IA de matching : plateforme à haut risque ?

Par David Joseph Atias, avocat au Barreau de Paris · LinkedIn · Août 2026

Votre algorithme distribue des missions selon le comportement des utilisateurs. La question devient alors sérieuse : votre IA est-elle à haut risque ? En effet, l’annexe III de l’AI Act vise précisément ces systèmes. Ce cas pratique décrypte donc la bascule, le piège du profilage et les briques de contrôle humain qui réduisent le coût.

SOMMAIRE

1. Le cas pratique : un matching qui attribue des missions
2. Annexe III, point 4 : pourquoi la bascule
3. La dérogation de l’article 6 §3 et le piège du profilage
4. Tableau : rester hors haut risque, ou l’assumer
5. Les briques de contrôle humain qui réduisent le coût
6. Pourquoi faire appel à Atias Avocats
7. Conclusion
8. FAQ — Questions fréquentes

1. Le cas pratique : un matching qui attribue des missions

Prenons une marketplace de services classique. Un algorithme attribue les missions aux prestataires disponibles. En effet, il s’appuie sur des signaux comportementaux : notes, taux d’acceptation, rapidité, historique. Ainsi, la machine décide qui reçoit quelle mission. Ce choix conditionne directement l’activité économique de chaque prestataire.

Ce fonctionnement paraît purement technique et neutre. Pourtant, il touche directement l’accès au travail des prestataires. En effet, celui qui reçoit peu de missions voit ses revenus chuter. Le sujet d’une IA haut risque plateforme se pose donc immédiatement.

Beaucoup de dirigeants sous-estiment cette qualification. Ils voient un moteur d’optimisation, pas un système sensible. Or, l’AI Act raisonne par l’usage et l’impact sur les personnes. Par conséquent, un simple moteur de distribution peut devenir une IA haut risque plateforme. La qualification ne dépend pas du discours, mais de la réalité.

Ce cas s’inscrit dans un cadre plus large. En effet, il prolonge les obligations liées à l’IA à haut risque. Il croise aussi les obligations AI Act des entreprises.

2. Annexe III, point 4 : pourquoi la bascule

La clé se trouve dans l’annexe III de l’AI Act. Son point 4 concerne l’emploi et la gestion des travailleurs. Il fixe précisément la ligne de bascule.

Ce point vise plusieurs usages sensibles. D’abord, le recrutement et la sélection de personnes. Ensuite, les décisions sur les conditions de travail, la promotion ou la rupture. Surtout, il vise les systèmes qui attribuent des tâches sur la base du comportement individuel ou de caractéristiques personnelles.

Or, c’est exactement ce que fait un matching comportemental. Il répartit les missions selon la conduite passée du prestataire. Ainsi, il entre dans le champ de l’annexe III. La qualification d’IA haut risque plateforme devient alors très probable. Le doute doit ici profiter à la prudence. Une erreur de qualification se paie toujours beaucoup plus cher a posteriori.

Un élément renforce encore cette lecture. En effet, le point 4 s’applique quel que soit le statut du travailleur. Salarié ou indépendant, la gestion algorithmique est visée. De plus, la directive (UE) 2024/2831 sur le travail de plateforme confirme cette attention portée à la gestion algorithmique.

3. La dérogation de l’article 6 §3 et le piège du profilage

Figurer à l’annexe III ne rend pas toujours un système à haut risque. En effet, l’article 6 §3 ouvre une dérogation. Mais celle-ci se mérite et se prouve.

3.1 Les quatre conditions de la dérogation

La dérogation suppose l’absence de risque important. De plus, elle exige l’une de quatre conditions. Il s’agit d’une tâche procédurale étroite, de l’amélioration d’une activité humaine préalable, d’une détection de constantes sans influence, ou d’une tâche préparatoire.

3.2 Le carve-out du profilage

Ici surgit le piège le plus fréquent. Un système de l’annexe III reste toujours à haut risque s’il effectue un profilage. Aucune apparence de tâche anodine n’y change rien. Or, évaluer le comportement des prestataires relève souvent du profilage.

3.3 Pourquoi le matching profile souvent

Le matching analyse des traits et des comportements individuels. Il en déduit une valeur relative pour chaque prestataire. De ce fait, il évalue des aspects personnels de façon automatisée. Cette logique correspond à la définition même du profilage. Le simple fait de scorer un prestataire suffit souvent à la caractériser. Or, peu de moteurs de matching échappent réellement à cette logique d’évaluation.

3.4 L’auto-classification doit être documentée

La dérogation ne se déclare jamais à la légère. Le fournisseur doit documenter son évaluation par écrit. De plus, cette analyse doit précéder la mise sur le marché. Notre décryptage de l’article 22 du RGPD sur les décisions automatisées éclaire cette exigence de preuve.

4. Tableau : rester hors haut risque, ou l’assumer

Le tableau ci-dessous oppose deux trajectoires. Il aide à décider de la stratégie de conformité d’une IA haut risque plateforme.

5. Les briques de contrôle humain qui réduisent le coût

La bonne nouvelle tient dans la conception. Quelques briques de gouvernance réduisent fortement le coût de conformité. Cinq leviers sont particulièrement efficaces.

5.1 Insérer une décision humaine réelle

Placez un humain sur les décisions les plus sensibles. La désactivation d’un compte ou une sanction en font partie. Ainsi, l’algorithme propose, mais un humain décide vraiment. Cette architecture réduit l’incidence du système sur la décision finale. Elle rapproche aussi la plateforme des conditions de la dérogation. Réduire une IA haut risque plateforme à un simple outil d’aide est alors plus défendable.

5.2 Limiter et encadrer le profilage

D’abord, réduisez les variables comportementales au strict nécessaire. Évitez les critères sensibles ou indirectement discriminants. De ce fait, vous diminuez l’intensité du profilage et le risque juridique.

5.3 Documenter l’auto-classification

Ensuite, rédigez une analyse écrite de qualification du système. En effet, cette preuve conditionne le bénéfice de la dérogation. Justifiez chaque choix au regard de l’annexe III et de l’article 6. Par ailleurs, tenez ce document à jour à chaque évolution majeure.

5.4 Assurer transparence et contestation

Par ailleurs, informez les prestataires de la logique d’attribution. Offrez-leur un droit de réexamen humain effectif. En effet, la directive travail de plateforme et le RGPD l’imposent déjà.

5.5 Tracer et auditer le système

Enfin, conservez des journaux des décisions et des interventions humaines. Testez régulièrement l’équité des attributions. Enfin, un audit périodique sécurise la conformité ; nos clauses IA pour les contrats fournisseurs répartissent ces obligations avec l’éditeur.

6. Pourquoi faire appel à Atias Avocats

Qualifier une IA haut risque plateforme exige une double lecture. Il faut maîtriser l’AI Act, le RGPD et le droit du travail de plateforme. Il faut aussi comprendre le fonctionnement réel de l’algorithme. Atias Avocats réunit ces expertises. En effet, une qualification hâtive peut coûter très cher. De même, une dérogation mal documentée s’effondre au premier contrôle. Cette approche transforme la conformité en avantage compétitif. Pour aller plus loin, consultez nos services en droit du numérique.

Conclusion

Une IA haut risque plateforme se reconnaît à son impact sur les personnes. Un matching qui attribue des missions selon le comportement bascule souvent en annexe III. Or, le profilage ferme la porte de la dérogation la plus commode. C’est pourquoi la qualification doit être menée avec rigueur et par écrit. De plus, le contrôle humain reste le meilleur levier pour réduire le coût. Concevoir la conformité dès le produit reste, ainsi, la stratégie gagnante. À défaut, un moteur d’optimisation peut devenir une lourde source de sanction. Une IA haut risque plateforme mal maîtrisée met en jeu la survie du modèle.

FAQ — Questions fréquentes

Un algorithme de matching de plateforme est-il une IA à haut risque ?

Il peut l’être. L’annexe III de l’AI Act vise les systèmes qui attribuent des tâches sur la base du comportement individuel ou de caractéristiques personnelles. Un algorithme qui distribue des missions selon des signaux comportementaux entre donc dans ce champ. Tout dépend de son rôle réel dans la décision. Cette qualification déclenche des obligations lourdes, d’où l’importance d’une analyse précise dès la conception.

Que dit l’annexe III, point 4, de l’AI Act ?

Le point 4 de l’annexe III concerne l’emploi et la gestion des travailleurs. Il vise notamment les systèmes destinés à attribuer des tâches sur la base du comportement individuel ou de traits personnels, ainsi qu’à surveiller et évaluer les performances. Une plateforme qui répartit les missions via un algorithme comportemental est directement concernée. Ce point s’applique quel que soit le statut, salarié ou indépendant, dès que la gestion algorithmique structure la relation de travail.

La dérogation de l’article 6 paragraphe 3 peut-elle s’appliquer ?

Parfois, mais sous conditions strictes. L’article 6 paragraphe 3 permet d’écarter le haut risque si le système ne présente pas de risque important et remplit l’une des quatre conditions, comme une tâche procédurale étroite. Toutefois, cette dérogation ne s’applique jamais si le système effectue un profilage de personnes physiques. Un matching fondé sur des signaux comportementaux relève souvent du profilage. La dérogation doit en outre être documentée par écrit avant la mise sur le marché.

Le profilage empêche-t-il d’échapper au haut risque ?

Oui, c’est une règle absolue. L’AI Act prévoit qu’un système visé à l’annexe III est toujours à haut risque lorsqu’il effectue un profilage de personnes physiques. Aucune apparence de tâche anodine ou préparatoire ne permet d’y échapper. Or, un algorithme qui évalue le comportement des utilisateurs profile souvent ces personnes. C’est pourquoi la qualification doit être menée avec une grande prudence.

Comment réduire le coût de conformité d’une IA de matching ?

En agissant sur la conception du système et sur le contrôle humain. Un contrôle humain réel sur les décisions sensibles réduit l’incidence de l’algorithme et le risque juridique. Documenter l’auto-classification, limiter le profilage et tracer les interventions humaines diminuent l’exposition. Ces briques de gouvernance répondent aussi à la directive sur le travail de plateforme et à l’article 22 du RGPD. La conformité devient alors un investissement structurant plutôt qu’une charge subie.

Contact : david@atiasavocats.com | LinkedIn: David Joseph Atias | https://www.atiasavocats.com | 42 rue de la Clef, 75005 Paris

Atias Avocats — AI Act, IA à haut risque, plateformes & gestion algorithmique