La transparence en matière d'IA est désormais intégrée aux processus opérationnels

Pour les entreprises européennes, le débat sur la gouvernance de l'IA a pris une nouvelle tournure le 2 août 2026. 

C'est à cette date que les dispositions importantes en matière de transparence de la loi européenne sur l'IA sont entrées en vigueur et que le Bureau de l'IA de la Commission européenne ainsi que les autorités nationales ont commencé à exercer des pouvoirs d'application plus étendus. Les fournisseurs de systèmes d'IA générative concernés doivent faciliter l'identification des contenus générés par l'IA, tandis que les exploitants sont soumis à des obligations de divulgation dans des domaines tels que les « deepfakes » et certains contenus d'intérêt public générés par l'IA.

Cette réglementation est généralement abordée sous l'angle juridique. Au sein d'une entreprise, elle pose toutefois un problème opérationnel. Avant de pouvoir étiqueter correctement les contenus générés par l'IA, une organisation doit savoir à quel stade du processus de production l'IA intervient. Or, de nombreuses entreprises ne le savent pas.

L'IA est déjà intégrée dans les logiciels courants

Rares sont aujourd'hui les entreprises qui utilisent l'IA via un système unique et clairement défini. Les équipes marketing génèrent des images. Les équipes de communication utilisent des modèles linguistiques pour éditer des textes. Les designers s'appuient sur des fonctions génératives intégrées à des logiciels de création. Les plateformes de service client produisent des réponses automatiquement. Les employés utilisent des assistants de réunion, des outils de transcription et des extensions de navigateur.

L'IA s'intègre de plus en plus souvent aux logiciels dont dispose déjà l'entreprise. Cela complique la tâche d'inventaire. Une organisation peut interdire l'utilisation d'un chatbot public tout en continuant à utiliser des dizaines de fonctionnalités d'IA ailleurs. Le premier défi en matière de conformité n'a donc pas grand-chose à voir avec les performances des modèles. Il faut que quelqu'un cartographie le flux de travail.

Les entreprises ont besoin de savoir ce qu'il est advenu d'un contenu donné

Prenons l'exemple d'une vidéo d'entreprise. Les employés ont rédigé le scénario original. Un modèle linguistique l'a révisé. Une voix générée par IA a produit une version dans une langue donnée. Un logiciel a remplacé les mouvements des lèvres du narrateur pour un autre marché. Un monteur humain a réalisé le montage final de la vidéo.

Est-ce que ça a été généré par l'IA ?

Quels sont les éléments qui doivent faire l'objet d'une divulgation ?

Qui consigne ces décisions ?

Les lignes directrices de la Commission européenne pour 2026 établissent une distinction entre les différentes formes de contenus synthétiques et manipulés et fournissent des exemples visant à clarifier l’application de l’article 50. Les entreprises ont donc besoin d’informations sur la provenance au sein du flux de travail lié au contenu. Ces informations peuvent inclure le modèle ou l’application utilisé(e), le type de transformation effectuée, la présence ou non d’une vérification humaine du résultat, ainsi que la règle de divulgation applicable lors de la publication du contenu. La mise en conformité s’étend désormais en amont, jusqu’à la phase de production.

Le marketing ne peut pas résoudre ce problème à lui seul

La responsabilité opérationnelle relève de plusieurs services. Le service des achats doit savoir quelles capacités d'IA intègre un logiciel. Le service informatique a besoin d'un inventaire des applications approuvées. Les équipes juridiques et de conformité doivent interpréter les obligations de divulgation. Les équipes de communication et de marketing ont besoin de règles de publication.

Les équipes chargées de la cybersécurité doivent savoir quels systèmes transmettent des informations de l'entreprise à des modèles externes. Les divisions opérationnelles doivent mettre en place des procédures que les collaborateurs peuvent réellement respecter.

Les organisations les plus susceptibles de rencontrer des difficultés sont celles qui considèrent la gouvernance de l'IA comme un document stratégique relevant de la seule responsabilité d'un service.

Une politique peut préciser ce que les salariés doivent faire.

C'est le système d'exploitation qui détermine s'ils peuvent réellement y parvenir.

Les métadonnées pourraient faire partie intégrante de la gouvernance d'entreprise

La prochaine étape devrait être d'ordre technique.

Au lieu de demander aux employés de mémoriser manuellement toutes les obligations de divulgation, les entreprises peuvent conserver les informations relatives à l'intervention de l'IA à mesure que les données transitent par leurs systèmes internes.

Une image générée peut comporter des informations de provenance. Un système de gestion de contenu peut indiquer si un texte a fait l'objet d'une révision éditoriale humaine. Les outils d'IA agréés peuvent produire des journaux détaillant les transformations qu'ils ont effectuées.

Cela permet de constituer une trace de gouvernance sans que l'employé ait à reconstituer le processus de création six mois plus tard.

Cette approche facilite également la réglementation externe.

Si une image contestée apparaît en ligne, l'entreprise peut déterminer comment l'original a été produit. Si un client conteste une interaction automatisée, les registres permettent d'identifier le système concerné. Si un fournisseur d'IA modifie son modèle, l'entreprise sait quels flux de travail en dépendent.

La transparence se transforme en données opérationnelles utiles.

Le registre IA deviendra aussi courant que le registre logiciel

Les entreprises gèrent déjà des inventaires d'ordinateurs portables, de licences, de fournisseurs, de bases de données et de droits d'accès.

L'IA aura de plus en plus besoin de sa propre version.

Ce registre pratique ne se limitera pas à une simple liste de modèles.

Il doit relier le système d'IA à un responsable d'entreprise, à un objectif, à des données validées, à des prestataires externes, aux flux de travail concernés et aux contrôles appliqués à ses résultats.

Ça a l'air d'être une question administrative.

Cela prend toute son importance lorsque les modèles évoluent rapidement et que des fonctionnalités d'IA apparaissent au sein des applications sans faire l'objet d'une décision d'achat distincte. Les entreprises ne peuvent pas gérer des systèmes dont elles ignorent l'existence.

La réglementation oblige les entreprises à connaître leur propre chaîne de production

La réaction immédiate face aux règles de transparence en matière d'IA pourrait être d'ajouter des étiquettes. Mais l'impact à plus long terme pourrait s'avérer plus précieux. Les entreprises sont incitées à documenter la manière dont le contenu synthétique, les décisions automatisées et les tâches assistées par l'IA circulent réellement au sein de l'organisation. Cela met en lumière des logiciels tombés dans l'oubli, des responsabilités mal définies et des flux de travail articulés autour d'expérimentations individuelles.

Pour les entreprises, la mise en conformité doit donc commencer avant même l'apparition du label. Elle part d'une question plus fondamentale :

À quel moment l'IA est-elle intervenue dans le processus ?

Les entreprises capables d'y répondre de manière fiable trouveront que le reste de la gouvernance de l'IA est nettement plus simple.