Registre interne des systèmes d'IA (AI Act)

Trame de registre interne des systèmes d'IA d'une entreprise : usage, niveau de risque, rôle au sens de l'AI Act, données, contrôle humain.

Artikel der KI-Verordnung : Articles 4, 6, 26 et 50

Nom du système

Nom interne de l'outil ou de l'assistant d'IA.

Fournisseur et modèle

Éditeur, modèle utilisé, version, hébergement (pays).

Usage et service concerné

À quoi il sert, quelle équipe l'utilise, combien d'utilisateurs.

Niveau de risque estimé

Interdit, haut risque, risque limité (transparence) ou risque minimal, avec la justification.

Données traitées

Types de données, présence de données personnelles, base légale RGPD.

Rôle de l'entreprise

Fournisseur, déployeur, importateur ou distributeur au sens de l'AI Act.

Contrôle humain

Qui vérifie les résultats, à quel moment, avec quel pouvoir de correction.

Responsable et date de revue

Personne référente et date de la prochaine vérification.

Geschätzte Kosten

Eingabe-Tokens pro Aufruf : ≈ 382

Nur Eingabekosten, ohne die Antwort des Modells. Öffentliche Standardpreise der Anbieter (Mistral AI, DeepSeek, OpenAI, Anthropic) von USD in Euro umgerechnet zum EZB-Kurs vom 29. September 2026. Schätzung: 1 Token ≈ 3,6 Zeichen.

Kennung

contextetech--registre-systemes-ia-entreprise

Typ

AI-Act-Dossiers

Datei

registre-systemes-ia-entreprise.md

Format

MD

Größe

963 Bytes

Kodierung

UTF-8

Geschätzte Tokens

≈ 259

Sprache

Französisch

Lizenz

MIT

Kommerzielle Nutzung

Erlaubt

Personenbezogene Daten

Keine

Version

1.0

Veröffentlicht am

1. Oktober 2026 um 18:55

Aktualisiert am

1. Oktober 2026 um 18:55

Speicherung

in der Datenbank

Nutzungen

0

Gefällt mir

0

registre-systemes-ia-entreprise.md

# Registre interne des systèmes d'IA (AI Act)

Trame de registre interne des systèmes d'IA d'une entreprise : usage, niveau de risque, rôle au sens de l'AI Act, données, contrôle humain.

## Nom du système

Nom interne de l'outil ou de l'assistant d'IA.

## Fournisseur et modèle

Éditeur, modèle utilisé, version, hébergement (pays).

## Usage et service concerné

À quoi il sert, quelle équipe l'utilise, combien d'utilisateurs.

## Niveau de risque estimé

Interdit, haut risque, risque limité (transparence) ou risque minimal, avec la justification.

## Données traitées

Types de données, présence de données personnelles, base légale RGPD.

## Rôle de l'entreprise

Fournisseur, déployeur, importateur ou distributeur au sens de l'AI Act.

## Contrôle humain

Qui vérifie les résultats, à quel moment, avec quel pouvoir de correction.

## Responsable et date de revue

Personne référente et date de la prochaine vérification.

PEFT / Transformers

from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "undefined", device_map="auto")

config = LoraConfig(
    r=undefined, lora_alpha=undefined, lora_dropout=undefined,
    target_modules=[],
    task_type="CAUSAL_LM",
)
model = get_peft_model(model, config)
model.print_trainable_parameters()
# lr=undefined, epochs=undefined, batch=undefined, grad_acc=undefined, max_seq_len=undefined