Décryptage AI Act · Outil 3 sur 3
Le règlement décrit une chaîne : un manquement, quelque chose qui attire l'attention de l'autorité, un examen, un constat, une décision. Ce simulateur suit cette chaîne. Activez ou retirez des mesures et regardez de combien chacune réduit le risque, et laquelle compte le plus.
Aucune amende n'a encore été prononcée au titre du haut risque, qui ne s'applique pas avant décembre 2027. Les probabilités sont des jugements explicités, pas des taux observés. Lisez les écarts entre deux situations, jamais le niveau.
Deux choix suffisent pour voir l'essentiel. Le réseau complet, avec ses 74 variables et ses 13 mesures, est juste en dessous.
1. Quand ?
2. Quelles mesures avez-vous en place ?
Lecture de gauche à droite. Les menaces sont l'état du monde, subi. Les barrières préventives sont ce que l'organisation décide — ce sont les obligations du registre de contrôle, vues ici comme des dispositifs et non comme des devoirs. Au centre, l'événement redouté : le constat de manquement, pas le préjudice. C'est un choix, parce que la question posée est celle de la sanction. Cliquez un nœud pour voir sa source et ce qui le fait varier.
Chaque bouton indique au réseau une situation, une menace présente, une mesure en place, et toutes les probabilités se recalculent. Le calcul est exact : le même profil donne toujours le même chiffre.
Menaces — état du monde, subi
Barrières préventives — décidé par l'organisation
Barrières de mitigation — après le constat
Le paramètre le plus influent et le moins connu du réseau. Il commande le niveau de toutes les sorties. Aucune autorité n'a encore de pratique AI Act : ce chiffre n'est fondé sur rien d'observable. Il est exposé ici pour qu'on ne l'oublie pas — et pour qu'on vérifie que le rapport entre profils, lui, n'en dépend presque pas.
Effet d'activer chaque barrière seule, à partir du profil actuellement posé, toutes les autres barrières laissées dans leur état. Les écarts sont exacts : aucun bruit de tirage ne vient les brouiller, un écart nul est réellement nul. Barres bleues vers la gauche : la barrière réduit P(amende). Barre orange vers la droite : elle l'augmente. Une barrière déjà active, ou qui protège d'une menace absente, montre un effet nul — c'est correct et c'est le point. Une cartographie des usages ne sert à rien tant qu'aucune pratique interdite n'est présente ; elle devient le premier levier du réseau dès que l'inférence émotionnelle l'est.
Aucune donnée de sanction derrière, parce qu'il n'en existe pas. Le régime haut risque ne s'applique qu'à partir du 2 décembre 2027 et aucune amende n'a encore été prononcée à ce titre. Un taux de sanction « calibré » sur l'AI Act ne peut pas exister aujourd'hui.
Ce que le réseau apporte à la place. Une structure lue dans le texte : la chaîne manquement → signalement → examen → constat → amende suit les articles 79, 83, 85, 86, 73 et 99. Et des probabilités posées une par une, chacune avec sa justification en français, que chacun peut contester.
D'où la règle : lire les écarts, pas les niveaux. Le niveau de la probabilité d'amende dépend surtout de la probabilité qu'une autorité vienne regarder, qui est inconnue. Le rapport entre deux situations tient beaucoup mieux. En faisant varier au hasard toutes les hypothèses du réseau en même temps, sur cent tirages et sur le profil de référence, une organisation sans aucune mesure reste en médiane 5,4 fois plus exposée qu'une organisation qui les a toutes, entre 3,6 et 7,8 fois dans 90 % des cas, et jamais moins de 3,3 fois.
Le simulateur répond donc bien à « de combien telle mesure réduit-elle mon exposition, et laquelle prendre en premier », et mal à « quelle est ma probabilité d'être sanctionné ».
Deux organisations, l'une sans aucune mesure, l'autre avec toutes, dans la situation choisie plus haut, comparées pour une probabilité de contrôle allant de faible à élevée. Les deux courbes montent ensemble et leur rapport bouge peu : la conclusion ne tient pas à cette hypothèse. Ce graphique ne fait varier qu'elle ; le test sur toutes les hypothèses à la fois est celui décrit plus haut.
Le bouton « Ouvrir ces réponses dans le simulateur » du registre des obligations remplit ce champ automatiquement. Vous pouvez aussi y coller un profil exporté, une ligne par facteur.
Chaque lien porte un poids et chaque variable une probabilité de base, combinés selon la famille dite noisy-OR (Pearl, 1988), étendue aux mesures qui réduisent un risque. Les tables de probabilités du réseau sont ainsi produites à partir de 221 paramètres lisibles, au lieu d'être remplies case par case.
P(X = vrai | causes) = [ 1 − (1−b) · Π (1−wᵢ) ] · Π (1−|wⱼ|)
Cinq étapes sont saisies à la main parce que la relation y est en « et » : sans examen il n'y a pas de constat, sans constat il n'y a pas d'amende. Ce sont le constat, les mesures restrictives, l'amende, le palier maximal et le haut de fourchette.
Informer les personnes augmente légèrement le risque d'amende. L'information est une obligation (art. 26, §11), mais elle rend le système visible, et une personne informée peut demander une explication (art. 86) puis déposer une réclamation. Sur le profil de référence, informer fait passer le manquement aux obligations du déployeur de 66 % à 36 %, mais la probabilité d'amende de 11,8 % à 12,1 % et celle d'un contentieux de 33 % à 39 %. L'information reste due : le réseau montre seulement que la conformité ne se mesure pas au risque d'être contesté.
Le premier levier n'est pas la qualité du modèle. Sur le profil de référence, un employeur qui a aussi développé ou fortement paramétré l'outil, la mesure qui réduit le plus le risque est le dossier de conformité qu'on peut produire (−4,7 points sur 11,8 %), devant le contrôle humain effectif (−3,0) et loin devant la qualité des données (−1,5). Pour un employeur qui utilise simplement un outil acheté, dossier et contrôle humain arrivent à égalité (−3,4 points chacun). Devant l'autorité, une conformité réelle mais non documentée reste une non-conformité (art. 16, k et art. 83, §1, g).
Les probabilités sont calculées de façon exacte, dans votre navigateur, par la même méthode que BayesiaLab (propagation dans un arbre de jonction), et vérifiées contre un calcul indépendant : le même profil donne toujours le même résultat. Cette page fait le calcul et rien d'autre ; l'analyse complète du réseau, sensibilité, effets totaux, apprentissage sur données, se fait dans BayesiaLab.
