{"templateName":"base-page-template54","cssClassNames":"page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"language":"fr","description":"La gouvernance de l’IA est la façon dont les entreprises gèrent les problématiques d’IA relatives aux risques, à la conformité et à l’éthique. Découvrez les cadres, les principes et les contrôles qui permettent de dispose d’une IA responsable.","title":"Définition de la gouvernance de l’IA Principes, frameworks et bonnes pratiques | Snowflake","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/fr/artificial-intelligence/ai-governance/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"columnClassNames":{"markup_editor_928258845":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","markup_editor_597730182":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment":"aem-GridColumn aem-GridColumn--default--12","modal_container":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-8263f5888a","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/pushdown-banner/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/pushdown-banner/master.xfmodel.json?callerPage=/content/snowflake-site/global/fr/artificial-intelligence/ai-governance"},"experiencefragment-header":{"id":"experiencefragment-e17f37aa90","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/mega-nav-header/master.xfmodel.json?callerPage=/content/snowflake-site/global/fr/artificial-intelligence/ai-governance"},"responsivegrid":{"columnCount":12,"columnClassNames":{"flexible_column_cont_939100716":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1158003461":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_663228916":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_912630531":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1398138236":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1786318617":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1467213961":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1377146023":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"flexible_column_cont":{"id":"flexible-column-container-d985bdabdc","propertiesId":"hub-hero-breadcrumbs","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-af2dbca619",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"breadcrumb":{"id":"breadcrumb-28c8770554","items":[{"id":"breadcrumb-28c8770554-item-cb93a03c0a","link":{"valid":true,"url":"/fr/"},"active":false,"current":false,"title":"Français",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-28c8770554-item-8fdfff6b6b","link":{"valid":true,"url":"/fr/artificial-intelligence/"},"active":false,"current":false,"title":"Intelligence artificielle",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-28c8770554-item-87b7628be6","link":{"valid":true,"url":"/fr/artificial-intelligence/ai-governance/"},"active":true,"current":true,"title":"Gouvernance de l’IA",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"}],":type":"snowflake-site/components/breadcrumb"}},":itemsOrder":["breadcrumb"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_939100716":{"id":"flexible-column-container-6340264d01","propertiesId":"hub-hero","type":"2-column-even","alignColumns":"center","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"extra-small","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-70185e3ea3",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_470483971":{"id":"text-b0328fe692","additionalClasses":"eyebrow-text","text":"\u003Cp style=\"padding-top: 8.0px;\"\u003EGuide de référence\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-02"},"title_v2":{"id":"title-v2-2d32275312","additionalClasses":"hub-hero__headline","type":"heading1","lines":["Gouvernance de l’IA : un guide pour les entreprises"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-5921b205d6","additionalClasses":"hub-hero__subheadline","text":"\u003Cp\u003EUne IA sûre et fiable ne repose pas seulement sur les performances des modèles. Ce guide explore comment la gouvernance de l’IA aide les entreprises à maîtriser les risques, à appliquer des politiques et à gérer des systèmes d’IA modernes, du ML traditionnel à l’IA générative et aux agents.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"container":{"additionalClasses":"hub-hero__authors","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"content_chip_copy":"aem-GridColumn aem-GridColumn--default--12","content_chip":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-125270fd2b",":type":"snowflake-site/components/container",":items":{"content_chip_copy":{"id":"content-chip-611c55c976","cta":{"id":"cta","showOutboundIcon":false,"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Lire la biographie"},"image":{"id":"image","height":"800","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--a7e9fdff-6f08-4edc-9cd1-e213bb234aaa/laurie-macpherson.jpg?quality=85&preferwebp=true","alt":"Laurie Macpherson headshot","lazyEnabled":true,"width":"800",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Laurie Macpherson","Technical Writer, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"},"content_chip":{"id":"content-chip-7080eebe8c","cta":{"id":"cta","showOutboundIcon":false,"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Lire la biographie"},"image":{"id":"image","height":"709","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--9ad7a3c0-e23e-4370-bc36-f59a5fe02eff/img-1817.jpg?quality=85&preferwebp=true","alt":"David Gaule","lazyEnabled":true,"width":"709",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Tracy Kabuya","Contributrice locale, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"}},":itemsOrder":["content_chip_copy","content_chip"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["text_470483971","title_v2","text","container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"additionalClasses":"hub-hero__video-column","layout":"SIMPLE","id":"container-6067991cb3",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"youtube":{"id":"embed-7de773d3aa","youtubeVideoId":"-HWNc-Hd90U","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"}},":itemsOrder":["youtube"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1398138236":{"id":"flexible-column-container-19b4b935d2","propertiesId":"hub-hero-related-topics","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"related-topics-outer-container border-top","layout":"SIMPLE","id":"container-f9829c26eb",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_894059747":{"id":"text-40db033fab","additionalClasses":"seo-hub-hero__related-topic-label","text":"\u003Cp\u003EThèmes liés à la gouvernance de l’IA :\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text":{"id":"text-d3e15ef439","additionalClasses":"related-topics ","text":"\u003Cul\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-compliance/\"\u003EConformité de l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-content-governance/\"\u003EGouvernance du contenu par l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-ethics/\"\u003EÉthique de l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-fairness/\"\u003EÉquité de l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-risk-management/\"\u003EGestion des risques liés à l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-traceability/\"\u003ETraçabilité de l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-transparency/\"\u003ETransparence de l’IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/algorithmic-bias/\"\u003EBiais algorithmiques\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/eu-ai-act/\"\u003ERèglement européen sur l'IA\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/iso-42001/\"\u003EISO 42001\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/model-card/\"\u003EFiches descriptives de modèles\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/model-governance/\"\u003EGouvernance des modèles\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/responsible-ai/\"\u003EIA responsable\u003C/a\u003E\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small"}},":itemsOrder":["text_894059747","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_663228916":{"id":"flexible-column-container-6c51a72691","propertiesId":"hub-body","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"longform-content","layout":"SIMPLE","id":"hub-body-content",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"callout_what-is-ai-governance_0":{"id":"text-449813321c","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003EDÉFINITION DE LA GOUVERNANCE DES DONNÉES\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003ELa gouvernance de l’IA est l’ensemble des politiques, normes, contrôles et supervision qui aident les entreprises à développer, déployer et utiliser l’IA de manière sécurisée, équitable, responsable et conforme aux exigences internes et externes.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_intro_0":{"id":"text-0130162900","text":"\u003Cp\u003EMême un modèle d’\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/\"\u003Eintelligence artificielle\u003C/a\u003E (IA) performant peut s’avérer peu fiable dans un système de production. Lors d’une démo, les invites sont contrôlées, les données sont propres et l’accès limité. En production, le système peut faire remonter des politiques obsolètes, exposer des données restreintes ou déclencher des actions non voulues.\u003C/p\u003E\r\n\u003Cp\u003ELes capacités des modèles sont importantes, mais leur fiabilité dépend de l’ensemble du système. La gouvernance de l’IA est la façon dont les entreprises définissent et appliquent ce système. Il relie les cas d’usage aux propriétaires responsables, les données aux politiques exécutoires et les modèles aux flux de travail d’approbation, à la surveillance et aux pistes d’audit. Il est conçu pour aider à rendre les résultats, en particulier ceux à fort impact, plus vérifiables, traçables et alignés sur le fonctionnement réel de l’entreprise.\u003C/p\u003E\r\n\u003Cp\u003ELa gouvernance gagne en importance avec l’évolution des systèmes d’IA. L’\u003Ca href=\"https://www.snowflake.com/en/fundamentals/generative-ai/\"\u003EIA générative\u003C/a\u003E, la \u003Ca href=\"https://www.snowflake.com/fr/fundamentals/rag/\"\u003Egénération augmentée de récupération\u003C/a\u003E (RAG) et \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-agents/\"\u003Eles agents\u003C/a\u003E ne se comportent pas comme les modèles traditionnels. Ils récupèrent des données, génèrent du contenu et, dans certains cas, prennent des mesures. Le traitement de chaque nouvelle fonctionnalité comme un cas particulier n’évolue pas, et la gouvernance fournit une façon cohérente de les gérer toutes.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_what-is-ai-governance":{"id":"title-v2-e46ec93a57","additionalClasses":"anchor-title anchor-title--what-is-ai-governance","type":"heading2","lines":["Définition de la gouvernance de l’IA"],":type":"snowflake-site/components/title-v2"},"text_what-is-ai-governance_0":{"id":"text-d8ac11e698","text":"\u003Cp\u003ELa gouvernance de l’IA est l’ensemble des politiques, normes, contrôles et processus de supervision qui aident les entreprises à construire, déployer et exploiter l’IA de manière sûre, équitable, responsable et conforme aux exigences internes et externes. Elle s’applique tout au long du cycle de vie de l’IA, de l’identification des cas d’usage et de la sélection des données au développement, au déploiement, à la surveillance, à la réponse aux incidents et au retrait des modèles.\u003C/p\u003E\r\n\u003Cp\u003ELe champ d’application est plus large que ce à quoi de nombreuses équipes s’attendent. La gouvernance de l’IA couvre les modèles de machine learning (ML), les applications d’IA générative, les systèmes multimodaux et les flux de travail agentiques qui peuvent prendre des mesures sur plusieurs outils.\u003C/p\u003E\r\n\u003Cp\u003EUn modèle de détection des fraudes, un chatbot de service client, un assistant basé sur la RAG et un agent d’IA peuvent avoir des architectures très différentes. Mais elles nécessitent toutes les mêmes contrôles fondamentaux : un document clair explicitant ce que le système est autorisé à faire, les données auxquelles il peut accéder, qui l’a approuvé et comment son comportement est surveillé dans le temps.\u003C/p\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA recoupe plusieurs disciplines adjacentes :\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/data-governance/\"\u003E\u003Cb\u003ELa gouvernance des données\u003C/b\u003E\u003C/a\u003E régit les ressources de données telles que les tables, les vues, les politiques, les métadonnées, la traçabilité, la qualité et l’accès.\u003C/li\u003E\r\n\u003Cli\u003ELa \u003Cb\u003Egouvernance des modèles\u003C/b\u003E les gère comme des actifs d’entreprise, avec enregistrement, validation, documentation et suivi.\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-ethics/\"\u003E\u003Cb\u003EL’éthique de l’IA\u003C/b\u003E\u003C/a\u003E définit des principes tels que l’équité, la responsabilité et la supervision humaine.\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-governance/compliance/\"\u003E\u003Cb\u003ELa conformité IA\u003C/b\u003E\u003C/a\u003E est axée sur la conformité aux exigences réglementaires, contractuelles et d’audit.\u003C/li\u003E\r\n\u003C/ul\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_why-ai-governance-matters-now":{"id":"title-v2-161904057d","additionalClasses":"anchor-title anchor-title--why-ai-governance-matters-now","type":"heading2","lines":["Pourquoi la gouvernance de l’IA est importante"],":type":"snowflake-site/components/title-v2"},"text_why-ai-governance-matters-now_0":{"id":"text-7cf4c193af","text":"\u003Cp\u003ELa gouvernance de l’IA est devenue une exigence d’entreprise car les systèmes d’IA sont désormais intégrés dans les décisions qui touchent la tarification, le recrutement, la détection des fraudes, l’expérience client et les services publics. L’IA générative peut faire émerger des informations sensibles. Les agents peuvent prendre des mesures sur plusieurs systèmes. Dans chaque cas, la question n’est plus seulement de savoir si le modèle est performant, mais si l’entreprise peut contrôler et expliquer le système autour de lui.\u003C/p\u003E\r\n\u003Cp\u003ELa pression réglementaire est un facteur déterminant. La \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/eu-ai-act/\"\u003ELoi sur l’IA\u003C/a\u003E de l’UE établit une approche basée sur les risques qui oblige les entreprises à classer les systèmes d’IA, à mettre en place des contrôles et à produire une documentation prête à être auditée pour les cas d’usage à plus haut risque. La \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/iso-42001/\"\u003Enorme ISO/CEI 42001\u003C/a\u003E complète ce processus en fournissant une norme de système de gestion de l’IA pour établir, maintenir et améliorer les pratiques de gouvernance. Bien que son adoption soit volontaire, de plus en plus d’entreprises choisissent de s’en servir pour se conformer à la Loi sur l’IA de l’UE.\u003C/p\u003E\r\n\u003Cp\u003EToutefois, la gouvernance n’est pas uniquement liée à la réglementation. Les systèmes d’IA peuvent produire des résultats discriminatoires, divulguer des données sensibles, générer des allégations non étayées ou automatiser des décisions sans supervision humaine suffisante. Ces défaillances peuvent créer un risque pour la réputation et rendre les clients, les employés et les partenaires moins disposés à faire confiance aux flux de travail alimentés par l’IA.\u003C/p\u003E\r\n\u003Cp\u003EJennifer Belissent, Principal Data Strategist chez Snowflake, \u003Ca href=\"https://www.snowflake.com/en/blog/ai-governance-customer-trust/\"\u003Edéfinit la réalité commerciale\u003C/a\u003E directement : « Le véritable moteur de l’IA et de la gouvernance des données est déjà en place. Les clients l’exigent. Mettre en place des contrôles de sécurité et de confidentialité des données et gouverner l’utilisation de l’IA sont autant une question de réputation que d’exigences réglementaires. »\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_why-ai-governance-matters-now_0":{"id":"quote-item-30146d8828","alignment":"left","layout":"simple","quoteSourceName":"Jennifer Belissent","quoteSourceTitle":"Principal Data Strategist, Snowflake","showQuoteIcon":true,"quote":"Le véritable moteur de l’IA et de la gouvernance des données est déjà en place. Les clients l’exigent.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"text_why-ai-governance-matters-now_1":{"id":"text-e4422d0537","text":"\u003Cp\u003EL’assurance IA devient un élément de la façon dont les entreprises évaluent leur niveau de préparation à l’IA. La question n’est pas de savoir si une organisation a une déclaration d’\u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/responsible-ai/\"\u003EIA responsable\u003C/a\u003E, mais si elle peut montrer quels systèmes existent, quels contrôles s’appliquent, quels risques ont été acceptés, quels produits ont été examinés et quels incidents ont été signalés et dont il a été tiré des enseignements.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"card_v2_why-ai-governance-matters-now_0":{"id":"card-v2-9d3f594d2c","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["TÉMOIGNAGE CLIENT : Ville de Gilbert"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/customers/all-customers/case-study/town-of-gilbert/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire l’étude de cas complète"},"image":{"id":"image","height":"351","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--83f793a0-df9c-45fe-8949-f4e33942489a/gilbert%25403x.png?quality=85&preferwebp=true","alt":"Town of Gilbert Logo","lazyEnabled":true,"width":"624",":type":"snowflake-site/components/image"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003ELa ville de Gilbert a lancé 11 tableaux de bord publics avec Snowflake afin d’améliorer la transparence de ses services, notamment en matière de prévention de la criminalité, de soutien en santé mentale, de réparation des nids-de-poule et de recyclage. La ville utilise des fonctionnalités de gouvernance et de sécurité telles que le contrôle d’accès basé sur les rôles (RBAC), les champs de métadonnées et le Dynamic Data Masking pour garantir un accès sécurisé aux données sensibles du secteur public.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal"},"title_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001":{"id":"title-v2-0b2e323563","additionalClasses":"anchor-title anchor-title--key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001","type":"heading2","lines":["Frameworks de gouvernance de l’IA : loi sur l’IA dans l’UE, NIST AI RMF et ISO 42001"],":type":"snowflake-site/components/title-v2"},"text_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001_0":{"id":"text-73fc553bf0","text":"\u003Cp\u003ELes \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-governance/framework/\"\u003Ecadres de gouvernance\u003C/a\u003E de l’IA permettent aux entreprises de disposer d’un langage commun pour classer les risques, définir les contrôles et produire des preuves. Aucun framework ne couvre chaque exigence de l’entreprise, mais trois références sous-tendent désormais de nombreuses conversations sur la gouvernance :\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://artificialintelligenceact.eu/\"\u003ELa Loi sur\u003C/a\u003E l’IA de l’UE constitue un cadre juridique contraignant pour les systèmes d’IA mis sur le marché européen ou utilisés dans celui-ci. Il utilise la classification des risques pour distinguer les pratiques interdites, les systèmes d’IA à haut risque, les obligations de transparence et les exigences pour les modèles d’IA à usage général. Pour les entreprises, la loi sur l’IA est importante, même en dehors de l’Europe, car ses catégories fournissent aux équipes juridiques, de gestion des risques et technologiques un moyen concret de classer les cas d’usage de l’IA, d’y joindre des obligations et de préparer des preuves d’évaluation de la conformité si nécessaire.\u003C/li\u003E\n\u003Cli\u003E\u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.nist.gov/itl/ai-risk-management-framework\"\u003ELe NIST AI Risk Management Framework\u003C/a\u003E est un framework volontaire conçu pour aider les entreprises qui conçoivent, développent, déploient ou utilisent l’IA à gérer les risques et promouvoir une IA fiable. Le NIST organise le framework autour de fonctions telles que gouverner, cartographier, mesurer et gérer, ce qui le rend utile pour les entreprises qui développent des programmes transversaux de gestion des risques liés à l’IA, même lorsqu’elles ne sont pas soumises à une seule loi spécifique à l’IA.\u003C/li\u003E\n\u003Cli\u003E\u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.iso.org/standard/42001\"\u003EISO/IEC 42001\u003C/a\u003E est une norme internationale sur les systèmes de gestion de l’IA. Il spécifie les exigences relatives à l’établissement, à la mise en œuvre, à la maintenance et à l’amélioration continue d’un système de gestion de l’IA, ce qui le rend pertinent pour les entreprises qui veulent une structure de gouvernance certifiée pour le développement et l’utilisation de l’IA.\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003ED’autres références mondiales sont également pertinentes. Les \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.oecd.org/fr/themes/principes-de-l-ia.html\"\u003Eprincipes de l’IA de l’OCDE\u003C/a\u003E encouragent une IA digne de confiance, respectueuse des droits humains et des valeurs démocratiques. En outre, un \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://assets.publishing.service.gov.uk/media/65c1e399c43191000d1a45f4/a-pro-innovation-approach-to-ai-regulation-amended-governement-response-web-ready.pdf\"\u003Elivre blanc du\u003C/a\u003E ministère britannique de la Science, de l’Innovation et de la Technologie présente une approche de la réglementation de l’IA axée sur le contexte et pro-innovation. Ensemble, ces références pointent vers une même exigence opérationnelle : les entreprises ont besoin de mécanismes de gouvernance capables de classer les risques, de déterminer les responsabilités, d’appliquer des contrôles et de produire des preuves à mesure que les systèmes d’IA évoluent.\u003C/p\u003E\n\u003Cp\u003E\u003Ci\u003ERegardez Une conversation sur l’éthique et la réglementation de l’IA générative :\u003C/i\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"yt_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001_0":{"id":"embed-c6de95b52c","youtubeVideoId":"DPs8nz59kss","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"},"title_key-components-of-ai-governance":{"id":"title-v2-aa5a2a2eb1","additionalClasses":"anchor-title anchor-title--key-components-of-ai-governance","type":"heading2","lines":["Composants clés d’une gouvernance de l’IA"],":type":"snowflake-site/components/title-v2"},"text_key-components-of-ai-governance_0":{"id":"text-f113627d20","text":"\u003Cp\u003EUne gouvernance efficace de l’IA repose sur un ensemble de composants interconnectés qui garantissent que les systèmes d’IA sont développés et utilisés de manière responsable, sécurisée et en adéquation avec les objectifs de l’entreprise. Les composants suivants sont une synthèse des principaux frameworks de gouvernance de l’IA :\u003C/p\u003E\r\n\u003Ch3\u003EStratégie et supervision\u003C/h3\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA commence par une orientation stratégique claire et la responsabilisation. Les entreprises ont besoin de structures de direction, de politiques et de processus de prise de décision définis pour guider l’adoption et la gestion de l’IA. Cela aide les initiatives d’IA à s’aligner sur les objectifs commerciaux et la tolérance au risque.\u003C/p\u003E\r\n\u003Ch3\u003EGestion des risques\u003C/h3\u003E\r\n\u003Cp\u003EL’IA introduit toute une gamme de risques, notamment des \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/algorithmic-bias/\"\u003Ebiais algorithmiques\u003C/a\u003E, des failles de \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-security/\"\u003Esécurité liées à l’IA\u003C/a\u003E et des résultats inattendus. Un cadre de gouvernance solide identifie, évalue et atténue ces risques tout au long du cycle de vie de l’IA, avec des processus de surveillance continue et de réponse aux incidents.\u003C/p\u003E\r\n\u003Ch3\u003EGouvernance des données\u003C/h3\u003E\r\n\u003Cp\u003EDans la mesure où les systèmes d’IA s’appuient fortement sur les données, la gouvernance doit veiller à ce que les données soient exactes, sécurisées et utilisées de manière responsable. Cela inclut la gestion de la qualité des données, de la confidentialité et des contrôles d’accès, ainsi que le maintien d’une traçabilité claire des données.\u003C/p\u003E\r\n\u003Ch3\u003EGouvernance et gestion du cycle de vie\u003C/h3\u003E\r\n\u003Cp\u003ELa gouvernance des modèles se concentre sur la façon dont les modèles d’IA sont développés, testés, déployés et maintenus. Il comprend des normes de validation, de documentation, de contrôle des versions et de surveillance continue afin de s’assurer que les modèles restent fiables et adaptés à l’objectif au fil du temps.\u003C/p\u003E\r\n\u003Ch3\u003EÉthique des données et utilisation responsable de l’IA\u003C/h3\u003E\r\n\u003Cp\u003EAu-delà des performances techniques, les systèmes d’IA doivent respecter des principes éthiques. Les cadres de gouvernance traitent de l’\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-fairness/\"\u003Eéquité\u003C/a\u003E, de la \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-transparency/\"\u003Etransparence\u003C/a\u003E, de l’explicabilité et de la supervision humaine afin de réduire les dommages et de s’assurer que les résultats sont alignés sur les valeurs sociétales et organisationnelles.\u003C/p\u003E\r\n\u003Ch3\u003EConformité et contrôles juridiques\u003C/h3\u003E\r\n\u003Cp\u003ELes entreprises doivent s’assurer que leurs systèmes d’IA sont conformes aux lois et réglementations applicables. Cela inclut le maintien des pistes d’audit, le respect des exigences en matière de documentation, la gestion des risques liés à des tiers et le traitement de questions telles que la responsabilité et la propriété intellectuelle.\u003C/p\u003E\r\n\u003Ch3\u003ESécurité et fiabilité\u003C/h3\u003E\r\n\u003Cp\u003ELes systèmes d’IA doivent être protégés contre les abus, les manipulations et les attaques. La gouvernance inclut des garanties pour les données et les modèles, la résilience face aux menaces contradictoires et des contrôles pour empêcher tout accès non autorisé ou toute utilisation préjudiciable.\u003C/p\u003E\r\n\u003Ch3\u003ETransparence et la responsabilité\u003C/h3\u003E\r\n\u003Cp\u003EUne documentation et une traçabilité claires sont essentielles pour garantir la confiance. Les entreprises doivent conserver des dossiers sur la façon dont les systèmes d’IA sont conçus et exploités, fournir des explications appropriées sur les résultats et établir la responsabilité en cas de problème.\u003C/p\u003E\r\n\u003Ch3\u003EOpérations et suivi\u003C/h3\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA va au-delà du déploiement. La surveillance continue garantit que les systèmes fonctionnent comme prévu, tandis que les boucles de rétroaction, les audits et les processus de gestion des incidents aident les entreprises à répondre aux problèmes et à s’améliorer au fil du temps.\u003C/p\u003E\r\n\u003Ch3\u003ECulture, formation et gestion du changement\u003C/h3\u003E\r\n\u003Cp\u003EUne gouvernance réussie dépend autant des personnes que de la technologie. Les entreprises doivent investir dans la formation, promouvoir des pratiques d’IA responsables et favoriser une culture où les considérations éthiques et la sensibilisation aux risques sont intégrées dans la prise de décision quotidienne.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_key-components-of-ai-governance_0":{"id":"text-44d51f24f7","additionalClasses":"callout callout--warning","text":"\u003Cp\u003E\u003Cstrong\u003EPIÈGE COURANT\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003ELa mise en œuvre de la gouvernance comme un ensemble de contrôles déconnectés (entre les données, les modèles, les prompts et les applications) laisse souvent des lacunes en matière de visibilité et de responsabilité, compliquant la traçabilité du comportement des systèmes d’IA ou de l’application cohérente des politiques en production.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"title_responsible-ai-principles-that-operationalize-governance":{"id":"title-v2-bc7ccb11b9","additionalClasses":"anchor-title anchor-title--responsible-ai-principles-that-operationalize-governance","type":"heading2","lines":["IA responsable : les principes qui matérialisent la gouvernance"],":type":"snowflake-site/components/title-v2"},"text_responsible-ai-principles-that-operationalize-governance_0":{"id":"text-3b1e84046b","text":"\u003Cp\u003EL’IA responsable définit ce que l’entreprise essaie de préserver à mesure que l’IA devient partie intégrante des processus opérationnels : équité des résultats, transparence sur le comportement du système, responsabilité des décisions, confidentialité des données pour les personnes affectées, \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-safety/\"\u003Esécurité\u003C/a\u003E dans des conditions attendues et inattendues et inclusion dans les groupes susceptibles d’être affectés par le système.\u003C/p\u003E\r\n\u003Cp\u003ECes principes nécessitent des mécanismes opérationnels pour être mis en pratique. Un principe d’équité se traduit par une vérification de biais avec des seuils documentés. Un principe de confidentialité exige de minimiser les données, de les masquer, de limiter leur conservation et de mettre en place des contrôles d’accès. Un principe de supervision humaine devient un flux de travail d’examen qui définit le moment où une personne doit approuver, outrepasser ou enquêter sur une recommandation générée par l’IA.\u003C/p\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA donne sa structure à une IA responsable. Elle relie les principes aux propriétaires, aux artefacts et aux contrôles. L’objectif n’est pas de ralentir chaque projet d’IA avec le même processus, mais de s’assurer que les systèmes à plus haut risque reçoivent l’examen minutieux, la documentation et le suivi d’impact nécessaires.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_ai-transparency-and-explainability":{"id":"title-v2-edb09fbd4a","additionalClasses":"anchor-title anchor-title--ai-transparency-and-explainability","type":"heading2","lines":["Transparence et explicabilité de l’IA"],":type":"snowflake-site/components/title-v2"},"text_ai-transparency-and-explainability_0":{"id":"text-905ace140d","text":"\u003Cp\u003ELa transparence et l’explicabilité sont souvent abordées ensemble, mais elles répondent à des questions différentes. La \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-transparency/\"\u003Etransparence de l’IA\u003C/a\u003E se rapporte à ce que les parties prenantes peuvent voir du système : qui le possède, ce qu’il est prévu de faire, quelles sources de données il utilise, quels contrôles s’appliquent et quelles limites ont été documentées. L’explicabilité désigne la raison pour laquelle une prédiction, une classification, une recommandation ou un produit spécifique ont été produits.\u003C/p\u003E\r\n\u003Cp\u003EUn système d’IA transparent peut exposer sa fiche descriptive du modèle (ou model card), la documentation, l’historique des versions, le statut d’approbation et les limites connues. Un système explicable peut montrer quelles variables ont influencé une prédiction de risque de crédit ou quelles fonctionnalités ont le plus contribué à un score de désabonnement. Pour les systèmes d'IA générative, il peut également indiquer quels documents récupérés ont servi de fondement à une réponse générée, en tant qu'éléments justificatifs.\u003C/p\u003E\r\n\u003Cp\u003ELes méthodes d’explicabilité technique telles que \u003Ca href=\"https://shap.readthedocs.io/en/latest/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003ESHAP\u003C/a\u003E et \u003Ca href=\"https://c3.ai/glossary/data-science/lime-local-interpretable-model-agnostic-explanations/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003ELIME\u003C/a\u003E peuvent aider les équipes à interpréter certains résultats de modèles, en particulier dans des contextes tabulaires de ML, bien qu’elles soient moins applicables aux \u003Ca href=\"https://www.snowflake.com/fr/fundamentals/large-language-model/\"\u003Egrands modèles de langage\u003C/a\u003E. Mais l’explicabilité n’est pas seulement une technique de modèle. Pour l’IA générative, elle peut également nécessiter des éléments justificatifs de la RAG, des documents sources cités, des journaux des prompts et des réponses, des explications post hoc, des signaux de confiance des résultats et une documentation claire indiquant où le système ne doit pas être utilisé.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_ai-traceability-and-auditability":{"id":"title-v2-b09dca198d","additionalClasses":"anchor-title anchor-title--ai-traceability-and-auditability","type":"heading2","lines":["Traçabilité et auditabilité de l’IA"],":type":"snowflake-site/components/title-v2"},"text_ai-traceability-and-auditability_0":{"id":"text-01a989df6f","text":"\u003Cp\u003ELa \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-traceability/\"\u003Etraçabilité de l’IA\u003C/a\u003E relie un produit d’IA aux ressources et actions qui l’ont produit. Dans un système de ML traditionnel, cela peut inclure la traçabilité des données, les données d’entraînement, les transformations de fonctionnalités, la version du modèle, les résultats de validation et le temps de déploiement. Dans une application d’IA générative, elle peut également inclure l’invite système, l’invite utilisateur, le contexte extrait, le fournisseur de modèle, la configuration d’inférence, les appels d’outils et la réponse générée. Dans un agent d’IA, la traçabilité peut s’étendre à l’état de la mémoire, à l’historique des actions et aux systèmes externes auxquels l’agent a accédé.\u003C/p\u003E\n\u003Cp\u003EL’auditabilité désigne la capacité d’un examinateur interne ou indépendant de vérifier que le système a fonctionné comme prévu et que les contrôles requis ont été appliqués. Elle dépend des pistes d’audit, des journaux immuables le cas échéant, de la documentation sur la fiche descriptive du modèle, de la documentation sur les modèles, des dossiers de rapports d’incidents basés sur l’IA, de l’historique des accès et des preuves de contrôle qui peuvent être examinés après coup.\u003C/p\u003E\n\u003Cp\u003ECes capacités servent de substrat aux audits de conformité liés à l’IA. Une équipe de gouvernance ne peut pas évaluer de manière crédible si un système est conforme à la politique si elle ne peut pas reconstruire quelles données ont été utilisées, quel modèle ou quelle version de prompt était active, quel utilisateur a demandé le résultat et quelle action a suivi. C’est pourquoi la traçabilité de l’IA nécessite souvent à la fois la traçabilité des données et celle des modèles, ainsi que des journaux au niveau de l'application retraçant les prompts, le contexte récupéré et l'utilisation des outils.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_training-data-governance-and-bias-auditing":{"id":"title-v2-be3694f561","additionalClasses":"anchor-title anchor-title--training-data-governance-and-bias-auditing","type":"heading2","lines":["Gouvernance des données d'entraînement et audit des biais"],":type":"snowflake-site/components/title-v2"},"text_training-data-governance-and-bias-auditing_0":{"id":"text-1c31e9efc4","text":"\u003Cp\u003ELa gouvernance de l’IA commence avec les données qui entraînent, ajustent, ancrent ou évaluent le modèle. Un modèle entraîné sur des données peu documentées peut reproduire des biais historiques, exposer des attributs sensibles, générer des résultats peu fiables ou échouer lorsqu’il est appliqué à une population qui n’était pas représentée dans les données d’origine. Dans un système de RAG, le modèle peut ne pas être entraîné sur des documents d’entreprise, mais les mêmes questions de gouvernance s’appliquent toujours au contenu extrait : d'où vient-il, qui le possède, est-il à jour, quelles politiques d'accès s'appliquent et s’il est approprié à la demande de l'utilisateur.\u003C/p\u003E\n\u003Cp\u003ELa gouvernance des données couvre la provenance, le consentement, les licences, la qualité, la conservation, l’accès, les attributs démographiques, la minimisation des données et l’utilisation approuvée. Pour la gouvernance des données des LLM, le champ d’application peut également inclure le pré-entraînement des divulgations de données, l’ajustement des données, les intégrations, les journaux d’appel et les données d’évaluation. La gouvernance des données synthétiques ajoute une dimension supplémentaire : la manière dont les données synthétiques ont été générées, si elles préservent leurs propriétés statistiques, si elles risquent de divulguer des données sources et les cas d'usage pour lesquels leur utilisation est approuvée.\u003C/p\u003E\n\u003Cp\u003EL’audit des biais permet de vérifier si un système d’IA produit des disparités inacceptables entre les classes protégées, les attributs démographiques ou d’autres groupes pertinents. Ce travail exige des définitions claires, des données représentatives et une gestion minutieuse des attributs sensibles. Dans certains cas, des données démographiques peuvent être nécessaires pour détecter les biais. Dans d’autres, la collecte ou l’utilisation de ces données peuvent elles-mêmes créer des risques en matière de confidentialité et de conformité.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_generative-ai-and-ai-agent-governance":{"id":"title-v2-3f64aa2303","additionalClasses":"anchor-title anchor-title--generative-ai-and-ai-agent-governance","type":"heading2","lines":["Gouvernance de l’IA générative et des agents d’IA"],":type":"snowflake-site/components/title-v2"},"text_generative-ai-and-ai-agent-governance_0":{"id":"text-587bda63fe","text":"\u003Cp\u003EL’IA générative et des agents d’IA étendent la surface de la gouvernance car ils introduisent de nouveaux artefacts et comportements que les anciens programmes de gouvernance des modèles n’étaient pas conçus pour gérer. Un modèle de classification renvoie un score ou une catégorie. Une application d’IA générative peut produire un paragraphe, résumer un document, écrire du code, générer une image ou répondre à une question métier à partir du contexte extrait. Un agent d’IA peut aller plus loin en sélectionnant des outils, en établissant des plans, en stockant de la mémoire et en prenant des mesures sur plusieurs systèmes.\u003C/p\u003E\r\n\u003Ch3\u003EGouvernance de l’IA générative\u003C/h3\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA générative couvre les données, les prompts, les modèles, les pipelines de récupération, les résultats et les divulgations qui façonnent le contenu généré. La gouvernance des prompts définit qui peut créer, modifier et approuver des prompts système, en particulier lorsque les prompts codent une politique, un comportement de rôle ou des contraintes d’accès. La gouvernance des LLM permet de suivre quel modèle de fondation est utilisé, où il s’exécute, quelles données sont partagées avec lui, comment les résultats sont filtrés et quelles obligations contractuelles ou de conformité s’appliquent.\u003C/p\u003E\r\n\u003Cp\u003ELa gouvernance de la RAG est particulièrement importante pour les cas d’usage d’entreprise, car les réponses générées dépendent souvent de documents, de tables ou d’entrées de la base de connaissances récupérés. Un système de RAG gouverné a besoin de métadonnées sur la provenance, de contrôles d’accès, de vérifications de l’actualité, de citations de sources et de mesures d’évaluation qui testent la pertinence et l’ancrage des réponses. Sans ces contrôles, le système risque de générer des réponses à partir de contenus obsolètes, restreints ou mal compris avec la même confiance que s’il le faisait à partir de données fiables.\u003C/p\u003E\r\n\u003Cp\u003ELes obligations d’information relatives à l’IA et la transparence de l’IA générative définissent dans quelles situations les utilisateurs, les clients ou les employés doivent être informés qu’ils interagissent avec un système d’IA ou qu’ils reçoivent un contenu généré par l’IA. La \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/ai-content-governance/\"\u003Egouvernance du contenu\u003C/a\u003E peut également inclure des normes de provenance telles que la norme \u003Ca target=\"_blank\" href=\"https://c2pa.org/\" rel=\"noopener noreferrer\"\u003EC2PA\u003C/a\u003E, un examen humain des contenus à fort impact, le marquage numérique (watermarking), lorsque cela est approprié, ainsi que des politiques applicables aux contenus générés par l’IA destinés à une diffusion externe.\u003C/p\u003E\r\n\u003Ch3\u003EGouvernance des agents d’IA\u003C/h3\u003E\r\n\u003Cp\u003ELa gouvernance des agents d’IA inclut la supervision de l’utilisation des outils, les contrôles de la mémoire des agents et les règles de coordination multiagents. Un agent d’assistance qui rédige une réponse est un profil de risque, tandis qu’un agent qui peut émettre des remboursements, mettre à jour des relevés de compte ou interroger des systèmes internes sensibles en est un autre. La gouvernance doit définir les outils que l’agent est autorisé à appeler, les autorisations dont il hérite, les actions qui nécessitent une approbation préalable et la manière dont les exceptions sont consignées.\u003C/p\u003E\r\n\u003Cp\u003ELa mémoire des agents crée un autre objet de gouvernance. Si un agent conserve des préférences utilisateur, le contexte d’un projet ou des décisions antérieures, les équipes doivent définir des règles relatives à la conservation, à la suppression, au contrôle des accès, à la protection de la vie privée et à la possibilité que cette mémoire influence les actions futures. Les systèmes multiagents ajoutent un risque de coordination : un agent peut récupérer des données, un autre peut raisonner et un autre peut prendre des mesures. La piste d’audit doit montrer comment ces étapes sont liées.\u003C/p\u003E\r\n\u003Cp\u003ELa question pratique de la gouvernance est de savoir si l’entreprise peut restreindre le comportement de l’agent sans s’appuyer uniquement sur le modèle. Les garde-fous, les autorisations, les politiques relatives aux données, les mécanismes d’approbation des flux de travail, les journaux de traçabilité et le signalement des incidents contribuent tous à faire de l’IA agentique un système contrôlé plutôt qu’un processus opaque.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"text":{"id":"text-79dc252eda","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003EASTUCE\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003EPlus un agent d’IA dispose d’autonomie (mémoire, accès aux outils ou capacité à prendre des mesures), plus il a besoin de contrôles de gouvernance autour des autorisations, des approbations et des pistes d’audit.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"title_model-governance-model-risk-and-alignment":{"id":"title-v2-72415eb21a","additionalClasses":"anchor-title anchor-title--model-governance-model-risk-and-alignment","type":"heading2","lines":["Gouvernance des modèles, risque et alignement des modèles"],":type":"snowflake-site/components/title-v2"},"text_model-governance-model-risk-and-alignment_0":{"id":"text-a93875f847","text":"\u003Cp\u003ELa gouvernance des modèles gère chaque modèle comme une ressource d’entreprise. Il inclut généralement l’enregistrement de modèles, les fiches descriptives de modèles, la documentation, la validation, les flux de travail d’approbation, le suivi, le retrait et la propriété. Un registre de modèles indique quels modèles existent et où ils sont déployés. Une fiche descriptive de modèle consigne les usages prévus, les résultats des évaluations, les limites, les considérations éthiques et les situations dans lesquelles le modèle ne doit pas être utilisé.\u003C/p\u003E\r\n\u003Cp\u003ELe risque lié à un modèle est le risque qu’un modèle produise des résultats incorrects, inappropriés ou préjudiciables, ou qu’il soit utilisé en dehors du contexte pour lequel il a été conçu. Les établissements de services financiers considèrent depuis longtemps la gestion des risques liés aux modèles comme une discipline à part entière. La circulaire SR 11-7, qui fait depuis longtemps référence aux États-Unis en matière de \u003Ca href=\"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-risk-management/\"\u003Egestion des risques\u003C/a\u003E liés aux modèles dans le secteur bancaire, met l’accent sur la gouvernance, la validation, les contrôles et la supervision. En avril 2026, \u003Ca href=\"https://www.federalreserve.gov/supervisionreg/srletters/SR2602.pdf\" target=\"_blank\" rel=\"noopener noreferrer\"\u003Ela Réserve fédérale\u003C/a\u003E a publié des orientations révisées visant à adopter une approche davantage fondée sur les risques.\u003C/p\u003E\r\n\u003Cp\u003ELa gouvernance de l’IA s’inspire de la tradition des risques liés aux modèles mais l’étend à un ensemble plus large de systèmes. Un modèle de référence (challenger model) peut être utilisé pour comparer ses performances à celles d’un modèle en production. La surveillance peut suivre la dérive, la précision, la latence, le coût, l’équité ou les taux de rendement dangereux. Un examen responsable par l’IA peut permettre de déterminer si le cas d’usage correspond aux principes organisationnels, aux obligations légales et aux attentes des parties prenantes.\u003C/p\u003E\r\n\u003Cp\u003EL’alignement des modèles ajoute une dimension supplémentaire, en particulier dans le cas de l’IA générative. L’alignement demande si un modèle ou une application d’IA se comporte de manière cohérente avec les objectifs, les politiques et les valeurs humaines visés. Des techniques telles que l’IA constitutionnelle peuvent orienter le comportement d’un modèle pendant son entraînement ou son ajustement, mais, en entreprise, l’alignement dépend également des mécanismes de contrôle qui l’entourent : cas d’usage approuvés, examen humain, garde-fous, infrastructure d’évaluation et procédures d’escalade clairement définies lorsque le système se comporte de manière inattendue.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_ai-governance-and-compliance":{"id":"title-v2-b55bd5c337","additionalClasses":"anchor-title anchor-title--ai-governance-and-compliance","type":"heading2","lines":["Gouvernance et conformité de l’IA"],":type":"snowflake-site/components/title-v2"},"text_ai-governance-and-compliance_0":{"id":"text-8d4aff39d1","text":"\u003Cp\u003ELa conformité de l’IA transforme les contrôles de gouvernance en preuves. Une politique peut indiquer que les systèmes à haut risque nécessitent une supervision humaine, mais un organisme de réglementation ou un client peut demander le flux de travail d’approbation, les noms des examinateurs, les dates d’examen, l’historique des problèmes et la preuve que le flux de travail a été appliqué avant le déploiement. La différence entre une police et un programme de conformité réside dans la capacité à démontrer que la police fonctionnait dans la pratique.\u003C/p\u003E\n\u003Cp\u003ELe mappage des contrôles permet de relier les activités de gouvernance de l’IA aux exigences spécifiques des lois, normes et politiques internes. Un contrôle unique (par exemple, la tenue d’un inventaire des modèles) peut prendre en charge la loi européenne sur l’IA, la norme ISO/CEI 42001, la gestion interne des risques et les questionnaires d’assurance client. Un seul artefact, comme une fiche descriptive de modèle ou une évaluation de l’impact de l’IA, peut favoriser la transparence, la responsabilisation, l’examen des risques et les preuves d’audit.\u003C/p\u003E\n\u003Cp\u003ELa documentation destinée aux organismes de réglementation doit être exacte, à jour et reliée au système actuel. Cela inclut la destination du système d’IA, les sources de données, la classification des risques, les résultats de l’évaluation, le modèle de supervision humaine, le plan de surveillance, le processus de reporting des incidents et l’historique des changements. Pour l’IA générative et les systèmes agents, la documentation doit également couvrir les prompts, l’ancrage de la RAG, l’utilisation des outils, les garde-fous, la provenance du contenu et l’examen des résultats le cas échéant.\u003C/p\u003E\n\u003Cp\u003ELes programmes de gouvernance de l’IA piétinent souvent lorsque le travail de conformité se fait après coup. Un modèle plus durable consiste à intégrer la documentation, la surveillance et le contrôle des preuves dans le pipeline de gouvernance, de sorte que chaque cas d’usage approuvé de l’IA laisse derrière lui les dossiers nécessaires pour l’examiner, l’auditer et l’améliorer.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_how-to-implement-ai-governance":{"id":"title-v2-358b33f672","additionalClasses":"anchor-title anchor-title--how-to-implement-ai-governance","type":"heading2","lines":["Comment mettre en œuvre la gouvernance de l’IA"],":type":"snowflake-site/components/title-v2"},"text_how-to-implement-ai-governance_0":{"id":"text-e9758c4d87","text":"\u003Cp\u003ELa gouvernance de l’IA fonctionne mieux lorsqu’elle vit à proximité des systèmes qu’elle gouverne. Les règles de police doivent apparaître dans les registres de modèles, les politiques de données, les contrôles d’accès, les flux de travail d’approbation, les tableaux de bord de surveillance et les rapports d’incident. Dans le cas contraire, la gouvernance devient un processus parallèle que les équipes contournent lorsque le travail d’IA progresse rapidement.\u003C/p\u003E\r\n\u003Cp\u003ELa mise en œuvre pratique commence généralement par six étapes :\u003C/p\u003E\r\n\u003Col\u003E\r\n\u003Cli\u003E\u003Cb\u003EInventorier chaque modèle et cas d’usage de l’IA :\u003C/b\u003E créer un inventaire de modèles comprenant le ML traditionnel, les applications d’IA générative, l’IA intégrée des fournisseurs, les systèmes de RAG, les agents d’IA et les systèmes expérimentaux qui peuvent déjà influencer le travail.\u003C/li\u003E\r\n\u003Cli\u003E\u003Cb\u003EClasser par risque :\u003C/b\u003E utiliser un modèle de hiérarchisation des risques qui reflète l’impact, l’autonomie, la sensibilité aux données, l’exposition des utilisateurs et la portée réglementaire.\u003C/li\u003E\r\n\u003Cli\u003E\u003Cb\u003EAttribuer des propriétaires et des évaluateurs responsables :\u003C/b\u003E chaque système a besoin d’un responsable désigné, d’un référent technique et d’un processus de revue clairement défini.\u003C/li\u003E\r\n\u003Cli\u003E\u003Cb\u003EIntégrer des contrôles là où les données et le modèle s’exécutent déjà :\u003C/b\u003E les contrôles sont plus efficaces lorsqu’ils font partie du plan de contrôle des données, des modèles et des applications.\u003C/li\u003E\r\n\u003Cli\u003E\u003Cb\u003EDocumenter, surveiller et auditer en continu :\u003C/b\u003E la documentation sur les modèles, les fiches descriptives de modèles, les évaluations d’impact de l’IA, la traçabilité, l’historique des accès et les pistes d’audit doivent être mis à jour au fur et à mesure que les systèmes évoluent.\u003C/li\u003E\r\n\u003Cli\u003E\u003Cb\u003ERapporter les incidents et apprendre :\u003C/b\u003E les rapports d’incidents de l’IA doivent consigner ce qui s’est passé, qui a été affecté, quel contrôle a échoué ou n’a pas fonctionné et ce qui a changé par la suite.\u003C/li\u003E\r\n\u003C/ol\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_item":{"id":"quote-item-2b1763719b","alignment":"left","layout":"simple","showQuoteIcon":true,"quote":"La gouvernance de l’IA fonctionne mieux lorsqu’elle vit à proximité des systèmes qu’elle gouverne.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"title_why-ai-governance-on-snowflake":{"id":"title-v2-0b93c1b7ef","additionalClasses":"anchor-title anchor-title--why-ai-governance-on-snowflake","type":"heading2","lines":["Pourquoi la gouvernance de l’IA sur Snowflake"],":type":"snowflake-site/components/title-v2"},"text_why-ai-governance-on-snowflake_0":{"id":"text-38dd76b890","text":"\u003Cp\u003ELa gouvernance de l’IA bénéficie de la proximité des données gouvernées. Si les politiques relatives aux données sont gérées dans un système, le développement des modèles dans un autre, les prompts dans un troisième et les applications d’IA ailleurs, les équipes consacrent une grande partie de leurs efforts de gouvernance à rapprocher les inventaires, à recopier des éléments d’étayage et à tenter de reconstituer, a posteriori, ce qui s’est passé.\u003C/p\u003E\n\u003Cp\u003ESnowflake fournit des fonctionnalités conçues pour prendre en charge l’IA gouvernée là où se trouvent déjà les données gouvernées. \u003Ca href=\"https://www.snowflake.com/fr/product/features/horizon/\"\u003ESnowflake Horizon Catalog\u003C/a\u003E offre une couche de gouvernance unifiée pour les données et l’IA, avec des fonctionnalités telles que le contrôle d’accès, le masquage dynamique des données, les politiques d’accès aux lignes et la classification des données.\u003C/p\u003E\n\u003Cp\u003ELe \u003Ca href=\"https://trust.snowflake.com/\"\u003ESnowflake Compliance Center\u003C/a\u003E ajoute une couche de surveillance pour la posture de sécurité du compte. Il évalue les comptes Snowflake par rapport aux recommandations du scanner, génère des conclusions lorsqu'il détecte des risques de sécurité potentiels et fournit des recommandations de remédiation.\u003C/p\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/blog/snowflake-cortex-ai-cortex-guard-llm-safeguards/\"\u003ECortex Guard\u003C/a\u003E est conçu pour fournir une couche de sécurité d’exécution pour l’IA générative en filtrant les réponses potentiellement dangereuses ou nocives des LLM lorsqu’elles sont activées dans les fonctions de Snowflake Cortex AI.\u003C/p\u003E\n\u003Cp\u003ELa certification ISO/IEC 42001 de Snowflake ajoute un autre signal de crédibilité. La certification démontre des structures de gouvernance et de supervision pour la gestion du cycle de vie de l’IA, en mettant l’accent sur la transparence et la responsabilité dans le développement et l’utilisation de l’IA.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"card_v2_why-ai-governance-on-snowflake_0":{"id":"card-v2-a4ce35eec8","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["TÉMOIGNAGE CLIENT : Merkle"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/customers/all-customers/case-study/merkle/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire l’étude de cas complète"},"image":{"id":"image","height":"351","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--14562da5-7f82-4c21-b8ff-55054c4d6c0c/merkle%25403x.png?quality=85&preferwebp=true","alt":"Merkle logo","lazyEnabled":true,"width":"624",":type":"snowflake-site/components/image"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EMerkle a amélioré son cycle de développement de données de 64 % et réalisé jusqu’à 20 % d’économies (chiffres de mars 2025) en centralisant ses données marketing sensibles, sa gouvernance et ses workflows de collaboration dans Snowflake. L’équipe a également développé une solution de réponse aux appels d’offres avec Document AI dans Snowflake Cortex, réduisant ainsi la saisie de données pour au moins 25 collaborateurs.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal"},"title_a-practical-path-to-safer-ai":{"id":"title-v2-a01d0e7e7e","additionalClasses":"anchor-title anchor-title--a-practical-path-to-safer-ai","type":"heading2","lines":["Vers une IA plus sûre"],":type":"snowflake-site/components/title-v2"},"text_a-practical-path-to-safer-ai_0":{"id":"text-ea4e2621f2","text":"\u003Cp\u003EPour les entreprises, l’adoption de l’IA ne peut se faire sans gouvernance. La gouvernance aide l’entreprise à voir ce que fait un système d’IA, qui en est responsable, quelles données et quels modèles ont façonné son comportement et si les bons contrôles ont été appliqués avant qu’un résultat ne soit intégré à une décision.\u003C/p\u003E\n\u003Cp\u003ELa gouvernance devient d’autant plus importante que l’IA se déplace vers des applications et des agents génératifs capables de récupérer des données d’entreprise, de générer du contenu, d’appeler des outils et d’influencer les flux de travail opérationnels.\u003C/p\u003E\n\u003Cp\u003EPour les entreprises, c’est là toute la valeur pratique de la gouvernance de l’IA. Elle permet aux équipes d’avancer plus rapidement avec une vision plus claire des risques, d’utiliser l’IA dans des endroits où la confiance et la responsabilité comptent, et de montrer aux clients, aux organismes de réglementation et aux parties prenantes internes comment les systèmes d’IA sont gérés au fil du temps.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_a-practical-path-to-safer-ai_0":{"id":"text-993f0a3d91","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cstrong\u003EÀ RETENIR\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003ELa gouvernance de l’IA permet aux entreprises d’exploiter l’IA de manière fiable en alignant les politiques, les contrôles et la responsabilité tout au long du cycle de vie du système, garantissant que les diverses approches de l’IA, des modèles traditionnels à l’IA générative et aux agents, restent transparentes, contrôlées et adaptées à une utilisation réelle.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"}},":itemsOrder":["callout_what-is-ai-governance_0","text_intro_0","title_what-is-ai-governance","text_what-is-ai-governance_0","title_why-ai-governance-matters-now","text_why-ai-governance-matters-now_0","quote_why-ai-governance-matters-now_0","text_why-ai-governance-matters-now_1","card_v2_why-ai-governance-matters-now_0","title_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001","text_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001_0","yt_key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001_0","title_key-components-of-ai-governance","text_key-components-of-ai-governance_0","callout_key-components-of-ai-governance_0","title_responsible-ai-principles-that-operationalize-governance","text_responsible-ai-principles-that-operationalize-governance_0","title_ai-transparency-and-explainability","text_ai-transparency-and-explainability_0","title_ai-traceability-and-auditability","text_ai-traceability-and-auditability_0","title_training-data-governance-and-bias-auditing","text_training-data-governance-and-bias-auditing_0","title_generative-ai-and-ai-agent-governance","text_generative-ai-and-ai-agent-governance_0","text","title_model-governance-model-risk-and-alignment","text_model-governance-model-risk-and-alignment_0","title_ai-governance-and-compliance","text_ai-governance-and-compliance_0","title_how-to-implement-ai-governance","text_how-to-implement-ai-governance_0","quote_item","title_why-ai-governance-on-snowflake","text_why-ai-governance-on-snowflake_0","card_v2_why-ai-governance-on-snowflake_0","title_a-practical-path-to-safer-ai","text_a-practical-path-to-safer-ai_0","callout_a-practical-path-to-safer-ai_0"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},"flexible_column_content_container_2":{"additionalClasses":"hub-sidebar","layout":"SIMPLE","id":"hub-body-aside",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container":{"additionalClasses":"sticky-sidebar","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"text_943981956_copy_":"aem-GridColumn aem-GridColumn--default--12","text_copy":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-f68e81e8e9",":type":"snowflake-site/components/container",":items":{"text_943981956_copy_":{"id":"text-a1fc0ba3d0","additionalClasses":"eyebrow-text","text":"\u003Cp\u003EDans ce guide\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular"},"text_copy":{"id":"text-2637cf6ba5","additionalClasses":"page-toc","text":"\u003Cul\u003E\r\n\u003Cli data-anchor=\"what-is-ai-governance\"\u003EDéfinition de la gouvernance de l’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"why-ai-governance-matters-now\"\u003EPourquoi la gouvernance de l’IA est importante\u003C/li\u003E\r\n\u003Cli data-anchor=\"key-ai-governance-frameworks-eu-ai-act-nist-ai-rmf-and-iso-42001\"\u003EFrameworks de gouvernance de l’IA : Loi sur l’IA dans l’UE, NIST AI RMF et ISO 42001\u003C/li\u003E\r\n\u003Cli data-anchor=\"key-components-of-ai-governance\"\u003EComposants clés d’une gouvernance de l’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"responsible-ai-principles-that-operationalize-governance\"\u003EIA responsable : les principes qui matérialisent la gouvernance\u003C/li\u003E\r\n\u003Cli data-anchor=\"ai-transparency-and-explainability\"\u003ETransparence et explicabilité de l’IA :\u003C/li\u003E\r\n\u003Cli data-anchor=\"ai-traceability-and-auditability\"\u003ETraçabilité et auditabilité de l’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"training-data-governance-and-bias-auditing\"\u003EGouvernance des données d'entraînement et audit des biais\u003C/li\u003E\r\n\u003Cli data-anchor=\"generative-ai-and-ai-agent-governance\"\u003EGouvernance de l’IA générative et des agents d’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"model-governance-model-risk-and-alignment\"\u003EGouvernance des modèles, risque et alignement des modèles\u003C/li\u003E\r\n\u003Cli data-anchor=\"ai-governance-and-compliance\"\u003EGouvernance et conformité de l’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"how-to-implement-ai-governance\"\u003EComment mettre en œuvre la gouvernance de l’IA\u003C/li\u003E\r\n\u003Cli data-anchor=\"why-ai-governance-on-snowflake\"\u003EPourquoi la gouvernance de l’IA sur Snowflake\u003C/li\u003E\r\n\u003Cli data-anchor=\"a-practical-path-to-safer-ai\"\u003EVers une IA plus sûre\u003C/li\u003E\r\n\u003C/ul\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small text-color-text-05"}},":itemsOrder":["text_943981956_copy_","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"}},":itemsOrder":["container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1786318617":{"id":"flexible-column-container-d99376c2b1","propertiesId":"hub-faq","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-faq-intro",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy":{"id":"title-v2-1515bc77a3","additionalClasses":"hub-faq__headline","type":"heading2","lines":["Foire aux questions"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-3df5a5970d","additionalClasses":"hub-faq__subheadline","text":"\u003Cp\u003ELes réponses de nos experts Snowflake à vos questions les plus fréquentes sur la gouvernance des données.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"hub-faq-accordions",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"simple_snowflake_acc":{"id":"simple-snowflake-accordion-26f5c6f62c","additionalClasses":"seo-hub__faqs","showDivider":false,"accordionItemsList":[{"title":"Quelle est la différence entre gouvernance des données et gestion des données ?","richText":"\u003Cp\u003ELa gouvernance des données régit les ressources de données : tables, vues, fichiers, métadonnées, traçabilité, qualité, propriété, politiques d’accès et règles de conservation. La gouvernance de l’IA régit les systèmes d’IA, notamment les données qu’ils utilisent, les modèles dont ils dépendent, les prompts et le contexte extrait qui façonnent les résultats, les applications ou les agents qui les déploient et les décisions ou actions qu’ils prennent en charge.\u003C/p\u003E"},{"title":"Quels sont les principaux frameworks de gouvernance de l’IA ?","richText":"\u003Cp\u003ELes principaux frameworks et normes de gouvernance de l’IA incluent la loi sur l’IA de l’UE, le cadre de gestion des risques liés à l’IA du NIST et la norme ISO/IEC 42001.\u003C/p\u003E"},{"title":"À qui incombe la gouvernance de l’IA dans une entreprise ?","richText":"\u003Cp\u003ELa gouvernance de l’IA est généralement une responsabilité partagée entre les dirigeants qui en sont les commanditaires, les équipes chargées de la gestion des risques et de la conformité, les services juridiques, les équipes de sécurité, les responsables des données, les équipes spécialisées en IA et en apprentissage automatique, les responsables de produits et les parties prenantes métiers.\u003C/p\u003E"},{"title":"Quelle est la différence entre gouvernance de l’IA et IA responsable ?","richText":"\u003Cp\u003EL’IA responsable fait référence aux principes et valeurs (comme l’équité, la transparence et la sécurité) qui définissent le comportement des systèmes d’IA. La gouvernance de l’IA est l’ensemble des politiques, processus et contrôles utilisés pour garantir que ces principes sont effectivement appliqués dans la pratique.\u003C/p\u003E"}],":type":"snowflake-site/components/simple-snowflake-accordion"}},":itemsOrder":["simple_snowflake_acc"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1467213961":{"id":"flexible-column-container-d135762601","propertiesId":"hub-explore-resources-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-e54fdf35d3",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-bb9c52dca5","additionalClasses":"hub-explore-resources-header__headline","type":"heading2","lines":["Explorez les ressources sur l’IA"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"}},":itemsOrder":["title_v2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_912630531":{"id":"flexible-column-container-df4f9349d2","propertiesId":"hub-explore-resources-grid","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-explore-resources-grid-inner",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"resource_chip_0":{"id":"content-chip-26ca6796a7","tagText":"RAPPORT","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/fr/lp/radical-roi-generative-ai/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire la suite"},"headline":{"id":"title-v2-273b6076b7","type":"heading5","lines":["Le ROI de l’IA générative et des agents en 2026"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_1":{"id":"content-chip-f154d8960a","tagText":"EBOOK","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/ebook/building-the-interoperable-lakehouse-data-strategies-for-ai-leaders/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire la suite"},"headline":{"id":"title","type":"heading5","lines":["Construire un lakehouse interopérable : stratégies data pour les leaders de l’IA"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_2":{"id":"content-chip-2fcc11901c","tagText":"LIVRE BLANC","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/white-paper/from-prompt-to-purpose-unlocking-business-value-with-agentic-ai/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire la suite"},"headline":{"id":"title-v2-a2d1a92181","type":"heading5","lines":["Du prompt à l’impact : libérer la valeur métier grâce à l’IA agentique"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_3":{"id":"content-chip-dc4f5c5633","tagText":"RAPPORT","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/redefining-data-engineering-in-the-age-of-ai/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"Lire la suite"},"headline":{"id":"title","type":"heading5","lines":["Redéfinir le data engineering à l’ère de l’IA"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["resource_chip_0","resource_chip_1","resource_chip_2","resource_chip_3"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1158003461":{"id":"flexible-column-container-027bd63ee7","propertiesId":"hub-explore-topics-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-fb21cd7ff5",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy_copy":{"id":"title-v2-499d4d65cd","additionalClasses":"hub-explore-topics-header__headline","type":"heading2","lines":["Explorez les sujets liés à l’IA"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy":{"id":"text-da93e5080a","additionalClasses":"hub-explore-topics-header__subheadline","text":"\u003Cp\u003EUne analyse approfondie de chaque aspect de l’intelligence artificielle\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy_copy","text_copy_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"},"flexible_column_cont_1377146023":{"id":"flexible-column-container-9e6aec494d","propertiesId":"hub-explore-topics-grid","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-9c80a300bd",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_0":{"id":"card-v2-a3a88f98e6","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Intelligence artificielle"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/fr/artificial-intelligence/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"En savoir plus"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EGuide pratique de l’IA d’entreprise : comment elle fonctionne, où elle va et ce qu’elle signifie pour votre entreprise.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_0"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-9d714f7635",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_1":{"id":"card-v2-90f74ca16c","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Machine learning"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/fr/artificial-intelligence/machine-learning/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"En savoir plus"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EComprendre des algorithmes qui apprennent et s’améliorent automatiquement par expérience.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_1"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-de9c705641",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_2":{"id":"card-v2-20e6d7565e","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Éthique de l’IA"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/fr/artificial-intelligence/ai-governance/ai-ethics/"},"linkTargetContentType":"GENERIC","linkType":"SNOWFLAKE_EXTERNAL",":type":"snowflake-site/components/button","text":"En savoir plus"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EPrincipes fondamentaux (équité, responsabilité, contrôle humain) pour guider une utilisation responsable de l’IA.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"}},":itemsOrder":["flexible_column_cont","flexible_column_cont_939100716","flexible_column_cont_1398138236","flexible_column_cont_663228916","flexible_column_cont_1786318617","flexible_column_cont_1467213961","flexible_column_cont_912630531","flexible_column_cont_1158003461","flexible_column_cont_1377146023"],":type":"wcm/foundation/components/responsivegrid"},"modal_container":{"layout":"SIMPLE","id":"container-a108ba5023",":type":"snowflake-site/components/modal/modal-container",":items":{},":itemsOrder":[]},"markup_editor_928258845":{"id":"markup-editor-d5a3f4d479","title":" ","cssContent":".snowflake-flexible-column-container-gray-10-bg\u003E.snowflake-flexible-column-container{background-color:var(--ui-background-05) !important}.text-size-regular:has(.seo-hub-hero__related-topic-label){display:flex;align-items:center}.hub-hero__headline span{text-transform:none !important}.hub-hero__subheadline p{max-width:70ch;margin-top:8px}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:24px 48px 0 0 !important}.hub-hero__authors .heading-5-v2{gap:var(--spacing-00)}.hub-hero__authors .snowflake-content-chip-button{display:none !important}.hub-hero__authors .snowflake-person-chip-content .body-2,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line{font-size:16px !important;line-height:20px !important;font-family:\"Lato\",sans-serif !important;color:#000 !important;font-weight:600 !important}.hub-hero__authors .snowflake-person-chip-content .body-3,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line:not(:first-child){font-weight:400 !important;color:var(--text-05) !important;font-size:16px !important}.hub-hero__authors .snowflake-image-container img{aspect-ratio:1 !important;border-radius:100%;overflow:hidden}.hub-hero__authors .snowflake-person-chip-avatar{width:56px;height:56px}.hub-hero__authors .snowflake-content-chip{align-items:center;display:inline-flex}.hub-hero__authors .snowflake-content-chip-image{max-width:56px;line-height:0;margin-right:var(--spacing-03)}.hub-hero__authors .snowflake-person-chip-inner-horizontal{gap:var(--spacing-03)}@media screen and (min-width:1367px){.hub-hero__headline .heading-1-v2{font-size:48px;line-height:44px}}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container{display:flex;flex-direction:row;flex-wrap:wrap;gap:24px}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::before,#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::after{display:none}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container\u003Ediv{width:calc(25% - 18px)}.text-color-text-05 .snowflake-text h2,.text-color-text-05.cq-Editable-dom h2,.text-color-text-05 .snowflake-text h3,.text-color-text-05.cq-Editable-dom h3,.text-color-text-05 .snowflake-text h4,.text-color-text-05.cq-Editable-dom h4,.text-color-text-05 .snowflake-text h5,.text-color-text-05.cq-Editable-dom h5,.text-color-text-05 .snowflake-text h6,.text-color-text-05.cq-Editable-dom h6{color:#000 !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor_597730182":{"id":"markup-editor-1e2ccfb7b4","title":" ","cssContent":".sf-copy-markdown [data-copy-md]{display:inline-flex;align-items:center;gap:6px;padding:8px 16px;font-family:'Texta',sans-serif;text-transform:uppercase;font-weight:800 !important;font-size:14px;font-weight:500;color:#11567f;background:#f0faff;border:1px solid #b8e6f9;border-radius:24px;cursor:pointer;transition:background .2s ease,border-color .2s ease,color .2s ease}.sf-copy-markdown [data-copy-md]:hover{background:#ddf3fc;border-color:#29b5e8}.sf-copy-markdown [data-copy-md][data-copied=\"1\"]{color:#0f7b3e;background:#ecfdf5;border-color:#6ee7a0;pointer-events:none}.sf-copy-markdown [data-copy-md] svg{flex-shrink:0}.longform-conten .snowflake-content-chip-white-bg .snowflake-content-chip{box-shadow:0 0 24px 4px rgba(0,0,0,.02),0 4px 8px 0 rgba(0,0,0,.04);flex-direction:row-reverse;align-items:center}.longform-conten .snowflake-content-chip-button{display:none}.longform-conten .snowflake-content-chip-image__inner{aspect-ratio:5 / 3;display:flex;justify-content:center;align-items:center;background-color:var(--ui-01);border-radius:4px}.longform-conten .snowflake-content-chip-image{margin-right:0;margin-left:48px}.longform-conten .snowflake-content-chip-image img{width:50%;border-radius:0 !important;object-fit:contain}.longform-content .black-blue-text-color .snowflake-title-v2-line:not(:first-child){font-size:14px !important;font-weight:400 !important;color:rgba(0,0,0,.6) !important;margin-top:8px !important}.page-toc ul li:first-child{padding-top:0 !important}.page-toc ul li:last-child{padding-bottom:0 !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{flex-grow:1}.sf-copy-markdown{margin-top:40px !important}.page-toc ul{margin-top:16px !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;justify-content:space-between}.sf-copy-markdown{}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E strong,.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:80ch}#hero:has(.snowflake-youtube-lite) .seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{width:100%;flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor":{"id":"markup-editor-150f785e47","title":" ","cssContent":"div.snowflake-breadcrumb a.snowflake-breadcrumb-item,.snowflake-breadcrumb div.snowflake-breadcrumb-item{text-transform:none;font-weight:500}.snowflake-breadcrumb svg{display:none !important}.snowflake-breadcrumb a:has(svg)::after{content:'/';margin:0 12px;color:#666}.hub-sidebar{padding:0 40px}.sticky-sidebar{max-width:340px;margin-left:auto}.page-toc ul{list-style-type:none;padding:0}.page-toc li{padding:8px 16px;border-left:4px solid var(--ui-01);cursor:pointer;transition:300ms ease all}.page-toc li:hover{color:var(--ui-01);border-color:#7fd3f1;transition:300ms ease all}.callout,.customer-card{background-color:#eef9fd;border-left:4px solid var(--ui-01);padding:24px 24px 24px 32px;border-radius:4px}.logo-container{max-width:180px}.longform-content li{margin-top:1rem !important}div.longform-content p{max-width:80ch}.bolder .snowflake-title-v2-line{font-weight:900 !important}.border-top\u003Ediv{border-top:1px solid #ccc;padding-top:48px}.related-topics ul{list-style-type:none;padding:0;margin:0;display:flex;gap:8px;flex-wrap:wrap}.related-topics li{display:inline-block;border:1px solid #ccc;padding:4px 12px;border-radius:24px}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-title-v2 .heading-6-v2,div.longform-content .snowflake-text .heading-6-v2{text-transform:none !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2{margin-top:1.5rem !important;line-height:1.1 !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-family:Lato,sans-serif !important;font-weight:800 !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{text-transform:none !important;font-size:28px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:22px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:18px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:16px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:14px !important}@media screen and (min-width:992px){div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{font-size:38px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:26px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:22px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:18px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:16px !important}}.sticky-sidebar .page-toc li.is-active{font-weight:600;color:var(--snow-blue,#29b5e8)}.sticky-sidebar .page-toc li[data-anchor]{cursor:pointer}.longform-content table{margin-top:24px;margin-bottom:24px;width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}.longform-content table thead{background-color:var(--ui-01)}.longform-content th,.longform-content td{min-width:120px;border:2px solid var(--ui-background-09);padding:var(--spacing-01)}.longform-content ol{margin-top:0 !important}.longform-content ol li{margin-bottom:1rem !important}.longform-content ul li{margin:0;padding:0 0 0 32px;position:relative}.longform-content ul{list-style-type:none}.longform-content ul li::before{content:\"\";display:block;border-radius:100%;background:#29b5e8;width:18px;height:18px;position:absolute;top:4px;left:0;border:5px solid #e5f2f7;box-sizing:border-box}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container{max-width:200px}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container img{object-fit:contain}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:0 !important}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{margin-right:16px !important;flex-shrink:0}","jsContent":"(function(){var OFFSET=100;if(window.gsap&&window.ScrollTrigger){gsap.registerPlugin(ScrollTrigger);var sidebar=document.querySelector('.sticky-sidebar');var body=document.querySelector('.longform-content');if(sidebar&&body){ScrollTrigger.create({trigger:sidebar,start:'top 100px',endTrigger:body,end:'bottom bottom',pin:sidebar,pinSpacing:false});}}document.addEventListener('click',function(e){var li=e.target.closest('li[data-anchor]');if(!li)return;var slug=li.getAttribute('data-anchor');var heading=document.querySelector('.anchor-title--'+CSS.escape(slug));if(!heading)return;e.preventDefault();var top=heading.getBoundingClientRect().top+window.pageYOffset-OFFSET;window.scrollTo({top:top,behavior:'smooth'});history.replaceState(null,'','#'+slug);},false);var headings=document.querySelectorAll('[class*=\"anchor-title--\"]');if(headings.length&&'IntersectionObserver'in window){var io=new IntersectionObserver(function(entries){entries.forEach(function(entry){if(!entry.isIntersecting)return;var cls=Array.from(entry.target.classList).find(function(c){return c.indexOf('anchor-title--')===0;});if(!cls)return;var slug=cls.replace('anchor-title--','');document.querySelectorAll('li[data-anchor]').forEach(function(li){li.classList.toggle('is-active',li.getAttribute('data-anchor')===slug);});});},{rootMargin:'-20% 0px -70% 0px',threshold:0});headings.forEach(function(h){io.observe(h);});}})();",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":true},"experiencefragment-footer":{"id":"experiencefragment-be3ce60abb","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer/master.xfmodel.json?callerPage=/content/snowflake-site/global/fr/artificial-intelligence/ai-governance"},"experiencefragment":{"id":"experiencefragment-2ef4ec10cb","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer-legal-disclaimers/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer-legal-disclaimers/master.xfmodel.json?callerPage=/content/snowflake-site/global/fr/artificial-intelligence/ai-governance"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","responsivegrid","modal_container","markup_editor_928258845","markup_editor_597730182","markup_editor","experiencefragment-footer","experiencefragment"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/fr/artificial-intelligence/ai-governance","isPasswordProtected":false,"analyticsContentTags":[],"analyticsEnabled":true,"coveoConfig":{"pipeline":"snowflake.com","searchHub":"snowflake.com","organizationId":"snowflakecomputingproduction8neljofn","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"base-page-template54","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/fr/artificial-intelligence/ai-governance","language":"fr","category":"general","pageName":"Gouvernance de l’IA : un guide pour les entreprises","contentTags":[]},"locale":"fr"}