GPAI et article 53

Si vous construisez sur GPT, Claude, Gemini, Llama ou Mistral, une question mérite une vraie réponse : en avez-vous fait assez au modèle pour en devenir le fournisseur ?

Pour la plupart des entreprises, la réponse est non, et largement, et cela vaut la peine de le savoir parce que la peur fait de vrais dégâts - des équipes budgètent des obligations qu'elles n'ont pas. Pour une minorité, la réponse est oui, et elles l'ignorent en général, parce que ce qui l'a déclenchée était une décision d'ingénierie prise des mois avant que quiconque pense à la réglementation.

Où vous vous situez presque certainement

Où passe réellement la ligne

Le règlement ne publie pas de seuil de calcul en dessous duquel l'affinage serait sans risque, ce qui n'aide pas mais n'a rien d'inhabituel. Ce qu'il fait, c'est attacher le statut de fournisseur à celui qui met un modèle à usage général sur le marché, et traiter celui qui modifie substantiellement un modèle comme l'ayant fait pour la version modifiée.

En pratique, quatre facteurs tranchent. Aucun n'est concluant à lui seul ; ensemble, ils le sont.

1. L'ampleur de la modification

Quelques centaines d'exemples d'affinage LoRA pour corriger le ton, ce n'est pas un nouveau modèle. Un pré-entraînement poursuivi sur des milliards de tokens, si. Plus le calcul et les données sont importants au regard de l'entraînement d'origine, plus vous ressemblez à un fournisseur.

2. Le fait que les paramètres aient matériellement changé

Des couches d'adaptateurs qui laissent intacts les poids de base sont à une extrémité. Un réentraînement de tous les paramètres est à l'autre.

3. Le fait que le domaine de tâches ait changé

C'est le facteur que l'on sous-estime. Affiner un modèle général pour qu'il soit meilleur dans votre domaine existant, c'est du perfectionnement. Prendre un modèle général et le transformer en quelque chose qui fait un travail matériellement différent - un modèle de code devenu rédacteur de synthèses cliniques - ressemble bien davantage à la création d'un nouveau modèle.

4. Le fait qu'il reste à usage général

L'article 53 porte sur les modèles d'IA à usage général - des modèles qui présentent une généralité significative et sont capables d'exécuter avec compétence un large éventail de tâches distinctes. Si vous avez rétréci un modèle général en un outil à finalité unique, vous êtes peut-être sorti du terrain des GPAI alors même que vous l'avez fortement modifié. Vous pouvez alors être le fournisseur d'un système d'IA, ce qui est une autre question, avec d'autres obligations.

Ce que l'article 53 exige réellement

Si vous êtes fournisseur de GPAI, quatre obligations. Applicables depuis le 2 août 2025, sanctionnables depuis le 2 août 2026.

Deux points supplémentaires. Les fournisseurs de modèles publiés sous licence libre et open source, avec poids et architecture accessibles au public, sont exemptés des deux premières - mais pas de la politique en matière de droit d'auteur ni du résumé des données d'entraînement, et pas du tout si le modèle présente un risque systémique. Et les modèles au-dessus du seuil de risque systémique portent des obligations supplémentaires au titre de l'article 55 : évaluation du modèle, tests contradictoires, signalement des incidents et cybersécurité. Si vous lisez cette page pour déterminer votre position, vous n'entraînez pas un modèle à risque systémique.

Le groupe le plus exposé

Pas les laboratoires - ils ont des équipes conformité. Ce sont les entreprises qui ont fait un affinage sérieux en 2024 ou en 2025 pour des raisons de performance, à une époque où aucune considération réglementaire ne s'attachait à cette décision, et qui n'y sont pas revenues depuis.

Un exemple reconnaissable : une équipe prend un modèle à poids ouverts, poursuit le pré-entraînement sur un vaste corpus propriétaire pour le spécialiser, et le livre à l'intérieur de son produit. Dix-huit mois plus tard, c'était une modification substantielle, elle est sans doute fournisseur de GPAI, les obligations sont sanctionnables, et personne dans l'entreprise n'a jamais lu l'article 53 parce qu'on s'y considère comme une entreprise SaaS et non comme un fournisseur de modèle.

Si cette silhouette vous parle, le résumé des données d'entraînement est l'obligation à regarder en premier. Il est public : son absence est donc la plus visible.

Deux choses que ce n'est pas

Ce n'est pas la même chose que votre niveau de risque. L'article 53 porte sur le fait d'être fournisseur de modèle. Savoir si votre système est à haut risque, à risque limité ou minimal est une question distincte, à laquelle répondent l'annexe III et l'article 6(3). Vous pouvez être fournisseur de GPAI avec un système à risque minimal, ou déployeur en aval avec un système à haut risque. Les deux ne vont pas de pair.

Ce n'est pas la même chose qu'être fournisseur d'un système d'IA. Au titre de l'article 25, vous pouvez devenir le fournisseur d'un système d'IA en y apposant votre nom ou en changeant sa finalité prévue - sans toucher au moindre poids de modèle. Autre chemin, autre ensemble d'obligations. Les deux peuvent s'appliquer en même temps.

Quatre questions pour trancher

1. Avez-vous modifié les poids du modèle, ne serait-ce qu'un peu ? Non → vous êtes en aval. Terminé.
2. Si oui, dans quelle mesure ? Des adaptateurs et de petits jeux de données du même domaine restent sans risque en aval. Un réentraînement complet sur un vaste corpus, non.
3. Le domaine de tâches a-t-il changé ? Pousser un modèle vers un travail matériellement différent pèse lourdement en faveur du statut de fournisseur.
4. Le résultat est-il encore à usage général ? Si vous l'avez rétréci à une seule tâche, les obligations GPAI peuvent ne pas s'appliquer - mais vérifiez si vous n'êtes pas devenu, à la place, le fournisseur d'un système d'IA.

Notez les réponses avec votre raisonnement, et datez-les. Si vous atterrissez près de la ligne, c'est ce document qui rendra courte la prochaine conversation - avec un avocat, un acquéreur ou le service juridique d'un client grand compte.