XenoSpectrum Examine les règles de l'AI Act pour les modèles modifiés
La question de savoir si des modifications à faible puissance de calcul qui suppriment les protections de l'IA amènent les modificateurs de modèles à se conformer aux règles des fournisseurs de l'AI Act de l'UE est l'objet d'une analyse de XenoSpectrum publiée le 20 novembre 2026. L'analyse examine comment les critères basés sur la puissance de calcul s'appliquent à la suppression et à la redistribution des protections, sans établir que ces activités tombent en dehors des règles.
Les directives de la Commission européenne rendent le statut de fournisseur dépendant de la question de savoir si une modification change de manière significative les capacités, la généralité ou le risque systémique d'un modèle à usage général. Une puissance de calcul d'entraînement dépassant un tiers de la quantité utilisée pour le modèle d'origine est un indicateur, plutôt qu'un test automatique. Si la quantité d'origine ne peut raisonnablement pas être établie ou estimée, les directives fournissent des valeurs de secours : un tiers de 10^25 FLOP pour les modèles à risque systémique et un tiers de 10^23 FLOP pour les autres modèles.
XenoSpectrum illustre la comparaison avec un modèle de quatre milliards de paramètres. Son estimation place la suppression des protections à environ 6,8×10^17 FLOP, en supposant qu'un RTX 3090 fonctionne pendant 40 minutes à sa performance théorique de pointe en mode éparse de 284 TFLOPS. Cela représente environ un cinquantième d'un benchmark hypothétique de 3,3×10^22 FLOP, calculé comme un tiers de la puissance de calcul d'entraînement d'origine supposée de 10^23 FLOP. L'analyse identifie cela comme un calcul théorique, non mesuré, et laisse non résolu si les opérations qualifient comme puissance de calcul d'entraînement en vertu de la loi.
Les obligations des fournisseurs décrites dans le Règlement (UE) 2024/1689 incluent la documentation des modèles, sous réserve d'une exemption conditionnelle pour les logiciels libres. Selon la FAQ de la Commission, les fournisseurs de modèles à usage général doivent ordinairement conserver une documentation technique et fournir des informations aux fournisseurs de systèmes d'IA en aval. Certaines exigences de documentation sont exemptées pour les modèles open-source qualifiés dont les paramètres sont publics et dont la licence gratuite permet l'accès, l'utilisation, la modification et la distribution sans monétisation. La FAQ indique que les exigences en matière de politique de droits d'auteur et de résumé des données d'entraînement s'appliquent toujours, tandis que les modèles à risque systémique sont exclus de cette exemption.
La redistribution est également couverte par une analyse distincte de 10a Labs décrite par XenoSpectrum. Parmi 11 635 dépôts de modèles non censurés identifiés sur Hugging Face entre janvier 2024 et mars 2026, 8 164, soit environ 70 %, ont été classés comme des copies redistribuées, impliquant souvent une quantification ou une compression comparable. Cette analyse a utilisé GPT-5 pour la classification et a omis les modèles fusionnés et les copies hébergées ailleurs.
Une autre étude discutée par XenoSpectrum a compté 22 096 modèles de langage open-source non censurés utilisant des métadonnées publiques. Sa carte de jeu de données identifie cinq hubs couverts : ModelScope, Kaggle, Hugging Face, John Snow Labs et OpenCSG. Selon l'auteur principal Zilong Lin, comme rapporté par XenoSpectrum, environ 13 % des modèles examinés avaient un avertissement de modération. Ce chiffre concerne la présence d'étiquettes dans la collection, plutôt que de tester le comportement de chaque modèle.
* Cet article est basé sur des informations publiquement disponibles au moment de la rédaction.