Les Règles ADMT de Californie de 2026 Exigent une Limite Décisionnelle, Pas une Étiquette d’IA
La CCPA californienne définit des droits liés à certaines décisions automatisées. Les équipes produit doivent cartographier décisions, révision humaine et demandes à traiter.
Appeler une fonctionnalité « IA » ne détermine pas si les règles californiennes sur les décisions automatisées s’appliquent. Les questions essentielles sont les données personnelles traitées par le système, le remplacement total ou substantiel d’une décision humaine par le calcul et le rôle du résultat dans une décision importante couverte.
La California Privacy Protection Agency a adopté en juillet 2025 des règles sur l’automated decisionmaking technology (ADMT), les évaluations des risques et les audits de cybersécurité. L’Office of Administrative Law les a approuvées le 22 septembre 2025 ; elles sont entrées en vigueur le 1er janvier 2026. Pour les équipes produit, l’ADMT relève maintenant de la conception et des flux de données, pas seulement d’une future revue de politique.
Définir la décision prise par le logiciel
Les règles définissent l’ADMT comme une technologie qui traite des données personnelles et utilise le calcul pour remplacer ou remplacer substantiellement une prise de décision humaine. Le profilage est également inclus lorsqu’il effectue ce remplacement. La définition exclut des fonctions techniques courantes telles que l’hébergement, la mise en cache, le stockage, les bases de données et les tableurs lorsqu’elles ne remplacent pas une décision humaine.
Cette distinction compte pour l’analytics. Un dashboard qui compte des pageviews ou fournit un rapport à un analyste ne devient pas automatiquement de l’ADMT parce qu’il utilise des statistiques ou du machine learning. Un système qui exploite des données comportementales pour accepter ou rejeter une candidature, classer un salarié, déterminer l’accès au logement ou à l’éducation, ou prendre une autre décision importante couverte nécessite une analyse différente.
Cartographiez tout le parcours décisionnel : données d’entrée, modèle ou règle, résultat, réviseur humain et action finale. Dire qu’« une personne intervient » ne suffit pas si elle ne peut pas comprendre le résultat ou l’approuve régulièrement sans jugement indépendant réel. Consignez ce que la personne décide effectivement et si le résultat du système contrôle la décision dans la pratique.
Intégrer l’accès et l’opposition dans le produit
Pour les usages couverts, les règles créent des droits d’accès aux informations sur l’utilisation de l’ADMT par une entreprise et d’opposition à certains usages. Le droit d’opposition concerne des utilisations déterminées de l’ADMT, notamment la technologie qui prend des décisions importantes ; il ne s’agit pas d’un droit général à désactiver tout algorithme, rapport ou requête d’analytics.
Traitez ces demandes comme des opérations produit. Tenez un inventaire reliant chaque usage d’ADMT à sa finalité, ses catégories d’entrées, son type de décision et le parcours concerné. Proposez un moyen clair de déposer une demande, ne vérifiez que les informations nécessaires pour y répondre, propagez le résultat aux systèmes utilisant les mêmes données et conservez une preuve de traitement. N’imposez pas la création d’un compte ou la fourniture d’informations supplémentaires si l’opposition peut être appliquée sans cela.
Les réponses aux demandes d’accès doivent expliquer le comportement du système, pas fournir un texte marketing. Sachez indiquer la finalité, le résultat produit au sujet du consommateur et les informations permettant d’expliquer comment la technologie a traité les données personnelles et comment le résultat a influencé la décision importante. N’enregistrez pas indéfiniment toutes les entrées pour répondre à une éventuelle demande future ; documentez le parcours décisionnel et ne conservez que des preuves justifiées.
Garder la mesure hors de la logique d’éligibilité
Un flux d’événements d’analytics ne doit pas devenir subrepticement un système décisionnel. Séparez les métriques produit des processus d’éligibilité, d’emploi, de crédit, de logement, d’éducation ou d’autres décisions lourdes de conséquences. Si une équipe veut alimenter un modèle décisionnel avec l’analytics, traitez cela comme une nouvelle finalité de traitement : réévaluez avant le lancement la base juridique, les avis, l’évaluation des risques, la qualité des données, les droits des consommateurs et la conception de la révision humaine.
N’utilisez pas un score de « conversion » ou d’« engagement » du dashboard comme substitut à une règle de décision sans en examiner les effets. Une métrique peut devenir déterminante si elle décide qui reçoit une offre, un service ou une possibilité. À l’inverse, l’étiquette « modèle » ne transforme pas l’analytics descriptive ordinaire en ADMT au sens de la définition réglementaire.
La tâche d’implémentation est concrète : tenez un inventaire des décisions, marquez le point où le jugement humain est remplacé, associez cet usage aux processus d’accès et d’opposition et testez que la demande atteint tous les systèmes en aval. Cette limite est plus utile que de classer un produit entier comme « IA » ou « pas IA ».
Comments
Loading comments…