How Claude’s text watermark works
It’s using probability patterns.
← Thèmes
🔎
Légal & IA
71 articles
S’abonner (RSS)Black Hat USA 2026
Black Hat explored AI's growing security impact, from vulnerability discovery and prompt injection to why least privilege and security basics still matter.
Anthropic va marquer tous les textes générés par Claude, mais l’idée a « ses limites »
t fichiers générés par Claude.
Paperclip AI Flaws Let Attackers Run Host Commands via Malicious Agent Imports
CVE-2026-41679, a critical vulnerability in Paperclip, allowed attackers to gain administrative privileges and code execution capabilities.
AI Governance vs AI Compliance: What’s the Difference?
Learn what AI governance and AI compliance are, how they differ, how they work together and why your organization needs them both to secure AI.
Très attendu, le Règlement européen sur l'IA entre en application ce 2 août, voici ce qui change ...
Edwin Weijdema of Veeam on EU AI Act transparency, Article 50 enforcement, agentic AI, and phishing tests that use cloned voices.
AI Act : clés et ressources pour se mettre en conformité
Le report partiel de l'AI Act ne reporte pas le principal chantier. La plupart des entreprises ne savent toujours pas quelles IA elles utilisent, ni où elles sont déployées. Avant la conformité, une étape s'impose : cartographier son patrimoine IA.
Intelligence artificielle - CNIL
Sursis pour les systèmes à haut risque
Un pas en avant, deux pas en arrière. La mise en œuvre des mesures inscrites dans l’AI Act européen continue de danser la gigue, avec le report de…
31 juil.
Plus de transparence à venir
À compter de ce dimanche, l’AI Act active les mesures inscrites dans l’article 50 du texte : les obligations de transparence. C’est un gros morceau qui devrait concrétiser le règlement aux yeux des utilisateurs, puisqu’ils devront en principe être avertis lors d’une interaction avec une IA (sauf quand elle est évidente). Comme nous l’avions cela dit déjà souligné dans un précédent article, cette obligation de transparence prévue à l’article 50 ne s’applique pas « lorsque le contenu généré par l’
31 juil.
AI raises the stakes for data in use
AI makes the regulatory relevance of confidential computing even clearer. AI workloads often process highly sensitive inputs: prompts, embeddings, documents, training data, fine-tuning datasets, model weights, and inference outputs. In some cases, the model itself may be valuable intellectual property. In others, the data being processed may be personal, confidential, classified, or commercially sensitive. The EU AI Act requires high-risk AI systems to achieve appropriate levels of accuracy, rob
24 juil.
A consistent code of practice
This code of practice supports compliance with the AI Act transparency obligations related to marking and labelling of AI-generated content.
21 juil.
Pixels de suivi dans les courriers électroniques : vous devez être mieux informés
Qu’est-ce qu’un pixel de suivi ? Le pixel de suivi (parfois appelé « pixel espion » ou pixel de « tracking » en anglais) est une méthode de traçage alternative aux traceurs et témoins de connexion (cookies), habituellement mise en œuvre sous la forme d’une image réduite (1 pixel par 1 pixel), intégrée dans un site web ou un courriel et invisible pour l’utilisateur.
18 juil.
Key benefits for AWS WAF customers
Discover more about what's new at AWS with AWS WAF announces AI activity dashboard for visibility into AI bot and agent traffic
14 juil.
Accelerating governance readiness: Mapping to global regulatory frameworks
k8s-aibom automatise la génération de nomenclatures logicielles standardisées pour les déploiements d'IA sur Kubernetes, facilitant la conformité aux cadres réglementaires majeurs. L'outil fournit une traçabilité empirique continue et un inventaire des actifs techniques, répondant aux exigences de l'EU AI Act, du NIST AI Risk Management Framework et de l'ISO/IEC 42001. Il transforme les processus de conformité manuels en workflows automatisés pour les audits et la documentation réglementaire.
14 juil.
Mar 30 - Apr 3
Join Google Cloud on April 30 at 11 AM SGT for a webinar on AI governance. Learn to scale agents and MCP servers in. Register now.
13 juil.
The regulatory landscape of 2026: FDA QMSR and the EU AI Act
Description of Quality Management System Rregulation requirements
13 juil.
Entrée en vigueur du règlement européen sur l’IA : les premières questions-réponses de la CNIL
Comprehensive up-to-date news coverage, aggregated from sources all over the world by Google News
Trois chercheurs, trois expertises complémentaires
Auditing involves verifying the proper implementation of a given policy. As such, auditing is essential for ensuring compliance with the principles of fairness, equity, and transparency mandated by the European Union's AI Act. Moreover, biases present during the training phase of a learning system can persist in the modeling process and result in discrimination against certain subgroups of individuals when the model is deployed in production. Assessing bias in image datasets is a particularly complex task, as it first requires a feature extraction step, then to consider the extraction's quality in the statistical tests. This paper proposes a robust methodology for auditing image datasets based on so-called "sensitive" features, such as gender, age, and ethnicity. The proposed methodology consists of both a feature extraction phase and a statistical analysis phase. The first phase introduces a novel convolutional neural network (CNN) architecture specifically designed for extracting sensitive features with a limited number of manual annotations. The second phase compares the distributions of sensitive features across subgroups using a novel statistical test that accounts for the imprecision of the feature extraction model. Our pipeline constitutes a comprehensive and fully automated methodology for dataset auditing. We illustrate our approach using two manually annotated datasets.
13 juil.
Véhicules connectés : la CNIL publie sa recommandation sur l’utilisation des données de localisation
Des enjeux importants autour de l’usage des données de localisation des véhicules connectés Les données de localisation des véhicules connectés sont au cœur de nombreux usages : leur exploitation permet de proposer ou d’optimiser des services (gestion d’une flotte commerciale, aide à la navigation, infodivertissement, maintenance, etc.), des gains de sécurité (assistance et dépannage, etc.).
La CNIL cadre l'usage des données de localisation des véhicules connectés
L'usage des données de localisation des véhicules connectés est dans le viseur de la Commission nationale de l'informatique et des libertés. Elle...
Jeux d’argent et de hasard : appliquer le RGPD aux traitements de données des joueurs
Un guide pour articuler RGPD et réglementation des jeux Les opérateurs de jeux d’argent et de hasard (opérateurs titulaires de droits exclusifs, opérateurs de jeux en ligne, casinos et clubs de jeux) traitent quotidiennement un volume important de données personnelles concernant les joueurs : identité, coordonnées, données bancaires et opérations financières, activité de jeux, etc.
Véhicules autonomes : définition d'une stratégie nationale
Comprehensive up-to-date news coverage, aggregated from sources all over the world by Google News
Sommet pour l’action sur l’IA à Paris : suivez la CNIL lors de nombreux évènements
Comprehensive up-to-date news coverage, aggregated from sources all over the world by Google News