L'AI Act oblige les fournisseurs de gros modèles d'IA à publier un résumé de leurs données d'entraînement — voici à quoi ça ressemble vraiment, mi-2026
Ce n'est pas l'article 50 qui régit la divulgation des données d'entraînement — l'article 50 concerne la transparence des contenus générés (marquage des deepfakes, watermarking — voir la page dédiée). Les deux sujets sont fréquemment confondus parce qu'ils relèvent tous les deux de la « transparence IA », mais ils répondent à des questions différentes : l'article 50 dit « ce contenu a-t-il été généré par une IA ? », l'article 53 dit « avec quoi cette IA a-t-elle été entraînée ? ».
L'obligation qui nous intéresse ici est l'article 53, paragraphe 1, point d du règlement (UE) 2024/1689 : les fournisseurs de modèles d'IA à usage général (GPAI — General-Purpose AI, la catégorie qui couvre GPT, Gemini, Claude, Llama, Mistral…) doivent « élaborer et mettre à disposition du public un résumé suffisamment détaillé du contenu utilisé pour l'entraînement », selon un modèle (template) officiel publié par le Bureau de l'IA européen.
Le résumé des données d'entraînement va toujours de pair avec une autre obligation, l'article 53(1)(c) : mettre en place une politique de respect du droit d'auteur, notamment identifier et respecter les réservations de droits que les ayants droit peuvent exprimer (l'« opt-out » de fouille de textes et de données prévu par la directive européenne 2019/790). Les deux articles se citent quasi systématiquement ensemble dans la documentation officielle.
Le résumé doit être actualisé au moins tous les 6 mois, ou dès qu'un entraînement supplémentaire matériel est effectué (fine-tuning notamment). Les modèles publiés en open source avec paramètres ouverts bénéficient d'exemptions sur d'autres obligations de l'article 53, mais pas sur celle-ci — le résumé reste dû. En cas de manquement, les amendes peuvent atteindre 15 millions d'euros ou 3 % du chiffre d'affaires mondial annuel, le montant le plus élevé étant retenu.
Le document s'organise en trois sections : informations générales sur le fournisseur et le modèle ; liste des catégories de sources de données (jeux de données publics, données sous licence, données collectées par crawling, données utilisateur, données synthétiques) ; et une description narrative du traitement (filtrage, retrait de contenu illicite, respect du droit d'auteur, conformité RGPD).
C'est cette dernière clause qui concentre le plus de critiques (voir plus bas) : le think tank Open Future, qui avait proposé un seuil plus strict (top 5 % ou 100 000 domaines par modalité séparément) au Bureau de l'IA, a vu sa proposition affaiblie dans la version finale.
Le laboratoire universitaire AI Accountability Lab (Dublin) tient un tracker qui audite les résumés réellement publiés et leur attribue deux notes : une pour la transparence (le résumé respecte-t-il le template ?) et une pour l'utilité (un ayant droit pourrait-il, concrètement, savoir si son œuvre a été utilisée ?). Un article évalué par les pairs présenté à la conférence ACM FaccT 2026 en tire un constat édifiant, cité tel quel :
| Modèle | Fournisseur | Transparence | Utilité |
|---|---|---|---|
| Apertus | Swiss AI Initiative | A | A+ |
| Bria 3.2 | Bria AI | B+ | A |
| SmolLM3-3B | HuggingFace | B+ | B+ |
| Domyn Large | Domyn | B | B+ |
| Bielik v3 11B | SpeakLeash | B+ | C+ |
| Firefly | Adobe | C+ | B+ |
| Inkling | Thinking Machines | C+ | C+ |
| MIIA | Fastweb | C | C+ |
| MAI-Image-2 | Microsoft | C+ | D+ |
| GPT-5.5 | OpenAI | C+ | D+ |
| Gemini 3 Pro | C | C | |
| Grok 4.5 | xAI | C | C |
| Muse Image/Spark | Meta | C | D+ |
| Phi-4 | Microsoft | D | F |
| GPT-OSS, Sora 2, un modèle Claude | OpenAI / Anthropic | Aucun résumé public trouvé | |
Notation du tracker AI Accountability Lab, état rapporté mi-2026 — ce tracker est vivant et évolue en continu ; considérer ces notes comme un instantané, pas une vérité figée. Voir le tracker en direct →
Le motif qui ressort est net, et inverse ce qu'on pourrait attendre : les petits acteurs européens et open source (Apertus, HuggingFace, SpeakLeash, Bria, Domyn, Fastweb) produisent les résumés les plus détaillés et exploitables. Les grands laboratoires américains (OpenAI, Google, xAI, Meta, Microsoft) publient des documents formellement conformes au template mais jugés génériques — ils cochent les cases sans permettre à un ayant droit de savoir si son travail a été utilisé.
L'exemple le plus documenté d'un manquement pur et simple : lors de sa sortie le 7 août 2025 — donc après l'entrée en application de l'article 53, sans bénéfice de la période de grâce — GPT-5 a été publié sans résumé d'entraînement ni politique de droit d'auteur, alors qu'OpenAI est signataire du Code of Practice censé garantir cette conformité. L'absence a été signalée publiquement par le CEO de LatticeFlow AI et relayée par Euractiv.
Publié le 10 juillet 2025 et endossé par la Commission le 1er août 2025, le Code of Practice sur les GPAI comprend trois chapitres : transparence, droit d'auteur, et sûreté/sécurité (ce dernier réservé aux modèles à risque systémique). Son mécanisme juridique (art. 53(4)) : les signataires bénéficient d'une présomption de conformité — le régulateur présume l'article 53 respecté, ce qui allège la charge de preuve. Les non-signataires doivent démontrer eux-mêmes des « moyens de conformité adéquats alternatifs », avec un contrôle plus intrusif.
Signataires des trois chapitres : OpenAI, Anthropic, Google, Microsoft, Mistral AI, IBM, Cohere, Aleph Alpha, Amazon, entre autres. Meta a refusé de signer, invoquant des incertitudes juridiques. xAI n'a signé que le chapitre sûreté et sécurité — ni la transparence, ni le droit d'auteur.
Fin juillet 2025, une déclaration conjointe signée par plus de 50 organisations représentant les ayants droit culturels européens — CISAC (plus de 5 millions de créateurs), GESAC, AEPO-ARTIS (40 organisations d'interprètes), la Fédération des éditeurs européens, IFPI, News Media Europe (2 700+ marques de presse) — a qualifié le template et le Code de « missed opportunity » pour protéger la propriété intellectuelle.
Le think tank Open Future détaille cinq affaiblissements précis entre sa proposition initiale et le template final : seuil de domaines scrapés relevé et agrégé toutes modalités confondues, fourchettes approximatives au lieu de métriques exactes, descriptions de traitement assez générales pour n'être que du « boilerplate » corporate invérifiable, divulgation minimale des données sous licence, et une fenêtre où des mises à jour de modèles peuvent être requalifiées en « non nouvelles » pour échapper à l'obligation avant 2027.
C'est le point d'actualité le plus concret de cette page. Depuis le 2 août 2025, l'article 53 est juridiquement contraignant mais pas encore exécutable — le Bureau de l'IA n'avait tout simplement pas les pouvoirs de sanctionner. Cette phase se termine le 2 août 2026, dans quelques jours : demandes de documentation, évaluations de modèles, mesures correctives, restrictions de mise sur le marché et amendes deviennent possibles.
À ce jour, aucune sanction, aucune mise en demeure formelle n'a été prononcée sur ce fondement — pour la raison mécanique qu'aucun pouvoir d'exécution n'existait avant cette date. Les seules pressions exercées jusqu'ici ont été informelles ou réputationnelles : signalements publics, trackers académiques, déclaration des ayants droit. L'article 53 devient ainsi le premier terrain d'enforcement réel de l'ensemble de l'AI Act — le volet « haut risque » ayant, lui, été repoussé par le même Digital Omnibus qui a décalé l'article 50 (voir la page sur le watermarking).
Un régime américain distinct existe en parallèle : le Training Data Transparency Act californien (Cal. Civ. Code §3111), applicable depuis le 1er janvier 2026. OpenAI, Anthropic et Google y ont publié des documents séparés, spécifiques à cette loi — utiles à comparer, mais ce ne sont pas les résumés exigés par l'AI Act européen, qui répondent à un template différent et à un calendrier différent.