Skip to content
Législation E-commerce

Ce que changent les obligations de transparence de l’intelligence artificielle pour les plateformes marchandes

27 octobre 2026
Alexandre
19 min. de lecture
Ce que changent les obligations de transparence de l’intelligence artificielle pour les plateformes marchandes

Pour une marketplace, l’intelligence artificielle n’est plus seulement un outil de recommandation ou de productivité : elle peut aussi déclencher des obligations d’information et de marquage. Depuis le 2 août 2026, les nouvelles règles européennes de transparence de l’intelligence artificielle concernent notamment les plateformes qui utilisent des chatbots, génèrent des contenus ou automatisent des échanges avec leurs utilisateurs.

Le changement pratique consiste à rendre visibles des usages qui pouvaient jusque-là rester en arrière-plan : un acheteur doit savoir lorsqu’il échange avec une IA, et les contenus générés ou manipulés par IA doivent pouvoir être détectés au moyen de marquages lisibles par machine. Pour les responsables d’une boutique PrestaShop ou d’une marketplace, la première étape est donc de recenser les systèmes concernés, puis d’organiser l’information, la documentation et les échéances applicables.

Transparence de l’intelligence artificielle : ce que l’AI Act change pour une marketplace

Les obligations de transparence de l’AI Act visent des situations concrètes, pas une catégorie abstraite de « sites utilisant l’IA ». Une plateforme marchande peut être concernée lorsqu’elle déploie un système d’intelligence artificielle pour informer les utilisateurs, recommander des produits, produire des contenus, repérer des fraudes ou automatiser des échanges entre acheteurs et vendeurs. Le point de départ est donc l’usage réel du système et la manière dont il intervient dans l’expérience proposée.

L’article 50 de l’AI Act établit notamment des obligations de transparence pour les fournisseurs et les déployeurs de systèmes d’IA. En pratique, une marketplace peut cumuler plusieurs rôles : elle peut déployer un assistant conversationnel acheté auprès d’un prestataire, tout en faisant appel à un outil externe pour générer des visuels ou des descriptions. Les obligations applicables ne se déduisent donc pas uniquement du fait que le code a été développé en interne ou par un tiers. Il faut examiner qui fournit le système, qui le met en œuvre et quel usage en est fait.

En bref : si une personne échange directement avec une IA, elle doit en être clairement informée. Les contenus générés ou manipulés par IA doivent, dans les cas visés, être marqués de manière à permettre leur détection par machine. Les obligations concernent les fournisseurs comme les déployeurs, avec un calendrier transitoire limité pour certains systèmes antérieurs au 2 août 2026.

La Commission européenne précise que l’article 50 s’applique aux fournisseurs et aux déployeurs, y compris dans certains contextes impliquant de très grandes plateformes ou de très grands moteurs de recherche. Cela ne signifie pas que chaque fonctionnalité d’une boutique relève automatiquement des mêmes exigences, ni que tous les outils d’automatisation sont nécessairement des systèmes d’IA. Cela signifie qu’une plateforme ne devrait pas limiter son analyse aux outils présentés commercialement comme de l’IA générative : les usages de recommandation, de détection ou d’interaction doivent aussi être examinés.

Pour un marchand, l’enjeu est opérationnel. Un module de chat peut être visible et facile à repérer ; une génération automatique de descriptions peut, au contraire, être intégrée au flux de création des fiches produits. Une fonction qui personnalise l’ordre des offres peut être pilotée par des algorithmes dont l’équipe éditoriale ne connaît pas précisément le fonctionnement. La cartographie doit couvrir les usages qui ont un effet sur les acheteurs, les vendeurs et les contenus présents sur le site, et pas seulement les projets portés par l’équipe technique.

Quels usages d’IA sur une marketplace doivent être recensés ?

Avant de rédiger un avertissement ou d’ajouter un mécanisme de marquage, l’entreprise doit savoir où l’IA intervient. Cette étape évite deux erreurs opposées : ne regarder que les chatbots les plus visibles, ou traiter indistinctement chaque automatisation comme une fonction soumise aux mêmes règles. Une cartographie utile relie chaque système à sa fonction, à ses utilisateurs et aux contenus ou décisions qu’il produit.

Les interactions directes avec les personnes

Les assistants de vente, agents conversationnels et chatbots sont les exemples les plus évidents. Si l’utilisateur interagit directement avec un système d’IA, il doit être explicitement informé qu’il traite avec une IA. Cela concerne l’échange en tant que tel, qu’il serve à répondre à une question, à aider au choix d’un produit ou à automatiser une conversation entre acheteur et vendeur.

Pour identifier ces points de contact, examinez les interfaces de la boutique, les fenêtres d’assistance, les outils de service client et les éventuelles fonctions accessibles depuis l’espace vendeur. Une même plateforme peut proposer plusieurs expériences différentes : une assistance humaine, un assistant automatisé et un parcours où les deux se relaient. Il est donc préférable de repérer le système réellement actif dans chaque parcours, plutôt que de se fier au nom d’un bouton ou à la présentation générale du service.

Les recommandations, la fraude et les contenus

Les usages moins visibles méritent le même inventaire. Une IA peut intervenir dans la recommandation de produits, l’analyse de signaux de fraude ou la génération de textes, d’images, d’audio et de vidéos. Sur une marketplace, les contenus concernés peuvent être des descriptions, des visuels promotionnels, des avis synthétiques ou d’autres éléments publiés automatiquement. Il faut aussi vérifier si un contenu existant est manipulé par un système d’IA, et pas seulement si un document est créé de zéro.

Voici des questions pratiques à poser aux équipes produit, technique, marketing et support :

  • Quels outils produisent ou modifient des textes, des images, des vidéos ou des éléments audio affichés aux utilisateurs ?
  • Quels systèmes répondent directement aux acheteurs ou aux vendeurs, et à quels moments du parcours ?
  • Les recommandations d’offres ou les mécanismes de classement font-ils intervenir de l’IA ?
  • Un outil analyse-t-il les échanges ou les opérations pour détecter des fraudes ?
  • Le système est-il fourni par un prestataire, développé en interne, ou composé de plusieurs services ?

Ces questions ne constituent pas une qualification juridique automatique. Elles servent à établir un inventaire exploitable, puis à faire vérifier les situations pertinentes au regard des règles applicables. Dans une boutique PrestaShop, le recensement peut inclure les modules installés, les connexions à des services externes, les outils d’assistance et les processus de création de catalogue. L’objectif est de ne pas confondre l’absence de développement maison avec l’absence d’usage d’IA.

Informer clairement lorsqu’un acheteur échange avec une IA

Lorsqu’une personne interagit directement avec une IA, l’obligation centrale est de l’en informer clairement. La transparence ne doit pas dépendre de la capacité de l’utilisateur à deviner qui se trouve derrière une interface conversationnelle. Une marque, un avatar ou un ton naturel ne remplacent pas une information explicite sur le caractère artificiel de l’interlocuteur.

Pour transformer cette exigence en action, commencez par repérer les écrans où une conversation automatisée démarre ou se poursuit. Il peut s’agir d’un chatbot de conseil, d’un assistant de vente, d’un outil qui répond aux questions sur une commande ou d’un agent conversationnel utilisé pour faciliter les échanges entre acheteurs et vendeurs. La règle fournie vise l’interaction directe avec l’IA : l’équipe doit donc vérifier le parcours concret, et pas simplement ajouter une mention générale dans une page juridique que l’utilisateur ne voit pas au moment de l’échange.

Concevoir l’information dans le parcours

Une mise en œuvre pratique consiste à afficher une indication au point de contact, à proximité de l’entrée dans la conversation ou dans l’interface où l’assistant répond. Le message doit permettre à la personne de comprendre qu’elle traite avec une IA. La formulation exacte et la présentation dépendent du parcours, mais le principe est de rendre l’information visible et compréhensible, plutôt que de la dissimuler dans une documentation générale.

La cohérence compte aussi. Si un assistant automatise une partie de l’échange puis transfère la conversation à une personne, l’interface ne devrait pas laisser croire que l’interlocuteur est resté le même si ce n’est pas le cas. Ce n’est pas une exigence supplémentaire énoncée ici ; c’est un point de conception utile pour que l’information initiale reste intelligible dans une conversation qui évolue. Les équipes peuvent tester leurs parcours comme le ferait un acheteur qui découvre le service pour la première fois.

  1. Localiser les interactions : établir la liste des assistants et des parcours conversationnels actifs sur le site et dans les services associés.
  2. Identifier le moment d’information : vérifier où l’utilisateur comprend qu’il échange avec un système d’IA, avant ou au moment où la conversation commence.
  3. Contrôler le parcours complet : tester les changements de canal, les transferts et les variations d’interface pour éviter que l’information ne disparaisse ou ne devienne ambiguë.
  4. Attribuer un responsable : définir qui met à jour l’avertissement si l’outil, le parcours ou le prestataire change.

Cette démarche est particulièrement utile lorsque plusieurs équipes gèrent des outils différents. Le service client peut avoir activé un assistant, tandis que l’équipe marketing utilise un agent de vente ou qu’un prestataire propose un module conversationnel. Centraliser les décisions évite qu’une mention soit ajoutée à une interface sans être répercutée ailleurs, ou qu’un nouveau point de contact soit lancé sans examen préalable.

Marquage des contenus générés ou manipulés par IA : les points à traiter

L’autre volet important de la transparence porte sur les contenus générés ou manipulés par IA. Les systèmes concernés doivent intégrer des marquages lisibles par machine afin de permettre la détection de contenus issus de l’IA. L’enjeu ne se limite donc pas à ajouter une mention visible pour le lecteur : le marquage technique doit également rendre le contenu détectable par des systèmes adaptés.

Pour les plateformes marchandes, les cas d’usage sont nombreux dans les opérations courantes. Une équipe peut utiliser un outil pour rédiger des fiches produits, créer des images promotionnelles ou préparer des vidéos. Des contenus audio peuvent aussi être concernés. Les avis synthétiques figurent également parmi les exemples à examiner. L’entreprise doit déterminer quels outils génèrent ou manipulent ces contenus, à quel stade ils sont intégrés au catalogue et qui est responsable du marquage requis.

Ne pas confondre le libellé visible et le marquage technique

Un label lisible par l’acheteur et un marquage lisible par machine ne répondent pas au même besoin. Le premier peut aider une personne à comprendre l’origine d’un contenu ; le second permet sa détection automatisée. Le fait d’apposer une mention dans une description produit ne démontre donc pas, à lui seul, que le contenu comporte le marquage technique prévu. À l’inverse, l’existence d’un signal technique ne garantit pas que l’information destinée aux utilisateurs est présentée de façon claire lorsqu’elle est nécessaire.

Les équipes doivent par conséquent examiner la chaîne de production du contenu, du système génératif jusqu’à sa publication. Il faut savoir si le fournisseur du système intègre le marquage, si la plateforme conserve celui-ci lors de l’import ou de la transformation du fichier et si un traitement ultérieur risque de le supprimer. Ces questions sont particulièrement pertinentes lorsque plusieurs outils interviennent dans une même chaîne : génération d’une image, adaptation de ses dimensions, ajout d’un texte promotionnel puis publication dans le catalogue.

  • Pour les textes : repérer les outils qui génèrent des descriptions, des éléments promotionnels ou des contenus de présentation.
  • Pour les images et vidéos : vérifier les outils de création ou de manipulation utilisés dans les campagnes et les fiches produits.
  • Pour l’audio : inventorier les contenus générés ou modifiés qui peuvent être diffusés sur la plateforme.
  • Pour les contenus de vendeurs : clarifier les informations attendues lors de la remise d’un contenu créé avec un outil externe et les responsabilités des différentes parties.

La responsabilité opérationnelle ne doit pas être laissée à une supposition du type « le fournisseur s’en charge probablement ». Les obligations peuvent concerner fournisseurs et déployeurs ; il est donc prudent de demander aux prestataires comment le marquage est intégré, de conserver une trace des réponses et de vérifier le comportement du flux de publication. Cette vérification est un choix de gestion du risque, pas une garantie à elle seule de conformité. Elle aide toutefois à repérer les ruptures entre génération, stockage et affichage.

Échéances de l’AI Act : distinguer les systèmes anciens et nouveaux

Les obligations de transparence sont entrées en application le 2 août 2026 pour les systèmes concernés. Une échéance transitoire limitée s’applique toutefois au marquage et à la détection des contenus générés par certains systèmes : lorsque le système a été placé sur le marché avant le 2 août 2026, cette obligation s’applique à partir du 2 décembre 2026. Cette période ne doit pas être interprétée comme un délai général applicable à toutes les obligations de transparence.

La distinction est importante pour une entreprise qui utilise depuis plusieurs mois un générateur de contenus et qui déploie parallèlement un nouvel assistant conversationnel. Le calendrier de transition mentionné concerne le marquage et la détection du contenu généré par les systèmes placés sur le marché avant le 2 août 2026. Il ne repousse pas, d’après les faits disponibles, l’obligation d’informer les personnes qui interagissent directement avec une IA. Il ne constitue pas non plus une exemption générale pour une plateforme qui avait déjà recours à l’intelligence artificielle.

Construire un inventaire avec une date et une fonction

Pour éviter les confusions, consignez pour chaque système sa fonction, son fournisseur, son statut d’utilisation et les dates pertinentes, notamment celle de sa mise sur le marché lorsque l’information est disponible. Associez-y les contenus concernés et le parcours utilisateur dans lequel le système intervient. Cette fiche facilite la distinction entre les systèmes antérieurs et ceux introduits après le 2 août 2026, et permet de traiter séparément les mesures d’information et de marquage.

La Commission a publié des lignes directrices le 20 juillet 2026 afin d’aider fournisseurs et déployeurs à appliquer l’article 50 de façon cohérente, effective et proportionnée. Un code de bonnes pratiques volontaire accompagne également les obligations pour aider à marquer et labelliser les contenus générés par IA, notamment ceux issus de systèmes d’IA générative. Ces outils peuvent guider les équipes, mais leur caractère volontaire pour le code ne transforme pas les obligations légales en simples recommandations.

En pratique, une feuille de route peut séparer trois chantiers. Le premier est la mise en conformité des interactions directes, avec des informations claires dans les interfaces concernées. Le deuxième porte sur les contenus générés ou manipulés et sur la présence de marquages détectables. Le troisième consiste à documenter les systèmes concernés, leur fournisseur et leur calendrier, puis à réévaluer l’inventaire lorsque la plateforme modifie un outil ou un flux de publication.

Articuler l’AI Act avec le DSA et la transparence des recommandations

L’AI Act ne remplace pas les règles déjà applicables aux marketplaces. Depuis le 17 février 2024, le DSA impose notamment aux grandes plateformes et marketplaces des obligations telles que la publication de rapports de transparence, la gestion des notifications, la lutte contre les dark patterns et la traçabilité des vendeurs. Il prévoit aussi des obligations de transparence sur le classement et la recommandation des produits.

La nouveauté est la combinaison des deux cadres lorsque des algorithmes ou des systèmes d’IA interviennent dans la mise en avant des offres. Une plateforme doit donc continuer à traiter les questions de classement et de recommandation sous l’angle du DSA, tout en examinant si un système d’IA déclenche également une obligation de transparence au titre de l’AI Act. Le fait qu’une recommandation soit déjà prise en compte dans les obligations du DSA ne permet pas de conclure, sans analyse, que les règles de l’AI Act sont couvertes par les mêmes mesures.

Deux cadres, des questions différentes

Pour organiser le travail interne, il peut être utile de distinguer les questions auxquelles chaque cadre répond. Le DSA encadre notamment la transparence du classement et des recommandations ainsi que plusieurs responsabilités des plateformes. L’AI Act apporte ici des obligations spécifiques liées à l’usage de systèmes d’IA : information de la personne qui échange directement avec une IA et marquage de certains contenus générés ou manipulés. Cette distinction permet de limiter les doublons sans considérer les textes comme interchangeables.

Une équipe peut, par exemple, cartographier une fonction de recommandation dans son inventaire de systèmes et vérifier en parallèle les obligations de transparence DSA qui s’appliquent au classement des offres. De même, les processus de notification et de traçabilité des vendeurs relevant du DSA restent des sujets à gérer, même si l’entreprise met en place un nouveau dispositif de marquage des contenus IA. Une organisation efficace relie les contrôles, mais conserve une trace des exigences auxquelles chacun répond.

Ce point est important pour les plateformes de taille différente. Les faits disponibles indiquent que l’article 50 s’applique aux fournisseurs et aux déployeurs, y compris dans certains contextes de très grandes plateformes et de très grands moteurs de recherche. Ils précisent aussi que le rôle de l’AI Office dans l’application est plus limité, sauf pour certains cas liés aux modèles d’IA à usage général ou aux très grandes plateformes et moteurs de recherche au sens du DSA. Il vaut donc mieux éviter une règle interne simpliste selon laquelle l’échelle de la plateforme suffirait, à elle seule, à déterminer l’ensemble des obligations applicables.

Plan d’action de conformité pour un marchand, un développeur ou une agence

La conformité devient plus gérable lorsqu’elle est traduite en tâches attribuées et vérifiables. Un marchand n’a pas nécessairement à construire lui-même un système de détection ou à refaire tous ses outils ; il doit cependant comprendre les usages d’IA présents dans son activité et organiser leur prise en charge. Le développeur et l’agence peuvent faciliter ce travail en documentant les modules intégrés, les services externes et les parcours qu’ils modifient.

  1. Faire l’inventaire des systèmes. Recensez les chatbots, assistants, moteurs de recommandation, outils de détection de fraude et générateurs de contenus. Incluez les services externes et les modules déjà installés, pas uniquement les développements récents.
  2. Décrire chaque usage. Indiquez qui utilise le système, quels contenus ou échanges il produit, où il intervient et s’il est fourni par un tiers. Cette description permet de distinguer une interaction directe d’un traitement qui reste invisible pour l’utilisateur.
  3. Mettre en place l’information dans les interfaces. Pour chaque interaction directe avec une IA, vérifiez que la personne est explicitement avertie. Testez l’affichage dans les parcours réellement utilisés, y compris sur les interfaces d’assistance et de vente.
  4. Examiner la chaîne de marquage. Pour les contenus générés ou manipulés, identifiez le système concerné et vérifiez les mécanismes de marquage lisible par machine. Vérifiez aussi si les étapes de modification, d’import ou de publication préservent ce marquage.
  5. Tracer les échéances. Distinguez les systèmes placés sur le marché avant le 2 août 2026, pour lesquels le délai limité mentionné sur le marquage court jusqu’au 2 décembre 2026, des autres situations. Ne généralisez pas ce délai à toutes les obligations.
  6. Répartir les responsabilités. Désignez les personnes qui suivent les contrats fournisseurs, les interfaces, le catalogue et les évolutions techniques. Une responsabilité clairement attribuée est plus facile à vérifier qu’une consigne générale adressée à toute l’équipe.
  7. Réexaminer après chaque changement important. L’ajout d’un module, le remplacement d’un prestataire ou l’ouverture d’un nouveau parcours conversationnel peut modifier l’inventaire. Intégrez un contrôle de transparence au processus de mise en production.

Pour les utilisateurs de PrestaShop, l’inventaire peut prendre la forme d’un registre interne des modules et services qui influencent les échanges ou les contenus. Il peut réunir le nom de l’outil, son fournisseur, son usage, les équipes concernées, les interfaces touchées et les éléments disponibles sur le marquage. Ce registre n’est pas présenté ici comme une formalité prescrite dans tous les cas ; c’est un moyen concret de garder une vue d’ensemble et de préparer les échanges avec les prestataires ou les équipes techniques.

Les agences et développeurs peuvent, de leur côté, documenter ce qu’ils installent et signaler lorsqu’un module introduit une interaction automatisée ou une génération de contenu. Le marchand reste alors mieux placé pour décider de la manière dont l’information apparaît dans son parcours. Les contrats et échanges avec les fournisseurs peuvent aussi préciser les informations utiles sur le système, le marquage et les changements de version, sans présumer que la seule documentation d’un prestataire règle toutes les obligations de la plateforme.

Contrôles, sanctions et limites à garder en tête

L’AI Office et les autorités nationales de surveillance sont les principaux organes d’application des obligations. Le rôle de l’AI Office est plus limité, sauf notamment pour certains cas concernant les modèles d’IA à usage général ou les très grandes plateformes et les très grands moteurs de recherche au sens du DSA. Pour une entreprise, la conséquence pratique est de préparer une démarche de conformité qui puisse être expliquée et étayée, plutôt que de supposer qu’un seul interlocuteur européen traitera chaque situation.

Les sanctions peuvent aller jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires mondial annuel précédent. La proportionnalité doit être prise en compte pour les PME et les petites entreprises de taille intermédiaire. Ces montants sont des plafonds indiqués pour les sanctions ; ils ne signifient pas que chaque erreur entraîne automatiquement une amende de ce niveau. Pour les petites structures, la proportionnalité est un élément important, mais elle ne remplace pas l’examen des obligations qui les concernent.

Le contexte réglementaire continue par ailleurs d’évoluer. Dans le cadre du « Digital Omnibus on AI », la Commission a indiqué vouloir faciliter la mise en œuvre de l’AI Act pour les entreprises tout en renforçant la supervision de certains systèmes intégrés aux très grandes plateformes. Cela invite les organisations à suivre les orientations et évolutions pertinentes, sans retarder les mesures exigées par les règles déjà en application.

Éviter les raccourcis de conformité

Plusieurs réponses rapides peuvent donner une fausse impression de sécurité. Ajouter une phrase générale sur l’IA dans les conditions d’utilisation ne démontre pas que l’information est claire au point où une personne échange avec un assistant. Apposer un label visible ne prouve pas, à lui seul, que le contenu comporte un marquage lisible par machine. Et demander au fournisseur si son outil est « conforme » ne remplace pas l’analyse de la manière dont la plateforme l’intègre et l’utilise.

Il faut également distinguer les obligations applicables des pratiques conseillées. Les lignes directrices publiées par la Commission le 20 juillet 2026 aident à appliquer l’article 50 de manière cohérente, effective et proportionnée. Le code de bonnes pratiques est volontaire et accompagne les règles pour aider à marquer et labelliser les contenus générés, notamment par des systèmes génératifs. Ces ressources servent de repères, mais les équipes doivent identifier les obligations qui correspondent à leurs usages et tenir compte des consignes à jour.

Enfin, une plateforme peut confier une partie de ses opérations à un vendeur, à une agence ou à un prestataire technologique sans que son inventaire devienne inutile. Les contenus de vendeurs, les outils d’assistance intégrés et les services externes peuvent se croiser dans le même parcours. Clarifier les rôles, demander les informations techniques nécessaires et vérifier les interfaces permet d’éviter les angles morts, sans prétendre qu’un unique modèle d’organisation convient à toutes les marketplaces.

Pour retenir l’essentiel, commencez par cartographier chaque usage d’IA visible ou influent sur votre marketplace. Informez clairement les personnes qui interagissent directement avec un système d’IA, organisez le marquage des contenus générés ou manipulés et distinguez le délai transitoire applicable à certains systèmes antérieurs au 2 août 2026 des autres obligations. Intégrez aussi les exigences du DSA au même plan de travail, sans les confondre avec celles de l’AI Act.

La transparence n’est pas seulement une nouvelle mention à ajouter dans une interface : elle suppose de savoir quels outils produisent les réponses et les contenus que voient vos utilisateurs. Marchands, développeurs et agences peuvent avancer ensemble en documentant les modules, en testant les parcours et en échangeant avec les fournisseurs sur le marquage. Cette démarche donne à la plateforme une base concrète pour appliquer les règles et adapter ses contrôles à mesure que ses usages d’IA évoluent.

Partager cet article