CanucktAI
Retour au blogue
Outils IA September 4, 2026 9 min de lecture

Fiches de modèle et documentation d'IA : ce qu'il faut consigner sur chaque système d'IA

Si vous êtes incapable de décrire l'objet, les données et les limites d'un système d'IA sur une seule page, vous ne pouvez pas le gouverner. Cette page porte un nom : la fiche de modèle. Voici quoi y consigner, et pourquoi les organismes de réglementation la réclament de plus en plus.

Par Vivek Chakravarthy

Fiches de modèle et documentation d'IA : ce qu'il faut consigner sur chaque système d'IA

Une fiche de modèle est un document d'une à trois pages qui décrit ce que fait un système d'IA, les données sur lesquelles il roule, où il casse, comment il a été testé et qui le surveille. Documentez ainsi chaque système et vous pouvez réellement démontrer votre responsabilité — ce qui, comme par hasard, correspond presque point pour point à ce que le EU AI Act (Règlement (UE) 2024/1689) et ISO/IEC 42001 attendent que vous produisiez sur demande. Dit simplement : si vous ne pouvez pas décrire un système sur une page, vous ne pouvez pas le gouverner.

Comment la documentation est-elle discrètement devenue une exigence de conformité ?

Pendant la majeure partie de la dernière décennie, la documentation en matière d'IA relevait du « ce serait bien » — le genre de chose qu'une équipe de recherche rédigeait au moment de publier un article. Puis l'IA est entrée dans l'embauche, le crédit, le triage en santé et le service à la clientèle, et les questions se sont durcies. Les organismes de réglementation et les vérificateurs se sont mis à demander quelque chose de direct : que fait ce système, sur quoi a-t-il été entraîné, et comment savez-vous qu'il fonctionne ? Ratez cette réponse sur papier et vous n'avez plus rien à montrer côté responsabilité — le principe porteur de presque tous les cadres qui touchent à l'IA aujourd'hui.

Une fiche de modèle répond à ces questions en une à trois pages que n'importe qui peut prendre en main. En langage clair : ce qu'est le système, son objet, ce à partir de quoi il a été construit, ses défaillances, qui le surveille. La comparaison avec l'étiquette de valeur nutritive est un peu usée, mais elle tient : vous ne livrez pas la recette, juste assez pour qu'une personne raisonnable décide s'il convient d'utiliser la chose, et comment.

Ce qui figure sur une fiche de modèle

Six volets suffisent. Et non, il ne vous faut pas un doctorat en apprentissage automatique pour en remplir l'essentiel — il faut savoir comment le système est réellement utilisé chez vous.

1. Objet et usage prévu. Dites clairement ce que le système est censé faire et, tout aussi important, ce pour quoi il ne devrait *pas* servir. Un outil conçu pour résumer des billets de soutien devrait le dire noir sur blanc, et préciser qu'il ne remplace pas un avis médical, juridique ou financier. Documenter l'usage prévu trace aussi la ligne qui vous signalera, plus tard, que quelqu'un s'en sert hors de sa vocation.

2. Données. Décrivez ce sur quoi le système a été entraîné ou ancré, et ce qu'il traite une fois en marche. Signalez si des renseignements personnels sont en cause, d'où proviennent ces données et toute lacune que vous connaissez — par exemple, un modèle de présélection de CV entraîné surtout sur les candidats d'un seul secteur. En vertu de la LPRPDE et de la Loi 25 du Québec, vous devez déjà savoir quels renseignements personnels vous détenez et pourquoi, un travail qui commence par la découverte des données; la section « données » d'une fiche de modèle est l'endroit où votre travail d'IA rencontre cette obligation.

3. Limites et risques connus. Chaque modèle échoue quelque part. Consignez les défaillances que vous connaissez : les langues qu'il traite mal, les groupes qu'il pourrait traiter de façon inégale, les moments où sa confiance est trompeuse, et ce qu'il en coûte quand il se trompe. La franchise ici n'est pas un risque juridique — c'est la preuve que vous avez jaugé le système avant de le lâcher dans la nature.

4. Évaluation. Comment savez-vous, au juste, qu'il fonctionne ? Indiquez comment il a été testé, sur quoi, et ce qui en est ressorti — exactitude, taux d'erreur, vérifications d'équité, ou simplement une revue qualitative pour les outils à faible enjeu. Datez le tout, car un modèle évalué il y a un an sur des données périmées n'est plus le même système aujourd'hui.

5. Supervision humaine. Dites qui examine les résultats, quand, et avec quel pouvoir de les infirmer. Une fiche indiquant que « les résultats sont examinés par un décideur formé avant toute décision défavorable » raconte une tout autre histoire de gouvernance qu'une fiche qui reste muette sur la question.

6. Propriété et historique des modifications. Nommez la personne ou l'équipe sur la sellette, la version, et la date de la dernière révision. C'est là toute la différence entre un registre vivant et un artefact ponctuel qui prend la poussière.

Pourquoi cela compte pour le EU AI Act et ISO/IEC 42001

Vendez sur le marché européen, ou faites rouler des systèmes qui touchent des personnes dans l'UE, et le EU AI Act — le Règlement (UE) 2024/1689 — est désormais votre référence. Il est fondé sur le risque : les obligations de documentation et de tenue de registres les plus lourdes retombent sur les systèmes à haut risque, soit l'emploi, le crédit, les services essentiels. Pour ceux-là, la documentation technique, la journalisation, la transparence envers les utilisateurs et la supervision humaine ne sont pas des extras facultatifs. Une fiche de modèle ne cochera pas toutes les cases à elle seule, mais elle en est l'ossature naturelle : l'essentiel de ce que le Règlement vous demande de pouvoir démontrer correspond directement aux six volets ci-dessus.

ISO/IEC 42001, la norme internationale pour les systèmes de management de l'IA, aborde le même problème sous l'angle de la gestion. Elle attend de vous que vous recensiez vos systèmes d'IA, en pesiez les incidences et teniez la documentation à jour. Beaucoup d'organisations concrétisent cela ainsi : une fiche par système, et votre inventaire et votre preuve se bâtissent d'un même geste.

Plus près de nous, le projet de Loi sur l'intelligence artificielle et les données (LIAD) du Canada, dans le projet de loi C-27, pointe dans la même direction pour les systèmes « à incidence élevée » — tenir des registres, décrire le fonctionnement de la chose, être prêt à expliquer comment vous gérez le risque. Le projet de loi bouge encore, mais l'habitude vaut la peine d'être prise dès maintenant. Elle ne coûte presque rien et vieillit bien, quel que soit le texte final.

Un modèle simple à adopter aujourd'hui

Vous n'avez pas besoin d'une plateforme de gouvernance pour vous lancer. Un document partagé comportant ces rubriques suffit amplement pour un premier essai :

  • Nom du système et version
  • Propriétaire / personne responsable
  • Objet — ce qu'il fait, en une ou deux phrases
  • Non destiné à — les usages hors vocation
  • Données — sources d'entraînement/d'ancrage, présence de renseignements personnels, lacunes connues
  • Limites et risques — où il échoue et ce qui arrive alors
  • Évaluation — comment il a été testé, résultats, date
  • Supervision humaine — qui examine, quand, pouvoir d'infirmer
  • Dernière révision — date et par qui

Remplissez-en une d'abord pour votre système à plus fort enjeu — celui qui prend ou façonne des décisions concernant des personnes. Cet exercice unique fait généralement ressortir plus de lacunes de gouvernance qu'une semaine de réunions.

En faire une habitude, pas un classeur

Là où ça déraille, ce n'est pas de rédiger de mauvaises fiches. C'est d'en rédiger de bonnes une seule fois, puis de les laisser se périmer en silence. Rattachez donc chaque fiche à un rythme de révision : revoyez-la lorsque le modèle change, lorsque le fournisseur pousse une mise à jour, ou selon un calendrier fixe — trimestriel pour les outils à fort enjeu, annuel pour les autres. Une fiche affichant une date de « dernière révision » périmée est pire que rien, car elle fait la publicité d'une supervision qui n'a pas lieu.

Le présent article constitue de l'information générale et non un avis juridique; l'application de ces cadres dépend de vos systèmes et du territoire où vous exercez.

Chez Canuckt, nous avons conçu Valdra pour que rien de tout cela ne finisse dans une feuille de calcul que quelqu'un a oubliée — un registre de gouvernance de l'IA qui garde objet, données, limites, évaluation et supervision au même endroit, à côté de vos autres documents de conformité, et vous relance quand une fiche est due. Outil ou document partagé, la discipline ne change pas : si vous ne pouvez pas le décrire sur une page, vous ne pouvez pas le gouverner.

Questions fréquentes

Qu'est-ce qu'une fiche de modèle d'IA ?+

Une fiche de modèle est un document court et normalisé — d'une à trois pages, en général — qui consigne l'objet d'un système d'IA, les données qu'il utilise, ses limites connues, la manière dont il a été testé et qui en assure la supervision humaine. Voyez-la comme l'étiquette de valeur nutritive d'un système d'IA.

Que doit contenir une fiche de modèle ?+

Six choses : l'objet et l'usage prévu, les données sur lesquelles le système s'appuie, les limites et risques connus, la façon dont il a été évalué, qui en assure la supervision humaine, et la propriété avec un historique des modifications. Rédigez chaque volet en langage clair, qu'un non-spécialiste peut suivre.

Le EU AI Act exige-t-il des fiches de modèle ?+

Le EU AI Act (Règlement (UE) 2024/1689) n'emploie jamais le terme « fiche de modèle », mais il exige bel et bien une documentation technique, une tenue de registres, de la transparence et une supervision humaine pour les systèmes à haut risque. Une fiche de modèle est une façon concrète d'organiser l'essentiel de ce que ces obligations demandent de démontrer.

En quoi une fiche de modèle diffère-t-elle d'une politique de confidentialité ?+

Une politique de confidentialité est un avis externe qui explique aux personnes comment vous traitez leurs données. Une fiche de modèle est un registre de gouvernance interne portant sur un système d'IA précis. Les deux se recoupent sur le traitement des données, mais ils s'adressent à des lecteurs différents, pour des raisons différentes.

À quelle fréquence faut-il mettre à jour une fiche de modèle ?+

Revoyez-la chaque fois que le modèle change, chaque fois que le fournisseur déploie une mise à jour, ou selon un calendrier fixe — trimestriel pour les outils à fort enjeu, annuel pour les moins risqués. Une fiche affichant une date de révision périmée peut être pire que pas de fiche du tout, car elle laisse croire à une supervision qui n'a pas réellement lieu.

model cardsAI documentationEU AI ActISO 42001AI governanceresponsible AIAI compliance

La conformité IA et vie privée, simplifiée.

Valdra aide les entreprises canadiennes à gouverner l’IA et à respecter PIPEDA et la Loi 25 — hébergé au Canada.

Découvrir Valdra

Notre propre conformité

Nous gérons notre propre programme de conformité dans Valdra — le produit que nous vendons. Nos programmes SOC 2, ISO 27001 et ISO 42001 sont en cours; nous ne revendiquons aucune certification que nous ne détenons pas encore.

Badge de conformité Valdra — cliquez pour vérifier
  • LPRPDE
  • Loi 25 (Québec)
  • LCAP
  • Données hébergées au Canada 🇨🇦
  • Gouvernance de l’IA
Voir notre centre de confiance

Auto-déclaré, et non audité par un tiers. Cliquez sur le badge pour vérifier son authenticité et voir ce qu’il couvre.

Fiches de modèle et documentation d'IA : ce qu'il faut consigner sur chaque système d'IA | Canuckt AI