L’essentiel
- Le règlement européen sur l’IA définit les systèmes d’IA de façon fonctionnelle : une machine qui, à partir d’entrées, déduit la manière de produire des sorties (prédictions, contenus, recommandations, décisions) capables d’influencer un environnement physique ou virtuel.
- Sept caractéristiques précisent cette définition, et l’inférence est l’élément déterminant qui sépare un système d’IA d’un logiciel classique entièrement programmé par des humains.
- On classe les systèmes d’IA de deux façons complémentaires : par capacité (IA étroite, IA générale, super-IA) et par fonctionnalité (machine réactive, mémoire limitée, théorie de l’esprit, conscience de soi).
- Le règlement gradue les obligations selon quatre niveaux de risque : pratiques interdites, haut risque, risque limité soumis à transparence, risque minimal.
- La responsabilité se répartit entre fournisseur et déployeur, et un inventaire vivant des systèmes d’IA constitue le socle de toute gouvernance sérieuse.
Qu’est-ce qu’un système d’IA ?
La question paraît simple, mais sa réponse détermine tout le reste. Savoir si un logiciel donné est un système d’IA conditionne les obligations légales applicables, la répartition des responsabilités et le périmètre de la gouvernance. Le législateur européen a donc fixé une définition unique, valable pour tous les acteurs. C’est le point de départ de toute réflexion sur les systèmes d’IA en entreprise.
Le règlement (UE) 2024/1689, communément appelé règlement européen sur l’IA, pose cette définition dès son premier article de définitions.
« Un système automatisé qui est conçu pour fonctionner à différents niveaux d’autonomie et qui peut faire preuve d’une capacité d’adaptation après son déploiement, et qui, pour des objectifs explicites ou implicites, déduit, à partir des entrées qu’il reçoit, la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions qui peuvent influencer des environnements physiques ou virtuels. » Règlement (UE) 2024/1689,
Article 3, paragraphe 1
Cette formulation mérite d’être décomposée, car chaque membre de phrase porte une conséquence juridique. Le mécanisme se lit en trois temps. D’abord une entrée : le système reçoit des données (texte, images, signaux de capteurs, valeurs saisies dans un formulaire). Ensuite une inférence : il déduit, à partir de ces entrées, la manière de produire un résultat. Enfin une sortie : ce résultat prend la forme d’une prédiction, d’un contenu, d’une recommandation ou d’une décision, capable d’influencer un environnement matériel (un bras robotisé, un véhicule) ou immatériel (un dossier de crédit, une file de candidatures).
Un point est capital : cette définition est fonctionnelle. Elle ne nomme aucune technologie particulière, ni réseaux de neurones, ni apprentissage profond, ni grands modèles de langage. Le texte décrit ce qu’un système fait, pas comment il est construit. Ce choix est délibéré : il évite que la réglementation ne devienne obsolète à chaque avancée technique. Un système fondé sur des règles logiques peut relever de la définition s’il infère ses sorties ; un composant statistique peut en être exclu s’il se limite à un traitement déterministe. Pour lever toute ambiguïté, la Commission européenne a publié en février 2025 des lignes directrices d’interprétation. On peut consulter le texte de l’article 3 pour la version consolidée, et notre présentation du règlement européen sur l’IA pour le cadre d’ensemble.
Les sept caractéristiques d’un système d’IA
Les lignes directrices de la Commission de février 2025 dégagent sept caractéristiques de la définition. Elles fournissent la grille de lecture qui permet à une organisation de trancher, système par système. Les lignes directrices de la Commission détaillent chacun de ces critères.
Fondé sur une machine et autonome
La première caractéristique tient au support : le système est fondé sur une machine. La notion est large. Elle couvre les logiciels tournant sur du matériel classique, mais aussi, selon la Commission, les architectures émergentes comme l’informatique quantique. Ce qui compte, c’est qu’un dispositif matériel exécute le traitement.
La deuxième caractéristique est l’autonomie. Le système fonctionne à différents niveaux d’autonomie, c’est-à-dire qu’il produit ses sorties avec une certaine indépendance vis-à-vis d’une intervention humaine directe. Le seuil retenu est bas : une autonomie même limitée suffit. Un outil qui exige une validation humaine à chaque étape peut rester dans le périmètre dès lors qu’il génère lui-même une part du résultat. Cette exigence prend une importance croissante avec la diffusion des agents d’IA autonomes, qui poussent le curseur bien au-delà de la simple assistance.
L’inférence : l’élément déterminant
Au coeur de la définition se trouve l’inférence, le critère qui sépare un système d’IA d’un logiciel ordinaire. Un logiciel classique applique des règles écrites par un développeur : si telle condition est vraie, alors exécuter telle action. Un système d’IA, lui, déduit la manière de générer ses sorties : il ne se contente pas d’appliquer une consigne figée, il produit une réponse à partir d’un modèle appris ou construit.
La Commission précise que cette capacité d’inférence couvre deux grandes familles d’approches. La première est l’apprentissage automatique, où le système tire ses paramètres de données d’entraînement. La seconde regroupe les approches fondées sur la connaissance et la logique, où le système raisonne à partir de règles et de faits encodés. Les deux relèvent de la définition dès lors qu’il y a inférence.
À l’inverse, plusieurs catégories sont explicitement placées hors du champ. Un système entièrement spécifié par des humains, dont toutes les sorties découlent de règles écrites à la main, n’infère rien : il exécute. Les heuristiques simples, les scripts d’automatisation basiques et les traitements de données élémentaires (calculs, tris, agrégations) sont également exclus. La distinction est essentielle en pratique : toutes les briques logicielles d’une entreprise ne sont pas des systèmes d’IA, et confondre les deux mène à une gouvernance mal calibrée.
Adaptativité, objectifs et sorties
Trois caractéristiques complètent le tableau. L’adaptativité vient en premier, et une précision s’impose : elle n’est pas exigée. Le texte emploie la formulation « peut faire preuve » d’une capacité d’adaptation après le déploiement. Un système qui continue d’apprendre en production relève de la définition, mais un système figé après son entraînement en relève tout autant : l’adaptativité est une possibilité, pas une condition.
Vient ensuite la poursuite d’objectifs, qu’ils soient explicites ou implicites. Un objectif explicite est fixé par le concepteur ; un objectif implicite émerge du comportement du système ou de la manière dont il a été optimisé. Dans les deux cas, le système oriente ses sorties vers un but.
La dernière caractéristique concerne les sorties et leur effet. Elles prennent quatre formes citées par le texte : prédictions, contenus, recommandations ou décisions. Et elles influencent un environnement physique ou virtuel. Ce lien à l’environnement donne aux systèmes d’IA leur portée concrète : une recommandation oriente une décision de crédit, une décision filtre des candidatures, un contenu généré circule et agit. La gouvernance commence là où la sortie touche le monde réel.
Les types de systèmes d’IA
Au-delà de la définition juridique, deux taxonomies aident à situer un système d’IA : l’une le classe par capacité, l’autre par fonctionnalité. Ces catégories relèvent de la culture technique plus que du droit, mais elles éclairent les débats publics et complètent une démarche de gouvernance de l’IA en donnant un vocabulaire commun.
Par capacité : IA étroite, générale et super-IA
Le premier axe distingue trois degrés de généralité. L’IA étroite, dite aussi IA faible, désigne un système conçu pour une tâche ou un domaine délimité : reconnaître un visage, traduire un texte, recommander un produit, conduire une conversation. C’est la seule catégorie qui existe réellement aujourd’hui. Tous les systèmes en service, y compris les plus impressionnants, sont des IA étroites, aussi polyvalentes soient-elles en apparence.
L’IA générale, ou IAG, désigne un système hypothétique doté d’une intelligence de niveau humain, capable de comprendre et d’apprendre n’importe quelle tâche intellectuelle comme le ferait une personne. Elle reste théorique : aucun système existant ne l’atteint. La super-IA constitue le troisième degré, purement spéculatif : une intelligence qui dépasserait l’humain dans tous les domaines. Elle appartient au débat prospectif, non à la réalité opérationnelle.
Par fonctionnalité : réactive, à mémoire limitée, théorie de l’esprit, consciente
Le second axe classe les systèmes selon leur rapport à la mémoire et à la représentation. Les machines réactives forment le premier niveau : elles répondent à une entrée sans mémoire du passé, chaque situation étant traitée isolément. Les systèmes à mémoire limitée constituent le deuxième niveau, et ils recouvrent la quasi-totalité de l’apprentissage automatique moderne. Cette catégorie englobe les grands modèles de langage, les systèmes de recommandation et la perception des véhicules autonomes : ils exploitent des données récentes ou un historique borné pour affiner leurs sorties.
Les deux niveaux suivants relèvent de la recherche ou de la spéculation. La théorie de l’esprit décrit un système capable de se représenter les intentions, croyances et émotions d’autrui : c’est un objectif de recherche, pas un produit disponible. La conscience de soi, enfin, désigne un système doté d’une conscience de sa propre existence. Elle demeure entièrement spéculative.
Comment le règlement européen sur l’IA classe les systèmes d’IA par risque
Le droit européen ne traite pas tous les systèmes d’IA de la même façon. Sa logique est proportionnée : plus un usage menace la sécurité ou les droits fondamentaux, plus les obligations sont lourdes. Le règlement distingue quatre niveaux, et c’est cette classification par le risque qui commande la charge de conformité. Elle s’articule avec une démarche de gestion des risques et de conformité.
Le premier niveau regroupe les pratiques interdites, traitées à l’Article 5 et applicables depuis le 2 février 2025. Huit pratiques sont prohibées, parmi lesquelles la notation sociale des personnes par les pouvoirs publics, l’extraction non ciblée d’images faciales pour constituer des bases de reconnaissance, ou encore la reconnaissance des émotions sur le lieu de travail et dans les établissements scolaires. Ces usages sont jugés incompatibles avec les valeurs de l’Union et n’ont aucune voie de mise en conformité : ils sont bannis.
Le deuxième niveau, le haut risque, est encadré par les Articles 6 à 49. Un système y bascule dans deux cas. Soit il constitue un composant de sécurité d’un produit déjà régulé au titre de la législation d’harmonisation de l’Union (l’annexe I). Soit il relève de l’un des huit domaines énumérés à l’annexe III : la biométrie ; les infrastructures critiques ; l’éducation ; l’emploi ; l’accès aux services essentiels privés et publics, y compris la solvabilité et l’assurance ; les activités répressives ; la migration et le contrôle des frontières ; l’administration de la justice et les processus démocratiques. Ce sont les systèmes les plus réglementés hors interdiction.
Le troisième niveau vise le risque limité et repose sur des obligations de transparence (Article 50). Un agent conversationnel doit indiquer à l’utilisateur qu’il dialogue avec une machine ; les contenus générés ou manipulés, notamment les hypertrucages, doivent être signalés. L’idée n’est pas d’interdire, mais d’informer. Le quatrième niveau, le risque minimal, ne crée aucune obligation spécifique au titre du règlement. La grande majorité des systèmes d’IA (filtres anti-spam, moteurs de recommandation, jeux) s’y trouvent. Le règlement les laisse libres, mais le droit commun demeure : la protection des données personnelles, sous le regard de la CNIL, continue de s’appliquer.
Qui est responsable : fournisseurs et déployeurs
Une fois un système qualifié et classé, reste à savoir qui porte les obligations. Le règlement répartit les rôles, et deux figures dominent : le fournisseur et le déployeur. Cette distinction structure toute la chaîne de responsabilité et doit figurer explicitement dans un cadre de gouvernance de l’IA.
Le fournisseur, défini à l’Article 3, paragraphe 3, est l’acteur qui développe un système d’IA ou le fait développer, puis le met sur le marché ou le met en service sous son propre nom ou sa propre marque. C’est lui qui conçoit et qui répond en premier lieu de la conformité du système. Le déployeur, défini à l’Article 3, paragraphe 4, est l’acteur qui utilise un système d’IA sous sa propre autorité, dans un cadre professionnel. L’usage personnel, en dehors de toute activité professionnelle, échappe à cette qualification.
La frontière n’est pas figée. L’Article 25 prévoit qu’un déployeur devient fournisseur, et hérite alors des obligations correspondantes, dans trois situations. Premièrement, s’il appose son nom ou sa marque sur un système à haut risque déjà sur le marché. Deuxièmement, s’il apporte une modification substantielle à un tel système. Troisièmement, s’il détourne un système vers une finalité à haut risque non prévue à l’origine. Une entreprise qui intègre profondément une IA achetée peut donc, sans toujours en avoir conscience, basculer dans le rôle le plus exigeant. Cartographier ces rôles est une étape que la gouvernance ne peut escamoter.
Les obligations de gouvernance des systèmes d’IA
Les obligations concrètes dépendent du niveau de risque et du rôle. Ce sont les systèmes à haut risque qui concentrent les exigences les plus détaillées, réparties entre le fournisseur et le déployeur. Beaucoup de ces exigences trouvent un écho dans des référentiels volontaires comme le NIST AI RMF, qui aident à opérationnaliser la conformité.
Pour un système à haut risque, le fournisseur assume une série d’obligations articulées : un système de gestion des risques (Art 9) ; une gouvernance des données visant notamment la qualité et la réduction des biais (Art 10) ; une documentation technique complète (Art 11) ; la journalisation des événements (Art 12) ; la transparence et des instructions d’utilisation (Art 13) ; une supervision humaine effective (Art 14) ; l’exactitude, la robustesse et la cybersécurité (Art 15) ; un système de gestion de la qualité (Art 17) ; une évaluation de la conformité (Art 43) ; le marquage CE et l’enregistrement dans la base de données de l’Union (Art 49). La supervision humaine, en particulier, appelle une conception claire des rôles ; nos repères sur la supervision humaine distinguent les modalités possibles.
Le déployeur n’est pas en reste. L’Article 26 lui impose d’utiliser le système conformément aux instructions, d’assurer une supervision, de surveiller son fonctionnement, de conserver les journaux et d’informer les personnes concernées. L’Article 27 ajoute, pour les autorités publiques et certains organismes, une analyse d’impact sur les droits fondamentaux avant la mise en service. Un cas particulier mérite attention : les modèles d’IA à usage général. Leurs fournisseurs doivent produire une documentation et respecter le droit d’auteur. Un risque systémique est présumé au-delà d’un seuil de puissance de calcul d’entraînement de 10^25 opérations en virgule flottante (Art 55), ce qui déclenche des obligations renforcées d’évaluation du modèle et de notification des incidents. La sécurité de ces dispositifs relève d’un dialogue avec des autorités comme l’ANSSI en France. Le calendrier échelonne ces exigences : interdictions en février 2025, obligations des modèles à usage général en août 2025, domaines d’application à haut risque en août 2026, produits à haut risque en août 2027.
De la définition à la gouvernance : construire un inventaire des systèmes d’IA
Toute cette architecture juridique repose sur un préalable trop souvent négligé : savoir quels systèmes d’IA l’organisation exploite réellement. Or la plupart des entreprises l’ignorent. Les modèles arrivent par des canaux dispersés : achats de logiciels, fonctionnalités intégrées par des fournisseurs dans des outils existants, et solutions adoptées directement par les équipes sans passer par la direction des systèmes d’information. Cette dernière catégorie, le shadow AI, échappe par nature au contrôle et fait courir des risques que personne n’a évalués.
La réponse tient en un mot : l’inventaire. Un registre vivant qui recense, pour chaque système, sa finalité, les données qu’il traite, son fournisseur et son déployeur, ainsi que son niveau de risque au regard du règlement. Ce registre n’est pas un document mort. Il évolue à mesure que des systèmes sont ajoutés, modifiés ou retirés, et il sert de base à toutes les activités de conformité : évaluation des risques, rattachement des contrôles, collecte des preuves. Sans lui, la gouvernance flotte dans l’abstraction.
C’est précisément le rôle d’AI Sigil. La plateforme maintient un registre vivant des systèmes d’IA et de leurs composants (cas d’usage, modèles, données, actions), classe chaque système au regard des référentiels qui vous concernent, puis rattache à chacun les contrôles et les preuves attendus. La définition du règlement cesse d’être un texte abstrait : chaque système inventorié porte son rôle, son niveau de risque et ses obligations. La gouvernance passe de l’intention à la démonstration.
Questions fréquentes
Un tableur avec des formules complexes est-il un système d’IA ? Non, dans la très grande majorité des cas. Un tableur applique des règles de calcul écrites par un humain : il exécute une logique déterministe, il n’infère pas la manière de produire ses sorties. Or l’inférence est le critère qui distingue un système d’IA d’un logiciel ordinaire. Les traitements de données élémentaires, les heuristiques simples et les systèmes entièrement spécifiés par des règles humaines sont placés hors du champ de la définition. Un tableur ne devient un système d’IA que s’il intègre un composant réalisant une véritable inférence.
Faut-il qu’un système apprenne en continu pour être un système d’IA ? Non. L’adaptativité, c’est-à-dire la capacité de continuer à apprendre après le déploiement, n’est pas une condition. Le texte précise qu’un système « peut » faire preuve d’une telle capacité, sans l’exiger. Un modèle figé après son entraînement, dont les paramètres ne changent plus en production, relève pleinement de la définition dès lors qu’il infère ses sorties. L’apprentissage continu est une possibilité parmi d’autres, jamais un critère d’inclusion ou d’exclusion. Beaucoup de systèmes en service sont d’ailleurs gelés pour des raisons de stabilité et de traçabilité.
Quelle différence entre IA étroite et IA générale ? L’IA étroite est conçue pour une tâche ou un domaine délimité, et c’est la seule forme qui existe réellement aujourd’hui, y compris pour les systèmes les plus polyvalents en apparence. L’IA générale, ou IAG, désignerait un système capable d’égaler l’intelligence humaine sur n’importe quelle tâche intellectuelle : elle reste théorique et aucun système ne l’atteint. Au-delà se situerait la super-IA, purement spéculative. Cette hiérarchie sert surtout à ne pas prêter à un outil actuel des capacités qu’il n’a pas.
Mon entreprise achète une IA à un éditeur : sommes-nous fournisseur ou déployeur ? En principe, vous êtes déployeur : vous utilisez le système sous votre propre autorité, dans un cadre professionnel, tandis que l’éditeur en est le fournisseur. Mais l’Article 25 prévoit des bascules. Si vous apposez votre marque sur un système à haut risque, si vous le modifiez de manière substantielle, ou si vous l’utilisez pour une finalité à haut risque non prévue à l’origine, vous devenez fournisseur et héritez des obligations correspondantes. Beaucoup d’organisations franchissent cette ligne sans le savoir. D’où l’importance de documenter, pour chaque système, le rôle exact que vous jouez.
Le règlement européen sur l’IA interdit-il certains systèmes d’IA ? Oui. L’Article 5, applicable depuis le 2 février 2025, prohibe huit pratiques jugées inacceptables. On y trouve notamment la notation sociale des personnes par les pouvoirs publics, l’extraction non ciblée d’images faciales sur internet ou par vidéosurveillance pour alimenter des bases de reconnaissance, et la reconnaissance des émotions sur le lieu de travail comme dans les établissements scolaires. Ces usages ne disposent d’aucune voie de mise en conformité : ils sont bannis, sans exception à négocier.
Par où commencer pour gouverner nos systèmes d’IA ? Par l’inventaire. Tant que l’organisation ignore quels systèmes d’IA elle exploite, aucune obligation ne peut être rattachée à un responsable, et le shadow AI prospère hors contrôle. La première étape consiste à recenser chaque système, sa finalité, ses données, son fournisseur et son déployeur, puis à le classer par niveau de risque. Ce registre devient ensuite le point d’ancrage des contrôles, des preuves et des revues. Une plateforme comme AI Sigil automatise ce recensement et le relie aux référentiels applicables, transformant une obligation diffuse en un dispositif traçable.
Conclusion
La définition des systèmes d’IA n’est pas une subtilité de juriste : c’est la porte d’entrée de toute la conformité. Un système d’IA se reconnaît à son inférence, se classe par capacité et par fonctionnalité, se gradue par niveau de risque et se rattache à un fournisseur ou à un déployeur. Rien de tout cela n’a de valeur si l’organisation ignore quels systèmes elle exploite vraiment. L’inventaire vivant est le premier geste de gouvernance, celui qui rend tous les autres possibles. AI Sigil recense vos systèmes d’IA, les classe au regard des référentiels qui vous concernent et y rattache contrôles et preuves. Passez de la définition à la démonstration : demandez une démonstration et cartographiez vos systèmes d’IA dès maintenant.