Le système chinois d'enregistrement des algorithmes — une divulgation obligatoire aux régulateurs, sans transparence publique

Les Dispositions sur l'administration de la recommandation algorithmique dans les services d'information sur Internet, publiées par l'Administration du cyberespace de Chine (CAC) et en vigueur depuis le 1er mars 2022, obligent les plateformes dont les algorithmes présentent des "propriétés d'opinion publique ou une capacité de mobilisation sociale" à demander un numéro d'enregistrement auprès de la CAC ou de ses antennes provinciales. Un régime parallèle, prévu par les Mesures provisoires de 2023 sur les services d'IA générative, a étendu cette obligation d'enregistrement aux modèles et applications d'IA générative.

En août 2024, la CAC a confirmé que 190 modèles d'IA générative avaient été enregistrés avec succès dans le cadre de ce régime, et un suivi indépendant réalisé à la même période a montré qu'une partie seulement des modèles soumis (environ la moitié) franchissait l'étape de l'enregistrement à un moment donné — signe que le mécanisme filtre réellement les candidatures plutôt que de les valider automatiquement, et qu'il fonctionne désormais à l'échelle nationale, couvrant aussi les algorithmes de recommandation de milliers de plateformes.

Cependant, une analyse indépendante du Carnegie Endowment for International Peace sur les informations rendues publiques a conclu qu'elles sont "présentées à un niveau si général qu'elles sont presque dépourvues de tout détail significatif" : l'algorithme de classement des "recherches tendance" de Weibo, par exemple, n'est décrit que comme la combinaison d'une "popularité de recherche, popularité de discussion et popularité de diffusion", multipliée par un "coefficient de taux d'interaction" — une description qu'un observateur extérieur sans connaissance préalable de l'algorithme "pourrait essentiellement deviner", selon Carnegie. L'institut conclut que, sur la base de ce qui est public, ces déclarations "n'offrent aucune information significative sur les algorithmes, la façon dont ils ont été entraînés ou leur fonctionnement potentiel", même si les sections non publiques des dossiers (jeux de données d'entraînement, auto-évaluations de sécurité) peuvent contenir davantage de détails, visibles des seuls régulateurs. Ce cas est inclus ici comme un exemple d'alerte honnête : un mécanisme de conformité qui a pris une ampleur institutionnelle et juridique considérable, mais qui n'offre que peu de la redevabilité publique que les registres d'algorithmes cherchent à garantir ailleurs.