeste du Labour de 2024 promettait une réglementation contraignante pour le petit groupe d’entreprises développant les modèles les plus capables.

Le discours du Roi de 2024 a réaffirmé cette orientation, mais aucune loi n’avait été présentée lorsque la commission a achevé son enquête. Le discours du Roi de 2026 n’a pas non plus inclus de projet de loi complet sur l’IA.

Un ensemble restreint de mesures ciblant certains préjudices préserverait la stratégie actuelle du gouvernement. Un texte couvrant l’ensemble du cycle de vie marquerait un changement substantiel dans la réglementation britannique des modèles d’IA.

Les détails compteront davantage que le titre. Il faudra surveiller les catégories de risques définies, les obligations imposées aux développeurs, les seuils nécessitant une autorisation préalable, les exigences de transparence, le financement des régulateurs et les sanctions.

Le troisième signal réside dans le comportement des développeurs avant l’adoption de la loi. L’accès de l’AISI repose actuellement sur la coopération ; des soumissions absentes ou tardives fourniraient donc une première mesure des limites du système volontaire.

Un accès systématique avant la mise sur le marché, accordé par les principaux développeurs, étayerait l’argument du gouvernement selon lequel la collaboration peut assurer une surveillance utile. Un accès sélectif renforcerait l’argument de la commission en faveur d’une obligation légale.

Les entreprises utilisant l’IA ne devraient pas attendre le Parlement avant d’examiner leur propre exposition. Les contrats d’approvisionnement devraient identifier le modèle sous-jacent, le processus de mise à jour, les preuves de tests, les obligations en matière d’incidents et les explications disponibles.

Les organisations devraient également consigner les cas où l’IA contribue à des décisions importantes. Une base de connaissances IA consultable peut aider les équipes à conserver les politiques, évaluations, documents fournisseurs et registres de décisions en vue d’un examen ultérieur.

Cette documentation ne remplace ni la conformité juridique ni les tests indépendants. Elle permet toutefois de déterminer plus facilement quel système a été utilisé, quelle version a produit un résultat et qui a approuvé son déploiement.

Pour les particuliers, l’exigence la plus concrète de la commission est la transparence. Les personnes ne peuvent pas contester une décision automatisée lorsqu’elles ignorent qu’un modèle l’a influencée.

Pour les développeurs, la question centrale est de savoir si l’évaluation des modèles reste un exercice de recherche coopératif ou devient une barrière juridique. Pour les clients, elle est de savoir si la responsabilité continue de s’accumuler en aval.

Pour le gouvernement, le choix est désormais particulièrement clair. Il peut préserver un système flexible dépourvu d’autorité avant la mise sur le marché, ou donner à un organisme indépendant le pouvoir d’intervenir.

La commission a défini la lacune réglementaire. Les prochains mois montreront si les ministres la comblent, la réduisent ou continuent de demander à des engagements volontaires de porter un poids législatif.