Par Antonio Tejeda Encinas, président de l’Euro-American Committee of Digital Law et Meta Channel Corp
Il n’est pas étonnant qu’en 2025 le terme « gouvernance de l’intelligence artificielle » figure déjà dans n’importe quel comité de direction ou document stratégique. Ce qui est en revanche préoccupant, c’est que, malgré son omniprésence, on le confonde trop souvent avec ce qu’il n’est pas : une extension futuriste de la gouvernance des données. Cette erreur conceptuelle — qui semble mineure — empêche de nombreuses organisations d’aborder de manière adéquate les risques réels de l’IA.
Car gérer des données est une chose ; gouverner des systèmes autonomes capables de prendre des décisions à l’impact structurel en est une tout autre. Et cela exige d’admettre que l’IA a apporté une couche supplémentaire de complexité, qu’il est impossible de traiter en appliquant les cadres traditionnels de la data governance.
Première confusion : « nous avons déjà des politiques de données, cela couvre l’IA »
Dans trop d’organisations, notamment dans les secteurs financier et de la santé, on part de l’idée que si les données sont bien gouvernées, tout ce que fait l’IA le sera aussi. Mais le problème n’est pas seulement de savoir quelles données l’IA utilise, mais ce qu’elle en fait.
Par exemple, une banque peut exercer un excellent contrôle sur les données de ses clients, des profils de crédit à l’historique des paiements. Mais si un système d’IA automatise l’octroi de prêts immobiliers et finit par rejeter systématiquement certains profils socio-économiques — sans que personne ne sache pourquoi —, nous ne sommes pas face à un problème de données, mais de gouvernance algorithmique. Et là, la réponse n’est plus technologique : elle est juridique, éthique et organisationnelle.
Deuxième confusion : « penser que cela ne concerne que l’informatique »
La gouvernance de l’IA n’est pas une question technique cantonnée au service informatique. Elle touche directement des domaines comme les ressources humaines, le marketing, la conformité réglementaire, la direction générale, et même les organes collégiaux.
Imaginons un service des ressources humaines qui utilise l’IA pour trier automatiquement les CV. Même si les données sont chiffrées et stockées conformément au RGPD, si le modèle exclut systématiquement les femmes de plus de 50 ans, nous sommes face à un biais structurel. Qui le détecte ? Qui le corrige ? Qui en répond ? Ce n’est pas une question pour l’informaticien. C’est une question pour toute l’organisation.
Troisième confusion : « gouverner l’IA, c’est superviser les données »
Les cadres de gouvernance des données, nous le savons bien, sont conçus pour répondre à des questions clés : qui est propriétaire des données ? Comment sont-elles stockées ? Quelles règles s’appliquent à leur échange ? Sont-elles fiables et conformes à la réglementation ?
Tout cela est indispensable.
Mais l’IA exige un autre type de questions :
* Comment le modèle est-il entraîné et selon quels critères ?
* Qui valide les résultats ?
* Comment son comportement est-il audité ?
* Quels mécanismes existent pour corriger une défaillance automatisée en temps réel ?
Lorsqu’un assureur utilise l’IA pour fixer des primes différenciées sans que même le directeur général sache comment elle procède, nous ne sommes pas face à un problème de gouvernance des données.
Nous sommes face à une délégation de pouvoir sans contrôle.
RIA : le tournant européen
Le règlement de l’Union européenne sur l’intelligence artificielle (RIA, ou AI Act), en vigueur depuis août 2024, part précisément de cette distinction. Il ne confond pas la gouvernance de l’IA avec la protection des données : il crée un cadre spécifique d’obligations pour la conception, le déploiement et la supervision des systèmes d’IA, en particulier dans les contextes à haut risque.
L’UE a compris que l’IA ne se contente pas d’opérer avec des données : elle agit sur des personnes, des droits, des décisions et des structures. Elle doit donc être soumise à des principes tels que la transparence, l’explicabilité, la responsabilité et un contrôle humain significatif.
En définitive : bien gérer les données ne suffit pas.
C’est comme dire que, parce qu’une voiture a de bons pneus, il n’est pas nécessaire de réglementer le conducteur.
L’IA ne se contente pas de traiter de l’information : elle agit.
C’est pourquoi la gouvernance de l’IA ne peut pas se réduire aux bonnes pratiques en matière de données. Elle exige un cadre nouveau. Un changement de mentalité.
Et, surtout, elle exige un leadership institutionnel capable d’admettre que gouverner l’IA, c’est gouverner le pouvoir invisible qui prend aujourd’hui des décisions sans visage ni signature.
