OpenAI publie son plan de standards IA mondiaux et tente de définir l’audit de sécurité avant les régulateurs

21 septembre 2026. OpenAI publie « Building standards for the next phase of AI », un texte signé de son équipe Global Affairs. Novembre 2024. CAISI fonde le réseau international de mesure et d’évaluation de l’IA. 15 septembre 2026. OpenAI apporte déjà son soutien à un plan bipartisan du Congrès américain sur les évaluations de sécurité par des tiers. Pourquoi c’est important : le laboratoire publie sa méthodologie d’évaluation avant que les régulateurs ne définissent ce qu’est un « bon audit », pour façonner cette définition.

Le texte appelle les États-Unis à mener un effort international de standards techniques pour l’IA de pointe, y compris pour l’auto-amélioration récursive (recursive self-improvement, RSI). Mais pour un RSSI, la partie la plus concrète n’est pas diplomatique : elle tient à la façon dont OpenAI décrit l’évaluation, le signalement et la supervision, trois briques qui préfigurent le cadre dans lequel les entreprises devront bientôt faire auditer leurs modèles.

Ce que le texte propose

OpenAI part de trois missions, attribuées à Sam Altman et Jakub Pachocki : construire un chercheur automatisé et itérer avec lui sur le problème de l’alignement, délivrer les bénéfices scientifiques et économiques des machines intelligentes, et donner à chacun un AGI personnel. La sécurité, dit le texte, dépend autant des progrès de l’alignement que de standards partagés entre laboratoires et pays.

Le point technique central est la RSI : des systèmes d’IA qui prennent en charge une part croissante de la production des générations suivantes de modèles. OpenAI affirme qu’une RSI entièrement autonome n’existe pas et ne doit pas être poursuivie tant qu’elle n’est pas sûre, et que toute décision doit préserver le contrôle humain.

Le texte cite l’incident Hugging Face que le laboratoire a déjà divulgué — sans le présenter comme un résultat direct de la RSI, mais comme un aperçu des risques qui pourraient devenir bien plus graves sans garde-fous solides. Pour un lecteur pressé, c’est la reconnaissance qu’un incident public sert de base à une doctrine de sécurité.

Trois problèmes que les standards doivent résoudre

OpenAI structure son argument autour de trois défis. La fragmentation d’abord : des évaluations, des exigences de signalement et des définitions d’incident qui divergent entre pays rendraient les preuves incomparables et les capacités émergentes plus difficiles à mesurer. L’action collective ensuite : les pays qui agissent seuls aboutissent à des résultats qu’aucun ne souhaite, et la RSI pourrait accélérer la recherche plus vite que les nations ne peuvent la suivre. La capacité inégale enfin : l’expertise de pointe est concentrée dans quelques pays, ce qui aggrave les deux premiers problèmes.

La réponse proposée tient en deux volets. Le premier est un mécanisme de standards nationaux et internationaux complémentaires, bâti sur le réseau émergent des instituts de sécurité de l’IA — Australie, Canada, Allemagne, France, Kenya, Japon, Corée, Singapour, Inde et Royaume-Uni — et sur le CAISI (Center for AI Standards and Innovation) et les organismes industriels nationaux.

OpenAI insiste sur un point que les entreprises doivent noter : ces standards ne seraient pas des licences, ni une revue préalable obligatoire des modèles. Les gouvernements décideraient de leur transposition en droit. Le travail associerait l’ISO, le Frontier Model Forum, l’Agentic AI Foundation, l’Open Secure AI Alliance et la Appia Foundation, qui relie les standards internationaux aux évaluations réelles.

L’incidentologie de l’IA se précise

Le second volet touche directement les équipes de réponse à incident. OpenAI propose des mesures communes et des protocoles de signalement d’incident, avec des niveaux de sévérité partagés et des seuils de déclaration. Le laboratoire présente son cadre de signalement des désalignements (misalignment reporting framework) comme une contribution initiale.

C’est une nouveauté de fond. Jusqu’ici, chaque laboratoire classait et rapportait ses incidents selon ses propres critères, rendant toute comparaison impossible. Un vocabulaire commun de sévérité et de seuils transformerait l’incidentologie de l’IA en discipline exploitable, comparable aux échelles de criticité qui structurent déjà la réponse aux incidents de cybersécurité.

OpenAI ajoute que les opérateurs d’infrastructures critiques et les gouvernements auront besoin de canaux sécurisés pour partager préoccupations de sécurité nationale, vulnérabilités émergentes et bonnes pratiques, et qu’un dialogue États-Unis–Chine serait un pas positif. Le texte se conclut sur une formule : rythmer le développement de l’IA ne consiste pas à tenir une vitesse prédéfinie, mais à garder la recherche d’alignement en avance sur les capacités.

Pourquoi le timing compte

Le calendrier est le message. OpenAI publie cette doctrine de standards au moment même où les régulateurs, aux États-Unis comme en Europe, commencent à rédiger les règles de l’évaluation des modèles. Publier la méthodologie avant que la définition réglementaire ne soit figée permet au laboratoire d’influencer cette définition plutôt que de s’y conformer.

Ce mouvement s’accompagne d’un autre document, un playbook d’évaluation que OpenAI a publié récemment et qui décrit ce qu’une évaluation par un tiers crédible doit contenir. Pour un RSSI, l’enjeu est direct : la due diligence sur les fournisseurs d’IA va devoir s’appuyer sur des évaluations tierces, et la barre de ce qui constitue une évaluation sérieuse se fixe aujourd’hui.

Il faut lire ce texte à deux niveaux. C’est à la fois un travail de sécurité authentique — des canaux d’incident et des seuils communs servent réellement la défense — et un positionnement stratégique de premier entrant. Les deux lectures ne s’excluent pas, et c’est précisément ce qui rend le texte difficile à ignorer.

Un cadre qui s’adosse aux réglementations existantes

Le texte d’OpenAI ne propose pas une réglementation de plus : il cherche à s’insérer dans celles qui se construisent déjà. Aux États-Unis, le NIST a publié son AI RMF (Risk Management Framework) et le CAISI prépare les standards techniques que le texte veut étendre. En Europe, l’AI Act impose des obligations d’évaluation aux modèles à usage général, et le Bureau européen de l’IA rédige les codes de pratique qui précisent ces obligations.

La stratégie d’OpenAI consiste à fournir la couche technique manquante : des définitions communes de mesure, de sévérité et de seuil, que les régulateurs pourraient reprendre plutôt que de les rédiger eux-mêmes. Pour une entreprise, le message pratique est double. D’une part, les évaluations tierces vont devenir la norme de la due diligence, quel que soit le cadre juridique final. D’autre part, la méthodologie publiée aujourd’hui a toutes les chances de devenir le plancher de ce que l’on considère comme un audit sérieux.

C’est aussi une invitation à ne pas attendre. Les équipes qui intègrent dès maintenant ces notions de sévérité et de seuil dans leurs procédures d’incident et de validation de fournisseurs seront celles qui, le jour où la réglementation se durcit, n’auront qu’à ajuster à la marge plutôt qu’à reconstruire.

Ce que le RSSI doit en faire

La première conséquence est de suivre le playbook d’évaluation comme la référence de fait de la due diligence des modèles. Quand un fournisseur affirme qu’un modèle a été « audité par un tiers », la question n’est plus de savoir si c’est vrai, mais si l’évaluation respecte une méthodologie revendiquée, des budgets transparents et des contrôles de validité explicites.

La seconde est d’anticiper la normalisation de l’incidentologie. Les niveaux de sévérité et seuils de signalement que OpenAI propose deviendront probablement un vocabulaire commun. Les équipes de sécurité qui utilisent des modèles de pointe devraient commencer à intégrer le cadre de signalement des désalignements dans leurs propres procédures de remontée d’incident.

La troisième est stratégique. Les standards ne seront pas des licences, mais ils définiront ce que les assureurs, les clients et les régulateurs considèrent comme un usage responsable. Être aligné sur ce cadre avant qu’il ne se durcisse est moins coûteux que de s’y adapter après coup.

Verdict

OpenAI ne demande pas de règle, il en propose la grammaire. Si vous auditez ou achetez des modèles de pointe, prenez le playbook d’évaluation comme la référence minimale de votre due diligence, et vérifiez que les évaluations tierces que l’on vous présente en respectent la méthodologie. Si vous exploitez ces modèles en production, intégrez dès maintenant les notions de sévérité et de seuil du cadre de signalement dans vos procédures d’incident — c’est le vocabulaire que vos homologues et vos régulateurs adopteront. Si vous observez la gouvernance de l’IA, retenez que la définition d’un « bon audit » se joue en ce moment, et que le premier entrant a un avantage durable.

Références

• OpenAI — Building standards for the next phase of AI (21 septembre 2026)
• Unite.AI — OpenAI Proposes US-Led Global Technical Standards for Frontier AI
• POLITICO — OpenAI urges US to lead global standards push (21 septembre 2026)
• OpenAI — A shared playbook for trustworthy third-party evaluations
• POLITICO — OpenAI backs bipartisan House plan for third-party safety assessments (15 septembre 2026)