Actualités · IA Act · RGPD

Nos Actualités

Décryptages réglementaires et communiqués de CONSEILPREV sur la gouvernance de l'IA, le RGPD et la cybersécurité.

Empreinte · FinOps
Paris, le 2 septembre 2026

L’IA et l’environnement : quatre chiffres qui circulent, et ce qu’ils ne disent pas

Une fiche pédagogique met en circulation quatre ordres de grandeur sur l'empreinte environnementale de l'intelligence artificielle. Ils sont utiles : ils donnent à voir une trajectoire que peu de dossiers d'entreprise chiffrent. Trois d'entre eux demandent une précision avant d'être repris — non parce qu'ils seraient faux, mais parce qu'ils ne disent pas leur périmètre.

Ce que la fiche avance

Électricité — consommation mondiale des centres de données : 485 TWh en 2025, soit l'équivalent de la consommation annuelle de la France, et 945 TWh en 2030, soit celle du Japon.
Eau — de 4 500 à 9 300 milliards de litres par an entre 2025 et 2030, présentés comme l'équivalent des besoins de 1,3 milliard de personnes.
Carbone d'entraînement — 552, puis 25 000, puis 42 000 tonnes de CO₂e pour GPT-3, GPT-4 et GPT-5 : un facteur 76 en cinq ans.
Usage quotidien — la consommation journalière maximale de ChatGPT en 2025, sur la base de 2,5 milliards de requêtes par jour, rapportée à celle de 3,9 millions de foyers français. Et cette conclusion : 80 à 90 % des impacts viennent de l'usage, non de l'entraînement.

L'électricité : une trajectoire, pas une mesure

Le chiffre de 945 TWh à l'horizon 2030 est celui que l'Agence internationale de l'énergie publie dans son rapport Energy and AI, au titre de son scénario de référence ; la fiche le rattache à un autre éditeur, ce qui mérite d'être vérifié avant citation. Un scénario n'est pas une mesure : il vaut par ses hypothèses, et celles-ci se révisent.

Comparer un secteur à un pays donne à voir un ordre de grandeur ; cela ne dit ni où cette électricité est produite, ni avec quel contenu carbone. Deux repères que nous tenons, pour la France : l'Arcep relève une hausse de 23 % des émissions de la filière à fin 2024, et la commission d'enquête parlementaire sur les vulnérabilités numériques fait état de 15 GW déjà réservés auprès de RTE pour des centres de données, dont 1,4 GW portés par des acteurs européens. Une réservation de raccordement n'est ni une puissance installée ni une consommation : elle mesure une intention, et une part inconnue n'aboutira pas.

L'eau : le chiffre publié est presque toujours celui du site — et il manque l'essentiel

C'est le point sur lequel notre référentiel apporte le plus. Le volume d'eau qu'un centre de données publie est celui qu'il prélève sur son site : c'est ce qu'exige le règlement délégué (UE) 2024/1364, et c'est ce que compare la presse. Il ignore l'eau consommée en amont pour produire son électricité — les tours aéroréfrigérantes des centrales en évaporent.

Deux relevés indépendants, une même conclusion. Sur le parc français déclarant en 2023, l'Arcep mesure 681 000 m³ sur site contre 6 000 000 m³ en amont : un rapport de près de neuf. Sur le parc états-unien la même année, le Lawrence Berkeley National Laboratory relève 64 millions de m³ sur site contre 800 millions en amont : un rapport de plus de douze. L'ordre de grandeur ne tient donc ni à un pays ni à un mix électrique.

Un total mondial qui ne précise pas s'il compte l'amont peut ainsi se tromper d'un ordre de grandeur, et toujours dans le même sens. Le piège est technique autant que comptable : un centre qui remplace son refroidissement évaporatif par un refroidissement sec affiche un WUE de site nul — tout en consommant davantage d'électricité, donc davantage d'eau en amont. Le dossier qui ne regarde que le site conclut à l'envers de ce qu'il faut faire.

Enfin, rapporter une consommation industrielle aux « besoins en eau » d'une population suppose que les deux soient mesurés de la même façon. Prélèvement et consommation nette ne sont pas la même grandeur, et l'eau prélevée puis restituée au milieu ne manque à personne.

Le carbone d'entraînement : trois nombres, trois statuts

Les 552 tonnes de CO₂e attribuées à l'entraînement de GPT-3 sont publiées, avec leur méthode, dans un article de recherche de 2021 (Patterson et al.). Les 25 000 et 42 000 tonnes attribuées à GPT-4 et GPT-5 sont des estimations de tiers : à notre connaissance, aucun bilan d'entraînement n'a été publié par le fournisseur pour ces deux modèles.

Les aligner en série et en tirer un facteur donne à trois nombres de statuts différents l'apparence d'une même mesure. La tendance est vraisemblable ; le facteur ne l'est pas au chiffre près, et il ne devrait pas figurer dans un document d'entreprise sans cette réserve.

S'y ajoute une question de périmètre que nous avons dû trancher pour notre propre carte d'empreinte : une empreinte calculée de l'extérieur couvre le scope 2 et une partie du scope 3, jamais le scope 1 — ni les fuites de fluide frigorigène, ni le carburant des groupes électrogènes. Ces deux postes ne s'obtiennent que sur le site lui-même. Un chiffre d'entraînement qui ne dit pas son périmètre ne se compare à aucun bilan d'entreprise.

Le point le plus actionnable est le dernier, et c'est celui qu'on cite le moins

« 80 à 90 % de ces impacts viennent de notre usage quotidien. » Autrement dit : de l'inférence, non de l'entraînement. Si cette proportion est juste — et elle est cohérente avec ce que l'on observe dès qu'un modèle sert à grande échelle —, alors la marge de manœuvre n'est ni chez le fournisseur, ni dans le passé. Elle est dans chaque appel, tous les jours, chez celui qui déploie.

Et elle se pilote. Quatre leviers, tous mesurables : le modèle proportionné à la tâche — un grand modèle pour un tri de tickets est le gaspillage le plus courant ; la mise en cache des réponses répétitives ; le traitement différé de ce qui n'est pas urgent ; la requête bornée, c'est-à-dire le contexte élagué.

Ce que CONSEILPREV met à disposition

Le registre des systèmes d'IA de la plateforme Sentinel porte déjà l'attribution que cette démarche réclame : responsable, propriétaire métier, service, finalité. Un module de FinOps de l'IA y ajoute, pour chaque système, le modèle employé, l'unité de facturation, les volumes du mois et leur source, le centre de coût, la classe de tâche et les leviers réellement posés.

Il applique la règle qui vaut aussi pour cette fiche : il refuse de chiffrer ce qu'on ne lui a pas dit. Un système sans volume déclaré ressort « non instruit », jamais à zéro — parce qu'un total qui tait ce qu'il ignore rassure à tort. Et il signale l'écart entre le rang du modèle et celui de la tâche déclarée sans le trancher : dire « trop gros » supposerait de connaître la qualité attendue et ce qu'une erreur coûte.

Note de méthode

Nous rapportons les chiffres de cette fiche tels qu'elle les publie. Nous n'avons pas pu consulter à la source les publications de 2026 qu'elle cite ; les rattachements proposés ci-dessus — rapport Energy and AI de l'AIE, article de Patterson et al. — le sont à des documents que nous connaissons, et l'écart éventuel avec les éditions 2026 reste à vérifier. Nous relevons par ailleurs que la liste des sources passe de (3) à (5) : une des affirmations n'a pas de référence à laquelle se reporter.

Les repères français et états-uniens cités — Arcep, commission d'enquête parlementaire, Lawrence Berkeley National Laboratory — sont ceux que porte notre propre référentiel, avec leur millésime et leur réserve.

Contact presse — Christophe Cerf · christophe.cerf@outlook.com

Communiqué à vocation informative, ne constituant ni un conseil juridique ni une expertise environnementale. Les ordres de grandeur cités doivent être vérifiés à leur source avant tout usage engageant. Document commenté : « L'IA et l'environnement : ce que je retiens », fiche n°1 de la série « Décrypter l'IA d'aujourd'hui », Jean Ponroy.

Sources
  1. Energy and AI — Agence internationale de l'énergie, 2025
    Le scénario de référence de ce rapport porte la trajectoire de consommation des centres de données à l'horizon 2030.
  2. Carbon Emissions and Large Neural Network Training — Patterson et al., 2021
    La seule des trois empreintes d'entraînement citées par la fiche commentée qui soit publiée avec sa méthode.
  3. Enquête annuelle sur l'empreinte environnementale du numériquesans lien — Arcep, 2023 (parc déclarant)
    Les valeurs d'eau sur site et en amont sont reprises de notre module `eau_dc`, qui les tient de cette enquête. L'adresse de l'édition exacte reste à joindre.
  4. United States Data Center Energy Usage Reportsans lien — Lawrence Berkeley National Laboratory, 2024
    Millésime de données 2023. L'adresse stable de cette édition reste à joindre.
  5. Règlement délégué (UE) 2024/1364 — indicateurs de durabilité des centres de données — Union européenne, 2024
    C'est ce texte qui fixe l'eau DU SITE comme indicateur déclaré — d'où le fait que l'amont manque partout.
  6. L'IA et l'environnement : ce que je retiens (fiche n°1)sans lien — Jean Ponroy, 2026
    Fiche pédagogique diffusée sur LinkedIn, commentée par ce communiqué. Adresse de publication à joindre.

Les adresses ne sont pas ouvertes pour vérifier qu'elles répondent : un lien mort serait annoncé comme vivant. Les sources sans adresse portent la raison de son absence — une source qu'on ne peut pas joindre est une intention, pas une source.

IA Act · Transparence
Paris, le 1er septembre 2026

Le marquage passe du texte réglementaire à l'ingénierie : le filigrane entre dans l'infrastructure de l'IA

L'article 50 du règlement (UE) 2024/1689 est en vigueur depuis le 2 août 2026, et sa mise en œuvre a quitté le terrain du texte pour celui de l'ingénierie. Le marquage lisible par machine, les métadonnées de provenance et les identifiants de contenu signés cessent d'être des options : ils deviennent une couche de l'infrastructure sur laquelle les contenus sont produits, distribués et vérifiés.

La transparence ne se réduit pas à une étiquette visible

Deux exigences coexistent, et elles ne s'adressent pas au même destinataire. Visible pour un humain : une mention « généré par IA », lisible à l'écran. Lisible par une machine : un marquage que des outils tiers peuvent détecter et vérifier. La première rassure un lecteur ; seule la seconde rend possibles la détection, la vérification et l'imputation à grande échelle. Le paragraphe 2 de l'article 50 vise cette seconde exigence, et il pèse sur le fournisseur du système — non sur celui qui l'emploie.

La conformité devient une question d'ingénierie

Quatre questions, qu'aucun texte ne tranche à la place de l'exploitant.

Le marquage est-il robuste ? Résiste-t-il aux tentatives de suppression ou d'obscurcissement ?
Survit-il à l'édition et au reformatage ? Reste-t-il détectable après les transformations ordinaires — recadrage, compression, conversion, copier-coller ?
Un tiers peut-il le détecter ? La détection est-elle possible avec des outils ou des interfaces publics, ou seulement chez celui qui a produit le contenu ?
Les systèmes sont-ils interopérables ? Un marquage qu'un seul acteur sait lire ne vaut, en pratique, que pour lui.

À mesure que la mise en œuvre progresse, l'interopérabilité et la fiabilité de la détection deviennent aussi déterminantes que le marquage lui-même. L'échéance du 2 février 2027 porte précisément sur ce point pour les fournisseurs.

La chaîne, de la génération à la vérification

Cinq étapes. Le système d'IA produit un contenu — texte, image, audio ou vidéo. La marque est apposée à la génération, sous forme de filigrane lisible par machine ou de métadonnées de provenance. Le contenu est distribué à travers des plateformes et des canaux. Des outils ou services autorisés détectent et vérifient la marque. La transparence ainsi obtenue soutient la responsabilité, la conformité et la confiance. Chaque maillon rompu rend le suivant inopérant : une marque apposée mais indétectable par un tiers ne produit aucune transparence.

Trois familles de techniques

Le filigrane lisible par machine, pour le texte. Des approches statistiques — la plus documentée étant SynthID-Text, publiée par Google DeepMind — insèrent un signal discret dans le texte produit, en orientant très légèrement le choix des mots.
Les métadonnées de provenance, pour l'image et la vidéo. Des standards ouverts, au premier rang desquels la C2PA, attachent au fichier des métadonnées vérifiables sur son origine et sur ses modifications successives.
Les identifiants de contenu signés. Une information signée cryptographiquement voyage avec le contenu, ce qui permet d'en vérifier l'intégrité et la source.

Une synthèse publiée par InfoQ recense, parmi les acteurs engagés dans ces trois familles, Google, Adobe, Microsoft, OpenAI et Anthropic. Nous rapportons cette liste telle qu'elle est publiée : l'association précise d'une technique à un fournisseur donné n'a pas été vérifiée à la source par nos soins, et elle évolue vite.

Ce que cela change pour un déployeur

Un déployeur n'est pas tenu par le paragraphe 2 : le marquage machine est une obligation du fournisseur. Il en dépend pourtant entièrement. Trois questions méritent d'être posées à chaque fournisseur de modèle, et la réponse consignée. Le contenu produit porte-t-il un marquage lisible par machine ? Ce marquage est-il détectable par un tiers, et par quel moyen ? Que devient-il après les transformations que subissent réellement nos contenus ?

Aucune de ces trois réponses ne figure dans un contrat type. Toutes se retrouvent, le jour d'un contrôle, dans le registre de transparence — ou nulle part.

Ce que CONSEILPREV met à disposition

La plateforme Sentinel porte un registre de transparence qui distingue, pour chaque usage d'IA, le marquage lisible par machine et l'étiquetage visible, le rôle de fournisseur ou de déployeur, l'exception éventuellement invoquée et le responsable éditorial désigné. Une vérification relit à chaque appel les artefacts réellement servis, au lieu de faire confiance à ce que le registre affirme, et une attestation opposable peut être produite en cas de contrôle.

Contact presse — Christophe Cerf · christophe.cerf@outlook.com

Communiqué à vocation informative, ne constituant pas un conseil juridique. Les obligations et les échéances doivent être vérifiées au regard des textes publiés au Journal officiel de l'Union européenne. Les technologies citées le sont à titre d'illustration, sans recommandation ni vérification indépendante de leur mise en œuvre par les acteurs mentionnés.

Sources
  1. Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l'intelligence artificielle — Union européenne, 2024
    Article 50 : obligations de transparence. Le paragraphe 2 porte le marquage lisible par machine, et il pèse sur le fournisseur.
  2. Coalition for Content Provenance and Authenticity (C2PA) — C2PA, spécification en vigueur
    Métadonnées de provenance attachées au fichier, pour l'image et la vidéo.
  3. SynthID-Text — filigrane statistique pour le texte générésans lien — Google DeepMind, 2024
    Publication citée par la synthèse commentée. Adresse à joindre avant de s'en prévaloir.
  4. Synthèse sur le marquage des contenus générés par IAsans lien — InfoQ, 2026
    Document commenté par ce communiqué. L'association d'une technique à un fournisseur donné n'a pas été vérifiée à la source par nos soins.

Les adresses ne sont pas ouvertes pour vérifier qu'elles répondent : un lien mort serait annoncé comme vivant. Les sources sans adresse portent la raison de son absence — une source qu'on ne peut pas joindre est une intention, pas une source.

IA Act · Souveraineté
Paris, le 28 août 2026

Souveraineté technologique : avec le Cloud and AI Development Act, la Commission européenne change de doctrine

Le 3 juin 2026, la Commission européenne a présenté sa proposition de Cloud and AI Development Act, pièce maîtresse d'un paquet « souveraineté technologique » qui couvre également les semi-conducteurs et les logiciels libres. Le texte ne modifie pas le règlement (UE) 2024/1689 sur l'intelligence artificielle. Il en prolonge la logique sur un terrain que celui-ci ne couvre pas : non plus la conformité des systèmes, mais la dépendance de ceux qui les emploient.

Ce que l'IA Act corrige déjà

Le règlement européen sur l'IA corrige une partie de l'asymétrie informationnelle. Les fournisseurs de modèles d'IA à usage général doivent documenter leurs modèles, informer les acteurs en aval, respecter le droit d'auteur et, pour les modèles à risque systémique, évaluer et atténuer ces risques. Ces obligations s'appliquent aussi aux fournisseurs de pays tiers qui mettent leurs modèles sur le marché de l'Union.

Ce qu'il ne garantit pas

Ces obligations renforcent la responsabilité des fournisseurs ; elles ne garantissent toutefois ni la continuité du service, ni la portabilité des développements, ni la maîtrise de l'infrastructure de calcul. Un modèle parfaitement documenté peut être retiré du marché, voir ses conditions tarifaires changer ou cesser d'être accessible depuis l'Union sans qu'aucune disposition du règlement ne s'y oppose. La transparence dit ce qu'un système fait ; elle ne dit pas ce qu'il adviendra de lui.

Un changement de doctrine

La proposition du 3 juin marque, sur ce point, un déplacement. Comme l'a souligné la présidente de la Commission, Ursula von der Leyen :

Nous ne pouvons pas nous permettre de dépendre d'autres acteurs pour les technologies qui assurent le fonctionnement de nos hôpitaux, la stabilité de nos réseaux énergétiques et la sécurité de nos services. Il s'agit de protéger nos citoyens, de défendre nos intérêts et de préserver notre capacité à faire nos propres choix. L'Europe dispose des talents, de l'excellence en matière de recherche, de la base industrielle et du marché unique nécessaires. Ensemble, nous devons transformer ces atouts en souveraineté technologique.

Le vocabulaire n'est plus celui du risque encouru par les personnes, mais celui de la dépendance encourue par les organisations. C'est une seconde question, distincte de la première, et elle appelle d'autres réponses.

Ce que contient la proposition

Deux constats la fondent : un déficit structurel de capacité en centres de données, et la concentration du marché européen de l'informatique en nuage entre les mains d'un petit nombre de fournisseurs non européens — la part des fournisseurs établis dans l'Union est passée d'environ 29 % en 2017 à près de 15 % en 2022. Le texte vise à tripler la capacité européenne de centres de données en cinq à sept ans et introduit un cadre de souveraineté du nuage articulé autour de quatre niveaux d'assurance de l'Union, qui conditionneraient l'accès à la commande publique à des exigences graduées de sécurité, de résilience et de souveraineté. Il donne enfin aux acheteurs publics des critères pour apprécier si un service de nuage est suffisamment protégé d'un contrôle étranger.

Une proposition, pas encore un règlement

Il s'agit d'un texte proposé par la Commission : il doit encore être examiné par le Parlement européen et le Conseil, et son contenu peut évoluer sensiblement avant adoption. Rien n'en est aujourd'hui exigible. Ce qui est acquis, en revanche, c'est la direction — et elle se lit dès maintenant dans les appels d'offres publics.

L'analyse de CONSEILPREV

La question réglementaire se déplace. Elle n'est plus seulement « mon système est-il conforme ? », mais « que se passe-t-il si mon fournisseur s'arrête ? ». La seconde ne se traite pas le jour où elle se pose.

Ce qu'il est utile de faire dès maintenant

Une dépendance ne se documente pas dans l'urgence. Quatre informations méritent de figurer, dès aujourd'hui, en regard de chaque système du registre : le fournisseur du modèle et son lieu d'établissement ; la région d'hébergement effective des données et des traitements ; l'existence, ou l'absence, d'une solution de repli identifiée ; et le délai de bascule estimé. Aucun texte en vigueur ne les exige. Ce sont précisément ceux qu'aucune organisation ne parvient à réunir le jour où elle en a besoin.

La plateforme Sentinel de CONSEILPREV permet de porter ces informations au registre des systèmes d'IA, aux côtés des obligations de l'IA Act, du RGPD et de la norme ISO/IEC 42001.

Contact presse — Christophe Cerf · christophe.cerf@outlook.com

Communiqué à vocation informative, ne constituant pas un conseil juridique. Le Cloud and AI Development Act est, à la date de publication, une proposition de la Commission européenne ; son contenu définitif devra être vérifié au regard du texte qui sera publié au Journal officiel de l'Union européenne.

Sources
  1. Proposition de Cloud and AI Development Actsans lien — Commission européenne, 3 juin 2026
    Proposition, non encore adoptée : elle doit être examinée par le Parlement et le Conseil. L'adresse du document COM reste à joindre.
  2. Règlement (UE) 2024/1689 — obligations des fournisseurs de modèles à usage général — Union européenne, 2024
    Ce que le règlement corrige — la documentation des modèles — et ce qu'il ne garantit pas : ni continuité, ni portabilité.
  3. Part de marché des fournisseurs européens de services en nuagesans lien — Commission européenne, 2017-2022
    Chiffres repris de l'exposé des motifs de la proposition. À vérifier au texte publié.

Les adresses ne sont pas ouvertes pour vérifier qu'elles répondent : un lien mort serait annoncé comme vivant. Les sources sans adresse portent la raison de son absence — une source qu'on ne peut pas joindre est une intention, pas une source.

IA Act · Transparence
Paris, le 13 juillet 2026

Conformité obligatoire : les obligations de transparence de l'IA Act (article 50) applicables au 2 août 2026

Le 2 août 2026, les obligations de transparence de l'article 50 du règlement (UE) 2024/1689 entrent en application. Elles concernent la quasi-totalité des opérateurs, bien au-delà des seuls fournisseurs de modèles. La Commission européenne a publié, le 10 juin 2026, la version finale du code de bonnes pratiques sur le marquage et l'étiquetage des contenus générés par l'intelligence artificielle. L'adhésion à ce code est volontaire ; les obligations de l'article 50, elles, sont légales et s'imposent, que le code soit signé ou non.

Trois échéances à retenir

2 août 2026 — entrée en application des obligations de transparence : marquage des contenus pour les fournisseurs, étiquetage pour les déployeurs.
2 décembre 2026 — fin de la période transitoire pour les systèmes déjà présents sur le marché.
2 février 2027 — date limite, pour les fournisseurs, du déploiement d'une solution d'interopérabilité du marquage.

Fournisseurs : marquer les contenus

Le code recommande un marquage à deux niveaux pour tout contenu diffusable en ligne : des marqueurs techniques intégrés, à savoir des métadonnées sécurisées et un filigrane résistant, attestant la nature synthétique du contenu, qu'il soit audio, visuel, vidéo ou textuel ; et une identification accessible au public.

Fournisseurs : organiser l'accès à la détection

Quatre critères sont attendus, à l'échéance du 2 février 2027. L'efficacité : le public peut-il réellement identifier le contenu généré par IA ? La fiabilité : quel est le taux d'erreur de la détection en conditions normales ? La robustesse : le marquage résiste-t-il aux altérations, telles que la compression ou le recadrage, ainsi qu'aux attaques ? L'interopérabilité : fonctionne-t-il avec les autres systèmes du marché ?

Déployeurs : quand et comment informer le public

Les hypertrucages, ou deepfakes, ainsi que les textes générés ou manipulés par IA publiés sur des questions d'intérêt public, doivent être étiquetés au titre de l'article 50, paragraphe 4. Trois réflexes s'imposent. Informer dès la première interaction ou exposition, par une mention claire et reconnaissable. Utiliser le marquage visuel « IA », acronyme capitalisé, et les icônes du Bureau de l'IA. Diffuser un avertissement sonore clair dès la première seconde du contenu lorsqu'une information visuelle est impossible.

Deux exceptions, à vérifier avant de s'en prévaloir

Œuvres artistiques, créatives ou satiriques : la transparence se limite à une divulgation qui n'entrave pas la jouissance de l'œuvre, par exemple une note d'accompagnement ou une mention au générique.
Textes d'intérêt public sous contrôle éditorial : l'étiquetage n'est pas requis si le contenu a fait l'objet d'un examen humain et si une personne assume la responsabilité éditoriale de sa publication. Cette exception doit pouvoir être démontrée.

Vos processus internes sont-ils prêts à démontrer votre conformité ?

La preuve compte autant que la pratique. Documentez les systèmes utilisés, les techniques de marquage en place, les cas où l'étiquetage s'applique et ceux où une exception est invoquée, ainsi que le responsable éditorial désigné. CONSEILPREV accompagne cette mise en conformité et met à disposition, dans sa plateforme Sentinel, un registre de transparence probant et une attestation opposable en cas de contrôle.

Communiqué à vocation informative, ne constituant pas un conseil juridique ; les échéances doivent être vérifiées au regard des textes publiés au Journal officiel de l'Union européenne.

Sources
  1. Règlement (UE) 2024/1689 — article 50 — Union européenne, 2024
    Les deux échéances légales citées — 2 août 2026 et 2 décembre 2026 (art. 111, § 4, ajouté par le règlement (UE) 2026/1744) — se vérifient dans ce texte et dans celui qui l'a modifié. La date du 2 février 2027 est celle du code de bonnes pratiques, pour ses signataires : elle ne figure pas dans le règlement.
  2. Code de bonnes pratiques sur le marquage et l'étiquetage des contenus générés par l'IAsans lien — Commission européenne — Bureau de l'IA, 10 juin 2026
    L'adhésion est volontaire ; les obligations de l'article 50 s'imposent que le code soit signé ou non. Adresse de la version finale à joindre.

Les adresses ne sont pas ouvertes pour vérifier qu'elles répondent : un lien mort serait annoncé comme vivant. Les sources sans adresse portent la raison de son absence — une source qu'on ne peut pas joindre est une intention, pas une source.

IA Act
Paris, le 7 juillet 2026

Simplification du Règlement européen sur l'IA : le « Digital Omnibus on AI » est adopté

Le 29 juin 2026, le Conseil de l'Union européenne a donné son feu vert final au « Digital Omnibus on AI », après l'approbation du Parlement européen le 16 juin. Issu du paquet « Omnibus VII » de simplification numérique, ce texte réaménage le calendrier et plusieurs obligations du Règlement (UE) 2024/1689 sur l'intelligence artificielle.

Un calendrier réaménagé, des obligations maintenues

Les obligations des systèmes à haut risque de l'annexe III sont reportées au 2 décembre 2027, celles des systèmes intégrés à des produits réglementés (annexe I) au 2 août 2028, et celles destinées aux autorités publiques au 2 août 2030. Le marquage des contenus synthétiques de l'article 50(2) est reporté au 2 décembre 2026 pour les systèmes déjà sur le marché. Les autres obligations de transparence restent fixées au 2 août 2026.

Nouvelles interdictions et assouplissement ciblé

Deux interdictions sont ajoutées à l'article 5, applicables au 2 décembre 2026 : les systèmes de nudification et ceux générant du matériel d'exploitation sexuelle d'enfants. La maîtrise de l'IA de l'article 4 est assouplie, et un nouvel article 4a encadre le traitement de données sensibles aux seules fins de correction des biais. Des allègements sont étendus aux petites entreprises de taille intermédiaire.

L'analyse de CONSEILPREV

Ce report n'est pas une pause, mais une fenêtre pour structurer sa conformité sereinement. Les organisations qui anticipent aborderont les échéances avec un avantage décisif.

Pour accompagner cette trajectoire, CONSEILPREV met à disposition sa plateforme Sentinel, qui couvre de manière intégrée l'IA Act, le RGPD et la norme ISO/IEC 42001, du registre des systèmes à l'indice de conformité global.

Contact presse — Christophe Cerf · christophe.cerf@outlook.com

Communiqué à vocation informative, ne constituant pas un conseil juridique ; les échéances doivent être vérifiées au regard du texte publié au Journal officiel de l'Union européenne.

IA Transparence — article 50 du règlement européen sur l'IA. Certains contenus de cette page sont élaborés avec l'assistance d'un système d'intelligence artificielle. Ils font systématiquement l'objet d'un examen humain avant publication. Christophe CERF, gérant de CONSEILPREV, assume la responsabilité éditoriale de leur publication, au sens de l'exception prévue à l'article 50, paragraphe 4, du règlement (UE) 2024/1689. Les actualités reprises de sources externes le sont sans reformulation.
Sources
  1. Digital Omnibus on AI — modification du règlement (UE) 2024/1689sans lien — Conseil de l'Union européenne et Parlement européen, juin 2026
    Les reports d'échéances cités doivent être vérifiés au texte publié au Journal officiel. Adresse à joindre.
  2. Règlement (UE) 2024/1689 — texte modifié — Union européenne, 2024
    Articles 4, 5 et 50 : c'est ce texte que l'omnibus réaménage.

Les adresses ne sont pas ouvertes pour vérifier qu'elles répondent : un lien mort serait annoncé comme vivant. Les sources sans adresse portent la raison de son absence — une source qu'on ne peut pas joindre est une intention, pas une source.

© 2025 CONSEILPREV · Actualités · Mentions légales · Accueil ← Retour au site