Fiche de transparence d'un chatbot (AI Act)
Trame de fiche de transparence pour un chatbot (AI Act, article 50) : fournisseur, mention IA, modèle, finalité, données, contact humain.
AI Act articles : Article 50 (obligations de transparence)
Fournisseur du système
Nom de l'organisation qui met l'assistant à disposition, adresse et contact.
Mention « vous parlez à une IA »
Texte affiché à l'utilisateur avant ou au début de l'échange, indiquant clairement qu'il interagit avec un système d'IA (article 50).
Modèle utilisé
Nom du modèle et de son fournisseur, version, hébergement (pays).
Finalité
À quoi sert l'assistant, et ce qu'il ne fait pas.
Données traitées
Données saisies par l'utilisateur, durée de conservation, usage éventuel pour améliorer le service (et comment s'y opposer).
Contenus générés
Si l'assistant produit des textes, images ou sons diffusés au public, indiquer comment ils sont signalés comme générés par IA.
Contact humain
Comment joindre une personne : e-mail, téléphone, formulaire.
Mise à jour
Date de la dernière mise à jour de cette fiche.
Estimated cost
Input tokens per call : ≈ 422
| Model | Per call | Per 1,000 calls |
|---|---|---|
| Mistral Large · Mistral AI | €0.00019 | €0.19 |
| DeepSeek Flash · DeepSeek | €0.00011 | €0.11 |
| DeepSeek V4 Pro · DeepSeek | €0.00049 | €0.49 |
| GPT-6 Luna · OpenAI | €0.00004 | €0.04 |
| GPT-6 Sol · OpenAI | €0.00074 | €0.74 |
| Claude Sonnet 5.5 · Anthropic | €0.00074 | €0.74 |
| Claude Opus 5.5 · Anthropic | €0.00149 | €1.49 |
| Self-hosted open-source model (Ollama, vLLM) | €0 in API fees (server cost only) | |
Input cost only, excluding the model's answer. Providers' public standard prices (Mistral AI, DeepSeek, OpenAI, Anthropic) converted from USD to euros at the ECB rate of September 29, 2026. Estimate: 1 token ≈ 3.6 characters.
Common to all 3 regions
Created by the author, no outside source.
Commercial use allowed · credit the author · changes allowed.
Text or data only: no access to files, network or commands.
Hosted in France (Scaleway, Paris). No transfer outside the EU.
European Union · 5/5
No personal data.
No training data: no summary required.
United States · 5/5
No personal data.
No training data: no documentation to publish.
China · 5/5
No personal data.
No training data; AI-generated content published in China must be labelled (2025).
Indicative summary as of 30/09/2026, not a legal certification. Method and sources →
Statistics
Likes : 0 · Comments : 0
Click a counter to show or hide it, hover the chart for details. One view per visitor per day, bots excluded; counting started on 30 September 2026.
- Identifier
- contextetech--fiche-transparence-chatbot
- Type
- AI Act files
- File
- fiche-transparence-chatbot.md
- Format
- MD
- Size
- 1,093 bytes (1.1 KB)
- Encoding
- UTF-8
- Estimated tokens
- ≈ 293
- Language
- French
- License
- MIT
- Commercial use
- Allowed
- Personal data
- None
- Version
- 1.0
- Published on
- October 1, 2026 at 6:46 PM
- Updated on
- October 1, 2026 at 6:46 PM
- Storage
- in database
- Uses
- 0
- Likes
- 0
fiche-transparence-chatbot.md
# Fiche de transparence d'un chatbot (AI Act) Trame de fiche de transparence pour un chatbot (AI Act, article 50) : fournisseur, mention IA, modèle, finalité, données, contact humain. ## Fournisseur du système Nom de l'organisation qui met l'assistant à disposition, adresse et contact. ## Mention « vous parlez à une IA » Texte affiché à l'utilisateur avant ou au début de l'échange, indiquant clairement qu'il interagit avec un système d'IA (article 50). ## Modèle utilisé Nom du modèle et de son fournisseur, version, hébergement (pays). ## Finalité À quoi sert l'assistant, et ce qu'il ne fait pas. ## Données traitées Données saisies par l'utilisateur, durée de conservation, usage éventuel pour améliorer le service (et comment s'y opposer). ## Contenus générés Si l'assistant produit des textes, images ou sons diffusés au public, indiquer comment ils sont signalés comme générés par IA. ## Contact humain Comment joindre une personne : e-mail, téléphone, formulaire. ## Mise à jour Date de la dernière mise à jour de cette fiche.
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
Community
No comments yet. Share your feedback, it will help the next person.