L’intelligence artificielle entre dans une phase moins spectaculaire, mais beaucoup plus décisive pour les entreprises françaises. Après deux années d’expérimentation rapide, de copilotes internes et de prototypes génératifs, le sujet central n’est plus seulement de savoir quel modèle utiliser. Il est de savoir qui autorise l’outil, quelles données il consulte, quelles actions il peut déclencher et comment l’entreprise prouve qu’elle garde le contrôle. L’AI Act européen rend cette question immédiate, au moment où les agents d’IA commencent à quitter les démonstrations pour entrer dans les processus de vente, de finance, de support client, de ressources humaines et de cybersécurité.
Pour les directions générales, la tentation serait de lire la réglementation comme une contrainte juridique séparée de la stratégie. Ce serait une erreur. En 2026, la conformité IA devient un sujet de compétitivité. Une entreprise capable de documenter ses systèmes, ses risques et ses contrôles pourra déployer plus vite. Une entreprise qui avance sans inventaire, sans gouvernance et sans limites d’accès risque au contraire de ralentir au moment précis où ses concurrents industrialisent leurs usages.
Le calendrier européen devient concret
La Commission européenne rappelle que la législation sur l’IA est entrée en vigueur le 1er août 2024 et qu’elle devient pleinement applicable le 2 août 2026, avec des étapes déjà franchies pour certaines obligations. Les pratiques interdites et les exigences de littératie en IA s’appliquent depuis février 2025. Les règles de gouvernance et les obligations liées aux modèles d’IA à usage général sont devenues applicables en août 2025. Le cadre n’est donc plus un texte lointain. Il façonne déjà la manière dont les entreprises doivent préparer leurs systèmes.
Cette chronologie compte pour les acteurs français parce qu’elle oblige à passer d’une logique de test à une logique de preuve. Les équipes métiers peuvent continuer à explorer des cas d’usage, mais elles doivent désormais le faire dans un environnement plus structuré. Les responsables juridiques, sécurité, données et conformité doivent savoir quels outils sont utilisés, par qui, avec quels fournisseurs et dans quelles zones de risque. Sans cette cartographie, il devient difficile de distinguer un assistant interne banal d’un système pouvant produire un effet juridique, financier ou social significatif.
L’IA agentique change le niveau de risque
Le vrai changement vient de l’IA agentique. Un chatbot répond à une question. Un agent peut planifier, appeler un outil, consulter une base, envoyer un message, modifier un dossier ou déclencher une action. Cette capacité transforme le risque. Une erreur de génération n’est plus seulement une phrase fausse dans une réponse. Elle peut devenir une commande exécutée, un mauvais email envoyé, un accès ouvert à tort ou une décision métier prise sans supervision suffisante.
L’OWASP GenAI Security Project a publié un Top 10 consacré aux applications agentiques afin d’aider les organisations à identifier les risques propres aux agents autonomes. Le point essentiel pour les entreprises n’est pas de retenir une liste comme un exercice théorique. Il est d’admettre que les agents doivent être traités comme des acteurs logiciels avec permissions, journalisation, limites et procédures d’urgence. Un agent qui peut agir dans un CRM, un outil de paiement ou une console cloud doit être gouverné avec la même rigueur qu’un compte humain privilégié.
La conformité commence par l’inventaire
Le premier chantier est simple à formuler et souvent difficile à exécuter : savoir où l’IA est déjà présente. Dans beaucoup d’entreprises, les usages réels dépassent les projets officiellement déclarés. Des équipes marketing utilisent des outils de génération de contenus. Des commerciaux résument des appels. Des développeurs s’appuient sur des assistants de code. Des services clients testent des réponses automatisées. Des directions financières analysent des contrats ou des tableaux. Le risque ne vient pas seulement des grands projets annoncés en comité exécutif. Il vient aussi des usages dispersés, connectés à des données sensibles sans cadre homogène.
Un inventaire utile ne doit pas se limiter au nom de l’outil. Il doit préciser le propriétaire métier, le fournisseur, les données accessibles, les sorties produites, les décisions influencées, les utilisateurs, les pays concernés et les contrôles appliqués. C’est cette granularité qui permet de classer les systèmes, de prioriser les risques et de préparer une réponse en cas d’audit, d’incident ou de demande d’un client stratégique.
La sécurité devient un avantage commercial
Le NIST a publié un profil dédié à l’IA générative dans le cadre de son AI Risk Management Framework. Son intérêt pour les entreprises françaises est pratique : il fournit un langage de gestion des risques utilisable au-delà des frontières américaines. Les notions de fiabilité, sécurité, résilience, transparence, responsabilité et protection de la vie privée rejoignent les attentes européennes. Pour les groupes qui travaillent avec des clients internationaux, ce type de cadre peut servir de passerelle entre conformité, cybersécurité et exigences contractuelles.
La sécurité IA peut donc devenir un argument de vente. Un fournisseur capable d’expliquer comment il teste ses modèles, contrôle les accès, documente les incidents et limite les actions automatisées rassure plus qu’un concurrent qui promet seulement des gains de productivité. Dans les secteurs réglementés, cette différence peut compter dans les appels d’offres. Les clients ne demanderont plus seulement si l’entreprise utilise l’IA. Ils demanderont comment elle la maîtrise.
Ce que les dirigeants doivent décider maintenant
La première décision consiste à nommer un responsable clair de la gouvernance IA. Le sujet ne peut pas être abandonné à une seule équipe innovation, car il touche le juridique, la sécurité, les données, les achats, les ressources humaines et les métiers. La deuxième décision est de définir une politique d’usage lisible : quels outils sont autorisés, quelles données sont interdites, quels cas exigent une validation et quelles actions automatisées restent soumises à une confirmation humaine.
La troisième décision concerne les agents. Chaque agent doit avoir un périmètre étroit, une identité propre, des permissions limitées et des journaux exploitables. Les actions sensibles doivent être séparées des actions de lecture. Les tests doivent inclure des scénarios d’instructions malveillantes, de données contradictoires et d’erreurs de contexte. Enfin, l’entreprise doit prévoir un mode d’arrêt. Un agent utile en temps normal peut devenir coûteux si personne ne sait le suspendre rapidement.
Un enjeu français de productivité et de confiance
La France a intérêt à réussir cette bascule. Les entreprises cherchent des gains de productivité, les administrations veulent améliorer leurs services, les PME doivent rester compétitives face à des acteurs plus capitalisés. L’IA peut aider, mais seulement si elle ne crée pas une nouvelle dette opérationnelle. Une organisation qui accumule des outils mal documentés construit une fragilité. Une organisation qui structure ses usages crée une base pour accélérer ensuite.
Le moment 2026 n’est donc pas un simple rendez-vous réglementaire. C’est un test de maturité. Les entreprises françaises qui traiteront l’AI Act comme une checklist minimale risquent de subir la conformité. Celles qui l’utiliseront pour clarifier leurs données, leurs processus et leurs responsabilités pourront transformer une obligation en discipline de croissance. Dans l’IA agentique, la confiance ne viendra pas d’un discours enthousiaste. Elle viendra de preuves, de limites et d’une capacité à expliquer chaque automatisation critique.
