Annexe au dossier « AI Act et management ». Chaque article utile en gestion est présenté en trois temps : ce que dit le texte, ce que ça veut dire, un cas.
Mode d’emploi
Le règlement compte 113 articles et 13 annexes. Une trentaine d’articles seulement concernent une entreprise ordinaire. Ce guide les prend dans l’ordre du texte, avec pour chacun : ce que dit le texte (la règle, en une ou deux phrases), ce que ça veut dire (la traduction en langage de gestion), et le cas — un exemple réel tiré de l’actualité, ou un cas fictif signalé comme tel.
Les cas fictifs sont marqués [fictif]. Ils sont conçus pour être utilisables tels quels en TD.
Quand le texte dit « destiné à » (intended for), il désigne la finalité prévue du système, pas ce qu’un utilisateur en fait un jour par accident. Et quand il dit « objectif ou effet », l’intention n’est pas requise. Cette différence de rédaction, d’un article à l’autre, n’est jamais fortuite. Faites-la remarquer à vos étudiants : c’est la meilleure façon de leur apprendre à lire un texte européen.
I. Les fondations
Article 2 — Champ d’application
Le règlement s’applique aux fournisseurs qui mettent des systèmes d’IA sur le marché de l’Union, où qu’ils soient établis, et aux fournisseurs comme aux déployeurs établis hors de l’Union lorsque les résultats produits par le système sont utilisés dans l’Union. Il ne s’applique pas aux activités purement personnelles et non professionnelles.
Le critère n’est pas le siège social, ni le lieu d’hébergement des serveurs. C’est le lieu où le résultat atterrit. Et le seuil d’entrée dans le champ professionnel est très bas : un indépendant qui utilise un générateur d’images pour ses clients est un déployeur.
Une société britannique édite un outil de présélection vidéo. Elle n’a aucun bureau dans l’Union. Un cabinet de recrutement à Bordeaux l’utilise pour cinquante postes. L’éditeur est fournisseur au sens du règlement, le cabinet est déployeur, et les deux sont dans le champ. Le Brexit n’a rien changé à l’affaire : ce qui compte, c’est que le classement des candidats est utilisé à Bordeaux.
Article 3 — Définitions
Six définitions à connaître par cœur. Les autres se retrouvent.
Système d’IA (§ 1). Un système automatisé conçu pour fonctionner avec des niveaux d’autonomie variables, qui peut faire preuve d’adaptabilité après déploiement, et qui, à partir des entrées qu’il reçoit, infère la manière de générer des sorties — prédictions, contenus, recommandations, décisions — susceptibles d’influencer des environnements physiques ou virtuels.
Fournisseur (§ 3). Développe ou fait développer un système et le met sur le marché ou en service sous son propre nom ou sa propre marque.
Déployeur (§ 4). Utilise un système sous sa propre autorité, sauf activité personnelle non professionnelle.
Finalité prévue (§ 12). L’usage auquel le fournisseur destine le système, tel que décrit dans la notice, la documentation et les supports commerciaux.
Modification substantielle (§ 23). Changement non prévu lors de l’évaluation initiale de conformité, affectant la conformité du système ou sa finalité.
Hypertrucage (§ 60). Contenu généré ou manipulé par IA ressemblant à des personnes, objets, lieux ou événements existants, et de nature à apparaître faussement authentique.
Le mot qui fait tout le travail est « infère ». Une règle métier écrite à la main — « si ancienneté > 3 ans, alors éligible » — n’infère rien : elle applique. Un modèle qui apprend des seuils à partir de données historiques infère. La frontière n’est pas toujours nette, et la Commission a publié des lignes directrices pour aider à la tracer.
Une direction financière automatise ses relances clients avec un moteur de règles écrit par un consultant. Aucun apprentissage, aucune inférence. Ce n’est pas un système d’IA. L’année suivante, un stagiaire y ajoute un modèle qui prédit la probabilité de paiement à partir de l’historique. Le même outil, dans la même interface, vient d’entrer dans le champ du règlement. Personne ne l’a remarqué. C’est le scénario le plus courant.
II. Ce qui s’applique à toute organisation
Article 4 — Maîtrise de l’IA
Dans sa rédaction issue du règlement (UE) 2026/1744, les fournisseurs et les déployeurs prennent des mesures pour soutenir le développement de la maîtrise de l’IA de leur personnel et des personnes qui exploitent les systèmes pour leur compte, compte tenu de leurs connaissances, de leur expérience, de leur formation et du contexte d’usage. Le texte précise que cela n’impose pas de garantir un niveau spécifique pour un individu donné.
L’obligation est passée d’un résultat atténué à des moyens. Elle reste en vigueur depuis le 2 février 2025, et depuis le 2 août 2026 les autorités peuvent en contrôler l’exécution. Une organisation doit pouvoir montrer ce qu’elle a fait : programme, contenus, dates, participants. Une note de service envoyée à tous ne suffit pas ; la Commission attend des actions adaptées aux profils.
Selon l’enquête TIC de l’Insee publiée le 21 juillet 2026, 18 % des entreprises françaises de dix salariés ou plus déclaraient utiliser au moins une technologie d’IA en 2025, contre 10 % l’année précédente. L’obligation de littératie s’applique à chacune d’elles. C’est, en volume, la disposition de l’AI Act qui concerne le plus grand nombre d’organisations — et celle dont on parle le moins.
Faites remarquer le déplacement du verbe : « garantir » → « soutenir le développement ». Un mot de vocabulaire juridique, et une obligation change de nature. C’est un excellent exercice de lecture comparée de deux versions d’un même article.
Article 4 bis — Données sensibles et détection des biais
Introduit par l’Omnibus, il encadre le traitement de catégories particulières de données à caractère personnel dans la mesure strictement nécessaire à la détection et à la correction des biais des systèmes d’IA, en spécifiant un motif d’intérêt public important au sens de l’article 9 § 2 g) du RGPD.
Il y avait un paradoxe bien connu : pour vérifier qu’un modèle ne discrimine pas selon l’origine ou le sexe, il faut disposer de ces données — que le RGPD protège précisément. L’article 4 bis desserre l’étau, sous condition de stricte nécessité. Il ne crée pas de base légale autonome et n’autorise pas la collecte de ces données pour d’autres finalités.
Une banque veut tester son modèle de scoring pour vérifier qu’il ne défavorise pas certains quartiers. Le test suppose de croiser les décisions avec des variables sensibles. Avant l’Omnibus, la direction juridique bloquait. Désormais, l’opération est possible — mais uniquement pour ce test, avec des garanties documentées, et sans que ces variables entrent dans le modèle.
Article 5 — Pratiques interdites
Huit interdictions, plus une neuvième ajoutée par l’Omnibus. Quatre concernent directement le management.
5 § 1 a) — Manipulation
Interdiction des systèmes recourant à des techniques subliminales, ou délibérément manipulatrices ou trompeuses, ayant pour objectif ou pour effet d’altérer substantiellement le comportement d’une personne ou d’un groupe en portant considérablement atteinte à leur capacité de décider en connaissance de cause, les amenant à prendre une décision qu’elles n’auraient pas prise autrement, d’une manière causant ou susceptible de causer un préjudice important.
Quatre conditions cumulatives : une technique manipulatrice, une altération substantielle du comportement, une décision qui n’aurait pas été prise, un préjudice important. Le seuil est haut. Mais la formule « objectif ou effet » signifie qu’un système optimisé sur la conversion, sans intention manipulatrice, peut y tomber par ses résultats.
Un site de billetterie déploie un moteur qui teste en continu des variantes d’interface et retient celles qui maximisent la conversion. Au bout de six mois, le système a convergé vers un affichage de rareté artificielle et un compte à rebours calibré individuellement sur le temps d’hésitation détecté. Personne n’a conçu un dark pattern : le modèle l’a trouvé. La question de l’article 5 se pose exactement là.
Question de TD : quelle preuve faudrait-il produire pour établir chacune des quatre conditions ?
5 § 1 b) — Exploitation des vulnérabilités
Interdiction des systèmes exploitant les vulnérabilités dues à l’âge, au handicap ou à la situation sociale ou économique d’une personne ou d’un groupe, avec pour objectif ou effet d’altérer substantiellement leur comportement d’une manière causant ou susceptible de causer un préjudice important.
Ici, pas besoin de technique manipulatrice : la vulnérabilité de la cible suffit à faire basculer. C’est la disposition la plus directement menaçante pour certaines pratiques de ciblage.
Un organisme de crédit renouvelable calibre ses relances sur des signaux de tension financière — découverts répétés, achats de première nécessité fractionnés. Le ciblage est efficace. Il est aussi le cas d’école de l’article 5 § 1 b).
5 § 1 c) — Notation sociale
Interdiction des systèmes évaluant ou classant des personnes sur la base de leur comportement social ou de caractéristiques personnelles, lorsque le score conduit à un traitement défavorable dans un contexte sans rapport avec celui de la collecte, ou disproportionné au regard du comportement.
Ce n’est pas la notation qui est interdite, c’est la migration du score d’un contexte à un autre. Un score de fidélité qui sert à orienter des offres commerciales est licite. Le même score qui sert à refuser un service sans rapport ne l’est plus.
Une plateforme de mobilité note ses utilisateurs sur la propreté des véhicules restitués. Deux ans plus tard, un partenariat conduit à utiliser cette note pour moduler l’accès à un service de location de logements de vacances. Le contexte a changé, la note a suivi. C’est de la notation sociale.
5 § 1 f) — Inférence des émotions au travail et en formation
Interdiction des systèmes d’IA destinés à inférer les émotions d’une personne physique sur le lieu de travail et dans les établissements d’enseignement, sauf pour des raisons médicales ou de sécurité.
C’est la seule interdiction de l’article 5 qui vise nommément deux institutions : l’entreprise et l’école. Elle est en vigueur depuis février 2025 et n’a pas été reportée. En France, son contrôle relève de la CNIL.
Cette interdiction rend illicites en Europe les modules d’analyse du ton de voix ou de l’expression faciale en entretien vidéo, les tableaux de bord d’« engagement émotionnel » des équipes, et les outils de détection du stress fondés sur des signaux comportementaux. C’est le premier point à vérifier dans un audit d’outils RH, avant toute discussion de calendrier — et il concerne aussi les établissements d’enseignement supérieur qui achètent des solutions d’e-proctoring ou d’analyse d’attention en amphi.
La neuvième interdiction, à partir du 2 décembre 2026
L’Omnibus ajoute l’interdiction des systèmes générant des contenus intimes non consentis et des contenus pédocriminels — notamment ceux qui produisent des images dénudées de personnes réelles ou suppriment les vêtements sur des photographies existantes. Le fournisseur en répond y compris en cas de mésusage raisonnablement prévisible.
III. Le haut risque : qui l’est, et pourquoi
Article 6 — Classification
Deux portes. Le § 1 vise les systèmes qui sont un composant de sécurité d’un produit couvert par les législations de l’annexe I, ou qui sont eux-mêmes un tel produit soumis à évaluation par un tiers. Le § 2 renvoie à l’annexe III, qui liste huit domaines d’usage.
Le § 3 ouvre une dérogation : un système de l’annexe III n’est pas à haut risque s’il ne présente pas de risque important, parce qu’il n’accomplit qu’une tâche procédurale étroite, améliore le résultat d’une activité humaine déjà achevée, détecte des schémas décisionnels sans se substituer à l’évaluation humaine, ou effectue une tâche préparatoire. Mais un système qui effectue un profilage de personnes physiques est toujours à haut risque. L’évaluation doit être documentée avant la mise sur le marché et fournie aux autorités sur demande.
La dérogation existe, elle est réelle, et elle est étroite. En RH et en crédit, elle est presque inopérante, puisque ces usages reposent sur du profilage.
Un éditeur RH soutient que son module de « préqualification » n’est pas à haut risque : il ne fait que trier les candidatures selon la présence ou l’absence du diplôme requis. Tâche procédurale étroite, argument défendable. La version suivante ajoute un score de « compatibilité culturelle » calculé à partir du parcours. Ce n’est plus une tâche procédurale : c’est du profilage. La dérogation tombe, et l’éditeur doit reprendre son évaluation documentée.
Annexe III — Les huit domaines
Biométrie · Infrastructures critiques · Éducation et formation professionnelle · Emploi et gestion des travailleurs · Accès aux services essentiels, publics et privés · Répression · Migration et contrôle aux frontières · Justice et processus démocratiques.
Pour le management, deux points comptent.
Point 4 — Emploi. a) recrutement et sélection, y compris la publication d’offres d’emploi ciblées, l’analyse et le filtrage des candidatures, l’évaluation des candidats ; b) décisions sur les conditions de la relation de travail, la promotion, la résiliation, l’attribution de tâches sur la base du comportement ou de traits personnels, la surveillance et l’évaluation des performances.
Point 5 — Services essentiels. b) évaluation de la solvabilité et établissement du score de crédit des personnes physiques, à l’exception de la détection de la fraude financière ; c) évaluation des risques et tarification pour les personnes physiques en assurance vie et santé.
L’ACPR a précisé, sur la base du projet de lignes directrices de la Commission du 19 mai 2026, que l’évaluation des risques s’entend largement — proposer, refuser, retirer ou modifier des garanties, exclusions et franchises — et qu’un système comportant des fonctionnalités de détection de fraude, même à titre principal, reste dans le champ dès lors qu’il fait de l’évaluation de risque ou de la tarification. L’assurance emprunteur est incluse ; les produits d’investissement fondés sur l’assurance ne le sont pas.
IV. Les sept exigences des systèmes à haut risque (articles 9 à 15)
Applicables au 2 décembre 2027 pour l’annexe III. À traiter comme un cahier des charges dès aujourd’hui : ce sont les questions qu’un acheteur doit poser à son fournisseur en 2026.
Article 9 — Système de gestion des risques
Processus continu, itératif, planifié, couvrant tout le cycle de vie : identifier les risques connus et prévisibles pour la santé, la sécurité et les droits fondamentaux, les estimer, adopter des mesures de maîtrise, tester.
« Continu » exclut le document produit une fois pour la mise en service. Une entreprise qui sait faire de la cartographie des risques sait faire cela — c’est un transfert de compétence, pas une création.
Article 10 — Données et gouvernance des données
Les jeux d’entraînement, de validation et de test doivent être pertinents, suffisamment représentatifs, et dans toute la mesure du possible exempts d’erreurs et complets au regard de la finalité. Examen des biais possibles, prise en compte des spécificités géographiques, contextuelles et comportementales du cadre d’usage.
Un distributeur déploie un modèle de prévision de performance commerciale entraîné sur dix ans d’historique. Sur cette période, les postes de direction régionale ont été occupés à 90 % par des hommes. Le modèle apprend une corrélation qui n’est pas une causalité. L’article 10 n’exige pas un modèle parfait : il exige que ce risque ait été examiné et documenté.
Article 11 — Documentation technique
Établie avant la mise sur le marché, tenue à jour, contenant a minima les éléments de l’annexe IV. Les PME peuvent la fournir sous forme simplifiée.
Article 12 — Enregistrement des événements (journalisation)
Le système enregistre automatiquement les événements tout au long de son cycle de vie, pour assurer la traçabilité.
C’est l’article le plus sous-estimé, et le plus décisif en contentieux. Les journaux sont ce qui permettra à un candidat écarté ou à un emprunteur refusé de reconstituer la décision. Ils sont aussi ce qui permettra à l’entreprise de démontrer qu’elle a bien supervisé. La journalisation joue dans les deux sens.
Article 13 — Transparence et information des déployeurs
Le système est conçu pour que son fonctionnement soit suffisamment transparent, et il est accompagné d’une notice d’utilisation décrivant les capacités, les limites, le niveau d’exactitude attendu, les circonstances d’usage pouvant présenter un risque, et les mesures de supervision humaine prévues.
C’est l’article qui protège l’acheteur. Sans notice, un déployeur ne peut pas se conformer à l’article 26. Une clause contractuelle exigeant la notice de l’article 13 vaut mieux qu’un audit a posteriori.
Article 14 — Contrôle humain
Le système est conçu pour pouvoir être supervisé par des personnes physiques pendant son utilisation. Celles-ci doivent pouvoir comprendre ses capacités et ses limites, rester conscientes du risque d’automatisation excessive — la tendance à se fier automatiquement à la sortie —, interpréter correctement les résultats, décider de ne pas les utiliser, et interrompre le système.
Le texte nomme lui-même le biais qu’il veut éviter. Une validation humaine formelle qui entérine mécaniquement la recommandation ne satisfait pas l’article 14.
La Cour de cassation juge de longue date qu’un dispositif de surveillance installé sans consultation préalable des représentants du personnel ne peut fonder une sanction disciplinaire. La transposition au management algorithmique est directe : une décision « validée par un manager » qui ne repose sur aucune capacité effective de contestation se lit comme une décision automatisée, avec les conséquences de l’article 22 du RGPD.
Article 15 — Exactitude, robustesse et cybersécurité
Niveau approprié d’exactitude, de robustesse et de cybersécurité, constant tout au long du cycle de vie. Résilience aux erreurs, aux défaillances, aux incohérences, et aux tentatives d’altération — notamment l’empoisonnement des données et les attaques adverses.
V. Qui répond de quoi
Article 16 — Obligations des fournisseurs
Assurer la conformité aux articles 8 à 15, s’identifier sur le système ou sa documentation, mettre en place un système de gestion de la qualité (article 17), conserver la documentation et les journaux, faire réaliser l’évaluation de conformité, établir la déclaration UE de conformité, apposer le marquage CE, enregistrer le système, prendre des mesures correctives, coopérer avec les autorités.
Article 25 — Responsabilités le long de la chaîne de valeur
Un distributeur, un importateur, un déployeur ou tout tiers est considéré comme fournisseur et soumis aux obligations de l’article 16 dans trois cas : a) il appose son nom ou sa marque sur un système à haut risque déjà mis sur le marché ; b) il apporte une modification substantielle à un système à haut risque qui le reste ; c) il modifie la destination d’un système, y compris un système à usage général, non classé à haut risque, de telle sorte qu’il le devienne. Le fournisseur initial cesse alors de l’être, mais doit coopérer et transmettre les informations et l’accès technique nécessaires.
C’est l’article anti-contournement. Il empêche de se débarrasser de la conformité par une marque blanche ou un réentraînement. Et son point c) est la porte d’entrée involontaire la plus large du règlement à l’ère des modèles généralistes.
Une banque régionale achète un moteur de détection de fraude, le réentraîne sur ses propres données et l’utilise pour prioriser les dossiers de crédit à la consommation. Trois questions : la finalité réelle relève-t-elle de l’exception fraude ou du point 5 b) ? À quel moment exact la banque a-t-elle changé de rôle ? Quelles obligations vient-elle d’hériter ?
Réponses attendues : point 5 b), au réentraînement combiné au changement de finalité, l’article 16 en entier.
Une ETI industrielle branche un modèle généraliste sur son SIRH pour classer les candidatures internes lors des mobilités. Aucun achat, aucun contrat, trois semaines de développement. Elle vient de devenir fournisseur d’un système à haut risque au titre du 25 § 1 c). Personne dans l’organisation n’a la moindre idée de ce que cela implique.
Article 26 — Obligations des déployeurs
Utiliser le système conformément à la notice · confier la supervision humaine à des personnes physiques compétentes, formées et dotées de l’autorité nécessaire · veiller à la pertinence et à la représentativité des données d’entrée lorsqu’on les contrôle · surveiller le fonctionnement, suspendre l’usage et informer le fournisseur et l’autorité en cas de risque ou d’incident grave · conserver les journaux pendant au moins six mois · informer les travailleurs concernés et leurs représentants avant la mise en service sur le lieu de travail (§ 7) · informer les personnes soumises à une décision prise ou assistée par le système.
Un groupe déploie un outil d’évaluation de la performance dans ses douze filiales. La DRH groupe informe le CSE central. Deux filiales ont leur propre CSE et n’ont rien reçu. L’article 26 § 7 vise les travailleurs concernés et leurs représentants : l’information doit descendre au niveau où le système est utilisé. Et en droit français, la consultation du CSE au titre de l’article L. 2312-8 du code du travail est due en plus, et avant.
Article 27 — Analyse d’impact sur les droits fondamentaux (FRIA)
Avant la première utilisation d’un système à haut risque de l’annexe III, doivent réaliser une analyse d’impact sur les droits fondamentaux : les déployeurs organismes de droit public, les entités privées fournissant des services publics, et les déployeurs des systèmes visés aux points 5 b) et 5 c).
Un employeur privé qui déploie un outil de tri de candidatures n’est pas soumis à la FRIA au titre de l’AI Act. Une banque qui déploie un scoring de crédit et un assureur qui déploie un moteur de tarification vie ou santé le sont, même quand l’outil est acheté sur étagère.
La FRIA (article 27, AI Act) porte sur les droits fondamentaux des personnes affectées. L’AIPD (article 35, RGPD) porte sur les risques du traitement de données personnelles. Objets différents, textes différents, déclencheurs différents. Les deux peuvent être dues simultanément. Faire construire à des étudiants un tableau à deux colonnes distinguant les deux est un exercice court et très efficace.
VI. Conformité, marquage, enregistrement
Articles 43, 47, 48, 49
Article 43 — Évaluation de la conformité. Pour la plupart des systèmes de l’annexe III, elle se fait par contrôle interne (annexe VI) : pas d’organisme tiers. Les systèmes biométriques peuvent relever d’un organisme notifié.
Article 47 — Déclaration UE de conformité. Établie et signée par le fournisseur, conservée dix ans.
Article 48 — Marquage CE. Apposé de façon visible, lisible et indélébile ; sous forme numérique pour un système fourni en ligne.
Article 49 — Enregistrement. Inscription dans la base de données de l’Union avant la mise sur le marché.
Un point rassurant à dire en cours : contrairement à ce qu’on lit souvent, l’AI Act n’impose pas, dans le cas général, de faire certifier son système par un tiers. Le fournisseur s’auto-évalue et engage sa responsabilité. C’est le modèle classique du marquage CE — celui des jouets et des équipements électriques.
Une start-up RH française annonce son outil « certifié AI Act ». Un étudiant attentif doit pouvoir demander : certifié par qui ? S’il s’agit d’une auto-déclaration au titre de l’annexe VI, le mot « certifié » est un abus de langage commercial — et, potentiellement, une pratique commerciale trompeuse.
VII. Article 50 — La transparence
C’est l’article applicable depuis le 2 août 2026. Il mérite un traitement détaillé, paragraphe par paragraphe, parce que chacun vise un acteur différent.
§ 1 — Le système doit dire qu’il est un système
Les fournisseurs veillent à ce que les systèmes destinés à interagir directement avec des personnes soient conçus de manière que celles-ci soient informées qu’elles interagissent avec une IA, sauf si cela est évident pour une personne raisonnablement avertie, attentive et avisée, compte tenu du contexte.
Depuis le 2 août 2026, les chatbots, agents conversationnels et avatars virtuels doivent le signaler clairement. L’exception d’évidence est plus étroite qu’on ne le croit : un widget de support baptisé « Julie » avec une photo de profil n’est pas évidemment une machine. Un encart intitulé « Assistant IA » l’est.
§ 2 — Le contenu doit porter une marque lisible par machine
Les fournisseurs de systèmes générant du contenu de synthèse — texte, image, audio, vidéo — veillent à ce que les sorties soient marquées dans un format lisible par machine et détectables comme générées ou manipulées artificiellement. Les solutions doivent être efficaces, interopérables, robustes et fiables au regard de l’état de l’art. Exception lorsque le système remplit une fonction d’assistance à l’édition standard ou ne modifie pas substantiellement les données d’entrée.
Applicable au 2 août 2026, sauf pour les systèmes génératifs déjà mis sur le marché avant cette date, qui bénéficient d’un délai transitoire de quatre mois, jusqu’au 2 décembre 2026 (article 111 § 4). C’est le seul report accordé à l’article 50 — et il a été massivement présenté, à tort, comme un report général.
Le code de bonnes pratiques publié le 10 juin 2026 recommande une approche multicouche : au minimum des métadonnées signées numériquement et un filigrane imperceptible. Le standard C2PA / Content Credentials est cité comme référence technique. Google a signé le code et travaille avec d’autres acteurs sur SynthID ; TikTok revendique plus de trois milliards de contenus déjà étiquetés ; Meta déploie une mention « AI Info » sur ses plateformes. Fin juillet 2026, environ 190 organisations avaient signé le code.
Le code est volontaire. L’obligation ne l’est pas. Une entreprise qui ne signe pas devra démontrer devant chaque autorité nationale, au cas par cas, que sa solution maison atteint l’objectif. Un texte facultatif devient donc le référentiel de fait d’une règle contraignante — et il s’appuie sur un standard gouverné par un consortium industriel privé. Est-ce une bonne manière de faire du droit ?
§ 3 — Reconnaissance des émotions et catégorisation biométrique
Les déployeurs de tels systèmes informent les personnes exposées. Rappel : au travail et dans l’enseignement, l’inférence des émotions n’est pas à informer, elle est interdite (article 5).
§ 4 — Hypertrucages et textes d’intérêt public
Les déployeurs qui génèrent ou manipulent des images, sons ou vidéos constituant un hypertrucage indiquent que le contenu a été généré ou manipulé artificiellement. Lorsque le contenu fait partie d’une œuvre manifestement artistique, créative, satirique ou fictionnelle, l’obligation se limite à une divulgation appropriée qui n’entrave pas l’exposition ou la jouissance de l’œuvre.
Les déployeurs qui génèrent ou manipulent un texte publié dans le but d’informer le public sur des questions d’intérêt public l’indiquent également — sauf lorsque le contenu a fait l’objet d’un contrôle éditorial humain et qu’une personne physique ou morale assume la responsabilité éditoriale de sa publication.
(a) Une marque de cosmétiques diffuse une campagne dont l’égérie est un mannequin photoréaliste entièrement généré. → Hypertrucage : étiquetage dû par le déployeur, marquage dû par le fournisseur du générateur. L’exception artistique ne couvre pas une campagne commerciale au seul motif qu’elle est créative.
(b) La même marque publie un billet de blog sur les effets d’un actif cosmétique, rédigé par IA et mis en ligne sans relecture. Le sujet touche à la santé publique. → Texte d’intérêt public, divulgation due, sauf revue éditoriale humaine documentée avec responsable identifié.
(c) La même marque publie un post promotionnel généré puis relu par la responsable communication. → Ni hypertrucage, ni intérêt public. Rien au titre du § 4. Le § 2 s’applique en amont, au fournisseur de l’outil.
La loi SREN de mai 2024 a créé un délit de diffusion d’hypertrucage sans consentement, puni jusqu’à deux ans d’emprisonnement et 45 000 euros d’amende en cas de diffusion en ligne (article 226-8-1 du code pénal). Et les règles des plateformes publicitaires s’ajoutent encore : Google exige que les images de Merchant Center conservent leurs métadonnées d’origine.
Suite de l’annexe — modèles à usage général, bacs à sable, gouvernance, sanctions, lecture QSE et lecture publicité digitale — dans la section suivante.
VIII. Les modèles à usage général (articles 51 à 56)
Cette partie ne concerne pas directement une entreprise utilisatrice — mais elle explique ce qu’elle peut exiger de ses fournisseurs.
Article 51 — Risque systémique
Un modèle à usage général est présumé présenter un risque systémique lorsque la puissance de calcul cumulée utilisée pour son entraînement dépasse 1025 opérations en virgule flottante (FLOP).
C’est le point de jonction avec le dossier « IA frontière » : un seuil quantitatif inscrit dans un texte de loi, avec tous les problèmes que cela pose — un seuil qui se franchit tout seul à mesure que le calcul devient moins cher, et une mesure sur laquelle on peut optimiser.
Article 53 — Obligations de tous les fournisseurs de modèles généraux
Documentation technique du modèle · information et documentation à destination des fournisseurs en aval qui l’intègrent · politique de respect du droit d’auteur · résumé suffisamment détaillé des contenus utilisés pour l’entraînement, selon un modèle fourni par le Bureau de l’IA.
Ces documents existent et sont opposables. Une direction achats peut légitimement les demander à son fournisseur d’API, et une direction juridique peut s’appuyer sur la politique de droit d’auteur en cas de litige sur un contenu généré.
Article 55 — Obligations supplémentaires en cas de risque systémique
Évaluation du modèle selon des protocoles normalisés, tests adverses, évaluation et atténuation des risques systémiques, signalement des incidents graves au Bureau de l’IA, niveau adéquat de cybersécurité.
Article 56 — Codes de bonnes pratiques
Le Bureau de l’IA encourage l’élaboration de codes de bonnes pratiques à l’échelle de l’Union. C’est la base juridique des deux codes existants : celui sur les modèles à usage général, et celui sur la transparence des contenus générés.
Depuis l’Omnibus, ces codes ont un effet juridique limité et ne sont pas assortis d’une présomption de conformité. Ils ne sont donc pas des règlements déguisés — mais ils fonctionnent comme des référentiels de fait.
IX. Innovation : bacs à sable et PME (articles 57 à 63)
Les États membres doivent mettre en place au moins un bac à sable réglementaire national, opérationnel au 2 août 2027. L’Omnibus prévoit qu’un bac à sable au niveau de l’Union peut être créé par le Bureau de l’IA, et accorde aux PME, aux start-up et aux petites entreprises à moyenne capitalisation un accès prioritaire.
La CNIL avait expérimenté ce format en France avant l’AI Act, avec son bac à sable « IA et services publics », dont elle a publié le bilan et les recommandations en avril 2025. C’est un exemple utile pour montrer à des étudiants que le dispositif n’est pas théorique.
X. Gouvernance, recours et sanctions
Article 70 — Autorités nationales
Chaque État membre désigne au moins une autorité notifiante et au moins une autorité de surveillance du marché, et une autorité de surveillance faisant office de point de contact unique (§ 2).
La France a retenu un schéma décentralisé : une quinzaine d’autorités sectorielles, coordination opérationnelle par la DGCCRF, point de contact unique, coordination stratégique par la DGE, rôle central de la CNIL, appui technique de l’ANSSI et du PEReN ; le véhicule législatif est le volet numérique du projet de loi DDADUE, adopté par le Sénat le 17 février 2026.
L’Allemagne a fait l’inverse : sa loi entrée en vigueur le 29 juillet 2026 désigne la Bundesnetzagentur comme autorité centrale de surveillance du marché, en laissant les services de médias aux autorités régionales.
Question de TD : quels avantages et quels coûts pour une entreprise opérant dans les deux pays ?
Article 85 — Droit de déposer une plainte
Toute personne ayant des motifs de considérer qu’il y a eu violation du règlement peut déposer une plainte auprès de l’autorité de surveillance du marché.
Article 86 — Droit à l’explication d’une décision individuelle
Toute personne faisant l’objet d’une décision prise par un déployeur sur la base des sorties d’un système à haut risque de l’annexe III, et produisant des effets juridiques ou l’affectant significativement de manière défavorable, a le droit d’obtenir du déployeur des explications claires et utiles sur le rôle du système dans la procédure décisionnelle et sur les principaux éléments de la décision.
C’est l’article qui transforme la conformité en risque contentieux individuel. Il ne suffira pas de dire « l’algorithme a décidé » ni « c’est une décision humaine ». Il faudra expliquer le rôle exact du système. Sans journalisation (article 12), c’est impossible.
Article 87 — Signalement des infractions
Les signalements d’infractions au règlement relèvent de la directive sur la protection des lanceurs d’alerte.
Depuis le 2 août 2026, la Commission a ouvert un outil de plainte AI Act, un dispositif pour lanceurs d’alerte et un canal dédié aux fournisseurs en aval intégrant des modèles à usage général. Conséquence pratique : le déclenchement d’un contrôle ne dépend plus d’une initiative de l’autorité. Un salarié, un candidat écarté ou un client peut l’enclencher. C’est un changement de nature du risque, et il est déjà effectif.
Articles 99 et 101 — Sanctions
35 M€ ou 7 % du chiffre d’affaires mondial — pratiques interdites (article 5).
15 M€ ou 3 % — manquements aux autres obligations, notamment celles des fournisseurs, des déployeurs, des importateurs, des distributeurs, des organismes notifiés, et les obligations de transparence de l’article 50.
7,5 M€ ou 1 % — informations inexactes, incomplètes ou trompeuses fournies aux autorités.
Le montant retenu est le plus élevé des deux. Pour les PME et les start-up, c’est le plus bas.
Article 101. La Commission peut infliger aux fournisseurs de modèles à usage général des amendes allant jusqu’à 3 % du chiffre d’affaires mondial ou 15 M€.
XI. Dispositions transitoires (articles 111 et 113)
Article 111. Les systèmes à haut risque de l’annexe III mis sur le marché avant la date d’application ne sont concernés que s’ils font l’objet de modifications importantes de leur conception. Les organismes publics disposent d’un délai plus long. Les modèles à usage général mis sur le marché avant le 2 août 2025 devaient se conformer au 2 août 2027. Le § 4, dans sa rédaction issue de l’Omnibus, accorde aux systèmes génératifs mis sur le marché avant le 2 août 2026 un délai jusqu’au 2 décembre 2026 pour le marquage lisible par machine.
Article 113. Les dates d’application. C’est l’article que l’Omnibus a modifié, et c’est pour cela que la moitié de la presse professionnelle a écrit que « l’AI Act était reporté » : le texte modifié ne touchait qu’à un calendrier, pas au fond.
Il y a une prime au statu quo pour les systèmes anciens. C’est logique en droit des produits, et cela crée un effet pervers connu : l’incitation à ne pas refondre un système existant, donc à conserver des modèles vieillissants. Bon sujet de discussion sur les effets non intentionnels de la régulation.
XII. Lecture QSE : qualité, sécurité, environnement
Trois lettres, trois régimes très inégaux. C’est la première chose à dire : l’AI Act est très bavard sur la qualité, assez précis sur la sécurité, et presque muet sur l’environnement. Ce déséquilibre est en soi un objet d’analyse.
12.1 Qualité — l’AI Act parle la langue des normes
Article 17 — Système de gestion de la qualité
Les fournisseurs de systèmes à haut risque mettent en place un système de gestion de la qualité, documenté de manière systématique et ordonnée sous la forme de politiques, de procédures et d’instructions écrites. Il couvre notamment la stratégie de conformité réglementaire, les procédures de conception et de vérification, les procédures d’essai, les spécifications techniques, les systèmes de gestion des données, la gestion des risques de l’article 9, la surveillance après commercialisation, la gestion des incidents, la communication avec les autorités, la tenue des registres et le cadre de responsabilité de la direction.
Un responsable qualité qui lit cette liste reconnaît immédiatement l’architecture d’un système de management au sens ISO. Ce n’est pas une coïncidence : l’AI Act est bâti sur le « nouveau cadre législatif » européen, celui du marquage CE, qui fonctionne par renvoi à des normes. Une organisation certifiée ISO 9001 n’a pas à repartir de zéro : elle a à étendre le périmètre de son système existant aux systèmes d’IA.
ISO/IEC 42001, publiée fin 2023, définit un système de management de l’intelligence artificielle sur le modèle d’ISO 9001 et d’ISO 27001. Elle n’est pas une norme harmonisée au sens de l’AI Act — elle ne confère donc pas la présomption de conformité — mais elle est certifiable, et elle structure la plupart des démarches d’entreprise. C’est aussi, pour un service QSE, la porte d’entrée la plus naturelle dans le sujet.
Article 40 — Normes harmonisées et présomption de conformité
Les systèmes à haut risque conformes à des normes harmonisées, dont les références ont été publiées au Journal officiel de l’Union, sont présumés conformes aux exigences correspondantes. Les demandes de normalisation adressées aux organismes européens peuvent également porter sur la performance en matière de ressources — réduction de la consommation d’énergie et des autres ressources — et sur l’efficacité énergétique.
C’est le mécanisme central du texte, et c’est aussi son point de fragilité. Les travaux du comité technique conjoint CEN-CENELEC dédié à l’IA ont pris un retard qui a directement contribué au report des obligations haut risque : on ne peut pas exiger la conformité à un référentiel qui n’existe pas encore. Pour un service qualité, cela se traduit par une consigne simple : construire aujourd’hui sur ISO/IEC 42001 et sur ses procédures existantes, en prévoyant le raccordement aux normes harmonisées lorsqu’elles paraîtront.
Un équipementier certifié ISO 9001 et IATF 16949 développe un module de contrôle visuel par IA pour sa ligne d’assemblage. La direction qualité veut savoir quoi faire. Réponse : cartographier l’écart entre le SMQ existant et la liste de l’article 17, plutôt que créer un système parallèle. Les procédures de traçabilité, de gestion des non-conformités et de revue de direction couvrent déjà les deux tiers du périmètre. Ce qui manque, en général : la gouvernance des données d’entraînement (article 10), la journalisation (article 12) et la formalisation de la supervision humaine (article 14).
12.2 Sécurité — l’IA comme composant de sécurité
Annexe I et le règlement Machines
L’article 6 § 1 classe à haut risque les systèmes d’IA destinés à être utilisés comme composant de sécurité d’un produit couvert par les législations d’harmonisation de l’annexe I — machines, jouets, ascenseurs, équipements sous pression, dispositifs médicaux, équipements de protection individuelle, équipements radio — ou qui constituent eux-mêmes un tel produit, lorsque celui-ci est soumis à une évaluation de conformité par un tiers.
Un système d’IA qui pilote un arrêt d’urgence, qui détecte l’intrusion d’un opérateur dans une zone dangereuse ou qui régule la vitesse d’un convoyeur n’est pas un « projet IA » : c’est une fonction de sécurité, avec tout ce que cela implique en analyse de risques machine.
Le calendrier : ces systèmes relèvent du 2 août 2028, reporté depuis le 2 août 2027 par l’Omnibus — qui a d’ailleurs modifié en même temps le règlement Machines (UE) 2023/1230 et le règlement sur l’aviation civile, pour aligner les deux régimes. C’est l’échéance la plus lointaine du texte, et elle correspond à la population d’entreprises la plus habituée à ce type de contraintes.
Annexe III point 2 — Infrastructures critiques
Sont à haut risque les systèmes destinés à être utilisés comme composants de sécurité dans la gestion et l’exploitation des infrastructures numériques critiques, du trafic routier, ou de la fourniture d’eau, de gaz, de chauffage et d’électricité.
Un exploitant de réseau d’eau déploie un modèle prédictif d’équilibrage de la distribution. Tant qu’il sert à optimiser les coûts de pompage, on est dans l’optimisation logistique. Dès lors qu’il commande l’ouverture de vannes et qu’une défaillance peut interrompre la desserte, il devient un composant de sécurité d’infrastructure critique. La ligne de partage est exactement la même qu’en sûreté de fonctionnement classique : la fonction remplie, pas la technologie employée.
Article 73 — Signalement des incidents graves
Les fournisseurs de systèmes à haut risque signalent tout incident grave à l’autorité de surveillance du marché de l’État membre où il est survenu, immédiatement après avoir établi le lien de causalité, et au plus tard quinze jours après en avoir eu connaissance. Le délai est raccourci en cas de perturbation d’une infrastructure critique et en cas de décès. Les déployeurs qui constatent un incident grave en informent le fournisseur, puis l’importateur ou le distributeur et l’autorité.
La définition d’« incident grave » de l’article 3 recouvre le décès ou l’atteinte grave à la santé, la perturbation grave et irréversible d’une infrastructure critique, la violation d’obligations de droit de l’Union protégeant les droits fondamentaux, et le dommage grave aux biens ou à l’environnement.
L’entreprise sait déjà déclarer un accident du travail, un presqu’accident, une non-conformité produit. L’article 73 crée un canal supplémentaire, avec ses propres délais et son propre destinataire. La bonne pratique consiste à intégrer l’incident IA dans le circuit de remontée existant plutôt qu’à créer une procédure isolée — sans quoi rien ne remonte.
12.3 Santé et sécurité au travail — la couche qui s’applique déjà
Rien de ce qui suit n’a été reporté.
L’obligation générale de sécurité. L’article L. 4121-1 du code du travail impose à l’employeur de prendre les mesures nécessaires pour assurer la sécurité et protéger la santé physique et mentale des travailleurs. Le déploiement d’un système de management algorithmique — cadencement, notation continue, attribution automatique de tâches — relève de cette obligation, et doit à ce titre figurer dans l’évaluation des risques professionnels.
Le document unique. Les risques psychosociaux induits par une supervision algorithmique — perte d’autonomie, imprévisibilité, sentiment de surveillance permanente, isolement — ont vocation à être inscrits au DUERP au même titre que les autres. C’est un point que les directions oublient systématiquement, parce que le projet est porté par la DSI et non par la prévention.
L’interdiction des émotions. Rappel de l’article 5 § 1 f) : l’inférence des émotions sur le lieu de travail est interdite depuis février 2025, sauf raisons médicales ou de sécurité. Un dispositif de détection de somnolence sur un poste de conduite peut relever de l’exception de sécurité ; un tableau de bord du « moral des équipes » n’en relève pas.
La consultation. CSE au titre de l’article L. 2312-8 du code du travail avant l’introduction de nouvelles technologies, possibilité d’expertise, et information des travailleurs et de leurs représentants au titre de l’article 26 § 7 de l’AI Act.
La directive (UE) 2024/2831 du 23 octobre 2024 sur le travail via une plateforme doit être transposée au plus tard le 2 décembre 2026. Ses chapitres sur la gestion algorithmique vont plus loin que l’AI Act sur plusieurs points : limitation du traitement de certaines données par des systèmes de surveillance ou de décision automatisés, contrôle humain des décisions, droit d’obtenir un réexamen humain, information des travailleurs — et elle protège les indépendants comme les salariés. Les sanctions renvoient aux plafonds du RGPD, soit jusqu’à 20 millions d’euros ou 4 % du chiffre d’affaires mondial. En France, la transposition n’était pas achevée à l’été 2026.
Faire comparer l’AI Act et la directive plateforme sur le même cas — un livreur dont les courses sont attribuées par algorithme — est l’un des meilleurs exercices possibles. Deux textes européens, deux logiques : l’un raisonne en sécurité des produits, l’autre en droit social. Ils ne disent pas la même chose, et ils ne protègent pas les mêmes personnes.
12.4 Environnement — le parent pauvre du règlement
C’est le point où il faut être honnête avec les étudiants, y compris quand cela déçoit.
Ce que l’AI Act n’impose pas. Il ne fixe aucun seuil d’empreinte carbone, aucune obligation de mesure, aucun plafond de consommation. Un système à haut risque parfaitement conforme peut être écologiquement désastreux.
Article 40 § 2 — les demandes de normalisation adressées au CEN et au CENELEC peuvent porter sur l’efficacité énergétique et la réduction de la consommation de ressources. Voie indirecte, et à ce jour largement théorique.
Article 53 et annexe XI — les fournisseurs de modèles à usage général doivent documenter, entre autres, la consommation d’énergie connue ou estimée du modèle. C’est la seule donnée environnementale rendue obligatoire par le règlement, et elle porte sur l’entraînement, pas sur l’inférence — c’est-à-dire pas sur la part qui, en usage massif, finit par dominer.
Article 95 — codes de conduite volontaires. Le Bureau de l’IA et les États membres encouragent l’élaboration de codes de conduite visant à appliquer volontairement aux systèmes non à haut risque tout ou partie des exigences du chapitre III, ainsi que d’autres exigences relatives notamment à la durabilité environnementale, à l’accessibilité pour les personnes handicapées, à la participation des parties prenantes et à la diversité des équipes de développement.
La durabilité environnementale figure dans l’AI Act au chapitre du volontariat. Pour une direction RSE, cela signifie que la contrainte viendra d’ailleurs : de la CSRD et des obligations de reporting extra-financier, de la comptabilité carbone du numérique, des politiques d’achats responsables, et de la pression des parties prenantes — pas du règlement IA.
Une entreprise doit publier son reporting de durabilité. Elle a déployé quatorze cas d’usage d’IA générative dans l’année. Aucun texte ne l’oblige à en mesurer l’empreinte au titre de l’AI Act, mais son commissaire aux comptes lui demande comment elle traite la croissance de sa consommation numérique.
Question : où l’IA doit-elle apparaître dans un rapport de durabilité, et sur quelle base méthodologique, faute de référentiel réglementaire dédié ? Il n’y a pas de réponse consensuelle. C’est précisément ce qui en fait un sujet.
XIII. Lecture publicité digitale
Le secteur publicitaire est dans une situation singulière : presque aucune obligation au titre du haut risque, la totalité des obligations de transparence, et un empilement de textes non-IA qui mordent plus fort que l’AI Act lui-même.
13.1 Qui est quoi dans la chaîne programmatique
C’est la première difficulté, et elle est spécifique au secteur : la chaîne compte cinq ou six intervenants, et le règlement n’en connaît que deux.
- L’éditeur de l’outil génératif (générateur d’images, rédacteur d’annonces, outil de voix de synthèse) est fournisseur. Il porte le marquage lisible par machine de l’article 50 § 2.
- L’annonceur qui publie la campagne est déployeur. Il porte l’étiquetage des hypertrucages de l’article 50 § 4.
- L’agence est le plus souvent déployeur elle aussi, pour ce qu’elle produit et diffuse au nom du client. La répartition contractuelle des tâches ne fait pas disparaître la qualité de déployeur — elle organise seulement qui exécute.
- La plateforme (régie, réseau social, place de marché) ajoute ses propres règles, et relève par ailleurs du DSA.
- Les DSP, SSP et ad exchanges manipulent des systèmes d’optimisation et d’enchères qui, dans l’immense majorité des cas, ne sont ni interdits ni à haut risque.
Une agence produit pour un client une série de visuels générés, les livre en fichiers, et le client les diffuse lui-même via sa régie. Qui doit étiqueter ?
Réponse : le client, qui est le déployeur au sens du § 4 puisqu’il publie. Mais l’agence, si elle diffuse elle-même en délégation, l’est aussi. Et dans les deux cas, si l’outil utilisé n’appose pas le marquage machine, les deux sont exposés — d’où l’intérêt d’une clause dans le contrat de production.
13.2 Ce que la publicité n’a pas le droit de faire
Rappel des trois interdictions vues plus haut, appliquées au secteur : manipulation (article 5 § 1 a), exploitation des vulnérabilités liées à l’âge, au handicap ou à la situation économique (5 § 1 b), notation sociale migrant d’un contexte à l’autre (5 § 1 c).
À quoi s’ajoute, hors AI Act mais sur le même terrain, l’article 28 du DSA : les plateformes en ligne ne peuvent pas présenter de publicité fondée sur le profilage lorsqu’elles savent avec une certitude raisonnable que le destinataire est un mineur. Et l’article 26 § 3 interdit la publicité fondée sur le profilage utilisant des catégories particulières de données.
Un annonceur de jeux d’argent utilise un modèle qui identifie les moments de la journée où un utilisateur donné a la plus faible résistance à l’incitation, et cale ses enchères dessus. Techniquement, c’est de l’optimisation temporelle. Juridiquement, c’est le cœur de cible de l’article 5.
13.3 Les influenceurs virtuels et le cumul français
Un personnage entièrement synthétique qui s’adresse au public relève de l’article 50 : information sur la nature artificielle de l’interaction si le personnage converse (§ 1), marquage machine des contenus produits (§ 2), étiquetage si le contenu constitue un hypertrucage — c’est-à-dire s’il ressemble à des personnes, lieux ou événements existants (§ 4).
La loi du 9 juin 2023 visant à encadrer l’influence commerciale impose aux contenus d’influence de porter la mention « Images retouchées » lorsque l’image a été modifiée pour affiner ou épaissir une silhouette ou modifier l’apparence, et la mention « Images virtuelles » lorsque l’image est générée par intelligence artificielle. L’obligation existe depuis 2023, elle est spécifique, elle est plus précise que l’AI Act, et elle vise une pratique très répandue.
C’est le meilleur exemple pour montrer que le droit français peut être en avance sur le droit européen. Vos étudiants supposent l’inverse par défaut.
13.4 Le point aveugle : le job advertising
À répéter, parce que c’est le piège du secteur. L’annexe III point 4 a) classe à haut risque les systèmes destinés au recrutement ou à la sélection, y compris pour publier des offres d’emploi ciblées.
Une campagne de recrutement programmatique, avec ciblage d’audience optimisé par algorithme, relève donc du régime RH — pas du régime publicitaire. Elle est achetée par le marketing, pilotée par une agence média, financée par la marque employeur, et régie par la partie du texte que personne dans la chaîne ne lit.
Une entreprise industrielle lance une campagne de recrutement de techniciens de maintenance. Le ciblage est optimisé sur les audiences « ressemblantes » construites à partir des profils déjà employés. Les employés actuels sont à 94 % des hommes. La campagne s’adresse donc massivement à des hommes, sans qu’aucune consigne discriminatoire n’ait jamais été donnée.
Questions : quel régime s’applique ? quelle date d’échéance ? et surtout, quel autre corps de règles est déjà violé aujourd’hui, indépendamment de l’AI Act ?
13.5 La tarification personnalisée
Elle relève rarement de l’AI Act — sauf à basculer dans la manipulation de l’article 5 — mais elle est encadrée ailleurs : la directive dite « Omnibus consommateurs » (UE) 2019/2161, transposée en droit français de la consommation, impose d’informer le consommateur lorsque le prix affiché est personnalisé sur la base d’une décision automatisée.
Autrement dit : la personnalisation tarifaire par algorithme est licite, mais elle doit être annoncée. C’est une obligation ancienne, largement ignorée, et qui redevient d’actualité à mesure que les moteurs de pricing deviennent apprenants.
13.6 Ce qui s’empile
- AI Act, article 5 — manipulation, vulnérabilités, notation sociale.
- AI Act, article 50 — chatbots, marquage, hypertrucages, textes d’intérêt public.
- DSA — interfaces trompeuses (article 25), transparence de la publicité (article 26), interdiction du ciblage publicitaire des mineurs par profilage (article 28), registres de publicité pour les très grandes plateformes (article 39).
- RGPD et ePrivacy — consentement, base légale du ciblage, droits des personnes.
- Droit de la consommation — pratiques commerciales trompeuses et agressives, information sur le prix personnalisé.
- Loi du 9 juin 2023 — mentions « Images retouchées » et « Images virtuelles » pour l’influence commerciale.
- Loi SREN de 2024 — délit de diffusion d’hypertrucage sans consentement, article 226-8-1 du code pénal.
- Règles des plateformes — étiquetage automatique, exigences de métadonnées, politiques d’incrustation.
Pour une direction marketing, le risque le plus probable en 2026 n’est pas une amende européenne : c’est un rejet de campagne par une régie, ou une plainte d’un concurrent au titre des pratiques trompeuses. L’AI Act est la couche la plus visible d’un empilement dont les autres couches sont plus anciennes et déjà appliquées.
XIV. Table de correspondance : par fonction
À projeter en fin de séance.
Direction générale et stratégie
Articles 2 (champ), 3 (rôles), 4 (littératie), 25 (requalification), 70 (autorités), 99 (sanctions), 113 (calendrier).
Marketing et communication
Articles 5 § 1 a), b), c) (interdits), 50 § 1, 2 et 4 (transparence), 6 § 2 + annexe III point 4 a) (offres d’emploi ciblées), 53 (documentation des fournisseurs de modèles).
Ressources humaines
Articles 5 § 1 f) (émotions au travail — déjà interdit), 6 + annexe III point 4, 10 (données et biais), 12 (journaux), 14 (contrôle humain), 26 § 7 (information des travailleurs), 86 (explication), pas l’article 27.
Finance, risques, assurance
Articles 6 + annexe III points 5 b) et 5 c), 9 (gestion des risques), 12, 15, 26, 27 (FRIA obligatoire), 43 (contrôle interne), 86.
Achats et direction juridique
Articles 13 (notice), 16 (obligations du fournisseur), 25 § 2 (coopération), 26 (usage conforme), 53 (documentation GPAI), 99.
Direction des systèmes d’information
Articles 3 § 1 (qualification), 12 (journalisation), 15 (robustesse et cybersécurité), 25 (modification substantielle), 50 § 2 (marquage technique).
QSE — qualité, sécurité, environnement
Articles 17 (système de gestion de la qualité), 40 (normes harmonisées et efficacité énergétique), 6 § 1 + annexe I (composant de sécurité, échéance 2 août 2028), annexe III point 2 (infrastructures critiques), 9 (gestion des risques), 73 (incidents graves), 95 (codes de conduite volontaires, dont durabilité environnementale), annexe XI (consommation d’énergie des modèles généraux). Hors AI Act : L. 4121-1 et DUERP, ISO/IEC 42001, CSRD, directive (UE) 2024/2831.
Publicité digitale, agences et régies
Articles 5 § 1 a) b) c), 50 § 1, 2 et 4, annexe III point 4 a) (offres d’emploi ciblées), 25 (rôle de l’agence). Hors AI Act : DSA articles 25, 26 et 28, loi du 9 juin 2023 sur l’influence commerciale, loi SREN et article 226-8-1 du code pénal, directive (UE) 2019/2161 sur le prix personnalisé.
Le dossier dont cette annexe dépend
Cette annexe est le compagnon technique du dossier AI Act et management : le dossier pour comprendre — et pour répondre aux questions de vos étudiants, qui traite le calendrier réel après le Digital Omnibus, la grammaire du règlement, et les quatre fonctions de l’entreprise — marketing, RH, finance, stratégie. Commencez par le dossier si vous découvrez le sujet ; revenez ici quand vous cherchez un article précis.
Annexe arrêtée au 20 août 2026. Les numéros d’articles renvoient au règlement (UE) 2024/1689 tel que modifié par le règlement (UE) 2026/1744. Textes navigables : artificialintelligenceact.eu et AI Act Service Desk.
Related posts:
Qu’est-ce-qu’une IA Frontière et comment l’expliquer à ses étudiants ?
Agent IA vertical : qu’est-ce que c’est ? Exemple concret avec Emma, entrepreneuse artificielle
« On bloque la Wayback Machine pour protéger nos contenus contre l’IA » — vraiment ?
Comment fonctionnent les LLM ? L’analogie de l’apprenti bibliothécaire universel
L’IA est peut-être déjà votre manager mais vous ne le savez pas
Les IA hallucinent encore ou pas
Enseigner les GAN et les deepfakes : le duel du faussaire et de l’expert en art
Comment « dé‑IA‑iser » nos écrits pour éviter la disparition des particularités des langues ?
