L’intelligence artificielle s’est diffusée dans les outils d’entreprise plus vite que les dispositifs censés l’encadrer. Fonctionnalités automatisées, modèles intégrés aux plateformes SaaS, traitements augmentés : l’IA agit aujourd’hui dans les usages quotidiens des organisations, souvent sans que ses contours soient lisibles pour les directions achats, les équipes conformité ou les décideurs métiers.
La question posée aux DSI n’est donc plus de savoir si l’entreprise utilise l’IA. Elle est devenue plus précise : quels systèmes sont mobilisés, avec quelles données, pour quels usages, à quel niveau de risque et avec quelles garanties de supervision. C’est exactement à cette question que répond une AI Disclosure. Ce document est en train de passer du statut de bonne pratique volontaire à celui de prérequis contractuel, sous la double pression de la réglementation et des directions achats.
Qu’est-ce qu’une IA Disclosure ?
Une AI Disclosure est une déclaration structurée par laquelle une organisation rend visible la façon dont elle utilise et gouverne l’IA. Elle couvre le nombre de systèmes d’IA déployés, les référentiels de gouvernance appliqués et une déclaration de politique synthétique. Toute organisation qui développe, achète ou déploie des systèmes d’IA devrait en produire une.
L’intérêt de l’exercice tient à sa granularité. Une déclaration d’intention générale ne sert pas à grand-chose dans un processus d’achat ou d’audit. Une AI Disclosure utile descend au niveau des faits : quels systèmes sont embarqués dans une plateforme, comment leur niveau de risque est qualifié, quels flux de données sont concernés, quels indicateurs permettent d’en suivre la performance. C’est cette précision qui transforme un engagement de façade en élément exploitable par un tiers.
La différence avec un simple engagement éthique
Beaucoup d’entreprises publient déjà une charte IA ou des principes éthiques. Ces textes ont leur utilité, mais ils restent au niveau du discours. Une AI Disclosure se distingue parce qu’elle est vérifiable : elle énumère des systèmes réels, leur classification, leurs mécanismes de supervision humaine et un engagement de mise à jour dans le temps. Elle ne décrit pas une intention, elle documente un état.
Cette logique se rapproche de celle du reporting extra-financier. On ne demande pas à une entreprise d’affirmer qu’elle est responsable, on lui demande de produire des informations qui permettent à ses parties prenantes d’en juger par elles-mêmes.
Pourquoi la pression monte maintenant
Deux mouvements convergent et expliquent pourquoi le sujet arrive sur le bureau des DSI cette année plutôt qu’une autre.
L’EU AI Act est entré en vigueur le 1er août 2024, en posant la première architecture réglementaire horizontale au monde pour l’IA, fondée sur une classification en quatre niveaux de risque. Son application est échelonnée. Les pratiques interdites s’appliquent depuis février 2025, les obligations pour les modèles d’IA à usage général depuis août 2025.
Un point mérite attention car il a évolué récemment. Le 7 mai 2026, le Conseil et le Parlement européens sont parvenus à un accord politique provisoire, dans le cadre du Digital Omnibus, qui reporte l’application des obligations pour les systèmes à haut risque : les systèmes autonomes relevant de l’annexe III sont désormais attendus pour le 2 décembre 2027, et l’IA embarquée dans des produits réglementés relevant de l’annexe I pour le 2 août 2028. En revanche, les obligations de transparence prévues à l’article 50, notamment pour les chatbots, restent largement sur leur calendrier initial, avec une échéance au 2 août 2026. Le report concerne donc le haut risque, pas la transparence.
Le message des co-législateurs est cohérent sur un point : ce délai supplémentaire est une fenêtre de préparation, pas une dispense. La partie la plus exigeante de la mise en conformité n’est pas la rédaction d’une documentation type, c’est l’inventaire de tous les systèmes d’IA présents dans l’organisation et leur classification, un travail qui ne devient pas plus simple avec le temps.
À cela s’ajoute le volet environnemental. La CSRD impose aux grandes entreprises de divulguer leurs impacts environnementaux, charges de travail numériques et IA comprises. Mesurer puis documenter l’empreinte de ses usages d’IA devient ainsi un sujet de reporting à part entière.
Le marché n’attend pas la loi
Le second mouvement vient des acheteurs eux-mêmes. La transparence sur l’usage de l’IA s’installe comme une condition de confiance entre organisations, indépendamment de l’échéance réglementaire. La réunion ministérielle du G7 Numérique a renforcé cette orientation en réaffirmant la nécessité d’une IA sûre, digne de confiance et soucieuse de son empreinte environnementale.
Concrètement, une direction des achats évaluant une solution SaaS va de plus en plus demander à son fournisseur de documenter ses usages d’IA. L’AI Disclosure devient un support de due diligence : un moyen d’objectiver des pratiques, de vérifier l’alignement d’une plateforme avec les exigences de sécurité et de conformité, et de réduire l’écart entre la promesse commerciale et la preuve opérationnelle.
C’est pourquoi le titre de cet article ne décrit pas une hypothèse lointaine. Si votre entreprise vend des services à de grands comptes, la demande viendra par le canal contractuel avant même de venir par le canal réglementaire.
Le parallèle avec le RGPD, et ses limites
Le rapprochement avec le RGPD est tentant, et il éclaire en partie la situation. Comme le RGPD, l’EU AI Act a une portée extraterritoriale : il s’applique à toute organisation dont les systèmes d’IA sont utilisés par des personnes situées dans l’Union ou les affectent, quel que soit le lieu d’établissement du fournisseur. Comme le RGPD à son époque, il transforme une bonne pratique en obligation et fait de la documentation un actif défendable en cas de contrôle.
Le parallèle a toutefois ses limites. Le RGPD portait sur un objet relativement circonscrit, la donnée personnelle. La gouvernance de l’IA touche à un périmètre plus large et plus mouvant, où les systèmes évoluent vite et où le Shadow AI, ces outils utilisés sans validation des équipes IT ou conformité, complique l’inventaire. L’AI Disclosure ne se gère donc pas comme une mise en conformité ponctuelle, mais comme un processus continu : documenter, publier, améliorer, enrichir.

Ce qu’un DSI peut faire dès maintenant
Sans attendre les échéances de 2027 et 2028, plusieurs chantiers sont déjà actionnables et conditionnent la qualité de toute future disclosure.
Le premier est l’inventaire. Recenser les systèmes d’IA effectivement déployés, y compris ceux qui se sont installés par les usages plutôt que par une décision formelle, est le socle de tout le reste. Le deuxième est la classification : qualifier chaque système selon son niveau de risque et son usage permet de distinguer les zones maîtrisées des zones d’incertitude. Le troisième est la mise en place d’une supervision humaine et d’indicateurs de suivi, qui donnent à la déclaration sa valeur de preuve. Le quatrième est l’intégration de l’empreinte environnementale des usages d’IA dans le dispositif de reporting existant.
Ces étapes ne sont pas seulement défensives. Une organisation qui maîtrise son portefeuille d’IA prend de meilleures décisions d’infrastructure, réduit ses dépenses inutiles et rend compte de manière crédible à ses investisseurs et à ses clients.
Comment Fruggr aborde le sujet
Fruggr, plateforme de gouvernance de l’IA et de durabilité numérique éditée par Digital4Better, a publié sa propre AI Disclosure pour donner une forme concrète à cette exigence. La démarche est revendiquée comme évolutive plutôt que définitive : une base appelée à progresser avec les usages, les standards et la réglementation, plutôt qu’un document figé présenté comme irréprochable.
Au-delà de sa propre déclaration, Fruggr met à disposition l’observatoire ouvert AI Pulse, qui permet de suivre les réglementations IA par juridiction, de consulter un template de registre IA et de soumettre sa propre disclosure pour rejoindre un répertoire public. Pour une direction informatique, c’est un point d’entrée pour situer sa propre maturité avant de structurer une démarche complète.
L’enjeu, pour les DSI, n’est pas de produire le document parfait du premier coup. Il est de commencer à documenter, parce que la transparence se construit dans la durée et que le marché, lui, a déjà commencé à poser la question.
Découvrez l’AI Disclosure de Fruggr ou soumettez directement la vôtre sur https://ai-pulse.fruggr.io/fr