Éthique et gouvernance de l'IA au travail

L'article 4 du règlement (UE) 2024/1689 impose aux fournisseurs et aux déployeurs de systèmes d'IA de garantir, au mieux de leurs capacités, un niveau suffisant de littératie en IA parmi leurs employés et les autres personnes qui exploitent ces systèmes pour leur compte. Le texte de l'article tient en une phrase, ce qui explique une bonne partie du malentendu qui l'entoure. La définition figure à l'article 3(56) : les compétences, connaissances et compréhension permettant un usage informé, l'appréciation des opportunités et des risques, et la conscience des dommages possibles. Le point qui surprend le plus les directions juridiques : l'obligation ne se limite pas aux systèmes à haut risque, elle couvre tout système d'IA déployé par l'organisation, y compris un simple assistant de rédaction.

Ce qui change le 2 août 2026, ce n'est pas l'obligation, c'est son contrôle. Elle est applicable depuis le 2 février 2025. À partir de dimanche, sa supervision relève des autorités nationales de surveillance du marché, comme le détaille ComplyLoft et WTL Governance : l'Espagne via l'AESIA, chaque État membre via l'autorité qu'il a désignée. Dix-huit mois d'obligation sans contrôleur laissent place à un régime où quelqu'un peut venir demander ce qui a été fait.

Trois précisions des questions-réponses de la Commission européenne cadrent les attentes. Aucun format n'est imposé : l'AI Office indique ne pas vouloir prescrire de formations obligatoires ni de certificats, mais les organisations doivent démontrer des actions appropriées, programmes, guides internes, sessions de sensibilisation ou e-learning. Le niveau exigé se module selon les connaissances techniques, l'expérience et le contexte d'utilisation des personnes concernées. Et la Commission suggère un socle en quatre points : compréhension générale de l'IA, clarification de son propre rôle (fournisseur ou déployeur), analyse du niveau de risque des systèmes utilisés, adaptation aux différences de connaissances et de contextes. L'analyse de Travers Smith insiste sur la même proportionnalité.

Notre lecture : un module unique de deux heures diffusé à toute l'entreprise coche la case de la bonne volonté, pas celle de la proportionnalité. Ce qui est démontrable, c'est une cartographie des systèmes utilisés, une différenciation par population (utilisateurs bureautiques, métiers exposés à des décisions engageantes, managers, fonctions support), et une trace datée des actions menées. C'est moins de travail qu'il n'y paraît, et c'est exactement ce qui manque dans la plupart des organisations qu'on croise.

Le Digital Omnibus sur l'IA a été adopté par le Parlement européen le 16 juin 2026, approuvé définitivement par le Conseil le 29 juin, signé le 8 juillet, publié au Journal officiel le 24 juillet et entré en vigueur le 27 juillet 2026. Il y a quatre jours, donc. Si vous avez construit un plan de mise en conformité au printemps, il porte une date d'échéance qui n'existe plus.

Ce qui est reporté, c'est le cœur produit du règlement. Les systèmes à haut risque de l'annexe III déployés en autonome (recrutement, scoring de crédit, éducation, maintien de l'ordre, contrôle aux frontières) passent du 2 août 2026 au 2 décembre 2027. Les systèmes intégrés à des produits réglementés de l'annexe I (dispositifs médicaux, machines, véhicules) passent au 2 août 2028. Gibson Dunn, Freshfields et DLA Piper convergent sur ces deux dates. Pour une DRH qui déploie un outil de tri de CV, cela veut dire seize mois de plus, pas une dispense.

Ce qui tombe quand même le 2 août, c'est la transparence et la littératie. Les obligations de l'article 50 s'appliquent : informer une personne qu'elle s'adresse à une IA sauf évidence, marquer les sorties synthétiques dans un format lisible par machine, révéler un deepfake qu'on diffuse, informer les personnes exposées à un système de reconnaissance des émotions ou de catégorisation biométrique. L'omnibus a ajouté une exception : l'article 50(2) ne s'applique pas aux systèmes déjà sur le marché au 2 août, qui ont jusqu'au 2 décembre 2026. C'est aussi à cette date qu'entre en vigueur la nouvelle interdiction visant les outils générant des images intimes non consenties, selon Inside Privacy. Le texte élargit par ailleurs sensiblement les pouvoirs de supervision de l'AI Office, comme le documente Digital Watch.

L'exception la plus utile de l'article 50 est aussi la plus contre-intuitive, parce qu'elle récompense le bon comportement : un texte destiné à informer le public sur des sujets d'intérêt général échappe à l'obligation de divulgation s'il a fait l'objet d'une revue humaine ou d'un contrôle éditorial et qu'une personne physique ou morale en assume la responsabilité éditoriale. La relecture n'est pas seulement une bonne pratique, elle a un effet juridique direct.

Reste la question des sanctions, et on refuse de trancher à la place des sources. Le régime applicable à un manquement à l'article 4 est fixé nationalement, en application de l'article 99(1). Certaines analyses situent l'article 4 au palier intermédiaire, jusqu'à 7,5 millions d'euros ou 1 % du chiffre d'affaires mondial ; d'autres avancent 15 millions ou 3 %. La formulation défendable devant un comité de direction ne dépend pas de cet arbitrage : l'absence de dispositif de formation documenté sera un facteur aggravant en cas de contrôle, et le montant se lira dans le droit national. Annoncer un chiffre d'amende comme s'il était acquis fragilise le dossier au lieu de le renforcer. Notre lecture d'ensemble : le report est un cadeau fait à la conformité produit, pas à la conformité RH.

Sur l'ampleur de la shadow AI, l'honnêteté impose une fourchette plutôt qu'un chiffre. Les enquêtes récentes vont de 55 % de salariés utilisant des outils d'IA non approuvés (données Salesforce) à 78 % (Microsoft WorkLab), et la synthèse de Vectra AI, appuyée sur des données UpGuard, dépasse 80 %. La compilation d'Airia et celle d'Aona rassemblent ces points de mesure et montrent d'où vient l'écart : les périmètres d'enquête et la définition de l'outil non approuvé ne sont pas les mêmes. L'ordre de grandeur, lui, est stable et suffit à la décision. Deux chiffres moins cités complètent le tableau : près de 38 % des utilisateurs reconnaissent avoir partagé des informations de travail sensibles avec ces outils, et 47 % des utilisateurs d'IA générative y accèdent par un compte personnel, hors de tout contrôle d'entreprise. En face, seules 37 % des organisations disposent d'une politique de gouvernance de l'IA.

Le coût est maintenant chiffré par une source solide. Le rapport IBM Cost of a Data Breach 2025 identifie la shadow AI comme facteur dans 20 % des brèches de données et lui attribue un surcoût moyen de 670 000 dollars par incident, soit 4,63 millions contre 3,96 millions pour une brèche standard, comme le détaille Kiteworks et la couverture de Cybersecurity Dive. Deux données du même rapport comptent plus que le montant. Dans 97 % de ces cas, l'organisation n'avait aucun contrôle d'accès aux outils d'IA. Et 65 % de ces brèches exposent des données personnelles de clients, contre 53 % pour la moyenne, selon la lecture qu'en fait Nudge Security. La shadow AI ne produit pas seulement des incidents plus chers, elle produit des incidents qui touchent plus souvent des personnes, donc qui déclenchent plus souvent une obligation de notification.

Le résultat le plus actionnable du corpus contredit le réflexe le plus répandu. Selon Vectra AI, lorsque des solutions d'IA d'entreprise approuvées sont mises à disposition, l'usage non autorisé baisse de près de 89 %. L'interdiction seule déplace le problème sans le traiter : les traitements passés par des outils non déclarés échappent au DPO, ne figurent dans aucun registre, ne font l'objet d'aucune analyse d'impact, ce qui rend la conformité RGPD et AI Act littéralement indémontrable. Le cas Samsung reste le meilleur point de départ : l'entreprise a interdit ChatGPT et les autres outils d'IA générative à ses employés en mai 2023 après avoir découvert que du code sensible avait été chargé sur ces plateformes, comme l'a rapporté Bloomberg. Son intérêt tient à son protagoniste : une entreprise technologique de premier plan, dont les ingénieurs comptent parmi les mieux formés au monde, a produit exactement le comportement qu'une charte cherche à éviter.

On observe, sans s'emballer, que ce chiffre de 89 % vient d'une source unique et mériterait d'être recoupé. Mais il pointe dans le même sens que le reste du corpus, et il colle à ce qu'on constate en mission : les salariés ne contournent pas par malveillance, ils contournent parce que l'outil approuvé n'existe pas, arrive trop tard ou est perçu comme bridé.

L'argument le plus solide contre l'usage non supervisé n'est pas moral, il est statistique. Une méta-analyse de 53 études publiées entre janvier 2023 et juillet 2024 crédite GPT-4 d'une exactitude moyenne de 81,8 % sur des examens de type licence médicale et de 75,9 % sur des épreuves de résidence, contre 60,8 % et 57,7 % pour GPT-3.5. Les variations par discipline sont fortes : 76,4 % pour GPT-4 sur un examen de chirurgie générale en Corée contre 46,8 % pour GPT-3.5, et seulement 47,2 % de réponses correctes sur certaines séries difficiles. Ces épreuves sont pour l'essentiel à choix multiples, dans un domaine massivement représenté dans les données d'entraînement. Dans les conditions les plus favorables qui soient, donc, une réponse sur cinq reste fausse.

Les incidents nommés complètent la statistique. L'avocat américain Steven Schwartz a été sanctionné en 2023 pour avoir soumis à un tribunal des précédents judiciaires entièrement inventés par ChatGPT : les références produites étaient plausibles et inexistantes. Le point qui compte pour un dirigeant est là : une hallucination bien construite est indétectable pour qui n'a pas l'expertise du domaine, donc les garde-fous doivent être procéduraux et non intuitifs. Les signaux repérables par un non-spécialiste existent et tiennent en cinq lignes (une réponse très précise dont les références ne sont pas vérifiables, l'absence de sources sur un sujet réglementaire, des contradictions internes, une assurance sans conditionnel sur un sujet complexe, une réponse trop belle pour être vraie), mais ils déclenchent l'alerte, ils ne remplacent pas la vérification.

Le second risque, moins spectaculaire et bien plus fréquent, est celui des données saisies dans les prompts. L'opinion 28/2024 du Comité européen de la protection des données est claire sur un point que la plupart des salariés ignorent : les autorités de contrôle devraient par défaut considérer qu'un modèle d'IA nécessite une analyse approfondie pour déterminer si les données qu'il contient peuvent être considérées comme anonymes, et l'anonymat ne peut être retenu que si la probabilité d'extraction, à partir des données d'entraînement comme des requêtes, est insignifiante. Personne ne doit présumer que ce qu'il envoie à un modèle est anonymisé de fait. S'y ajoute la question des transferts : envoyer un prompt à un fournisseur américain constitue un transfert vers un pays tiers, qui doit s'appuyer sur un mécanisme valide et une vérification effective du niveau de protection. Sur l'articulation d'ensemble, les recommandations de la CNIL sur l'IA et le RGPD tiennent une ligne pragmatique, et un article académique comparant les régimes d'analyse d'impact rappelle que les deux textes se cumulent au lieu de se remplacer.

Le geste le plus rentable, et le plus mal connu, prend trente secondes : ouvrir les paramètres de confidentialité de l'outil réellement utilisé. Les différences entre offres sont nettes. Chez OpenAI, les versions grand public peuvent par défaut utiliser les conversations pour l'entraînement, option désactivable dans la gestion des données, tandis que les offres Team, Enterprise et l'API prévoient un engagement de non-utilisation par défaut. Chez Microsoft, le Copilot grand public associé à un compte personnel laisse l'utilisateur décider, alors que Microsoft 365 Copilot, associé à un compte professionnel Entra ID, n'utilise ni les conversations ni les données accessibles via Microsoft Graph pour entraîner les modèles de base. Ces options existent souvent mais ne sont pas activées par défaut : c'est ce qui transforme un débat abstrait sur la confidentialité en une action concrète et vérifiable.

La grille la plus utile pour arbitrer au quotidien est celle des trois niveaux de supervision, et elle se transmet en cinq minutes. En human in the loop, l'IA propose et un humain valide chaque sortie avant utilisation ou diffusion : c'est le régime de la rédaction, de la synthèse et de l'idéation, et celui où un utilisateur non averti devrait se situer par défaut. En human on the loop, le système fonctionne de façon autonome et l'humain supervise, contrôle a posteriori et intervient sur incident : c'est le régime des chatbots de support ou des outils de recommandation, et l'AI Act impose des exigences de surveillance humaine pour les systèmes à haut risque précisément pour garantir cette capacité d'intervention. En human in command, l'humain conserve le pouvoir d'activer, de suspendre ou de modifier le système et assume la décision finale. L'arbitrage se fait par criticité : forte (RH, santé, sécurité, finance, juridique) impose le human in the loop, moyenne (communication externe, conseil client) autorise l'un ou l'autre, faible (brouillon interne, support rédactionnel) tolère le human on the loop. La seule règle vraiment indispensable est celle des cas ambigus : en cas de doute, on augmente le niveau de supervision.

Sur les rôles, la répartition classique fonctionne à condition de ne pas oublier le maillon décisif. Le comité IA (direction, DSI, DPO, juridique, RH, métiers, et selon les cas des représentants du CSE) définit la stratégie, approuve les cas d'usage sensibles et suit les incidents. Le référent IA, désigné par entité, sert de point de contact opérationnel. Le DPO intervient dès qu'il y a des données personnelles, le juridique sur les contrats fournisseurs et les conditions d'utilisation, la DSI et le RSSI sur la sécurisation des flux et la gestion des accès. Le rôle le plus sous-estimé reste celui du manager de proximité : c'est lui qui détecte les usages inappropriés, et surtout c'est lui qui encourage ou décourage la shadow AI par ses arbitrages quotidiens. Un manager qui demande de mettre tout le fichier dans l'IA pour gagner du temps annule à lui seul l'effet d'une charte. Une distinction conditionne enfin toute la lecture des obligations, celle entre le fournisseur, qui conçoit ou modifie substantiellement le système, et le déployeur, qui l'intègre et l'utilise : la quasi-totalité des entreprises clientes sont des déployeurs, et les lignes directrices de la Commission destinées aux fournisseurs de modèles à usage général précisent qu'utiliser une API sans modification substantielle ne fait pas basculer une entreprise du côté fournisseur.

Sur la charte elle-même, le corpus est net sur ce qui sépare une politique appliquée d'une lettre morte. Les politiques qui fonctionnent sont courtes, écrites dans un langage accessible, illustrées de cas métiers, portées visiblement par des dirigeants qui incarnent l'usage responsable, accompagnées d'outils approuvés et pratiques, et surtout elles disent clairement ce qui est autorisé et encouragé, pas seulement ce qui est interdit. L'approche de conformité publiée par Microsoft donne un modèle réutilisable : des « restricted uses » nommés dans les politiques internes et une interdiction explicite, dans le code de conduite, d'utiliser les services pour des formes de notation sociale. Les politiques qui restent lettre morte sont rédigées exclusivement par le juridique dans un langage technocratique, sans exemples, sans référent accessible, et communiquées sur un registre anxiogène centré sur la sanction. Le dispositif de signalement obéit à la même logique : canal identifié, fiche minimale (date, outil, type d'incident, impact potentiel, données impliquées), et une condition culturelle non négociable, à savoir que les erreurs commises de bonne foi ne sont pas sanctionnées. Sans cette clause, rien ne remonte.

Sur les référentiels, on tranche à rebours de la plupart des guides. ISO/IEC 42001, publiée en décembre 2023, est la première norme internationale de système de management de l'IA, et le NIST AI Risk Management Framework offre une approche complémentaire non prescriptive. Les deux sont utiles, mais pas au démarrage et pas pour tout le monde. Ce dont une organisation qui commence a réellement besoin tient en quatre éléments : une cartographie des usages IA existants, une charte opérationnelle illustrée d'exemples métiers, un processus simple de validation et d'alerte, et une action de littératie ciblée sur les risques concrets. ISO 42001 sert de squelette pour organiser ces quatre éléments et pour définir des indicateurs (nombre d'incidents, taux d'usage d'outils approuvés, taux de participation aux formations). C'est une boussole pour l'équipe de gouvernance, pas un contenu à servir aux utilisateurs.

C'est le point où une démarche construite à partir de sources majoritairement anglophones passe systématiquement à côté d'une obligation lourde. En France, l'introduction d'un système d'IA affectant les conditions de travail, l'organisation, l'emploi ou les modalités de contrôle de l'activité impose une information-consultation du comité social et économique dans les entreprises d'au moins cinquante salariés. Deux cas sont particulièrement clairs : les projets importants introduisant de nouvelles technologies avec un impact sur les conditions d'emploi et de travail, et l'introduction de méthodes ou techniques d'évaluation professionnelle assistées par l'IA. L'entreprise doit aussi discuter avec le CSE des mesures d'accompagnement, d'adaptation des postes et de formation. Et le sujet croise directement le haut risque au sens de l'AI Act, puisque l'analyse d'Eversheds Sutherland sur les usages RH confirme que le tri automatisé de candidatures et l'évaluation automatisée de la performance en relèvent.

Sur la sanction du manquement, on s'en tient à ce qui est vérifié. Les sources sociales consultées pour la recherche d'origine font état de projets IA suspendus en 2025 pour défaut de consultation conforme. Cette information n'a pas pu être corroborée dans les sources primaires et n'est donc pas présentée ici comme une jurisprudence établie. Le point de fond ne dépend pas de cette vérification : une consultation qui intervient après le déploiement, ou une phase pilote impliquant des salariés lancée sans consultation préalable, expose l'entreprise à une demande de suspension. C'est un risque de calendrier autant qu'un risque juridique, et c'est celui qui coûte le plus cher quand il se matérialise à trois semaines d'un go-live.

Deux obligations françaises se cumulent utilement avec l'article 4. L'article L1222-4 du code du travail impose la transparence sur les dispositifs de collecte d'informations concernant les salariés, et une analyse d'impact relative à la protection des données est obligatoire pour les traitements à risque élevé, notamment les décisions automatisées, la surveillance systématique à grande échelle et le profilage servant à prendre des décisions à l'égard des salariés, comme le rappelle cette synthèse de cabinet sur l'IA au travail en 2026. La CNIL a par ailleurs annoncé ses priorités : son programme de travail 2026 place l'IA parmi ses axes d'accompagnement, après avoir finalisé ses recommandations sur le développement des systèmes d'IA.

La conclusion pratique se lit comme une séquence, pas comme une liste de bonnes intentions. Cartographier les usages réels avant d'écrire quoi que ce soit, parce que la carte ne ressemblera pas à ce que la direction imagine. Mettre à disposition un outil approuvé avant de publier une interdiction, parce que l'ordre inverse produit du contournement. Consulter le CSE avant le pilote, pas après. Et documenter l'action de littératie, parce que c'est désormais la seule chose qu'un contrôleur pourra vous demander de montrer.