L’intelligence artificielle se diffuse plus vite que la capacité à la maîtriser. Pour les entreprises françaises, une question pratique se pose : comment accélérer le déploiement de l’IA tout en étant en mesure de documenter la manière dont les systèmes sont supervisés et contrôlés ? Alors que les entreprises et les organisations accélèrent l’adoption de systèmes toujours plus autonomes et en évolution continue, les outils concrets permettant d’en gouverner les risques, la transparence et la fiabilité font encore défaut. Pour répondre à ce défi, Codema, une organisation internationale spécialisée dans le développement de normes et de notations dans les secteurs de la technologie et de la durabilité, annonce le lancement de deux nouveaux comités techniques – TC23 et TC24 – avec pour objectif de développer des méthodologies d’évaluation et d’audit fondées sur des matrices et des protocoles standardisés, capables de rendre l’intelligence artificielle mesurable, vérifiable et gouvernable tout au long de son cycle de vie.
L’initiative intervient dans un contexte où l’accélération technologique en cours met à l’épreuve les procédures de contrôle traditionnelles. En effet, face à l’adoption massive de modèles d’IA capables de fonctionner avec une supervision humaine minimale, selon le McKinsey AI Trust Maturity Survey 2026, seules 30 % des organisations ont atteint un niveau avancé de maturité en matière de stratégie, de gouvernance et de contrôle. En France, l’enjeu est renforcé par le plan national « Osez l’IA », qui vise à accélérer la diffusion de l’IA d’ici 2030, avec des objectifs de 100 % des grandes entreprises, 80 % des PME et ETI, et 50 % des TPE. Il en résulte un écart de plus en plus manifeste entre la vitesse à laquelle l’intelligence artificielle est adoptée et la capacité des organisations à démontrer qu’elles en maîtrisent le fonctionnement, en assurent la conformité et en gèrent les risques.
Aujourd’hui, l’enjeu n’est plus seulement d’adopter l’intelligence artificielle, mais de démontrer qu’elle fonctionne de manière fiable, transparente et conforme aux attentes du marché et aux exigences réglementaires. Dans le contexte européen et français, l’application progressive de l’AI Act place la capacité à produire des éléments probants au cœur de la conformité. C’est précisément cette lacune méthodologique que Codema entend combler avec les nouveaux comités techniques, en développant des outils partagés d’évaluation et d’audit capables de traduire des principes tels que la transparence, la supervision humaine et la gestion des risques en critères concrètement vérifiables.
Dans ce contexte, le changement de paradigme proposé par Codema va au-delà de la logique de la certification traditionnelle, conçue pour évaluer des systèmes statiques, en introduisant un modèle d’évaluation continue dans lequel les contrôles sont directement intégrés aux systèmes et aux processus (Audit as a Layer). L’objectif est de permettre la collecte continue de preuves, de données et d’informations vérifiables tout au long du cycle de vie de l’intelligence artificielle, afin de fournir aux auditeurs, aux organisations et aux parties prenantes des outils plus efficaces pour évaluer son comportement et démontrer sa conformité. Pour les organisations dans lesquelles l’IA est intégrée à des logiciels, des API, des workflows et des environnements de données, cela signifie passer d’un dossier de conformité ponctuel à des preuves pouvant être produites et vérifiées dans la durée.
Cette approche repose sur un écosystème ouvert réunissant entreprises, auditeurs, organismes de certification, experts, universités et communauté scientifique. Codema qualifie ce modèle de stakeholderization : un processus par lequel les besoins et l’expertise des différentes parties prenantes sont transformés en critères d’évaluation partagés, matrices de contrôle et protocoles d’audit. L’objectif n’est pas seulement d’associer les parties prenantes à la consultation, mais d’en faire des acteurs à part entière de l’élaboration des méthodologies qui guideront la gouvernance de l’intelligence artificielle.
Les deux nouveaux comités techniques s’inscrivent dans ce cadre : le TC23 se concentre sur la dimension technique des systèmes d’IA et développe des méthodologies permettant d’évaluer leurs performances, leur fiabilité, la surveillance des anomalies et leur traçabilité. Le TC24, quant à lui, travaille sur l’intégration de l’IA dans les processus métier, en abordant des sujets tels que la supervision humaine, la gestion des exceptions, les éléments de preuve et la vérifiabilité des processus. Pour le marché français, la distinction est concrète : le TC23 examine le système d’IA lui-même, tandis que le TC24 analyse la manière dont l’IA est utilisée au sein de processus métier concrets.
L’objectif est de contribuer à la construction d’une nouvelle infrastructure méthodologique pour la gouvernance de l’intelligence artificielle, capable de fournir au marché des outils partagés permettant d’évaluer, de surveiller et de démontrer la conformité des systèmes d’IA dans un contexte technologique et réglementaire en constante évolution, en comblant l’écart entre innovation et contrôle et en renforçant la confiance dans l’utilisation de l’intelligence artificielle.
« L’intelligence artificielle entre dans les processus décisionnels des entreprises et des organisations à une vitesse sans précédent, mais la capacité à la gouverner ne progresse pas au même rythme. Aujourd’hui, le véritable enjeu n’est plus la disponibilité de la technologie, mais la possibilité de démontrer son fonctionnement, sa conformité et sa fiabilité », déclare Andrea Sacchi, directeur exécutif de Codema. « Avec les TC23 et TC24, nous voulons construire une méthodologie partagée qui traduise des principes tels que la transparence, la gestion des risques et la supervision humaine en critères d’évaluation concrets, mesurables et vérifiables. Car la confiance dans l’intelligence artificielle ne naît pas des déclarations, mais de la capacité à démontrer, preuves objectives à l’appui, comment les systèmes sont gouvernés. »
L’initiative intervient dans un contexte où l’accélération technologique en cours met à l’épreuve les procédures de contrôle traditionnelles. En effet, face à l’adoption massive de modèles d’IA capables de fonctionner avec une supervision humaine minimale, selon le McKinsey AI Trust Maturity Survey 2026, seules 30 % des organisations ont atteint un niveau avancé de maturité en matière de stratégie, de gouvernance et de contrôle. En France, l’enjeu est renforcé par le plan national « Osez l’IA », qui vise à accélérer la diffusion de l’IA d’ici 2030, avec des objectifs de 100 % des grandes entreprises, 80 % des PME et ETI, et 50 % des TPE. Il en résulte un écart de plus en plus manifeste entre la vitesse à laquelle l’intelligence artificielle est adoptée et la capacité des organisations à démontrer qu’elles en maîtrisent le fonctionnement, en assurent la conformité et en gèrent les risques.
Aujourd’hui, l’enjeu n’est plus seulement d’adopter l’intelligence artificielle, mais de démontrer qu’elle fonctionne de manière fiable, transparente et conforme aux attentes du marché et aux exigences réglementaires. Dans le contexte européen et français, l’application progressive de l’AI Act place la capacité à produire des éléments probants au cœur de la conformité. C’est précisément cette lacune méthodologique que Codema entend combler avec les nouveaux comités techniques, en développant des outils partagés d’évaluation et d’audit capables de traduire des principes tels que la transparence, la supervision humaine et la gestion des risques en critères concrètement vérifiables.
Dans ce contexte, le changement de paradigme proposé par Codema va au-delà de la logique de la certification traditionnelle, conçue pour évaluer des systèmes statiques, en introduisant un modèle d’évaluation continue dans lequel les contrôles sont directement intégrés aux systèmes et aux processus (Audit as a Layer). L’objectif est de permettre la collecte continue de preuves, de données et d’informations vérifiables tout au long du cycle de vie de l’intelligence artificielle, afin de fournir aux auditeurs, aux organisations et aux parties prenantes des outils plus efficaces pour évaluer son comportement et démontrer sa conformité. Pour les organisations dans lesquelles l’IA est intégrée à des logiciels, des API, des workflows et des environnements de données, cela signifie passer d’un dossier de conformité ponctuel à des preuves pouvant être produites et vérifiées dans la durée.
Cette approche repose sur un écosystème ouvert réunissant entreprises, auditeurs, organismes de certification, experts, universités et communauté scientifique. Codema qualifie ce modèle de stakeholderization : un processus par lequel les besoins et l’expertise des différentes parties prenantes sont transformés en critères d’évaluation partagés, matrices de contrôle et protocoles d’audit. L’objectif n’est pas seulement d’associer les parties prenantes à la consultation, mais d’en faire des acteurs à part entière de l’élaboration des méthodologies qui guideront la gouvernance de l’intelligence artificielle.
Les deux nouveaux comités techniques s’inscrivent dans ce cadre : le TC23 se concentre sur la dimension technique des systèmes d’IA et développe des méthodologies permettant d’évaluer leurs performances, leur fiabilité, la surveillance des anomalies et leur traçabilité. Le TC24, quant à lui, travaille sur l’intégration de l’IA dans les processus métier, en abordant des sujets tels que la supervision humaine, la gestion des exceptions, les éléments de preuve et la vérifiabilité des processus. Pour le marché français, la distinction est concrète : le TC23 examine le système d’IA lui-même, tandis que le TC24 analyse la manière dont l’IA est utilisée au sein de processus métier concrets.
L’objectif est de contribuer à la construction d’une nouvelle infrastructure méthodologique pour la gouvernance de l’intelligence artificielle, capable de fournir au marché des outils partagés permettant d’évaluer, de surveiller et de démontrer la conformité des systèmes d’IA dans un contexte technologique et réglementaire en constante évolution, en comblant l’écart entre innovation et contrôle et en renforçant la confiance dans l’utilisation de l’intelligence artificielle.
« L’intelligence artificielle entre dans les processus décisionnels des entreprises et des organisations à une vitesse sans précédent, mais la capacité à la gouverner ne progresse pas au même rythme. Aujourd’hui, le véritable enjeu n’est plus la disponibilité de la technologie, mais la possibilité de démontrer son fonctionnement, sa conformité et sa fiabilité », déclare Andrea Sacchi, directeur exécutif de Codema. « Avec les TC23 et TC24, nous voulons construire une méthodologie partagée qui traduise des principes tels que la transparence, la gestion des risques et la supervision humaine en critères d’évaluation concrets, mesurables et vérifiables. Car la confiance dans l’intelligence artificielle ne naît pas des déclarations, mais de la capacité à démontrer, preuves objectives à l’appui, comment les systèmes sont gouvernés. »
