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.

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.