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.

Articles de l'AI Act : 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.

Coût estimé

Tokens d'entrée par appel : ≈ 382

Coût d'entrée seulement, sans la réponse du modèle. Prix publics des fournisseurs (Mistral AI, DeepSeek, OpenAI, Anthropic), tarif standard en dollars converti en euros au taux BCE du 29 septembre 2026. Estimation : 1 token ≈ 3,6 caractères.

Identifiant

contextetech--registre-systemes-ia-entreprise

Type

Dossiers AI Act

Fichier

registre-systemes-ia-entreprise.md

Format

MD

Taille

963 octets

Encodage

UTF-8

Tokens estimés

≈ 259

Langue

Français

Licence

MIT

Usage commercial

Autorisé

Données personnelles

Aucune

Version

1.0

Publié le

1 octobre 2026 à 18:55

Mis à jour le

1 octobre 2026 à 18:55

Stockage

en base

Utilisations

0

J'aime

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