EU AI Act — Transparence des données d'entraînement de l'IA
L'article 53(1)(d) de l'EU AI Act (Rég. (UE) 2024/1689) impose aux fournisseurs de modèles d'IA à usage général (GPAI) de publier un résumé public du contenu utilisé pour entraîner le modèle, sur le modèle standardisé de l'AI Office (en vigueur le 2 août 2025). Chaque résumé indique, par modalité (Texte / Image / Audio / Vidéo), une taille des données d'entraînement par tranches, la date limite d'acquisition des données et des indicateurs oui/non par catégorie de source de données. Il n'existe pas de registre unique des résumés remplis — chaque fournisseur les publie lui-même dans son propre format — il s'agit donc d'un jeu de données inter-fournisseurs et comparable constitué à partir des résumés archivés : une ligne par champ divulgué, identifiée par fournisseur × modèle × section × champ. Les tranches de taille grossières sont associées à un size_rank numérique (1 / 2 / 3, 0 = “non applicable”) afin que les tailles soient comparables entre fournisseurs — il s'agit d'un rang ordinal, comparez-le donc avec MIN/MAX/AVG, jamais SUM. La couverture est un ensemble initial et extensible (Google + Meta + Microsoft).
Taille des données d'entraînement divulguée
Vues interactives des tranches de taille divulguées. Chaque graphique dispose d'une alternative textuelle pour les lecteurs d'écran. Rang de taille : 1 = tranche la plus petite (“moins de …”), 2 = plage intermédiaire, 3 = la plus grande (“plus de …”) ; 0 = la modalité ne fait pas partie des données d'entraînement.
Taille des données d'entraînement de texte, par modèle
La taille par tranches des données d'entraînement de texte de chaque modèle, sous forme de rang comparable (1–3). Gemini 3 Pro de Google et Muse Spark de Meta divulguent la tranche la plus grande (“plus de 10 000 milliards de tokens”) ; les modèles Phi-4 de Microsoft divulguent la tranche intermédiaire.
Rang de taille divulgué, par modalité
Le rang de taille comparable que chaque modèle divulgue pour chaque modalité. Un rang de 0 signifie que le modèle ne s'entraîne pas sur cette modalité (p. ex. le Phi-4 uniquement textuel).
Tranches de taille des données d'entraînement divulguées
La tranche de taille exacte que chaque résumé divulgue par modalité, telle que déposée. Les tranches sont grossières par conception (le modèle propose un ensemble fixe) — “Non applicable” signifie que la modalité ne fait pas partie des données d'entraînement.
Date limite des données et catégories de sources de données
La date limite d'acquisition des données et les indicateurs oui/non des sources de données que divulgue chaque résumé. Les cellules vides (—) sont des champs que le résumé ne rapporte pas.
Refine or extend these in the query builder (compare size_rank with MIN/MAX/AVG, never SUM), browse the full field list on the Schema page, or read the Methodology.