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.

Articoli dell'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.

Costo stimato

Token di input per chiamata : ≈ 382

Solo costo di input, esclusa la risposta del modello. Prezzi pubblici standard dei fornitori (Mistral AI, DeepSeek, OpenAI, Anthropic) convertiti da USD in euro al cambio BCE del 29 settembre 2026. Stima: 1 token ≈ 3,6 caratteri.

Identificativo

contextetech--registre-systemes-ia-entreprise

Tipo

Dossier AI Act

File

registre-systemes-ia-entreprise.md

Formato

MD

Dimensione

963 byte

Codifica

UTF-8

Token stimati

≈ 259

Lingua

Francese

Licenza

MIT

Uso commerciale

Consentito

Dati personali

Nessuno

Versione

1.0

Pubblicato il

1 ottobre 2026 alle ore 18:55

Aggiornato il

1 ottobre 2026 alle ore 18:55

Archiviazione

nel database

Utilizzi

0

Mi piace

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