D'où vient le modèle d'IA que vous vous apprêtez à intégrer. Sur quelles données a-t-il été entraîné. De quel modèle parent descend-il. Longtemps réservées aux équipes techniques, ces questions deviennent des enjeux de conformité de premier plan. Et l'autorité française vient de leur donner un outil. Un démonstrateur pour explorer la généalogie La CNIL a publié une nouvelle version de son outil permettant d'explorer la filiation des modèles d'IA diffusés en source ouverte. L'objectif est concret : rendre visible ce dont un modèle hérite, et mieux cerner les responsabilités attachées à sa réutilisation. Un modèle n'apparaît pas de nulle part. Il descend souvent d'un autre, qui lui-même en réutilise un troisième. Cette généalogie, on la néglige encore trop. Un modèle open source n'est jamais neutre Réutiliser un modèle publié en source ouverte, c'est hériter de tout ce qu'il transporte. L'histoire de ses données d'entraînement. Ses biais éventuels. Et parfois des questions non résolues sur la base légale de la collecte initiale. Si un modèle parent a été entraîné sur des données récupérées sans base solide, cette fragilité se transmet mécaniquement aux modèles qui en descendent. Le risque juridique s'hérite, exactement comme les paramètres du modèle. Ignorer l'origine, c'est donc accepter un risque sans en avoir mesuré la portée. La traçabilité devient une condition, pas une option Pour les organisations qui construisent sur ces briques ouvertes, documenter la provenance d'un modèle n'est plus un raffinement de spécialiste. C'est la condition d'une intégration responsable, à l'heure où les exigences réglementaires sur l'IA se précisent. Intégrer la provenance des modèles dans une analyse d'impact devient un réflexe attendu. Documenter d'où vient un modèle, c'est se donner les moyens de répondre le jour où la question sera posée. Et elle le sera.
