Les principaux acteurs du secteur des grands modèles sèment un tournant dans la manière dont leur sécurité est évaluée : Anthropic et OpenAI ont récemment ouvert la porte à des tests menés par des organismes indépendants. Cette évolution marque une volonté de transparence opérationnelle, mais elle intervient dans un contexte où les méthodes d’évaluation restent très hétérogènes.

Plusieurs types d’acteurs se positionnent pour réaliser ces évaluations : laboratoires universitaires, cabinets d’audit spécialisés, ONG et entreprises de cybersécurité. Chacun propose des protocoles et des périmètres d’analyse différents, portant sur des risques qui vont du comportement indésirable des modèles à l’exposition aux données sensibles. Le résultat est un paysage foisonnant d’initiatives parallèles, sans cadre commun qui permette de comparer les résultats ou d’établir des seuils partagés.

Cette fragmentation soulève des questions pratiques et réglementaires. Sans standardisation, les conclusions des évaluations peuvent varier fortement selon la méthodologie adoptée, ce qui complique l’appréciation du niveau réel de risque. Pour les clients institutionnels et les décideurs publics, l’absence de critères uniformes complique la mise en place de politiques d’achat, de certification ou de contrôle. Par ailleurs, la coexistence d’approches privées et publiques alourdit le travail des autorités chargées de la conformité.

Le défi désormais consiste à faire converger ces efforts sans ralentir l’activité de recherche ni verrouiller l’innovation. Des échanges entre développeurs, évaluateurs indépendants et autorités de régulation semblent nécessaires pour définir des référentiels partagés et des bonnes pratiques. En attendant, les tests menés par des tiers apportent néanmoins un niveau supplémentaire de vérification — et exigent une lecture prudente des résultats, en particulier pour les acteurs qui doivent arbitrer entre déploiement et précaution dans le domaine de intelligence artificielle.