Contenus IA : ce que le marquage impose aux entreprises

Le 5 mars 2026, la Commission européenne a publié un projet de code de bonne pratique consacré au marquage et à l’étiquetage des contenus générés par l’IA. Le texte intervient avant l’application, le 2 août 2026, des obligations de transparence de l’article 50 de l’AI Act. Son apport principal est technique autant qu’organisationnel : « marquer » ne signifie pas seulement afficher une mention, mais rendre l’origine du contenu détectable et organiser l’information du public. Les entreprises doivent donc distinguer ce qui relève du fournisseur du système, de la personne qui le déploie et de la chaîne de publication.

Mise à jour du 10 septembre 2026. Le règlement (UE) 2026/1744 modifiant l’AI Act a été publié au Journal officiel le 24 juillet 2026 et est entré en vigueur le 27 juillet. Les nouvelles échéances des systèmes à haut risque sont désormais fixées au 2 décembre 2027 (annexe III) et au 2 août 2028 (annexe I). Point complet dans notre article de référence.

L'essentiel en 30 secondes

• Le deuxième projet de code, rendu public le 5 mars 2026 après un premier projet publié en décembre 2025, accompagne les exigences de transparence de l’article 50.
• Ces exigences s’appliqueront le 2 août 2026.
• Le marquage des contenus générés ou manipulés par l’IA doit être lisible par machine.
• Le projet décrit une approche à deux niveaux : métadonnées sécurisées et filigranage.
• Les déployeurs sont concernés par l’étiquetage des hypertrucages et de certains textes portant sur des sujets d’intérêt public.

Ce qui s'est passé

La Commission facilite l’élaboration d’un code volontaire pour aider les fournisseurs et les déployeurs à se préparer aux exigences de marquage et d’étiquetage. Le document publié le 5 mars 2026 présente des solutions proposées pour mettre en œuvre les obligations de transparence. Il ne remplace pas l’article 50 : la date juridique à retenir est le 2 août 2026, date à laquelle les règles de transparence des contenus générés par l’IA deviennent applicables.

Le périmètre comporte deux questions qui sont souvent confondues. La première est le marquage par le fournisseur d’un système d’IA générative : le contenu généré ou manipulé doit pouvoir être identifié par machine. La seconde est l’étiquetage destiné aux personnes qui reçoivent un contenu. Le projet vise notamment les hypertrucages et les publications de texte sur des sujets d’intérêt public réalisées par des déployeurs de systèmes d’IA. Le même contenu peut donc nécessiter un élément technique attaché au fichier ou au flux, et une information visible selon le contexte de diffusion.

Cette différence explique pourquoi une simple mention dans une charte éditoriale est insuffisante. Une charte peut encadrer le comportement d’un collaborateur ; elle ne constitue pas un mécanisme de détection. Inversement, des métadonnées présentes dans un fichier peuvent être perdues, masquées ou ne pas être comprises par une personne. Une stratégie de conformité doit articuler les deux dimensions.

Marquer signifie concevoir une chaîne technique

Le projet décrit une approche à deux niveaux. Le premier niveau est celui des métadonnées sécurisées. Elles permettent d’associer au contenu une information structurée sur son origine. Le second est le filigranage, qui vise à porter un signal lié au contenu lui-même. Le texte évoque aussi, de façon facultative, l’empreinte numérique et la journalisation, ainsi que des protocoles de détection et de vérification. Il encourage le recours à des normes ouvertes pour le marquage des contenus générés par l’IA.

Pour une direction, ces termes doivent être traduits en décisions. Il faut savoir à quel moment le contenu est marqué : à la génération, à l’export, à la publication ou à chacun de ces moments. Il faut aussi identifier le contenu auquel la mesure s’applique : image, son, vidéo, texte ou contenu composite. Enfin, il faut tester le comportement du marquage lorsqu’un fichier est converti, recadré, compressé, intégré dans une présentation ou republié par un tiers. Une solution technique n’est utile que si l’entreprise connaît son périmètre et ses limites.

La lisibilité par machine appelle aussi une architecture de vérification. Qui pourra lire le signal ? Quel outil conserve la preuve qu’un contenu a été généré ? Quelles informations peuvent être exposées sans divulguer de données personnelles, de secrets d’affaires ou de détails de sécurité ? Le projet ne donne pas, à ce stade, un format unique de métadonnées ni un algorithme de filigranage imposé. C’est une raison supplémentaire de privilégier des choix réversibles, documentés et interopérables plutôt qu’un empilement d’outils sans gouvernance.

Étiqueter signifie informer au bon moment

Le second volet est la conception de l’information visible. Pour les déployeurs, le projet traite de l’étiquetage des hypertrucages et des textes publiés sur des sujets d’intérêt public. Il traite aussi de la conception et du placement d’icônes, de libellés et de mentions explicatives. L’objectif annoncé est d’assurer un niveau minimal d’uniformité tout en laissant aux signataires des solutions adaptées à leurs besoins.

L’enjeu pratique est l’emplacement. Une indication reléguée dans les conditions générales, après le partage d’une vidéo ou au bas d’une page inaccessible ne produit pas le même effet qu’une indication visible au point de réception. Les équipes produit et communication doivent définir les canaux, les formats, la langue, le moment et le responsable de cette information. Elles doivent aussi prévoir les cas où le contenu transite par un outil de gestion de campagnes, une agence ou une plateforme qui ne leur appartient pas.

Le projet mentionne des régimes spécifiques pour les œuvres artistiques, créatives, satiriques ou fictives, ainsi que pour les publications de texte soumises à un contrôle humain ou éditorial. Ces catégories ne doivent pas être utilisées comme des exemptions informelles. Elles imposent au contraire une analyse précise de la finalité, du processus éditorial et du mode de diffusion. Lorsque l’entreprise se prévaut d’un contrôle humain ou éditorial, elle doit pouvoir montrer ce que ce contrôle recouvre effectivement.

Une responsabilité répartie dans la chaîne

Un fournisseur de système génératif ne contrôle pas toujours la diffusion finale ; un déployeur ne maîtrise pas toujours les fonctions de marquage incluses dans le système acquis. C’est pourquoi les contrats et les processus d’achat doivent désormais poser des questions opérationnelles : quelles fonctions de métadonnées ou de filigranage sont disponibles ? Peuvent-elles être activées par défaut ? Comment les sorties sont-elles journalisées ? Comment les mises à jour seront-elles communiquées ?

Ce qu'il faut faire maintenant

• Cartographier les sorties — identifier images, sons, vidéos, textes et contenus composites générés ou manipulés par IA.
• Tester le marquage — vérifier métadonnées, filigranage, conversion de fichiers et capacité de détection dans les flux réels.
• Concevoir l’étiquetage — fixer les emplacements, libellés et responsables pour les hypertrucages et les textes concernés.
• Contractualiser — demander aux fournisseurs les capacités techniques, leurs limites et les informations nécessaires à la mise en œuvre.
• Documenter les exceptions — pour chaque traitement éditorial, créatif ou satirique, conserver la justification et le processus applicable.

Sources

• Commission européenne, projet de code, mesures techniques et obligations des déployeurs : digital-strategy.ec.europa.eu
• Commission européenne, page consacrée au code de transparence des contenus générés par IA : digital-strategy.ec.europa.eu
• AI Act Service Desk, article 50 sur les obligations de transparence : ai-act-service-desk.ec.europa.eu
• AI Act Service Desk, article 113 et date d’application générale : ai-act-service-desk.ec.europa.eu

← Code GPAI : quand le volontariat structure la conformité (2026-02-12)AI Act : le Parlement fixe des dates pour le haut risque (2026-03-18) →