Article 50 de l’AI Act : le marquage IA ne vaut pas preuve de conformité

Depuis le 2 août 2026, deux obligations distinctes coexistent

L’article 50 du règlement sur l’intelligence artificielle s’applique depuis le 2 août 2026. La Commission européenne a publié ses lignes directrices le 20 juillet 2026 et annonce qu’elle commence, avec les autorités nationales, à faire appliquer le texte. L’article pose quatre obligations distinctes, qui ne reposent pas sur le même acteur. Le paragraphe 1 impose au fournisseur de concevoir un système qui interagit directement avec des personnes de manière à ce qu’elles sachent qu’elles parlent à une IA, sauf si c’est déjà évident pour une personne normalement informée et attentive. Le paragraphe 2 impose au fournisseur de systèmes génératifs de marquer les sorties audio, image, vidéo ou texte dans un format lisible par machine, dans la mesure du techniquement possible. Le paragraphe 3 impose au deployeur d’informer les personnes exposées à des outils de reconnaissance des émotions ou de catégorisation biométrique. Le paragraphe 4 impose au déployeur de signaler les hypertrucages et les textes publiés pour informer le public sur des questions d’intérêt public, sauf relecture humaine avec responsabilité éditoriale identifiée. Le paragraphe 5 fixe les règles de forme : l’information doit être claire, distinguable, accessible, et donnée au plus tard au moment de la première interaction.

Le règlement (UE) 2026/1744, dit AI Omnibus, a ajouté un article 111(4) qui accorde aux fournisseurs dont le système était déjà sur le marché avant le 2 août 2026 un délai jusqu’au 2 décembre 2026, mais uniquement pour l’obligation de marquage du paragraphe 2. Les obligations de disclosure des paragraphes 1, 3 et 4 n’ont bénéficié d’aucun report.

Fournisseur ou déployeur : la question qui détermine tout

Le règlement distingue le fournisseur, qui développe un système et le met sur le marché sous son propre nom, du déployeur, qui l’utilise sous sa propre autorité dans un cadre professionnel. Une entreprise qui utilise ChatGPT, Claude ou un chatbot acheté sur étagère est en principe déployeur. Mais une entreprise qui fait développer un agent conversationnel pour le proposer sous sa propre marque, y compris un agent interne assemblé par ses équipes et exposé ensuite aux clients, peut devenir fournisseur au sens du texte. Beaucoup d’organisations se retrouvent dans les deux rôles, parfois au sein d’un même produit. Cette qualification n’est pas un exercice technique : c’est une analyse juridique qui doit être tranchée avant la mise en ligne, car elle détermine qui porte la charge du marquage machine-readable et qui porte la charge de la mention visible.

Le cas Claude : ce qu’une marque technique prouve, et ce qu’elle ne prouve pas

Anthropic a expliqué le 14 août 2026, dans un texte intitulé « How Claude’s text watermarking works », que ses futurs modèles produiraient un texte contenant un filigrane : « Future Claude models will generate text that contains a watermark. » L’éditeur précise la finalité : « This is a way of determining the likelihood that Claude was involved in writing the text, and we, along with several other major AI providers, are implementing this change to comply with the EU AI Act. » Le procédé ne consiste pas en une étiquette visible ni en des jetons ajoutés : c’est un signal statistique glissé dans le choix des mots, qui s’appuie sur une clé propre au modèle. Anthropic affirme que la marque ne contient aucune information d’identité et qu’elle ne se rattache ni à une personne, ni à une organisation, ni à une conversation précise, mais ces garanties reposent sur la parole de l’éditeur, relayée par la presse, sans audit indépendant publié à ce jour.

Les modèles lancés après le 2 août 2026, Opus 5.5 (22 septembre 2026), Sonnet 5.5 (fin septembre 2026) et Haiku 5.5 (7 octobre 2026), portent le marquage dès leur sortie. Selon plusieurs médias dont Mashable, TokenPost et AICoder, et un courriel envoyé aux clients, quatre modèles plus anciens, Claude Mythos 5, Opus 4.7, Opus 4.6 et Sonnet 4.6, entrent dans le périmètre du marquage à partir du 3 novembre 2026. Cette date ne figure pas sur la page publique d’aide d’Anthropic, ce qui invite à la prudence et à vérifier la date effective auprès des intermédiaires cloud, notamment Amazon Bedrock, évoqué dans un compte rendu. Anthropic affirme avoir signé en juillet 2026 le code de bonnes pratiques sur la transparence des contenus générés, aux côtés d’environ 190 autres signataires. Ce code, publié par la Commission en juin 2026, a vu plus de 90 signataires créer deux groupes de travail le 30 septembre 2026, l’un sur le marquage et la détection, l’autre sur l’étiquetage, avec des règles de fonctionnement baptisées Vademecum. Adhérer à ce code ne vaut toutefois pas certification de chaque choix technique, et aucune information publiée ne confirme que l’implémentation d’Anthropic a reçu une validation formelle.

Le détecteur associé au filigrane n’établit qu’une probabilité que Claude ait participé à la rédaction d’un texte. Il ne prouve pas qu’un texte est humain et ne reconnaît pas de manière fiable les textes produits par d’autres IA. L’accès au détecteur reste réservé à des organisations éligibles : régulateurs, forces de l’ordre, médias, organismes de vérification des faits, chercheurs indépendants, établissements d’enseignement et associations de la société civile européenne. Un point mérite une prudence particulière : selon TechTimes, relayé par Adnika et Superpower Daily, le marquage d’Opus 4.6 et de Sonnet 4.6 ne s’appliquerait que si les paramètres d’échantillonnage température, top_p et top_k restent à leur valeur par défaut, sans avertissement en cas de modification. Ces affirmations ne sont pas confirmées par une source officielle, et Anthropic n’a, à notre connaissance, pas publié de réponse détaillée. Elles doivent donc être traitées comme des constats de tiers à vérifier, pas comme un fait établi. Mais l’hypothèse technique n’est pas absurde : un filigrane qui biaise la distribution de probabilités d’un modèle dépend nécessairement du réglage de cette distribution.

C’est tout l’enjeu du titre de ce dossier. Un marquage machine-readable, quand il fonctionne, répond à une obligation du paragraphe 2 qui pèse sur le fournisseur. Il ne répond à aucune des obligations de disclosure visible qui pèsent, elles, sur le déployeur. Marquer un contenu n’équivaut pas à prouver qu’on a rempli ses obligations de transparence envers l’utilisateur final.

Visible, lisible, accessible : ce que les équipes juridiques doivent vérifier

Le paragraphe 5 fixe un standard de forme, pas de fond : l’information doit être claire et distinguable, donnée au plus tard au moment de la première interaction, et accessible. Une mention dans les conditions générales ne satisfait en principe pas cette exigence, car un utilisateur qui ne consulte jamais ce texte ne peut pas être réputé avoir reçu l’information au moment de la première interaction. La forme pratique attendue est une étiquette, une bannière ou un badge qui reste visible pendant toute l’interaction. Pour un chatbot web, cela signifie une mention dès le premier message, accompagnée d’un libellé persistant. Pour un agent téléphonique, la mention doit être prononcée dès la première phrase de l’appel : un texte caché sur une page web ne touche jamais la personne qui appelle. Pour un canal WhatsApp, la mention doit apparaître à la première réponse de chaque nouvelle conversation.

Documenter la chaîne de production : la traçabilité comme début de preuve

Les nouvelles exigences de marquage font progresser une logique de preuve qui dépasse la simple déclaration. Pour une rédaction, une plateforme ou une entreprise qui publie, il devient utile de distinguer l’information destinée au public, la mention visible qu’une personne peut comprendre, des marques techniques destinées à la détection. L’une ne remplace pas l’autre. Un registre interne des usages peut consigner l’origine d’un contenu, les transformations subies, la personne qui a validé le résultat, le canal de diffusion, les marques présentes et la décision de signalement. Ce document sert concrètement si un client, un partenaire ou une autorité demande comment un contenu a été produit.

Ce besoin de traçabilité se double d’un contexte réglementaire plus large. La Commission a désigné en août 2026 ChatGPT comme moteur de recherche en ligne très grand, ainsi que Reddit et Roblox comme très grandes plateformes au titre du Digital Services Act. Les services concernés disposent d’un délai de quatre mois pour se conformer aux obligations renforcées du DSA, notamment celles relatives aux risques systémiques. Cette évolution ne transforme pas chaque entreprise française en plateforme de grande taille, mais elle rappelle que les interlocuteurs auxquels les équipes presse et juridiques s’adressent sont eux-mêmes soumis à des obligations documentaires croissantes.

Pour les équipes qui combinent plusieurs modèles de langage dans leur production, l’inventaire devient une tâche concrète plutôt qu’un exercice théorique. Le niveau de marquage, ses limites et sa date d’activation varient d’un fournisseur à l’autre, comme le montre le calendrier d’Anthropic. Une entreprise qui accède à plusieurs modèles via un abonnement unique, à l’image de ce que propose une plateforme comme Moon AI avec plus de cent modèles disponibles (GPT, Claude, Gemini, Mistral, DeepSeek, Llama, Grok, Qwen et le modèle maison Moon 6), gagne à journaliser précisément quel modèle a produit quel contenu, puisque cette information conditionne la réponse à apporter si un client ou un régulateur interroge l’origine d’un texte.

Calendrier et sanctions à ne pas manquer

Deux dates structurent la suite du calendrier. Le 2 août 2026 a fait entrer en vigueur l’ensemble des obligations de disclosure. Le 2 décembre 2026 fermera la période transitoire du marquage machine-readable pour les systèmes déjà commercialisés avant le 2 août 2026, une échéance qui concerne directement les fournisseurs de modèles génératifs, pas les entreprises qui se contentent de les déployer. Les sanctions pour manquement aux obligations de transparence de l’article 50 peuvent atteindre 15 millions d’euros ou 3 % du chiffre d’affaires annuel mondial, le montant le plus élevé des deux s’appliquant en principe, sauf pour les PME et les petites capitalisations intermédiaires, pour lesquelles c’est le montant le plus faible qui sert de plafond. Fournir des informations incorrectes, incomplètes ou trompeuses à une autorité peut, de son côté, entraîner une amende allant jusqu’à 7,5 millions d’euros ou 1 % du chiffre d’affaires.

Pour une équipe juridique et technique française, cinq vérifications restent prioritaires : lister tous les points de contact IA avec des clients ou le public, trancher la qualification fournisseur ou déployeur pour chacun, vérifier que la mention apparaît dès la première interaction et pas seulement dans un document juridique annexe, interroger chaque fournisseur de modèle sur la date effective d’activation de son marquage, et conserver une trace écrite de ces vérifications. Aucune de ces étapes ne garantit à elle seule la conformité : seul un conseil juridique peut qualifier une situation donnée au regard du texte.

Questions fréquentes

Une mention dans nos conditions générales d’utilisation suffit-elle ?

En principe non. L’article 50(5) exige une information claire et distinguable, donnée au plus tard au moment de la première interaction. Un terme que l’utilisateur ne rencontre jamais à ce moment-là ne peut pas satisfaire cette exigence. La forme attendue est une étiquette, une bannière ou un badge visible pendant toute l’interaction, pas une clause enfouie dans un document que personne ne lit.

Si le fournisseur de mon modèle applique déjà un marquage machine-readable, suis-je dispensé de mes obligations ?

Non. Le marquage du paragraphe 2 est une obligation du fournisseur sur la sortie générée elle-même. Il ne remplace pas les obligations du déployeur au titre des paragraphes 3 et 4, qui exigent une mention visible et compréhensible pour la personne exposée, notamment pour les hypertrucages et les textes d’intérêt public non relus. Le cas du filigrane texte de Claude le montre bien : un signal statistique detectable par un outil spécialisé ne constitue pas une information perçue par l’utilisateur au moment de l’interaction.

Quelles sanctions risque une entreprise en cas de manquement ?

L’article 99(4) prévoit une amende pouvant atteindre 15 millions d’euros ou 3 % du chiffre d’affaires annuel mondial, le montant le plus élevé s’appliquant en principe. Pour les PME et les petites capitalisations intermédiaires, c’est le montant le plus faible des deux qui sert de plafond. Fournir des informations trompeuses à une autorité expose à une sanction distincte, pouvant atteindre 7,5 millions d’euros ou 1 % du chiffre d’affaires.

Nous avons fait développer un agent conversationnel en interne : sommes-nous fournisseur ou déployeur ?

Cela dépend de la manière dont l’agent est mis en service. Une entreprise qui construit un système d’IA et le met en service sous son propre nom, y compris un agent destiné aux clients assemblé par ses propres équipes, peut être considérée comme fournisseur au sens du règlement, avec les obligations de marquage et de disclosure qui en découlent. Une entreprise qui se contente d’activer un outil fourni par un éditeur tiers reste généralement déployeur. Cette qualification doit être tranchée avant la mise en ligne, avec l’appui d’un conseil juridique.