Les labels IA doivent être une infrastructure, pas des autocollants

La version courte

La transparence IA vient de devenir une exigence produit en Europe.

Pas un slogan.

Pas un billet trust-and-safety.

Une exigence.

À partir du 2 août 2026, l'AI Office de la Commission européenne et les autorités nationales commencent à faire appliquer l'AI Act. Le même jour, les nouvelles règles de transparence de l'article 50 commencent à s'appliquer. Certains systèmes IA doivent dire aux personnes quand elles interagissent avec une IA. Les deepfakes doivent être labellisés. Les contenus générés ou modifiés par IA doivent porter des marques lisibles par machine pour être détectés plus facilement.

Cela a l'air simple.

Ça ne l'est pas.

La version facile de l'histoire dit :

"L'Europe oblige les entreprises à labelliser les contenus IA."

Vrai, mais trop petit.

La meilleure version est celle-ci :

La divulgation IA passe des bonnes intentions à l'infrastructure.

Si cela fonctionne, un utilisateur devrait savoir quand il parle à un modèle, une plateforme devrait pouvoir retracer quel système a généré un contenu, et un régulateur devrait pouvoir demander des preuves au lieu d'accepter un communiqué.

Si cela échoue, nous aurons des bannières cookies pour les médias synthétiques.

Beaucoup de labels.

Peu de confiance.

Futur très européen. Le chatbot a maintenant de la paperasse.

Mise à jour : Claude montre ce que veut dire un label lisible par machine

Deux semaines plus tard, l'exigence abstraite devient un comportement produit.

Le 14 août, Anthropic a publié une explication détaillée du fonctionnement du watermark texte de Claude. Les futurs modèles Claude généreront du texte avec un watermark pour se conformer à l'AI Act européen, et Anthropic dit appliquer le changement globalement au lancement parce que l'entreprise n'a pas encore de manière durable de limiter le système par région.

Ce dernier point compte.

Une règle européenne de transparence devient un défaut produit mondial.

Le mécanisme mérite aussi d'être compris. Anthropic dit que le watermark n'ajoute pas de caractères cachés, pas de métadonnées et pas de tokens supplémentaires. Il change plutôt la source de hasard quand Claude choisit entre des mots déjà acceptables. Sur un passage assez long, ces petits choix créent un motif statistique détectable par quelqu'un qui possède la bonne clé.

Ce n'est pas un autocollant.

Ce n'est pas un label visible.

Ce n'est pas un aveu écrit dans le texte.

C'est une infrastructure probabiliste.

Très normal. La phrase a maintenant une ombre conformité.

Un watermark est une preuve, pas une paternité

C'est là que le problème produit devient subtil.

Anthropic est prudent sur les limites. Le watermark peut aider à répondre à une question : quelle est la probabilité que Claude ait participé à ce texte ? Il ne peut pas prouver que le texte a été écrit par Claude. Il ne peut pas prouver qu'un texte est humain si aucun watermark n'apparaît. Il ne peut pas identifier l'utilisateur, l'organisation, le chat ou le compte. Il ne peut pas détecter le watermark d'un autre lab, sauf si ce système utilise une méthode et une clé compatibles.

Il fonctionne aussi de manière inégale.

Les échantillons courts ont trop peu de signal. Les passages très factuels offrent moins de choix sans conséquence. Le code laisse moins de place à l'arbitraire parce que l'exactitude compte. Une correction légère peut ne pas laisser assez de mots choisis par Claude pour être détectée. Une traduction, elle, en laisse, parce que Claude choisit chaque mot.

Ce n'est pas un échec de transparence.

C'est une transparence qui reste honnête.

Le label ne dit pas :

"Ceci est du contenu IA."

Il dit plutôt :

"Ce texte est statistiquement compatible avec le fait que Claude ait choisi assez de ces mots."

Phrase affreuse.

Distinction importante.

Le détecteur devient une partie du produit

Anthropic dit qu'une API de détection du watermark arrivera bientôt.

C'est la couche suivante.

Quand la détection entre dans des APIs, la transparence devient une capacité de plateforme. Écoles, éditeurs, employeurs, marketplaces, gouvernements, fournisseurs de modération, outils de conformité enterprise et plateformes de contenu ne demanderont pas seulement si un contenu est labellisé. Ils demanderont qui peut vérifier le label, avec quel seuil, quel taux d'erreur et quel processus de contestation.

C'est là que "les labels ont besoin d'infrastructure" cesse d'être une métaphore.

Si un détecteur dit que Claude a probablement touché un document, que se passe-t-il ensuite ?

L'utilisateur voit-il le score ?

L'éditeur le rejette-t-il ?

Le professeur le traite-t-il comme de la triche ?

L'entreprise le journalise-t-elle comme du travail assisté par IA ?

Le client reçoit-il une divulgation ?

L'auteur peut-il montrer le brouillon humain, les edits, les sources et le chemin de revue ?

Un détecteur sans processus devient simplement une nouvelle machine à accuser.

L'objectif ne devrait pas être de créer un scanner magique qui décide de la paternité.

L'objectif devrait être de créer assez de provenance pour comprendre le rôle réel joué par l'IA.

Les fichiers et le texte deviennent deux stacks de transparence différentes

L'approche d'Anthropic pour les fichiers est différente.

Pour les fichiers supportés comme PNG, JPG et SVG, Claude attachera un content credential signé numériquement avec C2PA, le standard ouvert de provenance utilisé par des appareils photo et des outils d'édition. Cette métadonnée peut dire que Claude a créé ou traité le fichier, et les outils compatibles C2PA peuvent la lire.

C'est plus propre que le texte sur un point.

Les fichiers ont des conteneurs. Les métadonnées peuvent vivre quelque part.

Le texte, lui, n'est que des mots qui passent par copier-coller, captures d'écran, apps de notes, e-mails, documents, exports, champs CMS et bulles de chat. Il n'a pas de paquet stable. La marque doit donc vivre dans le motif statistique des mots eux-mêmes.

Cela rend le watermark texte à la fois plus intéressant et plus fragile.

Il peut survivre au copier-coller et aux petites corrections.

Il peut ne pas survivre à une réécriture complète.

Il peut être faible dans le code et le texte très factuel.

Il peut être mal compris par des institutions qui veulent une réponse plus simple que ce que la preuve permet.

Le travail difficile n'est pas d'ajouter la marque.

Le travail difficile est d'apprendre aux systèmes autour ce que cette marque peut, et ne peut pas, signifier.

La réaction des utilisateurs cache l'exigence produit

La réaction était prévisible.

Business Insider a rapporté que certains utilisateurs Claude contestaient le watermarking, tandis qu'Anthropic disait ne pas observer de tendance significative d'annulations. TechCrunch a aussi couvert le malaise d'utilisateurs qui ne veulent pas que l'implication de l'IA soit détectable.

La vérité inconfortable, c'est qu'une grande partie de l'usage IA dépendait de l'invisibilité.

Pas toujours de la tromperie.

Parfois simplement de l'ambiguïté.

L'IA a-t-elle écrit ce texte ?

L'a-t-elle édité ?

Traduit ?

Résumé à partir de notes sources ?

Corrigé ?

Proposé une structure ?

Rendu l'auteur plus intelligent ?

Ce sont des choses différentes. Mais la plupart des workflows ne gardent pas cette différence.

Le watermarking force le sujet. Il dit que l'implication de l'IA peut devenir inspectable même quand le texte visible semble ordinaire. C'est bon pour la confiance dans certains contextes et perturbant dans d'autres. Cela peut protéger les lecteurs contre la tromperie. Cela peut aussi rendre une assistance honnête suspecte si les institutions utilisent le signal paresseusement.

Les builders ne devraient donc pas s'arrêter à "nous respectons le watermarking".

Il leur faut des statuts d'assistance IA, un historique de revue, une responsabilité éditoriale, de la pédagogie utilisateur, des chemins de contestation et un langage produit qui ne traite pas chaque intervention IA comme la même catégorie morale.

La marque est le début.

Le workflow autour de la marque est le produit.

Ce n'est pas tout l'AI Act

D'abord, la nuance importante.

Le 2 août n'est pas le jour où tous les systèmes IA en Europe deviennent entièrement régulés d'un seul coup.

La propre page d'application de la Commission est prudente sur le calendrier. Les pouvoirs d'application s'activent maintenant pour plusieurs zones importantes : pratiques IA interdites, obligations des fournisseurs de modèles IA à usage général, et exigences de transparence pour certains systèmes IA. Mais d'autres parties arrivent plus tard. L'AI Omnibus a repoussé beaucoup d'obligations sur les systèmes à haut risque au 2 décembre 2027, et les systèmes IA à haut risque intégrés à des produits réglementés au 2 août 2028.

C'est important parce que beaucoup de commentaires sur l'AI Act parlent de la loi comme d'un seul interrupteur.

C'est plutôt un tableau électrique.

Certains disjoncteurs sont activés.

D'autres sont retardés.

Certains ne s'appliquent qu'à des acteurs précis.

Certains s'appliquent aux fournisseurs.

Certains s'appliquent aux déployeurs.

Certains s'appliquent aux entreprises de modèles généralistes.

Certains s'appliquent aux entreprises ordinaires qui utilisent l'IA devant des clients.

Ce désordre est agaçant, mais c'est aussi la vraie histoire pour les builders. La régulation IA ne va pas arriver sous forme d'un seul mémo juridique. Elle va arriver comme un ensemble d'exigences produit, conformité, documentation, logs, divulgation et achat, avec des dates différentes.

Très glamour. Le futur de la gouvernance IA, c'est la gestion de calendrier.

L'article 50 est là où les utilisateurs le sentent

L'article 50 est la partie visible par les utilisateurs.

Les guidelines de la Commission disent que les règles couvrent les obligations de transparence pour les systèmes IA interactifs, les sorties génératives, les deepfakes, les textes générés par IA sur des sujets d'intérêt public, la reconnaissance des émotions et la catégorisation biométrique.

En clair :

• Si une personne parle directement à un système IA, elle doit généralement être informée.
• Si un système génère ou manipule du son, de l'image, de la vidéo ou du texte synthétique, les fournisseurs doivent prévoir un marquage lisible par machine.
• Si un déployeur montre un deepfake à des personnes, l'information doit être claire pour la personne, pas seulement cachée dans les métadonnées.
• Si un texte généré par IA est publié pour informer le public sur un sujet d'intérêt public, il peut devoir être labellisé sauf s'il a fait l'objet d'une revue humaine ou d'un contrôle éditorial.
• Si des personnes sont exposées à de la reconnaissance des émotions ou à de la catégorisation biométrique, elles doivent être informées.

C'est plus large que "mettre un badge sur les images".

Cela touche les chatbots, les agents de support client, les avatars IA, les publicités synthétiques, les contenus politiques, les textes d'intérêt public, les vidéos générées, les centres d'appels automatisés, les plateformes sociales, les parcours e-commerce, et toute entreprise qui laisse une IA parler à des humains sous son autorité.

La règle essaie de répondre à une question simple :

La personne sait-elle à quel type de système elle a affaire ?

Cela semble basique parce que ça l'est.

C'est aussi précisément là où les produits IA ont été flous.

Un autocollant ne suffit pas

Le risque, c'est que les entreprises traitent la transparence comme de la décoration visuelle.

Ajouter un petit badge.

Ajouter un avertissement.

Ajouter "généré par IA" en gris.

Ajouter une modale à l'inscription.

Passer à autre chose.

Cela résoudrait peut-être certains problèmes de surface, tout en ratant le problème profond.

Des labels IA utiles doivent répondre à des questions opérationnelles :

• Quel modèle ou système a produit ceci ?
• Est-ce généré, édité, traduit, résumé ou simplement formaté ?
• Un humain l'a-t-il relu ?
• Qui avait la responsabilité éditoriale ?
• Quelles métadonnées survivent à l'export, à la capture d'écran, au repost, à la compression et au changement de plateforme ?
• Le label peut-il être vérifié plus tard ?
• Le système peut-il prouver la conformité si un régulateur le demande ?
• L'utilisateur peut-il distinguer "l'IA a aidé" de "l'IA a inventé" ?

C'est pour cela que les marques lisibles par machine comptent.

Pas parce que les métadonnées seraient magiques.

Les métadonnées peuvent être supprimées. Les watermarks peuvent échouer. Les captures d'écran peuvent blanchir un contenu. Les mauvais acteurs peuvent ignorer la règle. La circulation entre plateformes est pénible. Internet est très doué pour transformer la provenance en soupe.

Mais le marquage lisible par machine reste la bonne direction parce que la divulgation IA doit voyager dans les systèmes, pas seulement devant les yeux.

Un label visible aide une personne.

Une marque durable aide les plateformes, les auditeurs, les moteurs de recherche, les archives, les systèmes de modération et les régulateurs.

La stack de transparence utile a besoin des deux.

Sinon, nous aurons des autocollants sur la porte d'entrée et aucune inspection du bâtiment derrière.

L'exemption de revue humaine est le piège produit

La FAQ de la Commission contient un détail que les builders devraient lire deux fois : un texte généré par IA sur un sujet d'intérêt public n'a pas besoin d'être labellisé s'il a fait l'objet d'une revue humaine ou d'un contrôle éditorial.

Cela paraît évident.

C'est aussi là que le design produit devient réel.

Qu'est-ce qui compte comme revue humaine ?

La Commission dit que la revue humaine implique un examen délibéré du fond par des personnes ayant les connaissances et le jugement professionnel pertinents. Le contrôle éditorial signifie qu'une entité éditoriale responsable peut approuver, modifier ou rejeter le fond. Les vérifications superficielles, comme l'orthographe ou la grammaire, ne comptent pas.

Très bien.

Cela signifie qu'une entreprise ne peut pas simplement passer un article généré dans un correcteur de fautes et appeler cela une revue humaine.

Mais cela signifie aussi que les produits IA ont besoin de workflows de revue lisibles :

• attribution
• identité du relecteur
• périmètre de revue
• modifications
• approbation
• rejet
• escalade
• trace d'audit
• responsabilité finale

C'est là que la régulation devient discrètement de l'architecture logicielle.

La question n'est pas seulement :

"Un humain l'a-t-il regardé ?"

C'est :

"Pouvez-vous prouver que le bon humain a revu la bonne chose, pour la bonne raison, avant publication ?"

Ce n'est pas un label.

C'est un workflow.

L'AI Office a maintenant des dents

Les règles de transparence ne sont qu'une partie du démarrage de l'application.

L'AI Office dispose maintenant d'outils d'enquête et de sanction. La Commission dit qu'il peut envoyer des demandes d'information, exiger un accès aux modèles pour des évaluations, demander aux fournisseurs de prendre des mesures et, dans certains cas, restreindre la disponibilité publique d'un modèle. Elle a aussi lancé des outils de plainte et de lanceur d'alerte.

Pour les fournisseurs de modèles IA à usage général, les amendes pour beaucoup de manquements peuvent atteindre 15 millions d'euros ou 3% du chiffre d'affaires mondial. Les pratiques IA interdites peuvent aller jusqu'à 35 millions d'euros ou 7%. L'AP rapporte que l'AI Office se renforce avec du personnel supplémentaire et surveillera des entreprises allant des startups aux grands fournisseurs américains et chinois.

C'est la partie qui fait sortir l'AI Act du territoire PDF.

L'ancienne question de gouvernance IA était :

"Que doivent divulguer les entreprises ?"

La nouvelle question est :

"Que se passe-t-il quand le régulateur demande les preuves ?"

C'est un autre monde.

Politiques internes, model cards, labels, rapports d'incident, évaluations, résumés de données d'entraînement, contrôles de sécurité et plaintes de fournisseurs en aval deviennent tous des pièces dans un environnement de preuve.

Les entreprises qui ont déjà de bons registres internes se plaindront de la charge, mais survivront.

Celles qui improvisaient découvriront que l'improvisation a un problème de conservation des preuves.

Magnifique. La vraie frontière était donc la base de données conformité.

La fatigue des labels est l'ennemi

La mauvaise version de ce futur est facile à imaginer.

Chaque chatbot dit "je suis une IA".

Chaque image générée a une petite icône.

Chaque app ajoute un avertissement.

Chaque parcours de support client enterre l'information dans une bannière.

Chaque utilisateur clique.

Personne n'apprend rien.

C'est le mode d'échec des bannières cookies.

The Guardian décrit la même tension : les labels peuvent protéger les utilisateurs contre la tromperie, mais trop d'avertissements génériques peuvent devenir du bruit de fond. La comparaison avec les bannières cookies est un peu trop parfaite, mais utile.

Les bannières cookies ont bien créé de la conscience et un peu de contrôle.

Elles ont aussi appris aux utilisateurs à chasser l'interface conformité de leur chemin.

Les labels IA ne peuvent pas se permettre exactement cet échec.

Les enjeux sont différents. Le sujet n'est pas seulement le consentement. C'est l'hygiène épistémique : savoir si une voix, une image, une vidéo, un agent, une publicité, un avis, un support client, un message politique ou un texte d'intérêt public vient d'une personne, d'un modèle ou d'un workflow hybride.

Si tout reçoit le même label générique, le label cesse d'informer.

Les bons labels ont besoin de contexte :

• "agent de support client IA"
• "image générée par IA"
• "vidéo modifiée par IA"
• "texte traduit par IA, revu par un humain"
• "résumé d'intérêt public généré par IA, revu éditorialement"
• "voix synthétique"
• "système de reconnaissance des émotions actif"

C'est plus dur qu'une seule icône.

C'est aussi beaucoup plus utile.

Ce que les builders doivent faire maintenant

Si vous expédiez des produits IA en Europe, la leçon pratique n'est pas de paniquer.

C'est d'inventorier les moments où l'IA touche des personnes.

Commencez par des questions ennuyeuses :

• Le système interagit-il directement avec des personnes physiques ?
• Est-il évident que l'interaction se fait avec une IA ?
• Le système génère-t-il ou modifie-t-il du son, de l'image, de la vidéo ou du texte ?
• Le contenu généré a-t-il besoin d'un marquage lisible par machine ?
• Des déployeurs comptent-ils sur votre système pour labelliser des deepfakes ou des contenus d'intérêt public ?
• Y a-t-il une revue humaine, ou seulement un tampon humain ?
• Qui porte la responsabilité éditoriale ?
• Qu'est-ce qui survit à l'export, au téléchargement, au copier-coller, à la capture d'écran et au repost ?
• Pouvez-vous produire des preuves si l'AI Office ou une autorité nationale les demande ?

Ce n'est pas seulement du ménage juridique.

C'est de l'hygiène produit.

Si un utilisateur ne peut pas comprendre quand l'IA agit, le produit est déjà confus.

Si votre propre équipe ne peut pas retracer quand l'IA a généré quelque chose, le produit est déjà fragile.

Si la conformité dépend d'un minuscule badge qui disparaît quand le contenu quitte votre app, le produit fait semblant qu'internet est plus gentil qu'il ne l'est.

Il ne l'est pas.

La transparence doit devenir une primitive d'interface

L'AI Act sera critiqué des deux côtés.

Certaines entreprises diront qu'il ralentit l'innovation.

Certains défenseurs de la sécurité diront qu'il ne va pas assez loin.

Certains utilisateurs ignoreront les labels.

Certains mauvais acteurs les contourneront.

Tout cela est vrai.

Mais la direction est bonne.

L'IA devient trop intégrée pour dépendre de l'intuition. On ne peut pas demander aux gens de deviner quand un agent de support est synthétique, quand une vidéo est générée, quand un texte d'intérêt public a été écrit par un modèle, ou quand un système de reconnaissance des émotions tourne en arrière-plan.

L'interface doit le dire.

Les métadonnées doivent le porter.

Le workflow doit le prouver.

Le régulateur doit pouvoir l'inspecter.

C'est la vraie leçon du 2 août.

Les labels IA ne sont pas la destination.

Ils sont le bord visible d'un système de confiance.

Si l'Europe réussit, la divulgation devient une infrastructure.

Si elle échoue, nous aurons des autocollants.

Et internet a déjà assez d'autocollants.