Une petite équipe de Zurich a entraîné un modèle de langage. Le mois prochain, elle veut le proposer à des clients dans l'UE. Vendredi, son avocat envoie une seule ligne. Où est votre résumé public d'entraînement ?
Ce guide explique ce qu'est ce résumé et ce que demande le modèle de résumé de l'UE. Il montre ensuite comment garder des archives qui étayent le résumé.
Qui doit publier un résumé d'entraînement
Le règlement sur l'IA impose à chaque fournisseur d'un modèle d'IA à usage général de publier un résumé de son contenu d'entraînement.
La règle se trouve à l'article 53, paragraphe 1, point d), du règlement européen sur l'IA. Les fournisseurs de modèles d'IA à usage général « élaborent et mettent à la disposition du public un résumé suffisamment détaillé du contenu utilisé pour entraîner le modèle d'IA à usage général, conformément à un modèle fourni par l'AI Office ».
Les modèles open source n'échappent pas à ce devoir. L'article 53, paragraphe 2, du règlement sur l'IA lève certains devoirs pour les modèles open source, mais seulement les points a) et b). Le résumé du point d) s'applique toujours.
Le devoir s'applique depuis le 2 août 2025 (revérifié sur EUR-Lex le 21 octobre 2026). Les modèles mis sur le marché avant cette date ont plus de temps. Leur résumé doit être public au plus tard le 2 août 2027 (revérifié dans la note de la Commission le 21 octobre 2026).
Les trois sections du modèle de résumé
Le modèle de résumé de la Commission a trois sections, et chacune demande une vue d'ensemble des données.
L'AI Office a publié sa note explicative et son modèle de résumé le 24 juillet 2025. Chaque résumé doit le suivre. Le modèle de résumé a trois sections.
- « 1. Informations générales » nomme le fournisseur et le modèle. Cette section indique les types de contenu dont le modèle a appris et la part de chacun, par grandes fourchettes. Elle donne le caractère général des données d'entraînement.
- « 2. Liste des sources de données » nomme les principaux jeux de données. Elle décrit en mots les données collectées en ligne. Elle couvre aussi toutes les autres sources, comme les données d'utilisateurs ou les données synthétiques.
- « 3. Aspects pertinents du traitement des données » a trois parties. La partie 3.1 est « Respect de la réserve des droits au titre de l'exception de fouille de textes et de données ou de l'opt-out ». La partie 3.2 est « Retrait des contenus illicites ». La partie 3.3 est « Autres informations (facultatif) ».
La section 2 est encore divisée. Elle couvre les jeux de données publics, les jeux de données privés, les données collectées en ligne, les données d'utilisateurs et les données synthétiques. Les jeux de données privés sont divisés à leur tour. Une partie concerne les données sous licence des titulaires de droits. L'autre partie concerne les données d'autres tiers.
Les noms de domaine et la règle de mise à jour
Vous listez les plus grands sites que vous avez collectés, et vous actualisez le résumé quand vous entraînez le modèle davantage.
La section 2.3 du modèle de résumé couvre les données explorées et collectées en ligne. Elle demande une liste de noms de domaine. Vous donnez les noms « dans les 10 % supérieurs de tous les noms de domaine, déterminés par la taille du contenu collecté ». Les petites et moyennes entreprises ont une règle plus légère. Elles listent « les 5 % supérieurs, ou les 1000 premiers domaines ».
Le résumé est aussi un document vivant. Quand vous entraînez le modèle davantage, vous le mettez à jour. La note demande des mises à jour tous les six mois, ou plus tôt si les nouvelles données sont importantes. Chaque mise à jour porte sa date.
Où et quand le publier
Le résumé va sur votre site web, bien visible, au plus tard quand le modèle atteint le marché de l'UE.
La note dit que le résumé « devrait être mis à la disposition du public au plus tard lorsque le modèle est mis sur le marché de l'Union ». Elle dit aussi où. « Il devrait être publié sur le site web officiel du fournisseur de manière clairement visible et accessible ». Le résumé voyage aussi « avec le modèle sur tous ses canaux de distribution publics ».
En clair, il vous faut une page facile à trouver sur votre site. Il vous faut aussi une copie partout où les gens téléchargent le modèle.
Ce que le modèle de résumé ne demande pas
Vous n'avez pas à lister chaque œuvre ou chaque fichier dont le modèle a appris.
Le paragraphe 16 de la note est clair sur ce point. Le modèle de résumé « n'exige pas la divulgation des détails des données et des œuvres spécifiques utilisées pour entraîner le modèle ». Le considérant 107 du règlement sur l'IA dit que le résumé devrait être « globalement complet » mais pas « techniquement détaillé ».
La note indique aussi le but. Le résumé sert à « assurer une transparence publique significative et à aider les parties ayant des intérêts légitimes à exercer et à faire respecter leurs droits en vertu du droit de l'Union ». Un titulaire de droits le lit pour voir si son œuvre pourrait s'y trouver. Ensuite, il peut vous poser des questions. Vous voudrez des archives pour y répondre.
Étayez le résumé avec des archives scellées
Scellez vos manifestes de jeux de données, vos fichiers de licence et le résumé lui-même comme versions datées, pour pouvoir montrer ce que vous déteniez et quand.
Le résumé est une déclaration publique. Un jour, un titulaire de droits ou l'AI Office pourra demander ce qu'il y avait derrière. Disons que votre section 2.2.1 liste des données sous licence des titulaires de droits. Vous voudrez ces fichiers de licence tels qu'ils étaient le jour de l'entraînement. Disons que votre section 3.1 dit que vous avez respecté les opt-outs. Vous voudrez le manifeste du jeu de données et la liste des opt-outs tels qu'ils étaient ce jour-là.
Sur Swiss Trust Layer, vous téléversez ces fichiers dans un dossier et vous le scellez. La plateforme calcule une empreinte de chaque fichier et du paquet scellé. Seule l'empreinte part chez Swisscom Trust Services, un prestataire de services de confiance qualifié. Le fichier lui-même ne part pas. Swisscom signe l'empreinte et ajoute un horodatage selon RFC 3161. Chaque version scellée reçoit un certificat de preuve, un PDF signé. Il liste chaque nom de fichier et son empreinte, plus le numéro de version. Un code QR dessus ouvre une page de vérification publique qui ne demande aucune connexion.
Chaque fois que vous mettez le résumé à jour, ajoutez une nouvelle version du dossier. Le dossier garde un historique des versions, et chaque version garde son propre sceau. Toute modification d'un fichier donne une empreinte différente. Ainsi, une chaîne datée de versions montre ce que vous déteniez à chaque date.
Ce qu'un sceau prouve et ce qu'il ne prouve pas
Un sceau prouve que l'archive existait à une date et n'a pas changé depuis ; il ne prouve pas que les données ont été utilisées légalement.
Soyez honnête sur la limite. Un sceau prouve que ce fichier exact existait à ce moment-là et n'a pas changé depuis. Il ne prouve pas qui a créé le contenu, que le contenu est vrai, ou que la personne qui a scellé détient les droits. Il ne prouve pas que vos données d'entraînement ont été utilisées légalement. Un sceau ne crée pas de droit d'auteur. Le droit d'auteur naît avec la création. Un fichier de licence scellé montre quel texte de licence vous déteniez ce jour-là. Savoir si cette licence couvre votre usage est une question juridique à laquelle le sceau ne peut pas répondre.
Scellez votre manifeste de jeu de données, vos fichiers de licence et votre projet de résumé comme version un sur Swiss Trust Layer dès aujourd'hui.
