LLM open source et AI Act : quelles obligations GPAI pour votre entreprise ?

Beaucoup de PME françaises font tourner un modèle de langage open source sur leurs propres serveurs : assistant interne branché sur la documentation, génération de courriers, classement d'emails, RAG sur une base métier. L'argument est solide — les données ne sortent pas de l'entreprise. Mais une question revient systématiquement dans les audits : en auto-hébergeant un LLM open source, mon entreprise devient-elle « fournisseur de modèle d'IA à usage général » au sens du Règlement (UE) 2024/1689, avec les obligations GPAI qui vont avec ?

La réponse courte : presque jamais. La réponse complète demande de comprendre trois mécanismes du règlement — la définition du modèle GPAI, la frontière fournisseur/déployeur, et l'exemption open source. C'est l'objet de ce guide, appuyé sur le texte du règlement, les lignes directrices GPAI de la Commission du 18 juillet 2025 et les questions-réponses de la CNIL.

1. Qu'est-ce qu'un modèle GPAI au sens de l'AI Act ?

L'article 3(63) du règlement définit le modèle d'IA à usage général (general-purpose AI model, GPAI) comme un modèle entraîné sur de grandes quantités de données, qui présente une généralité significative et est capable d'exécuter avec compétence un large éventail de tâches distinctes, quelle que soit la manière dont il est mis sur le marché. Les grands modèles de langage — GPT, Claude, Gemini, mais aussi les familles open source Llama, Mistral, Qwen ou Gemma — en sont l'exemple type.

Les lignes directrices de la Commission du 18 juillet 2025 ajoutent un critère indicatif pour trancher les cas limites : un modèle dont le calcul d'entraînement dépasse 10²³ FLOPs et qui peut générer du texte, des images ou de la vidéo est présumé relever de la catégorie GPAI. En dessous, un modèle étroit (un classifieur de documents, un modèle de détection d'anomalies) n'est pas un GPAI.

Point essentiel : le règlement distingue le modèle (les poids, l'architecture) du système d'IA construit autour (le chatbot, l'outil RAG, l'application métier). Les obligations GPAI des articles 51 à 55 portent sur le modèle ; les obligations de transparence et de classification de risque portent sur le système. Une même entreprise peut être concernée par les deux régimes — ou par un seul.

2. Auto-hébergement : êtes-vous fournisseur ou déployeur ?

C'est le test décisif. Le fournisseur d'un modèle GPAI est celui qui le développe (ou le fait développer) et le met sur le marché de l'UE. Le déployeur est celui qui utilise un système d'IA sous sa propre autorité dans le cadre de son activité professionnelle (art. 3(4)).

Votre situation	Votre rôle	Obligations principales
Vous téléchargez Llama ou Mistral et l'exécutez en interne (Ollama, vLLM) pour vos équipes	Déployeur du système d'IA que vous construisez	Maîtrise de l'IA (art. 4), transparence si le système interagit avec des personnes (art. 50), RGPD, classification de risque du cas d'usage
Vous faites un fine-tuning léger (LoRA, instruction tuning) pour votre vocabulaire métier, usage interne	Déployeur — la modification reste très sous le tiers du calcul d'origine	Identiques à la ligne précédente, plus la traçabilité de votre adaptation
Vous intégrez le modèle dans un produit que vous commercialisez (SaaS, application)	Fournisseur du système d'IA en aval — pas du modèle	Obligations du système selon son risque ; vous vous appuyez sur la documentation du fournisseur du modèle (art. 53(1)(b))
Vous modifiez le modèle avec un calcul d'entraînement supérieur à un tiers de celui d'origine	Fournisseur GPAI du modèle modifié (critère indicatif des lignes directrices)	Art. 53 sur la modification : documentation, politique droit d'auteur, résumé des données d'entraînement de la modification
Vous développez votre propre modèle de fondation et le distribuez	Fournisseur GPAI plein	Art. 53 complet, art. 54-55 selon le cas, exemption open source possible

Pour la quasi-totalité des PME qui auto-hébergent un LLM open source, le verdict est donc : déployeur. Vos obligations sont celles de tout utilisateur professionnel d'IA — pas celles de Meta ou de Mistral AI. Elles sont détaillées dans notre guide AI Act PME et tiennent en quelques documents : politique IA, registre des systèmes, charte d'usage, information des utilisateurs.

3. Fine-tuning : la règle du tiers du calcul

Les lignes directrices GPAI de la Commission (18 juillet 2025) ont clarifié le cas du downstream modifier — l'acteur qui modifie un modèle existant. Devenir fournisseur du modèle modifié suppose une modification conduisant à un changement significatif de sa généralité, de ses capacités ou de son risque systémique. Le critère indicatif retenu : un calcul d'entraînement de la modification supérieur à un tiers du calcul d'entraînement du modèle d'origine (ou, si ce dernier est inconnu, un tiers de 10²³ FLOPs).

Concrètement : ré-entraîner un tiers de Llama 3.3 70B représente des moyens de calcul hors de portée d'une PME — des milliers de GPU-heures de datacenter. Un fine-tuning LoRA sur quelques milliers d'exemples métier en est éloigné de plusieurs ordres de grandeur. Si vous adaptez un modèle open source pour votre usage interne, vous restez déployeur ; documentez simplement la modification (données utilisées, date, objectif) dans votre registre des systèmes d'IA.

4. Les obligations des fournisseurs GPAI (article 53)

Si votre entreprise est fournisseur GPAI — ou veut vérifier ce que son fournisseur amont doit lui livrer — voici les quatre obligations de l'article 53(1), applicables depuis le 2 août 2025 :

Obligation	Contenu	Exemption open source ?
53(1)(a) — documentation technique	Élaborer et tenir à jour la documentation du modèle : processus d'entraînement et de test, résultats d'évaluation (Annexe XI)	✅ Oui
53(1)(b) — documentation aux intégrateurs	Fournir aux fournisseurs de systèmes d'IA en aval les informations pour comprendre capacités et limites du modèle (Annexe XII)	✅ Oui
53(1)(c) — politique droit d'auteur	Mettre en place une politique de conformité au droit d'auteur de l'UE, y compris le respect des réserves de droits TDM (art. 4(3) de la directive 2019/790)	❌ Non — toujours due
53(1)(d) — résumé des données d'entraînement	Publier un résumé suffisamment détaillé des contenus d'entraînement, selon le modèle publié par le Bureau de l'IA en juillet 2025	❌ Non — toujours due

S'y ajoute, pour les fournisseurs établis hors UE, la désignation d'un mandataire dans l'Union (article 54). Le Code de bonnes pratiques GPAI, publié en juillet 2025, offre un moyen volontaire de démontrer la conformité à ces obligations.

5. L'exemption open source : réelle, mais étroite

L'article 53(2) exempte des obligations (a) et (b) les modèles publiés sous une licence libre et open source qui permet l'accès, l'utilisation, la modification et la distribution du modèle, et dont les paramètres — poids compris —, l'architecture et les informations d'usage sont rendus publics. Les lignes directrices de la Commission précisent qu'un modèle monétisé (accès payant, licence restrictive) ne bénéficie pas de l'exemption.

Trois limites à garder en tête :

• La politique droit d'auteur (c) et le résumé des données d'entraînement (d) restent dus par tout fournisseur, open source ou non.
• L'exemption tombe si le modèle est classé à risque systémique (au-dessus de 10²⁵ FLOPs) : toutes les obligations s'appliquent alors, articles 53 et 55 compris.
• Toutes les licences « ouvertes » ne se valent pas. Un modèle sous Apache 2.0 (la plupart des modèles Mistral ou Qwen) coche la case « licence libre » ; les licences communautaires assorties de restrictions d'usage ou de seuils commerciaux (famille Llama de Meta) ont un statut plus discuté au regard du texte. Le sujet concerne le fournisseur — pas vous en tant qu'utilisateur — mais il explique pourquoi « open source » et « open weights » ne sont pas synonymes juridiquement.

6. Le seuil 10²⁵ FLOPs et le risque systémique

L'article 51(2) présume qu'un modèle GPAI présente un risque systémique lorsque le cumul de calcul utilisé pour son entraînement dépasse 10²⁵ opérations en virgule flottante (FLOPs). Le fournisseur doit notifier la Commission sans délai — au plus tard deux semaines après que le seuil est atteint ou qu'il est connu qu'il le sera (article 52).

Les modèles à risque systémique relèvent de l'article 55 : évaluations du modèle avec tests adversariaux (red teaming), évaluation et atténuation des risques systémiques au niveau de l'UE, notification des incidents graves au Bureau de l'IA, et niveau adéquat de cybersécurité. Seule une poignée de modèles frontière dépasse aujourd'hui ce seuil — aucun modèle qu'une PME ferait tourner sur un serveur local n'en approche.

7. Calendrier GPAI : ce qui est en vigueur, ce qui arrive

Trois dates structurent le volet GPAI :

• 2 août 2025 — les obligations des articles 53 à 55 sont applicables aux modèles mis sur le marché à partir de cette date.
• 2 août 2026 — la Commission acquiert ses pouvoirs d'exécution : amendes jusqu'à 3 % du chiffre d'affaires annuel mondial ou 15 millions d'euros, le montant le plus élevé (article 101).
• 2 août 2027 — date limite de mise en conformité pour les modèles déjà sur le marché avant le 2 août 2025.

Le Digital Omnibus du 7 mai 2026 n'a rien changé à ce calendrier GPAI : les reports concernent les systèmes haut-risque (Annexe III au 2 décembre 2027, Annexe I au 2 août 2028) et l'étiquetage technique des contenus générés (2 décembre 2026). Le détail des huit changements est dans notre guide AI Act PME.

8. Checklist : auto-héberger un LLM open source en conformité

Vous êtes déployeur d'un LLM open source auto-hébergé ? Voici les points de contrôle, dans l'ordre :

1. Inventoriez le système dans votre registre IA — modèle utilisé (nom, version, licence), cas d'usage, données traitées, utilisateurs concernés. C'est la base de tout audit. Notre pack documentaire inclut le registre type.
2. Classez le cas d'usage, pas le modèle — le même Mistral auto-hébergé est à risque minimal en résumé de documentation interne, mais bascule en haut-risque s'il trie des CV (Annexe III, emploi). La classification suit l'usage : voir notre guide des systèmes haut-risque.
3. Formez les utilisateurs (art. 4) — l'obligation de maîtrise de l'IA s'applique depuis le 2 février 2025 : limites du modèle, hallucinations, vérification des sorties, usages interdits.
4. Préparez la transparence (art. 50) — si le système interagit avec des personnes (chatbot client, assistant RH), elles devront en être informées au plus tard le 2 août 2026.
5. Traitez le volet RGPD — la CNIL rappelle qu'elle reste pleinement compétente sur les traitements de données personnelles des modèles et systèmes d'IA : base légale, AIPD si nécessaire, minimisation des données injectées en prompt ou en RAG.
6. Tracez vos fine-tunings — données, date, objectif, et vérification que vous restez très sous le tiers du calcul d'origine (vous l'êtes, sauf projet industriel de ré-entraînement).
7. Documentez le choix du modèle — licence et conditions d'usage notamment. Les fiches techniques par modèle de quelllm.fr (par exemple Llama 3.3 70B ou Mistral Small 3.1) récapitulent licence, prérequis matériels et cas d'usage — utile pour alimenter votre registre.

9. FAQ

Utiliser Llama ou Mistral en interne fait-il de mon entreprise un fournisseur GPAI ?

Non, dans le cas général. Télécharger un modèle existant et l'exécuter sur vos serveurs pour votre usage interne fait de vous un déployeur du système que vous construisez avec — pas un fournisseur du modèle. Vous devenez fournisseur si vous redistribuez un modèle modifié sous votre marque, ou en cas de modification substantielle.

Qu'est-ce que le seuil de 10²⁵ FLOPs ?

C'est le seuil de calcul d'entraînement au-delà duquel l'article 51(2) présume un risque systémique. Le fournisseur doit alors notifier la Commission sous deux semaines (art. 52) et appliquer les obligations renforcées de l'article 55 (tests adversariaux, gestion des incidents, cybersécurité).

L'exemption open source dispense-t-elle de tout ?

Non. Elle couvre la documentation technique et la documentation aux intégrateurs (art. 53(1)(a) et (b)) ainsi que le mandataire (art. 54(6)). La politique droit d'auteur et le résumé public des données d'entraînement restent obligatoires — et tout s'applique si le modèle est à risque systémique.

Le fine-tuning me rend-il fournisseur ?

Rarement : le critère indicatif des lignes directrices de la Commission est un calcul de modification supérieur à un tiers du calcul d'entraînement d'origine. Les fine-tunings de PME (LoRA, instruction tuning) en sont très loin.

Le Digital Omnibus a-t-il reporté les obligations GPAI ?

Non. L'accord du 7 mai 2026 reporte le haut-risque (Annexe III → 2 décembre 2027) mais laisse le volet GPAI inchangé : obligations applicables depuis le 2 août 2025, amendes exécutoires à partir du 2 août 2026.

10. Pour aller plus loin

• Guide complet AI Act PME France 2026
• Systèmes IA haut-risque : classification Annexe III
• 13 documents AI Act : pack documentaire conformité
• Sanctions AI Act PME — calculateur Article 99
• Glossaire AI Act — termes définis