Un tribunal a jugé que votre chatbot est un « produit ». Ce seul mot a réécrit la responsabilité du fait des produits liés à l'IA.
En janvier 2026, un tribunal fédéral de Floride a écrit un seul mot que la plupart des équipes juridiques d'entreprise, je crois, tarifent encore comme si cela n'était jamais arrivé. Ce mot était produit.
L'affaire était Garcia v. Character.AI. Un adolescent de quatorze ans s'était suicidé après des mois de conversations avec un chatbot, et les familles ont saisi la justice. Character.AI et Google se sont tournés vers les deux boucliers qui protègent les entreprises d'Internet depuis une génération — l'immunité de la Section 230 et le Premier Amendement — et ont soutenu que les propos du chatbot relevaient de la parole, ou au mieux d'un contenu tiers qu'ils se contentaient d'héberger. Le tribunal n'a pas été convaincu. Il a jugé que le chatbot était « un produit aux fins des demandes du plaignant découlant de défauts de l'application Character.AI plutôt que des idées ou expressions au sein de l'application ». Les entreprises ont conclu des accords à l'amiable avec des familles en Floride, au Colorado, au Texas et à New York. La qualification de produit est restée inscrite au dossier.
J'ai lu la décision la semaine de sa publication, et je serai honnête sur ma première réaction : je pensais qu'il s'agissait d'un cas limite. Un chatbot grand public, un ensemble de faits tragique mais inhabituel, un tribunal qui recourt à une analogie. Cet instinct était erroné, et il m'a fallu deux mois et une conversation gênante avec un directeur juridique pour comprendre à quel point je me trompais. Voici l'histoire de ce qui a changé, de ce que mon équipe a d'abord mal construit, et de la raison pour laquelle je crois désormais que la responsabilité du fait des produits liés à l'IA est le risque le plus sous-évalué de la plupart des bilans d'entreprise.
La parole n'a pas de défauts. Les produits, si.
Voici pourquoi ce seul mot compte tant. Si la sortie de votre IA est de la parole, les questions juridiques portent sur l'expression, l'intention et l'immunité — et la Section 230 a passé vingt-cinq ans à faire disparaître ces questions pour les plateformes. Si la sortie de votre IA est un produit, vous êtes entré dans un tout autre corpus de droit. Les produits n'ont pas d'opinions. Ils ont des défauts. Et le fabricant d'un produit défectueux est responsable du préjudice qu'il cause, que le fabricant ait fait preuve ou non de négligence.
Cette dernière proposition est l'enjeu tout entier. Sous une norme de négligence — le monde dans lequel les équipes juridiques évoluaient jusqu'à cette année — un plaignant doit prouver que vous n'avez pas exercé une diligence raisonnable. Sous la responsabilité stricte du fait des produits, il n'a pas à le faire. Il prouve que le produit était défectueux et que le défaut a causé un préjudice. Votre diligence, vos bonnes intentions, votre « nous avons suivi les meilleures pratiques » — rien de tout cela n'est un moyen de défense. Vous avez fabriqué la chose. La chose était défectueuse. Vous payez.
La négligence demande si vous avez été prudent. La responsabilité stricte demande si votre produit était défectueux. La plupart des IA d'entreprise ont été conçues pour répondre à la première question, et les tribunaux posent désormais la seconde.
Deux autres affaires du même trimestre ont rendu le schéma impossible à écarter comme un cas isolé. Dans Nippon Life v. OpenAI, déposée devant le district Nord de l'Illinois en mars 2026, un assureur a poursuivi pour 10,3 millions de dollars après que ChatGPT aurait rédigé quarante-quatre documents judiciaires pour une justiciable se représentant elle-même — assortis de citations d'affaires fabriquées de toutes pièces — et l'aurait encouragée à congédier son avocat et à engager de nouvelles poursuites. L'assureur a dépensé environ 300 000 dollars pour se défendre contre des documents rédigés par une machine. Remarquez qui a subi le préjudice ici : non pas l'utilisateur de l'IA, mais un tiers en aval de sa sortie. Et dans Bouck v. Meta, également en mars 2026, un tribunal californien a refusé l'immunité de la Section 230 pour des publicités générées par IA, jugeant qu'une fois que le système de Meta avait créé le contenu publicitaire et que Meta avait acquis une connaissance effective de son caractère frauduleux, la plateforme ne pouvait plus prétendre qu'elle se contentait d'héberger les propos d'autrui.
En février 2026, on comptait plus de 2 200 affaires actives alléguant que l'IA et les algorithmes de maximisation de l'engagement causent un préjudice réel. Ce n'est pas une frontière. C'est un rôle d'audience.
Le trimestre où les législateurs ont rattrapé leur retard
Les tribunaux avancent affaire par affaire. Les législateurs avancent en masse, et en 2025 et 2026 ils ont avancé plus vite que la plupart des concepteurs d'IA ne l'ont remarqué.
Celle vers laquelle j'orienterais en premier tout directeur juridique d'entreprise est l'AI LEAD Act, le projet de loi bipartite Durbin–Hawley présenté en septembre 2025. Il créerait une action en responsabilité du fait des produits fédérale spécifiquement pour les systèmes d'IA, avec responsabilité stricte — le texte s'applique aux développeurs même lorsqu'ils ont exercé « tout le soin possible ». Il couvre les théories du défaut de conception et du manquement à l'obligation d'avertir, comporte un délai de prescription de quatre ans et — c'est la partie qui devrait mettre fin définitivement à une certaine conversation dans les conseils d'administration — il interdit de renoncer à cette responsabilité par le biais des conditions d'utilisation. La clause « en cliquant sur Accepter, vous convenez que ceci est fourni en l'état » qu'adorent vos fournisseurs ? Le projet de loi est rédigé pour la rendre inapplicable pour cette catégorie de préjudice.
La Californie n'a pas attendu Washington. L'AB 316, en vigueur depuis janvier 2026, exclut ce que j'ai commencé à appeler la défense de l'orphelin — l'argument selon lequel « l'IA l'a fait toute seule, donc nous ne sommes pas responsables ». Vous ne pouvez plus invoquer l'autonomie de votre propre système comme raison de vous dégager. Et de l'autre côté de l'Atlantique, la directive européenne 2024/2853 sur la responsabilité du fait des produits classe explicitement les logiciels, y compris les systèmes d'IA et les grands modèles de langage, comme des produits soumis à la responsabilité stricte. Les États membres doivent la transposer d'ici le 9 décembre 2026. Les exigences applicables aux systèmes à haut risque du règlement européen sur l'IA deviennent pleinement applicables le 2 août 2026, avec des amendes atteignant 15 millions d'euros ou 3 % du chiffre d'affaires mondial.
Je ne récite délibérément pas toute la carte — le SB 205 du Colorado avec ses sanctions de 20 000 dollars par infraction et sa date d'application de juin 2026, le RAISE Act proposé à New York avec des sanctions allant jusqu'à 30 millions de dollars pour les récidivistes. L'important n'est pas le catalogue. L'important est la direction, et la direction est unanime : à travers des juridictions qui par ailleurs ne s'accordent sur rien, la norme applicable au préjudice causé par l'IA converge vers la responsabilité stricte, et les échappatoires contractuelles sont soudées et fermées.
Votre assurance a discrètement lu les mêmes décisions
Les avocats débattent. Les souscripteurs tarifent. Et le secteur de l'assurance a tarifé cela plus vite et plus impitoyablement que presque toutes les équipes juridiques avec lesquelles j'ai discuté ne s'y attendaient.
Depuis janvier 2026, le libellé standard pour exclure entièrement les réclamations liées à l'IA existe désormais, pré-rédigé et prêt à être agrafé à votre renouvellement. L'Insurance Services Office — l'organisme sur les formulaires duquel repose la plupart des polices commerciales aux États-Unis — a publié l'avenant CG 40 47, qui exclut les dommages corporels, matériels et le préjudice personnel et publicitaire liés à l'IA générative d'une police standard d'assurance responsabilité civile commerciale générale. Il existe une variante plus légère, le CG 40 48, qui exclut uniquement la garantie du préjudice publicitaire. Et des assureurs comme W.R. Berkley sont allés plus loin avec des exclusions « absolues » de l'IA inscrites dans les polices de responsabilité des dirigeants, d'erreurs et omissions et de responsabilité fiduciaire — un libellé qui annule la garantie pour toute réclamation « fondée sur, découlant de, ou attribuable à » l'utilisation, le déploiement ou le développement de l'IA.
J'ai désormais assisté à assez de conversations de renouvellement pour vous dire ce qu'est devenue la question du souscripteur. Autrefois c'était : utilisez-vous l'IA ? C'est désormais : montrez-nous les preuves de gouvernance documentées pour chaque système d'IA que vous déployez. Montrez-nous les résultats des tests adversariaux de l'équipe rouge. Montrez-nous la lignée du modèle. Montrez-nous que les contrôles de supervision humaine fonctionnent réellement, et ne sont pas simplement écrits dans un PDF de politique que quelqu'un a mis à jour le trimestre dernier.
Le souscripteur a cessé de demander si vous utilisez l'IA. Désormais il vous demande de prouver que votre système est défendable — et un document de politique n'est pas une preuve.
Il y a un piège à l'intérieur du piège. Lorsque les exclusions de responsabilité civile commerciale générale poussent l'exposition à l'IA hors de la responsabilité générale, ce risque ne s'évapore pas — il migre vers les polices cyber et de responsabilité technologique erreurs et omissions qui n'ont jamais été conçues pour absorber des réclamations de responsabilité du fait des produits. Ainsi une entreprise peut lire sa pile de polices, voir « IA couverte » quelque part, et se tromper de manière catastrophique sur quelle police et ce qu'elle paie réellement. Les entreprises qui sont entrées en 2026 avec une vraie documentation ont constaté que la preuve était devenue la monnaie de l'assurabilité. Les entreprises sans elle découvrent que leur assureur a déjà rédigé l'avenant d'exclusion.
La version que nous avons construite en premier — et pourquoi elle a échoué
C'est la partie où je me suis trompé, et je préfère vous le dire plutôt que de vous laisser supposer que nous sommes arrivés proprement à la réponse.
Lorsque mon équipe a commencé à travailler avec des responsables juridiques et techniques sur ce sujet, notre instinct était le plus évident : le problème est la documentation, donc construisons une couche de gouvernance. Inventorier les modèles, noter les risques, générer des rapports prêts pour l'audit, produire les tableaux de bord qu'un auditeur veut voir. C'est un instinct raisonnable — c'est exactement ce que font les plateformes de gouvernance matures, et elles le font bien. Credo AI, qui a levé plus de 45 millions de dollars et a été inscrite sur la liste des plus innovantes de Fast Company en 2026, propose des packs de politiques préconçus alignés sur le règlement européen sur l'IA, le cadre de gestion des risques de l'IA du NIST et l'ISO 42001. watsonx.governance d'IBM assure la gouvernance du cycle de vie sur l'ensemble de la pile d'entreprise. Holistic AI est solide en matière d'audit des biais algorithmiques ; OneTrust apporte un héritage de conformité à la protection de la vie privée. En somme, nous construisions une version plus mince de cela.
Puis un directeur juridique que je respecte a examiné ce que nous avions produit et a posé une question à laquelle je ne pouvais pas répondre. Elle a dit, en gros : si ce système est poursuivi pour une sortie défectueuse, je vais invoquer la défense de la conception alternative raisonnable — je vais soutenir qu'il n'existait aucune conception plus sûre que le fabricant aurait dû utiliser. Où, dans tout cela, est le dossier montrant quels choix architecturaux ont été faits avant le déploiement, et pourquoi ?
Je suis retourné aux tableaux de bord. Ils pouvaient lui dire, dans un magnifique détail, ce que le système faisait maintenant. Ils ne pouvaient pas lui dire pourquoi il avait été construit de cette façon, quelles alternatives l'équipe avait envisagées et rejetées, ni ce que les ingénieurs savaient des modes de défaillance au moment où ils l'ont livré. La couche de gouvernance surveillait le présent. La défense dont elle avait besoin vivait dans le passé — dans des décisions que personne n'avait consignées comme preuves parce que, à l'époque, personne ne savait qu'il produisait des preuves.
C'est l'échec qui a payé pour tout ce que nous avons fait ensuite. Les plateformes de gouvernance surveillent et rendent compte. Elles ne conçoivent pas l'architecture. On ne peut pas boulonner une défense sur un système qui n'a jamais été conçu pour être défendu, de la même façon qu'on ne peut pas photographier un crash-test qui n'a jamais été réalisé.
Que signifie réellement « défendable dès la conception » ?
Nous avons donc abandonné l'approche « tableau de bord d'abord » et l'avons inversée. La question a cessé d'être comment documentons-nous ce système ? et est devenue comment concevons-nous un système dont l'histoire est la documentation ? Cette inversion est ce autour de quoi la pratique de défense de la responsabilité du fait des produits liés à l'IA de Veriprajna est construite — une architecture défendable et des preuves prêtes pour le contentieux, et non une nouvelle couche de surveillance boulonnée sur un système après coup.
En pratique, cela signifiait traiter le dossier de décision architecturale comme un artefact de premier plan — horodaté avant le déploiement, consignant ce que l'équipe a essayé, ce qu'elle a rejeté et le raisonnement, afin que la défense de la conception alternative raisonnable dispose d'un matériau source antérieur à la poursuite plutôt que reconstitué par ingénierie inverse après le dépôt d'une plainte. Cela signifiait construire des pistes d'audit qui survivent à la communication de pièces du contentieux : non pas des journaux d'application qui sont écrasés tous les trente jours, mais une chaîne préservée de requêtes, de sorties, de versions de modèles et d'actions de révision humaine, car une note de conservation en vue d'un litige pour un système d'IA doit nommer tout cela comme des éléments qu'on vous demandera de produire. La plupart des équipes juridiques d'entreprise n'ont pas mis à jour leurs modèles de conservation pour en énumérer un seul — ce qui signifie que l'obligation de conservation s'attache déjà à des données que l'entreprise détruit discrètement lors d'une rotation continue des journaux, bien avant qu'une plainte n'atterrisse jamais. Et cela signifiait concevoir les contrôles de supervision humaine comme des parties porteuses du système qui filtrent véritablement les sorties — car un souscripteur, et à terme l'expert d'un plaignant, testera si votre « humain dans la boucle » a réellement l'autorité et l'interface pour arrêter une mauvaise sortie, ou n'est qu'une case à cocher sur un organigramme.
Il y a ici une subtilité qui sépare les entreprises qui traverseront cette épreuve de celles qui ne le feront pas. Le secret professionnel ne vous sauve pas. En février 2026, le juge Rakoff a statué que les documents d'IA grand public d'une entreprise n'étaient pas protégés par le secret professionnel de l'avocat lorsque les employés avaient utilisé l'outil sans la direction d'un conseil. Vous ne pouvez pas rétroactivement envelopper vos décisions d'IA dans une couverture de secret professionnel. Les preuves seront communicables, ce qui est précisément la raison pour laquelle elles doivent être de bonnes preuves, créées délibérément, dès le départ.
On ne peut pas boulonner une défense sur un système qui n'a jamais été conçu pour être défendu. L'architecture est l'alibi — et l'alibi doit exister avant l'incident, pas après.
C'est aussi là que la vague de l'IA agentique rend tout plus difficile. Lorsqu'un système agit de manière autonome — en entreprenant des actions sans qu'un humain appuie sur le bouton à chaque fois — les anciennes clauses contractuelles de non-responsabilité se tendent jusqu'à la rupture. L'IMDA de Singapour a publié un projet de cadre de gouvernance de l'IA agentique en janvier 2026, et des cabinets comme Clifford Chance ont signalé le « fossé de responsabilité » dans les contrats standards qui supposent tacitement qu'un humain est toujours l'acteur. L'AB 316 de la Californie dit déjà que vous ne pouvez pas blâmer l'agent. Ainsi, l'autonomie que vous avez conçue pour l'efficacité constitue, juridiquement, une surface d'exposition supplémentaire dont vous êtes désormais propriétaire. Cela doit être conçu, et non écarté par une clause de non-responsabilité.
Pourquoi les fournisseurs évidents ne peuvent-ils pas combler ce fossé ?
On me pose une question légitime : si les plateformes de gouvernance, les cabinets d'avocats et les grands intégrateurs de systèmes existent tous, pourquoi reste-t-il quelque chose à construire ?
Parce que chacun d'eux fait une partie du travail et aucun d'eux ne fait cette partie. Les plateformes de gouvernance — Credo AI, IBM, Holistic AI, OneTrust — gouvernent des systèmes qui existent déjà ; elles ne restructurent pas un wrapper en une architecture défendable, et elles ne génèrent pas les preuves de décisions de conception sur lesquelles s'appuie une requête en rejet. Les cabinets d'avocats vous donnent la théorie juridique — ils vous diront exactement ce qu'exige la défense de la conception alternative raisonnable — mais ils n'écrivent pas le code ni ne font les choix architecturaux qui créent les preuves. Et les grands intégrateurs mettent en œuvre les plateformes avec lesquelles ils sont partenaires, ce qui les rend structurellement biaisés vers Salesforce ou Microsoft Copilot plutôt que vers le système sur mesure, défendable et neutre vis-à-vis des fournisseurs qu'exige votre exposition spécifique.
Le fossé, c'est la couture entre ce que conseille un avocat extérieur et ce qu'une équipe d'ingénierie peut réellement mettre en œuvre. J'ai vu cette couture céder en temps réel — un fil Slack où l'avocat continue d'écrire « nous avons besoin d'une architecture défendable » et l'ingénieur continue de répondre « dites-moi quel fichier modifier ». Il faut quelqu'un dans ce fossé qui puisse lire la décision de justice et le dépôt de code. C'est le travail que fait mon équipe — en construisant autour de l'architecture et des preuves plutôt que des tableaux de bord et des rapports, afin que l'avocat et l'ingénieur pointent enfin vers le même artefact.
La question qui mérite qu'on s'y attarde
Je vous laisserai avec la chose sur laquelle je reviens sans cesse. Le coût moyen d'une violation de données en 2025–2026 s'élevait à environ 4,44 millions de dollars, et le secteur a construit toute une discipline — budgets, produits d'assurance, rapports au conseil d'administration — autour de ce chiffre. La responsabilité du fait des produits liés à l'IA est une exposition de responsabilité stricte sans plafond, dont les échappatoires contractuelles sont fermées par la loi, et que les assureurs excluent activement des polices qui la couvraient autrefois. Et la plupart des entreprises la gèrent avec un classeur de polices et une clause « en l'état » d'un fournisseur.
Un classeur de polices, c'est ce que vous tendez au régulateur. Ce n'est pas ce qui survit à une déposition. Imaginez le moment qui s'annonce désormais pour beaucoup d'entreprises : l'expert d'un plaignant est assis face à vos ingénieurs et demande quelle conception plus sûre vous avez envisagée avant de livrer. La réponse est soit un dossier horodaté, soit un silence — et sous la responsabilité stricte, le silence est le défaut. Lorsque les propos de votre IA sont devenus un produit, votre architecture est devenue votre défense, et une défense que vous n'avez pas conçue avant l'incident est une défense que vous n'avez pas. Si vous ne pouvez pas ouvrir ce dossier aujourd'hui, vous n'avez pas un problème de documentation. Vous avez un produit indéfendu sur le marché. Cela vaut la peine d'être réglé avant le 9 décembre, pas après l'arrivée de la plainte — et combler ce fossé est le travail que nous faisons.
