Il suffit d'appuyer sur un bouton pour que les portes se ferment et que la cabine se mette en mouvement. Presque personne ne se demande selon quelles spécifications les freins et les portes sont contrôlés, ni comment les capteurs, le système de commande et l'affichage fonctionnent ensemble de manière fiable. La confiance s'instaure ici presque naturellement.
Lorsque l’intelligence artificielle effectue une présélection dans le cadre d’un processus de recrutement, détecte des paiements suspects ou analyse des images médicales, des questions surgissent immédiatement : dans quelle mesure le résultat est-il fiable ? Le système fonctionne-t-il aussi bien pour différents groupes de personnes ? Et qui en assume la responsabilité s’il agit de manière contraire à l’éthique ou s’il se trompe ?
La réponse courte est la suivante : les bonnes intentions ne suffisent pas. Pour que la confiance soit plus qu’une simple promesse, il faut des règles communes et vérifiables.
Les normes sont rarement spectaculaires. C’est précisément là que réside leur force. Elles n’ont pas besoin de se faire remarquer pour être efficaces. En coulisses, elles créent les conditions nécessaires au bon fonctionnement de la technologie. Elles définissent, par exemple, comment une chose doit être décrite, mesurée, contrôlée ou reliée à d’autres. Ainsi, les parties prenantes n’ont pas à renégocier sans cesse chaque détail technique.
Un panneau de secours doit être compréhensible quel que soit le bâtiment. Une feuille de papier doit s’adapter à différentes imprimantes. Les composants de différents fabricants doivent pouvoir être combinés. Les valeurs mesurées doivent être comparables. Derrière ces évidences se cachent souvent des normes techniques.
Les normes réduisent la complexité et facilitent l’orientation. Grâce à elles, les utilisateurs n’ont pas à se soucier du fonctionnement de chaque composant pris individuellement. Les entreprises bénéficient de terminologies uniformes, de procédures d’essai standardisées et d’interfaces interopérables. Les autorités, les organismes de contrôle et les partenaires commerciaux peuvent se référer à une base commune. Il en résulte une sorte de « sténographie technique » : ceux qui la comprennent et l’appliquent peuvent s’appuyer sur des connaissances établies.
Les normes ne sont pas des lois. Leur application est en principe facultative. Dans la pratique, elles revêtent néanmoins une grande importance, notamment lorsque des contrats, des marchés publics, des exigences sectorielles ou des dispositions légales y font référence. Dans de tels cas, l’application volontaire d’une norme peut aider à démontrer qu’un produit, un processus ou un service répond à certaines exigences.
Les règles techniques communes sont également indispensables dans le monde numérique. Elles garantissent que les formats de données, les interfaces, les services cloud et les signatures électroniques fonctionnent de manière interopérable. Les systèmes d’IA ont eux aussi besoin de telles règles. Cependant, les exigences qui leur sont imposées sont plus difficiles à définir et à vérifier que celles applicables aux composants techniques.
Les caractéristiques techniques classiques peuvent souvent être mesurées de manière univoque : un composant résiste ou non à une charge donnée. Les systèmes d’IA, en revanche, fournissent souvent des résultats basés sur des probabilités. Leurs performances dépendent des données, du domaine d’application et des conditions. Un modèle peut convaincre lors des tests et échouer dans la pratique quotidienne. Il peut atteindre un taux de réussite élevé tout en fournissant néanmoins de moins bons résultats pour certains groupes.
À cela s’ajoute le fait que les erreurs ne sont pas toujours visibles. On reconnaît souvent à l’œil nu un composant défectueux. Une recommandation d’IA factuellement erronée peut en revanche paraître linguistiquement correcte et convaincante. Les normes doivent donc prendre en compte non seulement le résultat final, mais aussi l’ensemble du cycle de vie d’un système d’IA, depuis la base de données et le développement jusqu’à la surveillance en cours d’exploitation. Il s’agit notamment de robustesse, de transparence, de sécurité et de fiabilité.
Des termes tels que «sûr», «équitable», «transparent» ou «digne de confiance» semblent convaincants, mais sont trop vagues dans la pratique. Que signifie «fiable» lorsqu’un système est censé détecter des maladies ? Un taux de réussite de 95 % est-il suffisant ? Le système a-t-il également été testé dans des situations rares et imprévues ?
C’est précisément là que les normes peuvent faire la différence. Elles traduisent des attentes abstraites en questions, procédures et preuves concrètes. Selon le domaine d’application, elles peuvent par exemple définir :
Les normes ne répondent pas à toutes les questions éthiques ou sociétales et ne rendent pas automatiquement une IA sûre ou équitable. Elles créent toutefois une base commune sur laquelle ces propriétés peuvent être décrites, vérifiées et améliorées. Sans critère commun, chaque entreprise pourrait définir elle-même ce que signifie « digne de confiance ». Les comparaisons seraient difficiles, les contrôles incohérents et les promesses peu fiables. Les normes transforment des principes bien intentionnés en pratiques vérifiables.
L’intelligence artificielle fait l’objet d’une réglementation croissante. Avec l’« EU AI Act », l’Union européenne a mis en place un cadre réglementaire fondé sur les risques. Selon l’utilisation et la catégorie de risque, des exigences plus ou moins strictes s’appliquent ; certaines pratiques en matière d’IA sont purement et simplement interdites. La Suisse travaille elle aussi sur un projet de consultation en vue d’une réglementation de l’IA.
Une loi peut, par exemple, exiger la transparence, la gestion des risques, la qualité des données ou un contrôle humain. Elle ne peut toutefois pas préciser en détail, pour chaque technologie et chaque cas d’utilisation, comment ces exigences doivent être mises en œuvre. Or, les entreprises ont besoin de réponses spécifiques à des questions concrètes : quels sont les processus appropriés ? Que faut-il documenter ? Comment prouver la conformité ?
C’est là qu’interviennent les normes techniques. Elles traduisent les exigences générales en prescriptions techniques et organisationnelles concrètes et peuvent ainsi fournir une voie reconnue menant des objectifs légaux à la mise en œuvre pratique.
Dans le système européen, on élabore à cet effet ce qu’on appelle des normes harmonisées, c’est-à-dire des normes élaborées par les organismes européens de normalisation pour le compte de la Commission européenne et destinées à concrétiser les exigences d’un acte législatif de l’UE. Dans le cas de l’intelligence artificielle, celles-ci sont élaborées pour soutenir les exigences de la loi européenne sur l’IA (EU AI Act). Lorsque les normes harmonisées sont publiées au Journal officiel de l’Union européenne, elles peuvent conférer une présomption de conformité pour les exigences qu’elles couvrent. Leur application reste facultative, mais elle peut considérablement faciliter la tâche des entreprises qui doivent prouver qu’elles respectent certaines exigences légales.
Dans le contexte de l’IA et de la réglementation, les normes prennent également une importance économique croissante. Elles peuvent contribuer à façonner l’accès aux marchés.
Pour les entreprises suisses qui souhaitent proposer des solutions d’IA en Europe, il est crucial de savoir quelles exigences s’appliquent. Celles qui connaissent les normes pertinentes dès le début peuvent adapter leurs produits, leurs processus et leur documentation en conséquence. Celles qui ne les découvrent que peu avant leur entrée sur le marché risquent de devoir procéder à des modifications coûteuses.
Les normes peuvent alors jouer un rôle similaire à celui d’un passeport technique. Elles n’ouvrent pas automatiquement le marché, mais facilitent la démonstration du respect des conditions requises et créent un langage commun entre les équipes de développement, de conformité, les organismes de contrôle et la clientèle.
Les petites et moyennes entreprises en bénéficient également. Comme elles ne disposent souvent pas de leurs propres services juridiques, de normalisation et de conformité, elles ont particulièrement besoin d’être guidées. Des normes communes les aident à aborder les exigences de manière systématique.
Les normes naissent d’un processus interdisciplinaire. Des experts issus des milieux économiques, scientifiques, administratifs et d’autres cercles intéressés les élaborent conjointement. Ceux qui définissent comment évaluer les risques, documenter les données ou mesurer les distorsions influencent également les solutions qui seront par la suite considérées comme fiables et commercialisables.
Des travaux intensifs sont actuellement menés sur les normes relatives à l’IA, tant au niveau mondial qu’européen. Le Comité technique conjoint 21 « Intelligence artificielle » (JTC 21), soutenu par le CEN et le CENELEC, élabore des normes européennes en matière d’IA, notamment les normes harmonisées visant à mettre en œuvre la loi européenne sur l’IA (EU AI Act). La Suisse participe à ces travaux par l’intermédiaire du sous-comité national UK 42 « Intelligence artificielle » de l’Association suisse de normalisation (SNV). L’Académie suisse des sciences techniques (SATW) s’implique activement au sein de l’UK 42 et, en tant que coprésidente de ce sous-comité, joue un rôle de premier plan dans la coordination des experts issus de l’industrie, du monde scientifique et des autorités.
Du 6 au 9 octobre 2026, le JTC 21 se réunira à Winterthur pour sa deuxième assemblée plénière de l’année. Plusieurs normes essentielles devraient être disponibles d’ici fin 2026. Les travaux se trouvent ainsi dans une phase décisive et font l’objet d’une grande attention au niveau international.
Le fait que des experts de nombreux pays travaillent actuellement en Suisse sur les fondements de la future pratique de l’IA rend le travail sur les normes en matière d’IA concret. Cela montre également à quel point la diversité des expériences et des perspectives est importante.
L’intelligence artificielle évolue rapidement. Il est d’autant plus tentant de considérer les normes comme quelque chose de lent, de technique ou de secondaire. Or, sans terminologie commune, sans procédures de contrôle ni preuves, il reste difficile de déterminer ce qui caractérise une IA responsable.
Les normes ne prennent pas les décisions à la place des entreprises, des autorités et de la société. Elles ne résolvent pas non plus tous les conflits d’objectifs. Mais elles créent une base commune sur laquelle la qualité, la sécurité et la responsabilité peuvent être discutées et vérifiées.
Dans le domaine des ascenseurs, cette confiance fait depuis longtemps partie du quotidien. En matière d’intelligence artificielle, elle commence tout juste à s’instaurer. La question décisive n’est donc pas seulement de savoir ce que l’IA devra accomplir à l’avenir, mais aussi selon quelles règles elle sera autorisée à le faire.
| Rôle | Titre + Nom |
|---|---|
| Texte par | Sandro Brawand |
| Rédacteur·rice·s | Sereina Schär |
