Alors que l’AI Act européen est désormais en vigueur, les organisations qui développent ou déploient des systèmes d’IA font face à un ensemble complexe de nouvelles obligations juridiques couvrant la transparence, la gestion des risques, la documentation et la supervision humaine. Une nouvelle enquête académique suggère que la plupart d’entre elles ne sont pas prêtes à répondre à ces exigences – et que le fossé entre le texte juridique et les preuves vérifiables est suffisamment large pour nécessiter des outils automatisés.
L’étude, publiée en prépublication sur arXiv et dirigée par des chercheurs de Fraunhofer IAIS et de l’Université Catholique Pontificale de Valparaíso, a mené des entretiens avec des experts et une enquête en ligne auprès de 25 participants issus de l’ingénierie des exigences, de la science des données, du développement et de la conformité. Les résultats brossent le portrait d’une industrie qui reconnaît l’importance de l’AI Act mais n’a pas encore mis en place les processus systématiques nécessaires pour traduire ses obligations en spécifications testables.
Le défi central est celui de la traduction. Les articles de l’AI Act imposent des obligations de haut niveau – réaliser une évaluation des risques, maintenir une documentation technique, permettre la supervision humaine, assurer la gouvernance des données – mais offrent peu d’indications sur la manière de vérifier que ces obligations ont été remplies. Un ingénieur des exigences lisant le mandat de l’article 9 pour un système de gestion des risques dispose de peu de listes de contrôle concrètes et vérifiables à mettre en œuvre. Les chercheurs ont constaté que les mécanismes structurés pour capturer les obligations réglementaires, propager les mises à jour dans les projets actifs et maintenir la traçabilité tout au long du cycle de vie sont « souvent absents » dans les organisations interrogées.
L’article propose que des outils de validation agentiques basés sur les LLM pourraient combler cette lacune. L’idée est d’utiliser de grands modèles de langage pour mapper le texte réglementaire à des exigences spécifiques, évaluer la couverture par rapport à la documentation existante et organiser les preuves en dossiers prêts pour l’audit. Les participants à l’enquête ont considéré cette approche comme prometteuse mais ont exprimé de fortes réserves quant à une automatisation complète, soulignant que la supervision humaine et les garanties restent essentielles.
L’étude s’inscrit dans le prolongement de travaux connexes sur le même problème. Un article distinct publié en décembre 2025 et mis à jour en avril 2026 présente une cartographie structurée des exigences de haut niveau de l’AI Act vers des activités de vérification spécifiques tout au long du cycle de vie de l’IA, décomposant les obligations juridiques en sous-exigences opérationnelles ancrées dans les normes existantes. Ensemble, ces deux articles illustrent une prise de conscience croissante que le succès de l’AI Act dépend autant d’outils pratiques que de l’intention législative.
Pour les organisations soumises à l’AI Act, la fenêtre pour construire une infrastructure de conformité se réduit. Les dispositions de l’Act entrent en vigueur progressivement en 2026 et 2027, les interdictions des pratiques à risque inacceptable étant déjà en vigueur et les obligations pour les systèmes à haut risque suivant de près. Les outils pour vérifier la conformité, suggère la recherche, sont encore largement hypothétiques.
Sources : From Obligation to Specification: A Survey on Validating EU AI Act Requirements in RE (arXiv:2607.21608, mai 2026) ; Assessing High-Risk AI Systems under the EU AI Act: From Legal Requirements to Technical Verification (arXiv:2512.13907, décembre 2025 / avril 2026) ; EU AI Act: first regulation on artificial intelligence (Parlement européen, 2026)
Traduit par Lydie