Partir du texte modifié et de l’usage réel
L’article 4 du règlement sur l’intelligence artificielle a été modifié par le règlement (UE) 2026/1744. La modification est entrée en vigueur le 27 juillet 2026. Les mesures soutenant le développement de la maîtrise de l’IA restent prévues ; le texte n’impose pas de garantir un niveau particulier pour chaque individu.[1] Cette différence compte pour concevoir le programme et pour présenter ses résultats. Une ancienne publicité promettant un certificat obligatoire pour tous ne constitue pas une base juridique fiable.
Les questions et réponses de la Commission européenne expliquent notamment l’absence d’une forme unique de programme et d’une obligation générale de certificat.[2] Elles éclairent le texte, sans le remplacer. Indiquez l’état juridique vérifié et la date de votre revue. Le modèle décrit dans cet article est une recommandation de l’auteur. Il ne remplace pas l’examen de toutes les règles applicables à vos systèmes, à leurs données et aux décisions qu’ils influencent.
Décrire les décisions que chaque groupe doit prendre
Une personne qui prépare une note interne n’a pas les mêmes besoins qu’une personne qui utilise un résultat pour une décision concernant un client. Identifiez les systèmes employés, les activités autorisées, les informations introduites et les personnes affectées. Distinguez utilisateurs, administrateurs, développeurs et personnes qui contrôlent les résultats. Le nom du modèle ne décrit pas suffisamment ces différences. Une même application peut servir à des usages dont les risques et les règles sont très différents.
Pour chaque groupe, choisissez des décisions à apprendre : vérifier une affirmation, refuser une saisie non autorisée, identifier une source insuffisante ou demander une validation. Rendez les limites exécutables. « Utilisez l’IA avec prudence » laisse chacun inventer sa propre règle. « Avant transmission externe, vérifiez ces données avec la source approuvée et obtenez cette validation » fournit une action. Le responsable de l’usage confirme la règle et désigne le canal de question lorsque le cas ne correspond pas au périmètre prévu. Ces décisions donnent au responsable des situations concrètes à discuter avec chaque groupe, au-delà d’une liste de présence à maintenir.
Enseigner la vérification avec des exemples du travail
Présentez une réponse convaincante contenant une affirmation sans source. Demandez ce qui doit être contrôlé avant de l’utiliser. Une réponse fluide peut paraître sûre sans être fondée. L’exercice doit rendre cette différence visible. Présentez aussi un document qui contient une demande de divulgation d’informations sous l’apparence d’une instruction. La personne apprend à traiter le contenu externe comme une donnée à vérifier, sans lui donner automatiquement autorité sur les règles internes.
Ces situations sont des propositions pédagogiques, pas des questions imposées par la réglementation. Reliez-les aux outils et aux actions réellement permis. Si le système peut déclencher une action externe, examinez aussi validation, destinataire et conditions d’exécution. Un programme général peut expliquer les limites des modèles ; la règle de votre processus doit ensuite dire qui autorise quoi. Un bon exercice permet de trouver la réponse dans les règles approuvées, au lieu de récompenser une improvisation heureuse.
Intégrer les données dans les scénarios
Utilisez un exemple de compte rendu, demande client ou note d’équipe. Montrez quelles informations peuvent identifier une personne et quelles informations doivent rester hors d’un usage non autorisé. Les principes présentés par le Comité européen de la protection des données comprennent finalité, minimisation, exactitude et limitation de conservation.[3] Une mention apparemment technique peut contenir un nom ou un détail personnel. La règle doit donc porter sur le contenu réel et pas seulement sur le nom du fichier.
Le salarié ne devrait pas devoir résoudre seul une question contractuelle pendant une réponse urgente. L’organisation désigne les usages et canaux approuvés, leurs limites et les personnes qui traitent les cas incertains. Le programme aide à appliquer ces choix. Son achèvement ne prouve pas que chaque service d’IA utilisé est adapté du point de vue juridique. La sélection des outils et l’examen de leurs traitements restent d’autres tâches de gouvernance, liées au programme mais non remplacées par lui.
Exemple : préparer une instruction avec assistance IA
Dans ce scénario de conception, une personne prépare une première rédaction d’instruction pour un atelier. Le résultat suggère un ordre plausible mais omet une condition d’arrêt. L’exercice demande de comparer le brouillon à la source approuvée, de repérer les ajouts non vérifiés et de conserver l’état de brouillon jusqu’à la validation. L’objectif est de distinguer qualité rédactionnelle et validité professionnelle. Ce scénario n’est pas le récit d’un incident client ni une affirmation de détection automatique par CrewShift.
Le responsable examine ensuite un cas complet : source, brouillon, correction et décision. Si un texte non validé atteint le poste, une explication supplémentaire peut être nécessaire, mais le circuit de publication doit aussi être contrôlé. Une nouvelle formation générale ne ferme pas une permission technique mal définie. Documentez la mesure choisie et son motif. Le dossier montre ainsi l’action sur une lacune concrète, au lieu d’accumuler des attestations sans relation avec le fonctionnement réel du processus.
Revoir le programme lorsque le contexte change
Une nouvelle utilisation, une nouvelle catégorie de données ou une nouvelle capacité d’action peut modifier le besoin de maîtrise. Le changement d’un nom commercial n’exige pas automatiquement la même réponse qu’une autorisation d’envoyer des messages à des tiers. Décrivez la différence pertinente et la population concernée. Déterminez si elle appelle une information, un exercice ciblé ou une revue plus large. Les anciennes mesures restent associées à leur contexte d’origine.
Recueillez aussi les situations où la règle s’avère difficile à suivre. La vérification humaine prévue dispose-t-elle d’une source, de temps et d’un responsable ? Sans ces conditions, l’achèvement du support ne suffit pas à rendre le processus fiable. CrewShift peut relier source, affectations, achèvements, résultats et versions. Ces traces décrivent des mesures organisationnelles. Elles ne constituent ni une garantie de résultat futur ni une conclusion automatique de conformité à l’article 4. La qualité du programme se juge avec son adéquation aux usages et la réponse aux lacunes. Travaillez un cas réel avec l’équipe : le responsable peut accompagner le jugement demandé quand sources et interlocuteurs sont accessibles.
Commencez par identifier qui utilise quel système d'IA et à quelles fins
Ne commencez pas par acheter une formation générale à l'IA pour toute l'entreprise. Identifiez d'abord les systèmes d'IA utilisés et les rôles qui interagissent avec eux. Une personne utilisant un assistant pour rédiger des notes internes se trouve dans un contexte différent de celle qui s'appuie sur les réponses d'un modèle pour prendre des décisions concernant des clients ; ces deux situations diffèrent également de celle d'une équipe développant un produit intégrant l'IA. Pour chaque groupe, décrivez le contexte d'utilisation : les données auxquelles le système peut accéder, l'effet éventuel de ses réponses sur les clients ou les salariés, les cas où la relecture humaine est obligatoire, les erreurs plausibles et les règles internes déjà applicables. Cela constitue la base du choix des contenus pédagogiques. Sans ce contexte, une formation à l'IA peut être globalement correcte tout en passant à côté du travail réel des personnes.
Décrivez le système ou la catégorie de systèmes d’IA utilisés par chaque rôle, la finalité, les types de données concernés et les décisions influencées. Précisez les relectures humaines obligatoires, les limites courantes des modèles, les modes de défaillance, les règles de remontée des problèmes et les usages interdits.
Il n'existe pas de test ou de certificat obligatoire unique
L'article 4 exige des mesures favorisant le développement de la maîtrise de l'IA. Depuis la modification de 2026, il indique expressément qu'un fournisseur ou un déployeur n'est pas tenu de garantir un niveau précis de maîtrise de l'IA pour une personne. La Commission européenne explique également que l'article 4 ne crée pas de méthode obligatoire unique pour mesurer les connaissances des salariés.
Cela ne rend pas l'évaluation inutile. Un test court, un exercice de mise en situation ou un accusé de lecture peut constituer une partie pertinente d'un programme. La méthode doit suivre le risque et l'objectif, plutôt que supposer qu'un score de test « règle l'article 4 ». Pour les rôles à risque plus élevé, un enregistrement plus solide peut combiner un contenu pédagogique, un exercice de mise en situation et la décision d'une personne responsable.
Enregistrez la logique du programme, pas seulement la présence
Si l'organisation doit ensuite expliquer ses actions, une feuille de présence ne répond qu'à une question. Un enregistrement plus solide explique pourquoi un groupe a reçu un contenu précis, quelle version s'appliquait, qui l'a approuvé et ce qui s'est passé après l'attribution.
Une trace minimale peut comprendre le groupe et le rôle, le contexte d'utilisation de l'IA, la politique source ou l'ensemble de règles, la version du contenu, la personne ayant approuvé, les dates d'attribution et d'achèvement, le résultat du test lorsqu'un test est justifié, ainsi que l'action prise après un résultat insatisfaisant. Lorsque le système d'IA ou son utilisation change, l'organisation doit décider si le contenu existant reste adapté au risque. Regroupez ces éléments pour que le responsable prépare le suivi sans rassembler à nouveau les preuves de la même initiative.
Ce que CrewShift peut documenter — et ce que cela ne prouve pas
CrewShift peut relier un contenu approuvé à une source et une version précises, l'attribuer à des personnes nommées, enregistrer l'achèvement et les résultats, et préserver l'historique des modifications. Cela fournit la preuve qu'une mesure organisationnelle définie a eu lieu. Créez un compte et testez un usage représentatif. Le responsable retrouve-t-il le dossier d’apprentissage et la décision liée à l’IA à discuter davantage ?
Ce n'est pas une preuve automatique de conformité à l'article 4. La conformité dépend d'un contexte plus large : systèmes d'IA utilisés, groupes d'utilisateurs, risques, contenu du programme et gouvernance réelle de l'utilisation de l'IA par l'organisation. CrewShift ne remplace ni l'analyse juridique ni le jugement de la personne responsable concernant le programme de maîtrise de l'IA. Avec son périmètre et ses limites clairement conservés, le dossier prépare la prochaine discussion sur une réponse difficile ou une décision incertaine.
Questions à se poser
La responsabilité liée à la maîtrise de l’IA a-t-elle disparu ?
Non. L’article 4 a été modifié par le règlement (UE) 2026/1744. Des mesures soutenant le développement de la maîtrise de l’IA restent prévues. Le texte n’exige toutefois pas de garantir un niveau individuel particulier. Examinez la version actuelle et concevez des mesures adaptées aux personnes, aux usages et à leur contexte, sans promettre un résultat universel.
Faut-il un certificat pour chaque personne ?
Le texte et les explications de la Commission ne créent pas une obligation générale de certificat individuel. Un document peut attester une mesure précise, mais il n’explique pas seul l’adéquation du programme. Conservez rôle, motif, contenu, version et réponse aux lacunes. N’utilisez pas une attestation comme garantie automatique de conformité de tous les usages.
Un test est-il obligatoire après chaque mesure ?
Il n’existe pas une méthode uniforme de test pour tous les contextes. Une situation peut être utile pour une décision à apprendre. Une information limitée peut avoir une autre place dans le programme. Choisissez la méthode selon le but et la portée. Un résultat positif concerne ce périmètre et ne promet pas la fiabilité future de chaque réponse du modèle.
Quel rôle peut jouer CrewShift ?
CrewShift peut relier source approuvée, affectation, achèvement, résultat et version. Ces traces documentent des mesures organisationnelles. Elles ne remplacent pas l’analyse des systèmes employés, de leurs données et des décisions influencées. Vérifiez le déroulement et l’export actuels sur un usage réel. Les choix de gouvernance et l’appréciation juridique restent des tâches distinctes de l’organisation.
Sources et portée
- Règlement (UE) 2026/1744 — modification du règlement sur l’intelligence artificielle
- Commission européenne — AI literacy, Questions & Answers
- Comité européen de la protection des données — Data protection basics
- Commission européenne, répertoire des pratiques de maîtrise de l'IA
Ce contenu informatif ne remplace ni les normes sous licence ni un conseil juridique personnalisé.