Que s'est-il passé
Digital Journal a rapporté le 24 août 2026 que le Cybernews AI Trustworthiness Ranking 2026 avait évalué 500 entreprises d'IA dans 36 pays et avait découvert des lacunes généralisées dans les informations sur l'utilisation et la conservation des données. Selon Digital Journal, 63 % des entreprises n’ont pas clairement indiqué si les informations des utilisateurs étaient utilisées pour former des modèles d’IA, et 65 % n’ont pas clairement indiqué combien de temps les données des utilisateurs étaient conservées. Le classement sous-jacent et les réponses des entreprises n’étaient pas fournis dans le texte source, ces résultats ne sont donc pas confirmés ici de manière indépendante.
Digital Journal a rapporté que Cybernews a évalué 500 entreprises d'IA opérant dans 36 pays pour son classement de fiabilité de l'IA 2026. L'article indique que le classement a examiné quatre grands domaines : la confidentialité des données, la sécurité, la transparence organisationnelle et la perception du public. Les entreprises ont été évaluées à l'aide d'informations accessibles au public, et l'analyse de la confidentialité des données a examiné les politiques de confidentialité pour obtenir des explications sur la collecte, le partage, l'utilisation et la conservation. La source a décrit l’évaluation comme l’un des plus grands examens des pratiques de confidentialité de l’IA, mais elle n’a pas fourni le classement sous-jacent, la liste complète des entreprises ou la méthodologie de notation détaillée.
Digital Journal a déclaré que la plus grande lacune signalée concernait la question de savoir si les entreprises utilisaient les informations des utilisateurs pour former des modèles d'IA. Elle attribue à Cybernews le constat que 63% des entreprises ne divulguent pas clairement cette pratique. Au sein de ce groupe, l'article indique que 42 % ne font aucune référence à la formation sur les données des utilisateurs dans leurs politiques de confidentialité, tandis que 21 % proposent des explications vagues ou incomplètes. L’article prévenait explicitement que cela n’établissait pas que ces entreprises utilisaient les données des clients à des fins de formation ; il établit, selon le rapport, que les utilisateurs ne peuvent pas facilement déterminer si une telle utilisation a lieu.
Une deuxième lacune signalée concernait la rétention. Digital Journal a déclaré que Cybernews a constaté que 65 % des entreprises n'indiquaient pas clairement combien de temps les données des utilisateurs étaient conservées. L'article divise ce groupe entre les entreprises qui ne mentionnent pas du tout les politiques de conservation ou de suppression, soit 9 %, et les entreprises qui utilisent un langage large sans périodes de conservation spécifiques, soit 56 %. La source a cité des expressions telles que « aussi longtemps que nécessaire » et « à des fins commerciales légitimes » comme exemples de termes qui peuvent ne pas indiquer aux utilisateurs quand les informations seront supprimées.
L’article indiquait également que les grandes entreprises d’IA avaient généralement des politiques de confidentialité plus claires que les petites entreprises. Digital Journal a présenté des explications possibles, notamment un contrôle réglementaire plus strict, l'attention du public et la présence d'équipes d'approvisionnement dans les entreprises. Il ne dit pas que les petites entreprises sont nécessairement moins sûres. Par ailleurs, l’article indique que le classement plus large de Cybernews identifie la sécurité comme la catégorie la plus faible, avec un score moyen de 32 sur 100. Le texte source n’explique pas comment ce score a été calculé ni comment il est lié aux résultats en matière de confidentialité.
Détails de la source: digitaljournal.com ↗
Pourquoi c'est important
Les lacunes signalées affectent la capacité des personnes et des organisations à prendre des décisions éclairées concernant la soumission de conversations, de documents, d'informations sur la santé, de dossiers financiers ou de données commerciales exclusives aux services d'IA. Des informations claires sur l'utilisation et la conservation des formations sont particulièrement importantes à mesure que les outils d'IA sont intégrés aux e-mails, aux calendriers, aux bases de données clients et aux flux de travail financiers. Les résultats suggèrent également que la clarté des politiques de confidentialité reste inégale dans le secteur de l’IA, même si une divulgation floue ne prouve pas en soi qu’une entreprise utilise à mauvais escient les données de ses clients.
La question pratique n’est pas seulement de savoir si une entreprise d’IA dispose d’une politique de confidentialité, mais aussi de savoir si cette politique permet à un utilisateur de comprendre le cycle de vie des informations soumises au service. Le compte rendu de Digital Journal se concentre sur deux décisions difficiles à prendre sans divulgation spécifique : si les informations peuvent contribuer à la formation du modèle et combien de temps le fournisseur peut les conserver. Ces questions sont importantes pour les utilisateurs ordinaires, les employeurs, les écoles, les organismes de santé et les entreprises traitant des documents confidentiels. Les résultats rapportés sont particulièrement pertinents car l'article décrit les systèmes d'IA comme étant utilisés pour les rapports commerciaux, les documents sensibles, la planification, le code et les discussions personnelles. Si les utilisateurs ne peuvent pas déterminer si ces informations sont conservées ou utilisées pour améliorer le modèle, ils peuvent avoir du mal à évaluer les risques de confidentialité et de conformité avant leur adoption.
La source ne quantifie aucune violation, utilisation abusive, perte financière ou violation de la réglementation qui en résulterait. Il s’agit donc ici d’un problème de transparence et de gouvernance plutôt que de la preuve d’un incident préjudiciable spécifique. Les informations de conservation peuvent affecter les contrôles qu’une organisation exerce autour d’un service d’IA. Une période de suppression précise, une explication claire des sauvegardes et une distinction entre les journaux de service et les données de formation peuvent modifier considérablement l'évaluation des risques. En revanche, les déclarations générales concernant la conservation des données aussi longtemps que nécessaire peuvent empêcher les utilisateurs de déterminer quand les informations disparaîtront ou si les demandes de suppression couvrent chaque copie. Digital Journal a relié cette préoccupation aux principes de minimisation des données associés au RGPD de l’Union européenne, mais l’article n’a analysé la conformité juridique d’aucune entreprise spécifique.
La différence signalée entre les grandes et les petites entreprises a également des implications pratiques pour les achats. Une politique plus claire peut faciliter l’évaluation d’un fournisseur, mais la clarté n’est pas la même chose qu’une mise en œuvre sécurisée ou un traitement responsable des données. À l’inverse, une politique floue ne prouve pas qu’un petit fournisseur n’est pas sûr. La source ne fournit aucun audit indépendant, test technique, mesure coercitive ou comparaison entreprise par entreprise qui permettrait aux lecteurs de tirer des conclusions plus solides sur les performances réelles en matière de sécurité ou de confidentialité.
Mécanisme interactif : comment cela fonctionne réellement
Explorez de manière interactive la technologie sous-jacente à ce développement.
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
Que regarder ensuite
La prochaine étape clé est la vérification de la méthodologie du classement Cybernews, de l’échantillon d’entreprises, des règles de notation, des dates d’examen et des preuves sous-jacentes. Les utilisateurs et les acheteurs professionnels doivent rechercher des réponses spécifiques quant à savoir si les invites et les téléchargements sont utilisés pour la formation, combien de temps les informations sont stockées, ce que signifie la suppression, qui reçoit les données et si les paramètres diffèrent selon le produit ou le type de compte. Des rapports supplémentaires devraient également permettre de déterminer si les entreprises révisent leurs politiques, si les régulateurs réagissent et si les petits fournisseurs améliorent leurs informations.
La première priorité de vérification est le rapport Cybernews lui-même. Les lecteurs devraient être en mesure d'inspecter l'échantillon de 500 entreprises, les pays et les types de produits représentés, les dates auxquelles les politiques ont été révisées, les critères utilisés pour classer les informations comme claires ou peu claires, ainsi que la pondération des quatre catégories de classement. Sans ces détails, les pourcentages constituent un signal d’alarme utile mais des preuves limitées sur l’industrie de l’IA dans son ensemble.
Il convient de faire pression sur les entreprises pour obtenir des réponses concrètes et spécifiques à leurs produits. Les questions importantes incluent si les invites, les fichiers téléchargés, les conversations et les résultats générés sont utilisés pour la formation ; si les utilisateurs peuvent se désinscrire ; combien de temps les journaux opérationnels et les sauvegardes sont conservés ; ce que couvre la suppression ; si les examinateurs humains ou les sous-traitants peuvent accéder aux données ; et si les termes de l'entreprise et du consommateur diffèrent. La source ne rend pas compte des réponses des entreprises évaluées, de sorte que toute affirmation selon laquelle un fournisseur particulier utilise ou n'utilise pas les données des clients à des fins de formation nécessiterait une confirmation distincte.
La couverture future devrait examiner si les fournisseurs modifient leurs politiques après le classement, si les régulateurs ou les autorités chargées de la protection de la vie privée enquêtent sur les lacunes signalées et si les normes d'approvisionnement commencent à exiger des périodes de conservation définies et des divulgations explicites d'utilisation en matière de formation. L’article souligne l’intégration croissante de l’IA avec les calendriers, les e-mails, les bases de données clients et les flux de travail financiers, mais il ne documente aucun nouveau déploiement ou mesure réglementaire. Ces évolutions devraient donc être traitées comme des questions à surveiller plutôt que comme des conséquences établies du classement.
Les résultats sous-jacents doivent également être testés par rapport aux preuves techniques et juridiques. Le langage politique peut ne pas décrire complètement les flux de données, tandis qu'une politique claire peut néanmoins permettre des pratiques que les utilisateurs trouvent inattendues. Des audits indépendants, des conditions contractuelles, des tests de suppression, des évaluations de sécurité et des changements documentés au fil du temps aideraient à distinguer une mauvaise communication d'une manipulation nuisible. Sur la seule base de la source, les inconnues significatives incluent si les pourcentages déclarés restent à jour, si l'échantillon représente l'ensemble du marché et combien d'entreprises utilisent réellement les données clients pour la formation malgré des informations peu claires.