Les 5 erreurs de conformité AI Act les plus fréquentes (et comment les éviter)
À l'approche de l'échéance d'août 2026, ces cinq erreurs de conformité reviennent systématiquement dans les évaluations de maturité AI Act. Les comprendre maintenant évite des coûts et des risques significatifs plus tard.
L'échéance d'août 2026 pour la pleine conformité aux systèmes d'IA à haut risque approche rapidement, et un schéma cohérent d'erreurs émerge dans les organisations engagées dans des travaux de préparation à l'AI Act.
Erreur 1 : Supposer que l'IA à usage interne n'a pas d'obligations de fournisseur
À quoi ressemble l'erreur : Une organisation construit un système d'IA pour son propre usage et suppose que, puisqu'elle ne vend pas le système, elle est un « déployeur » avec seulement les obligations de l'article 26.
Pourquoi c'est faux : En vertu de l'article 3(3) de l'AI Act, un « fournisseur » est toute personne physique ou morale qui développe un système d'IA et le met sur le marché ou le met en service sous son propre nom ou marque. La mise en service est l'événement déclencheur pour les déploiements à usage propre.
Que faire : Auditez chaque système d'IA interne. Pour chacun, appliquez le test de l'article 6 : tombe-t-il dans une catégorie de l'annexe III ? Si oui, l'organisation supporte les obligations complètes du fournisseur.
Erreur 2 : Traiter la documentation comme une activité ponctuelle
À quoi ressemble l'erreur : Une organisation prépare sa documentation technique et sa Déclaration de Conformité UE en début 2026 et considère le travail terminé. Le système d'IA continue d'être mis à jour mais la documentation n'est pas actualisée.
Pourquoi c'est faux : Les obligations documentaires de l'AI Act sont des obligations de cycle de vie. L'article 16(e) exige que les fournisseurs maintiennent la documentation technique à jour. Une « modification substantielle » déclenche une nouvelle exigence d'évaluation de conformité en vertu de l'article 43(4).
Que faire : Intégrez la révision de la documentation dans votre processus de développement et de publication de systèmes. Chaque mise à jour de modèle, actualisation de données ou changement de fonctionnalité devrait déclencher une checklist de révision de la documentation.
Erreur 3 : Identification incorrecte de la classification à haut risque
À quoi ressemble l'erreur : Cette erreur se produit dans deux sens. Les organisations classifient incorrectement leur système comme non à haut risque alors qu'il est clairement dans une catégorie de l'annexe III.
Pourquoi c'est faux : Erreurs de classification courantes :
- Classifier un outil de filtrage RH comme « non à haut risque » parce qu'il « assiste seulement » plutôt que « décide »
- Ignorer que l'article 6(2) couvre les systèmes qui « assistent » dans les décisions avec des impacts significatifs sur l'emploi
- Appliquer l'exception de l'article 6(3) sans la justification documentée requise et la notification au Bureau de l'IA
Que faire : Appliquez le test de classification de l'article 6 méthodiquement à chaque système d'IA de votre inventaire. Documentez le raisonnement pour chaque décision de classification.
Erreur 4 : Confondre politique de supervision humaine et mise en œuvre de la supervision humaine
À quoi ressemble l'erreur : Une organisation rédige une politique indiquant que toutes les décisions d'IA à haut risque sont examinées par un humain, et considère ses obligations de l'article 14 satisfaites. En pratique, les sorties sont systématiquement acceptées sans examen significatif.
Pourquoi c'est faux : L'article 14 impose des exigences de conception aux fournisseurs, pas seulement des exigences politiques. Le système doit être techniquement conçu pour permettre la supervision — avec des contrôles d'invalidation, des indicateurs d'incertitude et des capacités d'interruption intégrés.
Que faire : Auditez le comportement réel de supervision, pas seulement la politique. Si les taux d'invalidation sont proches de zéro sur des milliers de décisions, c'est un signal fort de biais d'automatisation.
Erreur 5 : Omettre l'enregistrement dans la base de données de l'UE
À quoi ressemble l'erreur : Un fournisseur complète toute la documentation technique, réalise l'évaluation de conformité, établit la Déclaration de Conformité et appose le marquage CE — mais n'enregistre jamais le système dans la base de données de l'UE.
Pourquoi c'est faux : L'article 49(1) exige que les fournisseurs enregistrent leurs systèmes dans la base de données de l'UE avant la mise sur le marché. L'enregistrement est un prérequis à la mise sur le marché légale, pas une formalité post-déploiement.
La Déclaration de Conformité doit inclure le numéro d'enregistrement dans la base de données de l'UE — ce qui crée une dépendance : vous ne pouvez pas finaliser une Déclaration de Conformité complète avant d'avoir complété l'enregistrement.
Que faire : Intégrez l'enregistrement dans la base de données de l'UE dans votre flux de travail de conformité comme étape initiale de la phase de marquage CE.
Le schéma sous-jacent
Ces cinq erreurs partagent une racine commune : traiter l'AI Act comme un exercice documentaire plutôt que comme un ensemble d'obligations substantielles sur la façon dont les systèmes d'IA sont conçus, déployés et gouvernés.
Comment Dilaig vous aide
L'audit en 50 questions de Dilaig est structuré pour mettre en évidence chacun de ces domaines d'erreur. L'audit couvre la classification à usage interne, les déclencheurs de mise à jour de la documentation, la méthodologie de classification à haut risque et la mise en œuvre de la supervision humaine.
FAQ : Erreurs de conformité AI Act
Q : Quelle est l'erreur de conformité AI Act la plus coûteuse ? En termes de risque réglementaire, l'erreur 1 (supposer l'absence d'obligations de fournisseur pour l'IA à usage interne) crée l'exposition la plus large.
Q : Pouvons-nous corriger de manière rétroactive une documentation préparée de manière inexacte ? Oui, dans certaines limites. Si vous découvrez une documentation inexacte, la mettre à jour rapidement et documenter le processus de correction est préférable à la laisser inexacte.
Points clés à retenir
- Erreur 1 : Les systèmes d'IA à usage interne portent souvent des obligations complètes de fournisseur.
- Erreur 2 : La documentation doit être maintenue tout au long du cycle de vie — chaque changement substantiel déclenche une révision.
- Erreur 3 : La classification à haut risque doit être appliquée systématiquement, avec un raisonnement documenté.
- Erreur 4 : La supervision humaine doit être techniquement mise en œuvre, pas seulement déclarée dans une politique.
- Erreur 5 : L'enregistrement dans la base de données de l'UE est un prérequis à la mise sur le marché, pas une formalité post-déploiement.