Contexte et objectifs

Le texte expose une politique interne qui exclut toute utilisation d’intelligence artificielle générative dans la production de code, de design ou de correspondance professionnelle. L’auteur précise que la politique, rédigée en 2025 et mise à jour en 2026, constitue un engagement à éviter les interactions avec les modèles de langage lorsqu’il est possible de le faire. Cette position repose sur quatre axes de préoccupation : morale, droits d’auteur, confidentialité et qualité.

Risques techniques identifiés

Le document cite plusieurs vecteurs de menace technique. Les crawlers IA utilisent des proxys résidentiels et des agents utilisateurs falsifiés, contournant le fichier robots.txt et provoquant des attaques DDoS qui obligent les opérateurs à déployer des CAPTCHAs intrusifs. Aucun chiffre n’est fourni, ce qui limite l’évaluation de l’ampleur du problème.

En matière de sécurité du code, il est indiqué que les sorties d’IA génèrent régulièrement des CVE à scores élevés. L’absence de statistiques empêche de quantifier le taux d’incidence, mais la mention de « high to critical » suggère un risque non négligeable pour les projets soumis à des exigences de conformité.

Les centres de données dédiés à l’entraînement des modèles consomment d’importantes quantités d’eau et d’électricité, entraînant des nuisances sonores et des pollutions locales. Le texte ne précise pas la consommation exacte, ce qui rend difficile la comparaison avec d’autres charges d’infrastructure.

Implications légales et de conformité

Sur le plan juridique, l’auteur souligne que les jeux de données d’entraînement sont souvent constitués sans respect des licences d’auteur. Des litiges publics impliquant Facebook, Disney, Universal, le New York Times, OpenAI et Microsoft illustrent la tension entre fair use et accords de licence. L’absence de transparence sur les sources d’entraînement empêche d’évaluer la conformité légale des modèles utilisés.

Concernant la protection des données, le texte indique que de nombreuses applications IA enregistrent les entrées utilisateur sans mécanisme d’opt‑out ou de suppression, violant potentiellement les exigences du RGPD et du Data Protection Act. Le phénomène de prompt injection est présenté comme une menace non maîtrisée, sans description de contre‑mesures existantes.

Limites de la politique et perspectives

La politique repose sur une autodiscipline qui, selon l’auteur, devient difficile à maintenir dans un environnement où l’IA est omniprésente. Le texte ne propose pas de cadre de suivi ou d’audit pour vérifier le respect de l’interdiction, ce qui constitue une lacune opérationnelle. De plus, l’auteur accepte d’intégrer les sorties d’IA produites par des tiers, à condition de ne pas être tenu responsable, créant ainsi une zone grise de responsabilité contractuelle.

En résumé, la politique offre une vision claire des risques perçus mais manque de données chiffrées et de mécanismes de contrôle technique. Sans ces éléments, l’évaluation de l’impact réel sur la sécurité, la conformité et la durabilité reste partielle.