Aller au contenu
Sociétés et F&A

Vérification diligente de l’IA dans les F&A au Canada

La vérification diligente de l’IA vérifie si une cible canadienne possède, et peut légalement utiliser, les modèles, les données et le code qui sous-tendent sa valorisation. En l’absence de loi fédérale sur l’IA en vigueur, l’examen repose sur le droit de la vie privée, le droit d’auteur, les contrats et les règles sectorielles. Ce guide expose quoi examiner, les signaux d’alarme et comment rédiger pour couvrir ce que la vérification ne peut régler.

Liste de contrôle pour la vérification diligente de l’IA : données d’entraînement, modèles et contrats dans une acquisition canadienne

L’essentiel

  • Le Canada n’a aucune loi fédérale sur l’IA en vigueur : le projet de loi C-27 est mort en janvier 2025 et le projet de loi C-36 n’est pas adopté.
  • Retracez modèle par modèle les sources et licences des données d’entraînement, y compris les droits sur les données des clients.
  • Les lois sur la vie privée, dont la Loi 25 du Québec, s’appliquent aux renseignements personnels utilisés pour l’entraînement et l’inférence.
  • Les contrats clients peuvent comporter des indemnités non plafonnées sur les extrants ou des promesses de non-entraînement.
  • Combinez des déclarations propres à l’IA et des indemnités particulières pour les problèmes connus.

Ce que couvre la vérification diligente de l’IA dans une opération canadienne

La vérification diligente de l’IA est la partie de l’examen d’une acquisition qui vérifie si la cible possède et contrôle réellement l’intelligence artificielle dont dépend sa valeur, et si elle peut légalement l’utiliser. Dans les F&A au Canada, elle couvre habituellement six domaines : la provenance et les licences des données d’entraînement, la propriété des modèles et du code, les composants libres, la conformité en matière de vie privée pour l’entraînement et l’inférence, l’exposition découlant des contrats clients, ainsi que les déclarations et indemnités qui répartissent ce que la vérification ne peut régler. Elle comprend aussi une position sur l’encadrement de l’utilisation, par l’acheteur lui-même, d’outils d’IA pendant la vérification.

Liste de contrôle pour la vérification diligente de l’IA : données d’entraînement, modèles et contrats dans une acquisition canadienne
La vérification diligente de l’IA retrace les données, les modèles et les contrats afin que l’acheteur sache ce qu’il paie et quels risques il hérite.

Le contexte juridique canadien est inhabituel. Il n’existe toujours aucune loi fédérale propre à l’intelligence artificielle : la Loi sur l’intelligence artificielle et les données proposée est morte au Feuilleton avec le projet de loi C-27 lors de la prorogation du Parlement, le 6 janvier 2025. Un projet de loi successeur sur la protection des renseignements personnels, le projet de loi C-36, a franchi l’étape de la première lecture le 15 juin 2026 et, selon LEGISinfo, n’avait pas reçu la sanction royale au moment de la rédaction.

Le risque lié à l’IA d’une cible canadienne s’apprécie donc surtout au regard des règles existantes sur la vie privée, la propriété intellectuelle, la protection du consommateur, l’emploi et les secteurs réglementés, ce qui rend une vérification diligente de l’IA rigoureuse plus importante, et non moins.

Provenance et licences des données d’entraînement

La première question est de savoir d’où viennent les données et à quelles conditions. Un modèle entraîné sur des données que la cible n’avait pas le droit d’utiliser est un passif qui peut suivre le modèle entre les mains de l’acheteur. La vérification devrait établir, pour chaque modèle important :

  • Les sources. Données exclusives, données des clients, jeux de données sous licence, données publiques du Web, données synthétiques et données générées par les utilisateurs des produits de la cible.
  • Les conditions de licence. Les licences permettent-elles l’entraînement commercial de modèles, survivent-elles à la résiliation, interdisent-elles le transfert à un acquéreur ou exigent-elles un consentement lors d’un changement de contrôle ?
  • Les droits sur les données des clients. Les contrats clients permettent-ils à la cible d’utiliser les données d’un client pour entraîner des modèles qui servent d’autres clients, ou seulement pour fournir des services à ce client ?
  • Le moissonnage. Les données du Web ont-elles été recueillies en violation des conditions d’utilisation des sites ou de restrictions techniques, et comprennent-elles des renseignements personnels ?
  • Les registres. Inventaires de données, fiches de jeux de données et documentation de traçabilité qui permettent à la cible de prouver ce qui a servi à entraîner chaque modèle.

Le risque en matière de droit d’auteur est réel, mais incertain. La Loi sur le droit d’auteur du Canada ne prévoit aucune exception particulière pour la fouille de textes et de données, et le gouvernement fédéral a mené une consultation sur l’opportunité d’en créer une. Aucune cour d’appel canadienne n’a encore tranché si l’entraînement sur des œuvres protégées est permis au titre de l’utilisation équitable. L’acheteur devrait traiter l’utilisation à grande échelle de contenus protégés sans licence comme un risque éventuel à prendre en compte dans le prix ou à couvrir par une indemnité ; voir notre note sur les données d’entraînement de l’IA et le risque en matière de droit d’auteur.

Propriété des modèles, code et composants libres

La propriété des actifs d’IA est souvent moins claire que dans les opérations logicielles classiques. Questions à poser :

  • À qui appartiennent les poids des modèles, les versions affinées et les requêtes (« prompts ») ? Ont-ils été développés par des employés, des entrepreneurs ou un partenaire dans le cadre d’une entente de développement conjoint ?
  • Des modèles de fondation ont-ils été obtenus sous licence de tiers, et ces licences restreignent-elles l’usage commercial, le nombre d’utilisateurs, les produits concurrents ou l’utilisation par un acquéreur ?
  • Le code comprend-il des composants libres sous licence à réciprocité (« copyleft ») qui pourraient exiger la divulgation de code exclusif en cas de distribution ?
  • Des cessions de PI et des renonciations aux droits moraux ont-elles été obtenues de chaque contributeur ? Selon le paragraphe 13(3) de la Loi sur le droit d’auteur, l’employeur est titulaire du droit d’auteur sur les œuvres créées dans l’exercice de l’emploi, mais les entrepreneurs et les fondateurs conservent la titularité à moins de la céder.

Bien des cibles bâtissent leurs produits sur des API de modèles de tiers plutôt que sur leurs propres modèles. Les points clés de la vérification sont alors les conditions du fournisseur d’API : utilisation des données par le fournisseur, niveaux de service, changements de prix, droits de résiliation et toute interdiction d’utiliser les extrants pour développer des modèles concurrents. La dépendance envers un seul fournisseur est un risque commercial à signaler au comité d’investissement.

Les contrôles à l’exportation et la résidence des données peuvent aussi jouer. Certains articles informatiques avancés et technologies connexes sont soumis à des contrôles à l’exportation, et certains clients du secteur public et financier exigent la résidence des données au Canada ou restreignent le traitement transfrontalier. Une cible qui dépend d’un hébergement étranger pour l’inférence peut devoir modifier son architecture pour conserver ces clients après un changement de contrôle.

Conformité en matière de vie privée pour l’entraînement et l’inférence

Les renseignements personnels sont l’intrant le plus réglementé de la plupart des systèmes d’IA au Canada. La Loi sur la protection des renseignements personnels et les documents électroniques (LPRPDE) fédérale s’applique aux organisations du secteur privé dans le cadre d’activités commerciales, sauf là où des lois provinciales essentiellement similaires s’appliquent, comme au Québec, en Alberta et en Colombie-Britannique. Selon ces lois, les organisations ont généralement besoin d’un consentement valable pour la collecte, l’utilisation et la communication, doivent limiter l’utilisation aux fins qu’une personne raisonnable estimerait acceptables et doivent protéger les renseignements par des mesures de sécurité appropriées.

Pour la vérification diligente de l’IA, cela se traduit par des questions précises :

  • Des renseignements personnels ont-ils servi à entraîner des modèles à des fins excédant celles déterminées lors de la collecte ?
  • Des renseignements personnels « accessibles au public » ont-ils été moissonnés en supposant qu’ils pouvaient être utilisés librement ? Les autorités canadiennes de protection de la vie privée ont adopté une conception étroite de ce qui est accessible au public.
  • Des évaluations des facteurs relatifs à la vie privée sont-elles en place, surtout au Québec, où la Loi 25 les exige dans des situations déterminées, notamment avant la communication de renseignements personnels à l’extérieur du Québec ?
  • Les extrants ou journaux d’inférence contiennent-ils des renseignements personnels, et combien de temps sont-ils conservés ?
  • La cible a-t-elle informé les personnes lorsque des décisions les concernant sont fondées exclusivement sur un traitement automatisé, comme l’exige le Québec ?

L’exposition n’est pas théorique. La Commission d’accès à l’information (CAI) peut imposer, en vertu de la Loi 25, des sanctions administratives pécuniaires pouvant atteindre 10 millions de dollars ou 2 % du chiffre d’affaires mondial, selon le résumé des principaux changements publié par la CAI. Notre note sur les décisions automatisées selon la Loi 25 traite des règles québécoises.

Exposition découlant des contrats clients

Les contrats clients de la cible révèlent la part du risque lié à l’IA qu’elle a déjà promis d’absorber. La vérification devrait examiner :

  1. les garanties d’exactitude, de non-contrefaçon et d’adéquation des extrants de l’IA ;
  2. les indemnités pour réclamations de tiers en matière de PI découlant des extrants, et leurs plafonds ou exclusions ;
  3. les engagements de ne pas entraîner de modèles sur les données des clients, et la conformité des pratiques de la cible à ceux-ci ;
  4. les droits d’audit, engagements de transparence et obligations d’expliquer les décisions ;
  5. les clauses de changement de contrôle qui permettent à des clients clés de résilier lors d’une acquisition.

Les clients des secteurs réglementés répercutent de plus en plus leurs propres obligations. Par exemple, les institutions financières fédérales devront appliquer la ligne directrice E-23 du Bureau du surintendant des institutions financières (BSIF) sur la gestion du risque de modèle, en vigueur le 1er mai 2027, aux modèles d’IA et d’apprentissage automatique, y compris ceux des fournisseurs. Une cible qui vend de l’IA à des banques ou à des assureurs devrait se préparer à cet examen ; voir notre note sur la ligne directrice E-23 du BSIF.

Liste de contrôle pour la vérification diligente de l’IA

DomaineDocuments clésSignaux d’alarme typiques
DonnéesInventaire des données, licences de jeux de données, ententes de traitement des données clientsAucune traçabilité ; entraînement sur des données clients sans droit contractuel
ModèlesRegistre des modèles, licences de modèles de fondation, ententes de développementLicence interdisant l’usage commercial ou le transfert ; propriété incertaine des poids affinés
CodeAnalyse des composants libres, cessions de PI des contributeursComposants à réciprocité dans des produits distribués ; cessions manquantes
Vie privéePolitiques de confidentialité, EFVP, registres d’incidents, parcours de consentementRenseignements personnels moissonnés ; aucune EFVP québécoise pour les transferts hors Québec
ContratsContrats avec les clients et les fournisseursIndemnités de PI non plafonnées sur les extrants ; promesses de non-entraînement violées
GouvernancePolitique sur l’IA, journaux d’incidents, essais et évaluations des biaisAucun inventaire des usages de l’IA ; aucune révision humaine des extrants à fort impact
MarketingAllégations sur les produits, documents destinés aux investisseursCapacités d’IA exagérées (« AI washing »)

La dernière ligne compte plus qu’il n’y paraît. Exagérer ce que l’IA d’un produit peut faire peut soulever des questions de publicité trompeuse au regard de la Loi sur la concurrence et, pour les émetteurs assujettis, des questions d’information au regard du droit des valeurs mobilières.

Déclarations et indemnités propres à l’IA

Comme la vérification diligente de l’IA produit rarement des réponses complètes, les conventions d’achat comportent de plus en plus de déclarations propres à l’IA. Exemples courants : la cible tient un inventaire complet des systèmes d’IA qu’elle développe ou utilise dans ses produits ; elle détient les droits nécessaires pour utiliser toutes les données d’entraînement comme elle le fait ; elle a respecté les lois sur la vie privée et ses propres politiques en recueillant et en utilisant des données pour l’entraînement ; aucune donnée client n’a été utilisée en violation d’un contrat ; elle n’a reçu aucune réclamation ni demande réglementaire concernant son IA ; et elle applique des politiques de gouvernance proportionnées à son usage de l’IA.

Les vendeurs résistent aux déclarations portant sur « toutes » les données d’entraînement ou sur les extrants, qui peuvent être impossibles à vérifier. Les réserves fondées sur la connaissance, les seuils d’importance relative et les annexes de divulgation sont les compromis habituels. Lorsque la vérification révèle un problème précis, comme une licence de jeu de données qui interdit l’entraînement commercial, une indemnité particulière, un entiercement ou un engagement de correction avant la clôture (réentraînement sans le jeu de données) est plus efficace qu’une déclaration générale. Les assureurs en déclarations et garanties peuvent exclure les problèmes d’IA connus ou les risques d’IA généraux ; l’acheteur devrait donc vérifier tôt le libellé de la police.

Point pratique

Demandez à la cible un registre modèle par modèle avant l’ouverture de la salle de données : ce que fait chaque modèle, quelles données l’ont entraîné, à qui il appartient et quels clients l’utilisent. Si la cible ne peut en produire un, c’est en soi une constatation de la vérification, qui annonce la difficulté de l’intégration après la clôture.

Limites des outils de vérification assistés par l’IA

Les acheteurs et leurs conseillers utilisent de plus en plus des outils d’IA pour examiner les salles de données. Ces outils sont utiles pour le tri, l’extraction de clauses et le résumé de grands volumes de contrats, mais ils ont leurs limites. Ils peuvent manquer des clauses inhabituelles, mal lire des documents numérisés et produire des erreurs avec assurance.

Les ententes de confidentialité peuvent restreindre le téléversement des documents de la cible sur des plateformes de tiers, et les documents peuvent contenir des renseignements personnels ou des données sensibles sur le plan concurrentiel soumises aux règles d’équipe étanche. Une approche raisonnable encadre ces outils par des protocoles écrits, avec révision humaine de toutes les constatations importantes et une trace de qui a examiné quoi. Les tribunaux ont aussi critiqué des actes de procédure fondés sur des extrants d’IA non vérifiés ; voir notre note sur l’IA dans les litiges.

De la vérification diligente de l’IA à l’intégration

Les constatations de la vérification diligente de l’IA devraient alimenter directement le plan d’intégration. Les mesures typiques des 100 premiers jours consistent à intégrer les systèmes d’IA de la cible à l’inventaire et au cadre de gouvernance de l’acheteur, à harmoniser les avis de confidentialité et les parcours de consentement, à remplacer ou à relicencier les jeux de données problématiques, à renégocier les modalités clients qui promettent trop sur les extrants et à mettre en place une surveillance des modèles utilisés pour des décisions à fort impact.

Les pratiques d’emploi doivent aussi être revues : depuis le 1er janvier 2026, les employeurs ontariens de 25 employés ou plus doivent indiquer dans les offres d’emploi affichées publiquement si l’IA sert à présélectionner, évaluer ou choisir les candidats.

On attend de plus en plus des conseils d’administration des sociétés acquéreuses qu’ils surveillent le risque lié à l’IA dans le cadre de la gestion des risques d’entreprise. Un rapport concis au conseil sur ce que la vérification a révélé, ce qui a été corrigé avant la clôture et ce qui reste ouvert aide les administrateurs à exercer cette surveillance et crée un dossier si des problèmes surgissent plus tard. Notre note sur la surveillance du risque lié à l’IA par le conseil traite des attentes en matière de gouvernance.

Comment TRW & Co vous aide dans la vérification diligente de l’IA

Nous effectuons la vérification diligente de l’IA pour des acheteurs et des investisseurs dans des entreprises canadiennes de technologie, de données et d’IA, et nous aidons les vendeurs à s’y préparer. Notre travail couvre la provenance et les licences des données, la propriété des modèles et du code, la conformité à la LPRPDE et à la Loi 25 du Québec, l’exposition découlant des contrats clients, les déclarations, indemnités et engagements de correction propres à l’IA, ainsi que les protocoles d’utilisation des outils d’IA en vérification. Consultez notre page sur l’intelligence artificielle et notre page sur les F&A. La présente note est une information générale et non un avis juridique. Pour discuter d’une opération, communiquez avec nous.

Questions fréquentes

Existe-t-il une loi canadienne sur l’IA applicable aux cibles de F&A ?

Pas de loi fédérale générale. La Loi sur l’intelligence artificielle et les données est morte avec le projet de loi C-27 lors de la prorogation de janvier 2025, et le projet de loi successeur sur la vie privée, C-36, n’avait pas reçu la sanction royale selon la plus récente entrée de LEGISinfo. Le risque lié à l’IA s’apprécie au regard des règles sur la vie privée, le droit d’auteur, la protection du consommateur, l’emploi et des règles sectorielles comme les lignes directrices du BSIF.

Quel est le principal risque relevé par la vérification diligente de l’IA ?

Ce sont souvent les données d’entraînement : données utilisées sans licence permettant l’entraînement commercial, données clients utilisées au-delà des droits contractuels ou renseignements personnels moissonnés. Ces problèmes peuvent entacher les modèles que l’acheteur paie. Un registre modèle par modèle indiquant les sources et licences des données est le meilleur point de départ.

La Loi 25 du Québec importe-t-elle pour les cibles en IA ?

Oui. Elle exige des évaluations des facteurs relatifs à la vie privée dans des situations déterminées, notamment avant la communication de renseignements personnels à l’extérieur du Québec, et une information lorsque des décisions sont fondées exclusivement sur un traitement automatisé. La CAI peut imposer des sanctions administratives pécuniaires pouvant atteindre 10 millions de dollars ou 2 % du chiffre d’affaires mondial.

Les questions d’IA peuvent-elles être couvertes par l’assurance déclarations et garanties ?

En partie. Les assureurs peuvent couvrir les manquements aux déclarations relatives à l’IA inconnus à la signature, mais excluent souvent les problèmes connus et peuvent limiter la couverture des risques généraux d’IA ou de PI. Les problèmes connus sont mieux traités par des indemnités particulières, des entiercements ou une correction avant la clôture, comme le réentraînement d’un modèle sans le jeu de données problématique.

Peut-on utiliser des outils d’IA pour examiner la salle de données ?

Oui, avec prudence. Vérifiez l’entente de confidentialité et les règles d’équipe étanche avant de téléverser des documents dans des outils de tiers, protégez les renseignements personnels et veillez à ce qu’une personne examine chaque constatation importante. Les outils d’IA excellent pour le tri et l’extraction, mais peuvent manquer des clauses inhabituelles ou mal lire des documents.

Sources

  1. Loi sur la protection des renseignements personnels et les documents électroniques
  2. LEGISinfo : projet de loi C-36 (45e législature, 1re session)
  3. LEGISinfo : projet de loi C-27 (44e législature, 1re session)
  4. CAI : principaux changements apportés par la Loi 25
  5. BSIF : ligne directrice E-23, gestion du risque de modèle (2027)
  6. Loi sur le droit d’auteur, par. 13(3)

Information générale seulement, et non un avis juridique. Les renvois aux lois, aux tribunaux et aux autorités décrivent le droit et la pratique publiés à la date indiquée.