Dans presque chaque Friday Weekly, il arrive tôt ou tard qu'un terme soit évoqué, devant lequel la moitié des participants hoche brièvement la tête tandis que l'autre moitié va discrètement chercher sa définition. Token, RAG, agent, hallucination : le monde de l'IA a son propre langage, et celui-ci évolue plus vite que n'importe quel dictionnaire.
Le problème ne réside pas dans le terme technique en lui-même. Le problème survient lorsque tout le monde utilise le même mot mais n’entend pas la même chose. La direction parle de « notre agent IA », le service informatique fait référence à un chatbot ayant accès à trois documents, et la responsable de la protection des données se demande si une analyse d’impact est nécessaire dans ce cas.
Ce glossaire permet de créer un langage commun. Chaque terme est expliqué en deux à quatre phrases, avec un exemple et, le cas échéant, un lien avec la Suisse. Les termes sont classés par thème afin que tu puisses retrouver facilement ce qui va ensemble.
Notions de base : qu'est-ce que l'IA ?
Avant d'aborder les modèles et les lois, il est utile de se pencher sur les notions fondamentales. Elles reviennent dans toutes les discussions et sont souvent utilisées de manière imprécise.
- Intelligence artificielle (IA) : terme générique désignant les systèmes informatiques capables d'accomplir des tâches qui, jusqu'à présent, nécessitaient la pensée humaine, comme la compréhension du langage, la reconnaissance d'images ou la préparation de décisions. En anglais, on parle d'« Artificial Intelligence » (AI). Aujourd'hui, la plupart des gens entendent par là l'IA générative telle que ChatGPT, mais le terme est bien plus ancien et recouvre un champ beaucoup plus large.
- Apprentissage automatique : domaine de l'IA dans lequel un système ne se voit pas programmer des règles, mais les déduit à partir d'exemples. Un filtre anti-spam apprend à reconnaître ce qu'est un spam à partir de milliers d'e-mails signalés, au lieu de parcourir une liste fixe de mots-clés.
- Réseau neuronal et apprentissage profond : un réseau neuronal est un modèle de calcul composé de nombreuses couches interconnectées, vaguement inspiré du cerveau. L'apprentissage profond désigne des réseaux comportant un très grand nombre de couches. Presque toutes les avancées actuelles en matière d'IA, de la reconnaissance d'images aux modèles linguistiques, reposent sur ce principe.
- IA générative : IA capable de créer de nouveaux contenus : textes, images, musique, vidéos ou code de programmation. Elle se distingue de l'IA classique, qui sert principalement à classer ou à prédire. Selon l'Office fédéral de la statistique, en 2025, 47 % des personnes âgées de 16 à 74 ans en Suisse utilisaient déjà l'IA générative ; pour en savoir plus, consultez la page « L'IA en Suisse en chiffres ».
- Modèle linguistique (LLM) : un « Large Language Model » (LLM) est un vaste réseau neuronal qui a été entraîné sur d'énormes quantités de texte et qui est capable de traiter et de générer du langage. En substance, il prédit toujours le fragment de texte le plus probable qui suivra. Parmi les exemples connus, on peut citer GPT, Claude, Gemini et le modèle suisse Apertus.
- Multimodal : un modèle est dit multimodal lorsqu'il traite plusieurs types de données d'entrée, telles que du texte, des images, des fichiers audio ou vidéo. Tu peux par exemple fournir à un modèle multimodal la photo d'une facture et lui demander si la TVA est correctement indiquée.
- Données d'entraînement : les données à partir desquelles un modèle apprend. Leur qualité et leur provenance déterminent les capacités du modèle, les langues qu'il maîtrise et les biais qu'il intègre. Pour la plupart des modèles commerciaux, les données d'entraînement ne sont pas divulguées.
- Paramètres : les paramètres d'ajustement appris par un modèle. Leur nombre donne une idée approximative de la taille du modèle : un modèle comportant 8 milliards de paramètres (8B) fonctionne sur un ordinateur portable performant, tandis qu'un modèle comportant 70 milliards de paramètres (70B) nécessite un serveur. Un nombre plus élevé de paramètres est souvent synonyme de plus grandes capacités, mais aussi d'une charge de calcul plus importante.
- Token : unité à partir de laquelle un modèle linguistique lit et écrit du texte. Un token correspond généralement à une partie de mot ; un mot allemand se compose souvent de plusieurs tokens. De nombreux prestataires facturent leurs services au million de tokens.
- Fenêtre de contexte : quantité de texte qu’un modèle peut prendre en compte en un seul passage, mesurée en tokens. Une grande fenêtre de contexte permet de traiter d’un seul coup un contrat entier ou un long procès-verbal. Le modèle « oublie » tout ce qui se trouve en dehors de la fenêtre.
- Hallucination : lorsqu'un modèle fournit des informations formulées de manière convaincante, mais erronées, comme une source inventée ou une date incorrecte. Cela se produit parce que le modèle génère des réponses probables plutôt que vérifiées. C'est pourquoi il faut toujours vérifier les faits, les chiffres et les citations à la source.
- Biais : déviation systématique dans les résultats d'un modèle, généralement issue des données d'apprentissage. Un outil de recrutement qui a été entraîné à partir de données issues d'un secteur à prédominance masculine peut désavantager les femmes, sans que cela soit intentionnel.
- Benchmark : test standardisé permettant de comparer des modèles, par exemple en mathématiques, en programmation ou en culture générale. Les benchmarks sont utiles, mais ils ne donnent que peu d'indications sur la capacité d'un modèle à résoudre votre problème concret. Un test que vous réalisez vous-même à partir d'exemples concrets tirés de votre quotidien est souvent plus révélateur.
En résumé : un modèle linguistique est un excellent générateur de probabilités pour le texte. C'est de là que découlent ses points forts et ses erreurs typiques.
Modèles : ce qui se cache derrière les outils
Lorsque l'on compare des outils d'IA, on tombe rapidement sur des termes liés aux modèles eux-mêmes. Ce sont eux qui déterminent où vos données sont traitées et quel niveau de contrôle vous avez.
- Modèle d'IA à usage général : c'est ainsi que la loi européenne sur l'IA (EU AI Act) désigne les modèles tels que GPT ou Claude, qui peuvent être utilisés pour de nombreuses tâches différentes (en anglais : General Purpose AI, GPAI). Depuis le 2 août 2025, leurs fournisseurs sont soumis à des obligations spécifiques au sein de l'UE, notamment en matière de documentation technique.
- Poids ouverts : les poids utilisés pour l'entraînement d'un modèle sont publics et peuvent être téléchargés. Tu peux donc exploiter le modèle toi-même, mais tu ne sais pas nécessairement avec quoi il a été entraîné. Citons par exemple Llama de Meta ou Mistral.
- Modèle entièrement ouvert : outre les pondérations, les données d'entraînement, le code et les méthodes sont également rendus publics. Cela permet de retracer la genèse du modèle. Le modèle suisse Apertus fait partie des rares modèles à aller aussi loin.
- Apertus : le modèle linguistique multilingue entièrement ouvert de la Swiss AI Initiative, une initiative de l'ETH Zurich, de l'EPFL et du Centre national de calcul scientifique (CSCS). La version 1.0 a été publiée le 2 septembre 2025, et la version 1.5 en juillet 2026. Il a été entraîné sur plus de 1 800 langues, dont le suisse allemand et le romanche.
- Modèle de raisonnement (Thinking Mode) : un modèle qui réfléchit aux étapes intermédiaires avant de donner la réponse. Cela demande plus de temps et de puissance de calcul, mais donne des résultats nettement meilleurs pour les tâches comportant plusieurs étapes, comme les calculs ou la planification.
- Réglage fin (Fine-Tuning) : un modèle existant est entraîné davantage à l'aide d'exemples propres à l'entreprise afin qu'il maîtrise mieux un style particulier ou un domaine spécifique. Pour la plupart des entreprises, cela représente un effort plus important que nécessaire ; souvent, une bonne formulation de la requête ou l'utilisation de la méthode RAG suffit.
- Inférence : moment où un modèle dont l'entraînement est terminé calcule une réponse. L'entraînement n'a lieu qu'une seule fois et coûte cher, tandis que l'inférence a lieu à chaque requête. Avec les services cloud, c'est généralement l'inférence qui est facturée.
- Modèle local : un modèle qui s'exécute sur votre propre appareil ou serveur, sans que les données ne quittent votre domicile. Des outils tels qu'Ollama ou LM Studio permettent de le faire même sans connaissances en programmation. Le comparatif des modèles d'IA indique quels modèles fonctionnent sur quel matériel.
- Quantification : procédé qui réduit la taille d'un modèle en stockant ses données avec une précision moindre. Pour illustrer cela : au lieu d'enregistrer chaque nombre avec dix décimales, tu l'arrondis à deux. Le modèle devient plus petit et plus rapide, tout en ne perdant généralement que très peu en qualité.
En résumé : plus un modèle est ouvert, plus tu as de contrôle sur son fonctionnement et ses données. Plus il est volumineux, plus il nécessite de puissance de calcul.
Application : comment l'IA fonctionne au quotidien
Dans la pratique, on rencontre rarement l'IA sous la forme d'un modèle « nu », mais plutôt comme un outil doté d'une interface, de connexions et de règles. Ces termes décrivent comment tout cela s'articule.
- Chatbot et assistant IA : une application qui te permet de dialoguer en langage naturel avec un modèle, tel que ChatGPT, Claude, Copilot ou Le Chat. Le comparatif des chats IA suisses présente les alternatives disponibles en Suisse et indique où sont stockées leurs données.
- Prompt : la consigne que tu donnes à un modèle pour lui indiquer ce qu’il doit faire. Un bon prompt précise le rôle, la tâche, le contexte et le format souhaité. « Résume » donne un résultat, tandis que « Résume le compte-rendu destiné à la direction en cinq points, en commençant par les décisions en suspens » fournit un résultat exploitable.
- Message système : instruction envoyée avant chaque conversation et qui définit le comportement d'un assistant, notamment le ton, les sujets autorisés ou la langue. Les utilisateurs ne le voient généralement pas.
- RAG (Retrieval Augmented Generation) : un procédé dans lequel le modèle effectue d’abord une recherche dans vos propres documents, puis fournit une réponse à partir des passages trouvés. Ainsi, un chatbot peut répondre à des questions concernant votre règlement du personnel sans qu’il soit nécessaire de réentraîner le modèle. L’assistant disponible sur swissai.ch fonctionne selon ce principe.
- Embedding et base de données vectorielle : un embedding traduit un texte en une suite de nombres qui en reflète le sens. Les textes ayant un sens similaire se retrouvent alors proches les uns des autres. Une base de données vectorielle stocke ces suites de nombres et permet ainsi de trouver des passages pertinents pour le RAG.
- Agent IA : un système qui poursuit un objectif de manière autonome en plusieurs étapes : planifier, utiliser des outils, vérifier les résultats intermédiaires, poursuivre. Un agent peut, par exemple, comparer des devis, créer un tableau et préparer un brouillon d'e-mail. Plus il dispose d'autonomie, plus il est important de définir des limites et des contrôles clairs.
- Utilisation d'outils (appel de fonctions) : capacité d'un modèle à appeler des fonctions externes, telles qu'une recherche sur Internet, un agenda ou un CRM. C'est grâce à cela que l'IA peut non seulement rédiger du texte, mais aussi interagir avec des systèmes.
- MCP (Model Context Protocol) : une norme ouverte présentée par Anthropic en novembre 2024 et désormais prise en charge par de nombreux fournisseurs. Elle définit la manière dont les assistants IA se connectent aux outils et aux sources de données. Pour illustrer cela : le MCP est à l'IA ce que l'USB est à l'ordinateur, à savoir un connecteur universel.
- « Human in the Loop » : un être humain vérifie et valide les étapes importantes avant qu'elles ne prennent effet. Lors de décisions délicates, par exemple dans le domaine des ressources humaines ou des paiements, il s'agit là de la mesure de protection la plus importante.
- Deepfake : image, vidéo ou enregistrement audio généré ou modifié par l'IA, qui semble authentique et représente des personnes, des lieux ou des événements réels. Depuis le 2 août 2026, les deepfakes doivent être signalés comme étant générés par l'IA au sein de l'UE ; en Suisse, il n'existe pas encore de réglementation spécifique à ce sujet.
- Filigranes et marquage : marquages techniques permettant d'identifier les contenus générés par l'IA, visibles ou invisibles dans les données. La loi européenne sur l'IA les rend obligatoires pour les systèmes génératifs ; les systèmes existants bénéficient d'une période de transition jusqu'au 2 décembre 2026.
- IA « fantôme » : outils d’IA utilisés par les collaborateurs à l’insu de l’entreprise ou sans son autorisation, souvent via des comptes privés. L’expérience montre que les interdictions ne servent pas à grand-chose. Une politique claire et des outils approuvés, suffisamment performants pour que personne ne cherche à les contourner, s’avèrent plus efficaces.
En résumé : la valeur ajoutée ne provient que rarement du modèle seul, mais plutôt de son association avec vos données, vos outils et vos processus.
Droit et protection des données : ce qui s'applique en Suisse
La Suisse ne dispose pas encore de sa propre loi sur l'IA. Néanmoins, de nombreuses règles s'appliquent déjà, que tu devrais connaître. Tu trouveras une analyse détaillée dans l'article « Loi sur l'IA en Suisse ».
- Loi sur la protection des données (LPD) : la loi fédérale révisée sur la protection des données est en vigueur depuis le 1er septembre 2023 et est formulée de manière neutre sur le plan technologique. Elle s'applique donc également à l'IA dès lors que des données personnelles sont traitées. On utilise encore souvent l'abréviation « nLPD » pour désigner la « nouvelle LPD ».
- PFPDT : Le Préposé fédéral à la protection des données et à la transparence est l'autorité de contrôle chargée de la protection des données auprès des particuliers et de la Confédération. En novembre 2023, il a déclaré que la loi en vigueur sur la protection des données s'appliquait directement à l'IA.
- Données à caractère personnel et données à caractère personnel nécessitant une protection particulière : les données à caractère personnel désignent toutes les informations se rapportant à une personne identifiée ou identifiable. Les données relatives à la santé, aux convictions religieuses ou les données biométriques, par exemple, nécessitent une protection particulière. Elles sont soumises à des règles plus strictes, même lorsque tu les saisis dans un outil d'IA.
- Traitement pour le compte d'autrui : lorsqu'un prestataire traite des données à caractère personnel pour ton compte, par exemple un service d'IA dans le cloud, tu dois disposer d'un contrat régissant la finalité, la sécurité et le recours à des sous-traitants. Dans les versions professionnelles des grands prestataires, ce contrat fait généralement partie des conditions générales, mais il fait souvent défaut dans les versions gratuites.
- Transfert vers l'étranger : les données à caractère personnel ne peuvent être transférées que vers des pays offrant un niveau de protection des données adéquat ou bénéficiant de garanties supplémentaires, telles que des clauses contractuelles types. Aux États-Unis, le Swiss-U.S. Data Privacy Framework s'applique depuis le 15 septembre 2024, mais uniquement aux entreprises certifiées.
- Analyse d'impact relative à la protection des données : une évaluation obligatoire lorsqu'un traitement est susceptible d'entraîner un risque élevé pour les personnes concernées. Elle est souvent nécessaire lors de l'utilisation de l'IA avec des données à caractère personnel, par exemple pour l'évaluation de candidatures.
- Convention du Conseil de l'Europe sur l'IA : premier accord international contraignant portant sur l'IA, les droits de l'homme, la démocratie et l'État de droit. La Suisse l'a signée le 27 mars 2025. Le Conseil fédéral entend la ratifier et, à cette fin, adapter la législation de manière aussi sectorielle que possible.
- Consultation : procédure permettant aux cantons, aux partis politiques, aux associations et aux parties intéressées de donner leur avis sur un projet de loi de la Confédération avant qu’il ne soit soumis au Parlement. Selon le calendrier du Conseil fédéral, la consultation relative à la mise en œuvre de la Convention sur l’IA est prévue pour le premier semestre 2027. Notre article consacré à la consultation sur la réglementation de l’IA fait le point sur l’état d’avancement du dossier.
- Loi européenne sur l'IA (EU AI Act) : la réglementation de l'UE en matière d'IA, en vigueur depuis le 1er août 2024 et dont l'application se fait progressivement. Elle s'applique également aux entreprises suisses lorsque leurs systèmes d'IA sont proposés dans l'UE ou que leurs résultats y sont utilisés. L'article « La loi européenne sur l'IA (EU AI Act) pour les entreprises suisses » explique ce que cela signifie concrètement.
- IA à haut risque : catégorie définie par la loi européenne sur l'IA (EU AI Act) pour l'IA utilisée dans des domaines sensibles tels que la sélection du personnel, l'éducation, l'octroi de crédits ou les infrastructures critiques. Elle est soumise à des obligations strictes en matière de gestion des risques, de documentation et de supervision humaine, conformément à la loi « Digital Omnibus », à compter respectivement de décembre 2027 et d'août 2028.
- « Digital Omnibus » : le règlement (UE) n° 2026/1744, en vigueur depuis le 27 juillet 2026. Il simplifie la loi sur l'IA (AI Act) et, surtout, reporte les délais applicables à l'IA à haut risque.
- Compétences en IA : les connaissances et les aptitudes nécessaires pour utiliser l'IA de manière avisée et responsable, ce que l'on appelle en anglais « AI Literacy ». Conformément à l'article 4 de la loi européenne sur l'IA (EU AI Act), les fournisseurs et les opérateurs doivent prendre des mesures pour promouvoir ces compétences au sein de leur personnel. Tu trouveras des offres adaptées dans l'aperçu des formations continues en IA.
- Communiqué de surveillance de la FINMA n° 08/2024 : « Les attentes de l'Autorité fédérale de surveillance des marchés financiers à l'égard des banques, des compagnies d'assurance et d'autres établissements concernant l'utilisation de l'IA », publié en décembre 2024. Il porte notamment sur la gouvernance, l'inventaire des applications d'IA, la qualité des données, les tests et l'explicabilité.
- Droit d'auteur et IA : en Suisse, la question de savoir si et comment les œuvres protégées peuvent être utilisées pour l'entraînement de l'IA reste en suspens. Le Parlement a adopté la motion Gössi (24.4596) relative à la protection de la propriété intellectuelle face à l'IA ; les modalités de sa mise en œuvre restent toutefois à définir. En vertu du droit en vigueur, seules les créations intellectuelles humaines sont protégées ; les contenus générés exclusivement par l'IA ne sont donc généralement pas considérés comme des œuvres.
En résumé : toute personne qui utilise l'IA avec des données à caractère personnel évolue d'ores et déjà dans un cadre réglementé. À cela s'ajoutent désormais principalement des obligations de transparence et, via l'AI Act, des règles applicables aux applications à haut risque.
Le paysage suisse de l'IA
Certains termes sont typiquement suisses ou font souvent l'objet de confusions ici. Ils permettent de bien situer les annonces et les offres.
- Swiss AI Initiative : initiative conjointe de l'ETH Zurich et de l'EPFL, en collaboration avec d'autres établissements d'enseignement supérieur suisses, qui développe des modèles d'IA ouverts destinés à la science, à l'économie et à la société, dont Apertus. Elle exploite la puissance de calcul du supercalculateur Alps. Pour en savoir plus, consultez les pages Swiss AI Initiative et Apertus.
- swissAI : l'association suisse indépendante pour l'intelligence artificielle, anciennement KImpact. swissAI ne fait pas partie de la Swiss AI Initiative, mais soutient ses objectifs. La page « Organisation » présente les personnes qui la composent.
- CSCS et Alps : le Centre national de calcul scientifique de Suisse, situé à Lugano, exploite le supercalculateur Alps, l'une des installations les plus puissantes d'Europe en matière d'IA. C'est sur Alps qu'Apertus a été entraîné.
- Souveraineté numérique : capacité d'un pays, d'une organisation ou d'une personne à disposer librement de ses propres données, systèmes et dépendances numériques. En matière d'IA, la question est concrètement de savoir si les modèles, la puissance de calcul et les données sont sous contrôle national ou entre les mains d'un petit nombre de groupes étrangers.
- Localisation des données en Suisse : un service traite et stocke les données dans des centres de données situés en Suisse. Il s'agit là d'un critère important, mais cela ne remplace pas la vérification des personnes ayant accès aux données et de la législation à laquelle le prestataire est soumis.
Travail et formation continue
Pour finir, voici les termes les plus fréquemment utilisés dans les entreprises et dans le cadre de la formation continue.
- Politique en matière d'IA : règles internes définissant quels outils d'IA peuvent être utilisés et à quelles fins, quelles données sont interdites d'accès et qui autorise quoi. Elle constitue le fondement de la lutte contre l'IA fantôme et un élément essentiel de la compétence en matière d'IA au sens de l'AI Act.
- Stratégie en matière d'IA : le plan qui définit les domaines dans lesquels l'IA apporte une valeur ajoutée à l'entreprise, l'ordre dans lequel les applications doivent être mises en œuvre et les ressources nécessaires à cet effet. Selon EY, seuls 9 % des personnes interrogées en Suisse considèrent l'IA comme un élément à part entière de leur stratégie. Le pack « Stratégie en matière d'IA » offre une approche structurée pour se lancer.
- Brevet fédéral en IA : un nouveau diplôme fédéral de formation professionnelle supérieure destiné aux spécialistes qui mettent en œuvre l'IA dans les entreprises. Il est soutenu par le secteur et reconnu par la Confédération ; swissAI apporte son soutien à sa mise en place. L'article « Cours et formations en IA en Suisse » donne un aperçu de cette filière et d'autres parcours possibles.
- CAS (Certificate of Advanced Studies) : formation continue en parallèle de l'activité professionnelle dispensée dans un établissement d'enseignement supérieur et valant au moins 10 crédits ECTS, soit environ 300 heures de travail. De nombreuses écoles supérieures et universités proposent des CAS sur l'IA, la science des données ou l'IA appliquée au marketing.
- Formateurs et formatrices certifiés en IA : des experts qui dispensent des formations pratiques sur l'IA générative, conformément aux normes de swissAI. Vous trouverez la liste sous la rubrique « Formateurs et formatrices en IA ».
Foire aux questions
Quelle est la différence entre l'IA et l'IA générative ?
L'IA est le terme générique désignant les systèmes capables de résoudre des tâches avec une intelligence apparemment humaine. L'IA générative en fait partie : elle génère de nouveaux contenus tels que des textes, des images ou du code, tandis que l'IA classique sert principalement à classer et à prédire.
Qu'est-ce qu'un jeton ?
Un token est la plus petite unité à partir de laquelle un modèle linguistique traite le texte ; il s'agit généralement d'une partie de mot. La longueur des entrées, la fenêtre de contexte et les tarifs sont exprimés en tokens.
Que signifie « RAG » ?
RAG signifie « Retrieval Augmented Generation ». Le modèle effectue d'abord une recherche dans les documents archivés, puis formule la réponse en s'appuyant sur les passages trouvés. Ainsi, un chatbot est capable de répondre en s'appuyant sur les connaissances propres à l'entreprise, sans avoir besoin d'être réentraîné.
Existe-t-il une loi sur l'IA en Suisse ?
Pas encore. Toutefois, la loi sur la protection des données, la loi sur la concurrence loyale et le droit d'auteur, ainsi que les règles sectorielles, s'appliquent déjà. Le Conseil fédéral souhaite ratifier la Convention du Conseil de l'Europe sur l'IA ; la consultation relative aux modifications législatives nécessaires est prévue pour le premier semestre 2027.
Quelle est la différence entre swissAI et la Swiss AI Initiative ?
L'initiative Swiss AI est un programme de recherche mené par l'ETH Zurich, l'EPFL et d'autres établissements d'enseignement supérieur, qui développe notamment le modèle linguistique Apertus. swissAI est l'association indépendante dédiée à l'intelligence artificielle, qui met en relation les particuliers et les entreprises dans le domaine de l'IA et leur propose des formations.
Conclusion
Disposer d'un vocabulaire commun est la mesure la plus simple en matière d'IA qu'une entreprise puisse mettre en œuvre. Quiconque sait ce qu'est une fenêtre contextuelle comprend pourquoi le chatbot a oublié le début du contrat. Quiconque fait la distinction entre le RAG et le « fine-tuning » choisit la solution la plus économique. Et quiconque connaît les termes relatifs à la protection des données pose les bonnes questions avant que les données ne soient intégrées dans un outil.
En résumé :
- Les modèles linguistiques prédisent des suites probables ; il en résulte des points forts et des « hallucinations ».
- Les tokens et la fenêtre de contexte déterminent la quantité de données qu'un modèle traite à la fois et le coût associé.
- RAG associe un modèle à ses propres connaissances, sans avoir à le réentraîner.
- Les agents agissent en plusieurs étapes et ont donc besoin de limites claires et d'un contrôle humain.
- En Suisse, l'IA est aujourd'hui principalement régie par la loi sur la protection des données ; une loi spécifique sur l'IA est en cours d'élaboration.
- La loi européenne sur l'IA (EU AI Act) s'applique aux entreprises suisses dès lors que leur IA est utilisée dans l'UE.
Il te manque un terme ? Écris-nous à human@swissai.ch ou propose-le dans le Friday Weekly. Nous enrichissons régulièrement le glossaire.
Mise à jour : 6 octobre 2026.
Sources : Loi sur la protection des données sur Fedlex · PFPDT : IA et protection des données · Règlement de l'UE sur l'IA sur EUR-Lex · Digital Omnibus sur EUR-Lex

