29 juillet 2026
L’information privilégiée à l’épreuve de l’intelligence artificielle : la fabrication algorithmique du risque d’abus de marché
Auteur(s)
Maxime Galland
Docteur en droit et Avocat au barreau des Hauts-de-Seine, associé, KPMG Avocats
L’examen des liens entre les notions d’information privilégiée et d’intelligence artificielle s’impose à la lumière d’une double évolution. D’un côté, l’interprétation du texte MAR [1] a progressivement -- et encore récemment-- détaché l’information privilégiée de sa source traditionnelle, en privilégiant une approche fonctionnelle centrée sur l’avantage d’asymétrie informationnelle. De l’autre, l’IA accroît la capacité des organisations à agréger, corréler et inférer des signaux sensibles à partir de données internes, publiques [2] ou issues des dispositifs de conformité.
Au-delà des cadres traditionnels prévenant les comportements d’initiés, les praticiens commencent à s’interroger sur la possible fabrication algorithmique d’une information privilégiée à partir de fragments dispersés, lorsque l’outil IA produit une information suffisamment précise, non publique et susceptible d’influencer sensiblement le prix d’un instrument financier. Il ne s’agit donc pas d’examiner l’IA comme vecteur de manipulation de marché — diffusion de fausses informations, génération de signaux artificiels ou perturbation algorithmique de la formation des prix — mais comme facteur de formation, de révélation et de circulation d’une information susceptible d’être qualifiée de privilégiée.
Cette problématique s’inscrit très concrètement dans la perspective des évolutions récentes du droit positif. L’arrêt de la CJUE du 15 mars 2022 [3] sur la publication imminente d’un article de presse, la décision du Conseil d’État du 30 janvier 2019 [4] sur la publication attendue d’une analyse financière, ou encore l’arrêt de la CJUE du 19 mars 2026 [5] sur l’IP née des modalités d’inscription d’une personne sur une liste d’initiés confirment une même logique. L’information privilégiée peut résulter d’une source tierce, d’un signal interne de conformité ou d’une recomposition d’éléments contextuels, dès lors qu’elle procure un avantage informationnel non public à un investisseur raisonnable.
Il serait excessif d’y voir une invitation à refondre l’article 7 MAR pour y intégrer la genèse algorithmique de l’information privilégiée. L’enjeu immédiat se pose davantage en termes de gouvernance car pour la réguler il faut appréhender les conditions concrètes dans lesquelles l’information se forme, circule et se prouve [6]. À l’extension jurisprudentielle de la notion d’information privilégiée doit ainsi répondre une extension raisonnée de la gouvernance, fondée sur la cartographie des données sensibles, le cloisonnement des accès, la revue des sorties IA, la discipline du différé au titre de l’article 17 MAR et la conservation d’une preuve auditable des contrôles opérés.
La problématique posée peut dès lors être examinée en deux temps. L’analyse montrera d’abord que MAR et la jurisprudence consacrent une conception fonctionnelle de l’information privilégiée, détachée de son origine et centrée sur l’avantage informationnel qu’elle procure. Il conviendra ensuite de mesurer ce que l’IA change réellement, non pas les critères juridiques de qualification, mais les conditions pratiques de formation, de circulation et de gouvernance de l’information privilégiée.
I - L’extension fonctionnelle de l’information privilégiée : de la source de l’information à l’avantage informationnel
MAR et la jurisprudence ont progressivement détaché l’information privilégiée de sa source traditionnelle. L’information pertinente n’est plus seulement celle qui émane de l’émetteur ou qui porte directement sur son titre ; elle est celle qui, appréciée ex ante, est susceptible de procurer un avantage informationnel non public à un investisseur raisonnable.
A) Une définition MAR technologiquement neutre et centrée sur l’effet de marché
La notion d’information privilégiée structure l’ensemble du dispositif européen de prévention et de répression des abus de marché. Elle conditionne l’interdiction des opérations d’initiés ainsi que l’obligation de publication « dès que possible » des informations privilégiées concernant directement l’émetteur [7].
Le texte de MAR retient une définition large et technologiquement neutre, dont l’ouverture est renforcée par la présence de « cas spéciaux », notamment l’information relative aux ordres en attente (client order information) [8] — socle normatif des situations de front running [9]. L’article 7 de MAR combine une définition générale et des hypothèses spéciales, dont l’information relative aux ordres en attente [10], révélant que le législateur européen entend capter des avantages informationnels pouvant naître au niveau des intermédiaires, indépendamment d’un évènement boursier traditionnel.
Son interprétation demeure téléologique et économique. La question centrale demeure celle de savoir si l’information, appréciée ex ante, est susceptible d’être utilisée par un investisseur raisonnable et de modifier le prix. Cette approche, déjà stabilisée en jurisprudence [11], autorise une qualification “fonctionnelle”, sensible au contexte plutôt qu’à la source de l’information.
Cette extension substantielle demeure toutefois encadrée par un formalisme organisationnel. En effet, l’article 17 de MAR impose la publication « dès que possible », tout en autorisant un différé sous une triple condition [12] (intérêt légitime de l’émetteur ou du participant, absence de risque d’induire le public en erreur, garantie de la confidentialité de l’information). La doctrine AMF et les guidelines ESMA [13] structurent la mise en œuvre du report et la chaîne de confidentialité. L’arrêt CJUE du 16 avril 2026 [14] interprète strictement le critère de publicité de l’IP en posant le principe que seule une publication effectuée par l’émetteur lui-même dans les conditions de l’article 17 MAR est susceptible de faire perdre à l’information privilégiée son caractère non public.
B) L’admission jurisprudentielle des informations privilégiées nées hors du giron de l’émetteur
L’arrêt de la CJUE du 15 mars 2022 [15] reconnaît que l’information portant sur la publication imminente d’un article de presse relayant une rumeur de marché peut être “précise”, lorsque le contenu à paraître comporte des indices de crédibilité suffisants. La Cour articule cette qualification avec les exceptions prévues par MAR, notamment ses articles 10 et 21, afin de préserver la liberté de la presse sous un contrôle de nécessité/proportionnalité. Concernant le caractère précis, est notamment pris en compte « le fait que cet article de presse mentionnera le prix auquel seraient achetés les titres de cet émetteur dans le cadre d’une éventuelle offre publique d’achat ainsi que l’identité du journaliste ayant signé ledit article et de l’organe de presse en assurant la publication » [16] . La commission des sanctions de l’AMF avait jugé en ce sens en 2018 que : « La publication prochaine d’un article de presse relayant une rumeur est (…) susceptible de constituer une information privilégiée » [17] .
Le Conseil d’État a quant à lui admis que la connaissance du moment de publication d’analyses financières attendues par le marché – notamment lorsqu’elles émanent d’institutions reconnues et contribuent à la formation des prix – peut revêtir une portée sensible, au point d’alimenter la qualification d’usage d’information privilégiée [18] . S’il n’existe pas encore de précédent, il sera déterminant d’observer si en appliquant le prisme de l’IA à cette même logique, le régulateur franchirait le Rubicon en allant jusqu’à considérer comme illicite la transmission ou l’utilisation d’une information privilégiée fabriquée par un système IA à partir d’informations exclusivement publiques
Une ligne jurisprudentielle se dégage. L’information privilégiée ne se définit plus prioritairement par son origine, ni par son degré d’achèvement, mais par sa capacité, appréciée ex ante, à procurer un avantage informationnel asymétrique (car non public) susceptible d’influencer le prix. La publication imminente d’un article de presse relayant une rumeur crédible, la diffusion attendue d’une analyse financière [19] émanant d’un acteur reconnu ou l’activation d’un dispositif interne de conformité peuvent ainsi relever de MAR lorsque leur crédibilité, leur contexte et leur portée économique sont de nature à orienter le comportement d’un investisseur raisonnable. Ce déplacement éclaire directement l’analyse de l’IA, dont la fonction première consiste précisément à recomposer des signaux épars en inférences exploitables.
C) La qualification des signaux internes de conformité comme informations potentiellement privilégiées
L’arrêt Carnegie de la CJUE du 19 mars 2026 [20] complète ce mouvement par un déplacement interne : un courriel indiquant l’inscription d’une personne sur une liste d’initiés, sans exposer les raisons, peut satisfaire à l’exigence de “caractère précis” [21], dès lors que, dans son contexte [22], il révèle l’existence d’un projet sensible susceptible de conférer un avantage informationnel.
L’apport de cette décision est important pour la gouvernance. Elle retient une approche contextuelle, objective et contextualisée de l’IP. Il n’est certes pas nouveau que la qualité de la personne réceptionnaire de l’IP soit prise en considération pour qualifier cette information. Cela se comprend : un banquier expérimenté se contentera de quelques bribes d’information pour saisir la portée d’une information, là où l’individu ordinaire aurait besoin de davantage de détails. Dans ce contexte, la CJUE consacre l’idée que la liste d’initiés n’est plus seulement un outil de traçabilité et de sanctuarisation de l’IP, elle peut aussi en devenir le vecteur. Sa mobilisation (et sa communication interne) peut, en elle‑même, devenir porteuse d’une information privilégiée susceptible de relever de MAR lorsqu’elle est suffisamment contextualisée pour créer une asymétrie exploitable. La frontière entre outil de conformité et objet de qualification s’en trouve brouillée [23].
Deux conséquences pratiques en découlent.
Premièrement, la Cour confirme que le critère du « caractère précis » (art. 7(2) MAR) ne requiert pas nécessairement un récit complet ou des motifs explicites : l’information peut être précise si elle permet, au regard des circonstances, d’inférer l’existence d’une situation ou d’un événement susceptible d’influencer sensiblement le cours. Une communication indiquant qu’une personne est inscrite sur une liste d’initiés et empêchée de vendre les actions de l’émetteur peut donc sans indication de la raison de cette inscription et selon les circonstances constituer une information à caractère suffisamment précis, donc potentiellement une information privilégiée. La Cour motive ce raisonnement par une lecture téléologique de MAR, centrée sur l’égalité d’accès à l’information et l’intégrité des marchés.
En d’autres mots, parce que l’interdiction de vendre, couplée à l’inscription sur la liste d’initiés, implique indirectement que la personne concernée détienne une information négative sur l’émetteur, de nature à affecter le cours, la Cour estime que cette information peut inciter un investisseur informé à vendre ou à s’abstenir d’acheter.
La précision de l’information doit ainsi être appréciée au cas par cas par le juge national, au regard du contenu concret de la communication, de l’identité et du rôle des personnes concernées, ainsi que du contexte de marché et contractuel. Il s’agit de déterminer si un investisseur raisonnable aurait pu utiliser cette information comme fondement de sa décision d’investissement et en tirer un avantage au détriment des autres investisseurs.
Deuxièmement, la CJUE [24] relativise le rôle de l’appréciation de l’émetteur, comme celui de l’exactitude de l’information. Même si la notion d'information privilégiée reste objective, l'appréciation par l’émetteur du caractère privilégié n'est en principe pas déterminante. De la même manière, l'exactitude n'est pas, en tant que tel, un élément autonome de la définition. Il suffit que l'information se rapporte à des circonstances ou événements existants ou raisonnablement prévisibles. Elle doit donc présenter non pas un critère de certitude, mais une certaine vraisemblance appréciée ex ante du point de vue d'un investisseur raisonnable au regard des éléments disponibles et de la fiabilité de la source. Cette décision ne prend pas en compte l’effectivité de la « supériorité informationnelle » [25] induite, qui n’est dès lors pas une condition préalable à la caractérisation de l’IP. La Cour reconnaît une valeur informationnelle autonome à un instrument de compliance (la liste d’initiés), ce qui revient à intégrer dans le champ de l’analyse MAR non seulement les contenus « métiers » (projet d’opération, résultats), mais aussi les signaux internes révélant l’existence d’un projet sensible.
En d’autres termes, après avoir admis qu’une information indirecte [26] ou exogène à l’émetteur (publication imminente d’un article, analyse attendue) puisse être privilégiée, le droit de l’Union européenne admet qu’un signe indirect – produit par la conformité – puisse constituer un indice suffisamment riche pour être qualifié d’IP, dès lors qu’il confère à son détenteur un avantage informationnel.
La qualification de l’IP ne dépend ni de l’intention de l’émetteur, ni de la compréhension subjective du destinataire effectif, ni même de l’appréciation interne portée sur le caractère privilégié de l’information. Peu importe la véracité de l’information si son caractère vraisemblable la rend exploitable par un investisseur raisonnable. Cette approche, désormais consacrée par la CJUE, apparaît décisive dans les environnements IA où une sortie algorithmique imparfaite mais contextualisée et exploitable expose au risque d’abus de marché.
La jurisprudence a rendu juridiquement possible l’appréhension d’informations privilégiées indirectes ; l’IA rend pratiquement plus fréquente leur formation.
II - L’intelligence artificielle et la recomposition pratique du risque MAR : formation, amplification et maîtrise de l’information privilégiée
L’IA renouvelle ainsi la portée pratique de MAR. Sans modifier les critères juridiques de l’information privilégiée, elle accroît les situations dans lesquelles ces critères peuvent être réunis.
A) La recomposition algorithmique des signaux faibles en information privilégiée
La généralisation des usages d’IA générative au sein des PSI et des émetteurs [27] accroît à la fois le risque de circulation illicite d’informations sensibles et celui de production d’inférences directionnelles présentant les caractéristiques d’une information privilégiée. Le système IA utilisé comme outil d’assistance à la conformité ou à la production documentaire peut produire des inférences directionnelles non publiques à partir de simples fragments internes (listes d’initiés, de projets confidentiels, workflows, documents à l’état de projet mal protégés) et de données publiques, rendant plus fréquent le passage d’une “trace” interne à une information susceptible de relever de MAR [28] . Pour citer le premier sous-gouverneur de la Banque de France, en matière d’IA : « la médaille a un revers, et la puissance des solutions développées s’accompagne de risques significatifs » [29] .
Ce risque tient à la recomposition algorithmique de signaux confidentiels et publics. Le rapport IOSCO sur l’IA paru en mai 2026 [30] identifie précisément l’usage croissant de l’IA intégré dans les fonctions de marché pour soutenir le processus décisionnel dans l’investment research, la sentiment analysis, le robo-advising et l’algorithmic trading, autant de fonctions dans lesquelles l’outil ne se borne plus à restituer une information, mais contribue à la transformer en signal exploitable. Les incidents récents [31] impliquant des agents IA autonomes illustrent moins l’apparition d’un risque juridique entièrement nouveau que l’accroissement de la surface d’exposition des organisations : perte de contrôle des sorties, difficulté de confinement technique, insuffisance des traces et diffusion non maîtrisée d’informations sensibles. Au regard des exigences d’intégrité du marché posées par MAR, leur intérêt tient à ce qu’ils montrent qu’un système IA peut non seulement accéder à des fragments confidentiels, mais aussi les agréger, les reformuler ou les exposer dans des conditions susceptibles d’affaiblir la confidentialité requise par l’article 17 MAR.
Les développements récents des IA génératives, notamment dans la production de contenus textuels [32] , visuels ou audiovisuels de plus en plus réalistes, doivent être appréhendés non pour leur dimension spectaculaire, mais pour leur effet sur la traçabilité et la fiabilité de l’information. Dans une logique MAR, le risque n’est pas la sophistication technique en elle-même, mais la possibilité qu’une sortie IA brouille l’origine, le degré de certitude ou le caractère public d’une information susceptible d’influencer le marché. Lorsque l’IA est connectée à des environnements internes (GED, outils de workflow, référentiels de conformité), elle peut, par simple corrélation, rapprocher des éléments tels qu’une inscription sur une liste d’initiés, une activation d’une liste de surveillance, un calendrier interne, des brouillons de communication, etc.
L’arrêt préjudiciel rendu par la CJUE le 16 avril 2026 [33] renforce cette exigence de maîtrise de la diffusion, en jugeant que seule [34] une publication effectuée par l’émetteur dans les conditions de l’article 17 MAR est susceptible de faire perdre à l’information son caractère non public [35]. Combinée à la décision Carnegie du 19 mars 2026, cette solution conduit à considérer qu’un système IA capable de rapprocher des signaux dispersés peut accroître la probabilité qu’une information issue de la conformité, ou inférée à partir de ses traces, satisfasse aux critères de l’information privilégiée.
Dans cette hypothèse, la question se déplace vers les conditions de gouvernance permettant d’identifier les personnes autorisées à accéder à cette information, de déterminer les modalités de validation des sorties sensibles et de conserver la trace des décisions prises.
B) L’IA comme technologie d’amplification et de réactivation des risques classiques d’abus de marché
Le risque est ici moins conceptuel que pratique. L’IA ne crée pas, en elle-même, une nouvelle catégorie d’abus de marché ; elle augmente en revanche la puissance opérationnelle des risques déjà identifiés par MAR, en facilitant l’accès, le traitement et l’inférence à partir d’informations non publiques. Les risques classiques de front running, de divulgation illicite et d’accès indu à des informations confidentielles ne disparaissent donc pas avec l’IA. Ils peuvent se matérialiser plus vite, se détecter plus difficilement et se diffuser plus largement dans l’organisation.
Cette amplification est particulièrement sensible pour les informations relatives aux ordres en attente. MAR les qualifie expressément d’informations privilégiées lorsqu’elles sont précises, non publiques et susceptibles d’avoir un effet sensible sur le prix. Cette qualification constitue le socle normatif des situations de front running, dans lesquelles une personne utilise une information non publique relative à des ordres clients pour se positionner avant leur exécution ou pour en tirer un avantage informationnel indu.
L’apport propre de l’IA tient ici à sa capacité à réduire les coûts de recherche, de rapprochement et d’exploitation des signaux internes. Un assistant IA connecté à des tickets, messages, journaux d’activité, carnets d’ordres ou outils de relation client peut faciliter l’identification de flux récurrents, de comportements institutionnels ou de mouvements clients significatifs. Le risque ne tient pas seulement à l’accès direct à une information brute mais dans la capacité de l’outil à produire une synthèse, une corrélation ou un « insight » exploitable à partir de données qui, prises isolément, pouvaient paraître inoffensives.
L’IA accentue ainsi la sensibilité d’un cas déjà identifié par le texte lui-même. Un cas d’usage apparemment banal — assistant de rédaction, moteur de recherche interne, outil de support, aide à la préparation commerciale — peut dériver vers un accès indirect à la client order information si les droits d’accès, les sources indexées, les prompts et les sorties ne sont pas strictement gouvernés. La difficulté tient donc moins à la qualification abstraite qu’à la maîtrise concrète des usages.
Le même raisonnement vaut pour la divulgation illicite d’informations privilégiées. Une sortie IA peut reformuler, résumer ou redistribuer une information sensible à des personnes qui n’auraient pas dû y accéder. Elle peut également neutraliser les barrières informationnelles si elle est entraînée, connectée ou interrogée sur des corpus insuffisamment cloisonnés. La divulgation peut alors intervenir non par transmission volontaire d’un document source, mais par reconstitution ou synthèse algorithmique d’un contenu confidentiel.
L’attention doit donc se déplacer des seuls documents sensibles vers l’ensemble de la chaîne d’accès et de production de l’information. Les sources consultées, les droits d’accès, les prompts, les historiques de requêtes, les sorties générées et les modalités de partage doivent être traités comme des points potentiels de cristallisation du risque MAR. L’enjeu n’est pas de présumer que toute sortie IA serait une information privilégiée, mais de reconnaître que certaines sorties peuvent en acquérir les caractéristiques lorsqu’elles agrègent des éléments non publics et directionnels.
Parce que l’IA amplifie les risques classiques de détention, d’usage et de diffusion d’informations privilégiées, la réponse doit prendre la forme d’une gouvernance MAR adaptée aux usages et capable d’encadrer la chaîne de production informationnelle, depuis les données sources jusqu’aux prompts, sorties, logs, validations et décisions de diffusion.
C) L’IA comme objet de gouvernance et d’extension raisonnée des dispositifs MAR
Quatre exigences pratiques peuvent structurer cette gouvernance
1. Cartographier les données d’inférence sensibles et les cas d’usage IA
Il convient d’abord d’actualiser la cartographie des informations sensibles au regard des usages IA déployés par l’organisation. Les données relatives aux projets confidentiels, aux listes d’initiés, aux listes de surveillance, aux ordres en attente, aux workflows de conformité, aux brouillons de communication financière ou aux échanges avec les conseils doivent être identifiées non seulement comme données sources, mais aussi comme éléments susceptibles d’être recomposés par un outil algorithmique.
Cette cartographie doit donc porter à la fois sur les données, les outils et les cas d’usage. Un assistant de rédaction, un moteur de recherche interne, un outil de synthèse documentaire ou un agent de support peuvent présenter un profil de risque très différent selon les corpus auxquels ils sont connectés et selon les populations autorisées à les interroger. La qualification doit être concrète et être opérée au cas par cas, à partir des critères de l’article 7 MAR, à savoir le caractère précis, non public et potentiellement sensible au prix de l’information produite ou révélée.
Il ne s’agit pas de présumer que toute sortie IA serait une information privilégiée mais d’identifier les hypothèses dans lesquelles l’outil peut transformer des signaux dispersés en une information exploitable par un investisseur raisonnable. À ce titre, la cartographie doit intégrer les scénarios d’inférence, les chaînes de dépendance entre sources internes et les situations dans lesquelles une sortie IA pourrait révéler indirectement un projet sensible ou une intention de marché.
2. Cloisonner les accès, les prompts et les sorties
Le cloisonnement constitue le deuxième axe. Dans un environnement IA, les barrières informationnelles ne peuvent plus seulement porter sur les documents sources ou les répertoires partagés. Elles doivent également couvrir les corpus indexés, les connecteurs applicatifs, les droits d’interrogation, les catégories de prompts autorisées et les modalités de restitution des réponses.
Le risque propre à l’IA tient à ce que l’accès à l’information ne passe pas nécessairement par la consultation directe d’un document confidentiel. Il peut résulter d’une requête apparemment neutre, d’une synthèse transversale ou d’une corrélation entre plusieurs signaux faibles. Une personne (ou un agent IA) qui n’aurait pas accès à un projet sensible peut ainsi obtenir, par voie de reformulation ou d’inférence, une information équivalente à celle qui aurait dû rester confinée.
Le cloisonnement doit dès lors être conçu au niveau des usages, et non des seuls répertoires documentaires. Il suppose de limiter les sources accessibles à chaque cas d’usage, de restreindre les requêtes portant sur les informations les plus sensibles, de filtrer les sorties susceptibles de révéler une information privilégiée et de prévoir une revue humaine lorsque l’outil produit une inférence directionnelle ou une recommandation d’action. La gouvernance des prompts devient ici un prolongement naturel des barrières à l’information.
Ces mesures dites de défense périmétrique [36] sont présentées par les régulateurs comme un levier efficace de réduction du risque contre les fuites ou intrusions exploitables.
3. Documenter la chaîne de garde, des logs aux validations et aux décisions de différé
La troisième exigence est celle de la preuve. Dans un environnement IA, la conformité MAR ne peut plus se limiter à démontrer que l’information source était protégée. Elle doit pouvoir reconstituer la chaîne de production, d’accès et de diffusion de l’information, depuis les données interrogées jusqu’à la sortie générée, en passant par les prompts, les logs, les validations et les éventuelles décisions de différé.
Cette exigence rejoint directement celle posée par l’article 17 MAR [37]. Lorsque l’information est susceptible d’être qualifiée de privilégiée, l’émetteur doit pouvoir justifier les conditions de publication ou de différé, les mesures de confidentialité mises en place, l’absence de risque d’induire le public en erreur et la maîtrise des canaux de diffusion. L’IA ajoute une couche supplémentaire à cette démonstration, car la sortie sensible peut résulter d’une recomposition progressive plutôt que d’un document source unique.
La documentation doit dès lors permettre de répondre à quelques questions déterminantes : qui a interrogé l’outil, sur quelles sources, avec quel niveau d’accès, pour produire quelle sortie, à quel moment, avec quelle validation et selon quelles règles de diffusion ? Cette chaîne de garde permet d’établir que l’organisation a identifié le risque, conservé la preuve des contrôles opérés et documenté les arbitrages rendus.
4. Inscrire la gouvernance IA dans les référentiels MAR et prudentiels existants
Enfin, cette gouvernance doit s’inscrire dans les référentiels existants. Les lignes directrices ESMA, la doctrine AMF [38] et les standards de place relatifs aux barrières à l’information, aux listes d’initiés, aux listes de surveillance, aux listes d’interdiction et aux dispositifs de détection fournissent déjà une matrice utile. L’IA ne justifie pas d’abandonner ces catégories, mais de les étendre aux nouveaux points de cristallisation du risque, notamment les corpus d’entraînement ou d’indexation, les prompts, les sorties et les journaux d’activité.
Les standards de place, notamment ceux relayés par les organismes internationaux [39] et nationaux [40], permettent également de penser une gouvernance proportionnée, fondée sur les trois lignes de défense, la séparation des fonctions, la traçabilité des alertes, la surveillance des accès et le contrôle des outils automatisés. L’automatisation peut constituer un levier de surveillance, mais seulement si elle demeure paramétrée, contrôlée et intégrée à un dispositif de contrôle interne robuste.
Cette articulation doit enfin tenir compte des exigences transversales issues de DORA, de l’IA Act, du RGPD, de MiFID II et des normes de contrôle interne. La conformité IA ne peut être isolée comme un sujet purement technologique. Elle doit être intégrée à une gouvernance globale des données, des accès, des modèles, des sorties et des responsabilités, afin d’éviter que risques opérationnels, protection des données, sécurité numérique et abus de marché soient traités en silos.
Cette approche trouve également un écho dans plusieurs pratiques étrangères [41]. Ainsi, la FCA [42] britannique souligne que des fuites incomplètes peuvent néanmoins affecter l’intégrité des marchés et insiste sur le contrôle des accès aux environnements techniques. Ces convergences confortent l’idée que la gouvernance IA doit être rattachée aux exigences classiques de confidentialité, de traçabilité et de contrôle des informations sensibles de marché.
Une gouvernance MAR adaptée à l’IA ne consiste donc pas à neutraliser les outils algorithmiques, mais à en maîtriser les effets informationnels. Elle doit permettre d’identifier les données susceptibles de générer une information privilégiée, de cloisonner les accès qui rendent l’inférence possible, de documenter la chaîne de production des sorties sensibles et d’articuler ces contrôles avec les référentiels existants. C’est à cette condition que l’IA peut être intégrée aux processus métiers et de conformité sans devenir elle-même une source autonome de risque d’abus de marché.
On se convaincra que l’enjeu n’est donc pas de reconnaître à l’IA le pouvoir de créer une nouvelle catégorie d’information privilégiée, mais d’adapter les dispositifs MAR à une réalité plus exigeante : l’information sensible, et a fortiori privilégiée, peut désormais se former par inférence, se diffuser par synthèse et se prouver par la trace.
Notes et références
(1) Règlement 596/2014/UE du 16 avr. 2014, relatif aux abus de marché.
(2) AMF, Rappel de bonnes pratiques sur la diffusion/confidentialité de l’IP, 18 janv. 2024, (contexte de digitalisation ; articulation avec la gestion de l’IP) ; AFG, Guide pratique – Abus de marché, oct. 2024, (barrières à l’information, outils de détection, listes et automatisation) ; AMF, DOC201608 (cycle de vie de l’IP, listes, communication à des tiers) ; rappel 18 janv. 2024 digitalisation, sécurité des canaux).
(3) CJUE, 15 mars 2022, aff. C-302/20, M.A. c/ AMF.
(4) CE, 30 janv. 2019, n° 412789.
(5) CJUE, 19 mars 2026, aff. C-363/24, Finansinspektionen c/ Carnegie Investment Bank AB. Sur les apports de l’arrêt et notamment d’une part, qu’une information peut être suffisamment déterminée sans révéler l’événement dont elle procède et, d’autre part, que son inexactitude n’exclut pas sa qualification dès lors qu’elle demeure vraisemblable et exploitable, v. Alain Pietrancosta, Information privilégiée : la condition de précision peut être satisfaite indépendamment du caractère indirect et inexact de l'information, BJS mai 2026, n° BJS204n0.
(6) Les travaux approfondis consacrés à l’analyse des risques liés au déploiement de l’intelligence artificielle dans le secteur financier, témoignent d’un enjeu contemporain : HCJP, « Rapport sur les impacts juridiques et réglementaires de l’intelligence artificielle en matière bancaire, financière et des assurances », 20 juin 2025.
(7) Art.7, Règlement (UE) n° 596/2014 du 16 avr. 2014, relatif aux abus de marché, (définition et cas spéciaux, dont art. 7(1)(d) “ordres en attente”) ; Art. 17, Règlement (UE) n° 596/2014, du 16 avr. 2014, relatif aux abus de marché, (publication “dès que possible” ; différé) ; ESMA, Guidelines on legitimate interests delay in the disclosure of inside information, 20 oct. 2016, (art. 17(11) MAR) ; AMF, Positionrecommandation, DOC201608, Guide de l’information permanente et de la gestion de l’information privilégiée.
(8) Art.7, Règlement (UE) n° 596/2014 du 16 avr. 2014, relatif aux abus de marché, (définition et cas spéciaux, dont art. 7(1)(d) “ordres en attente”).
(9) « Front running » ou « pré-information » désigne la pratique qui consiste pour un intermédiaire à exploiter des informations non publiques relatives à un ordre d’achat ou de vente, afin de prendre une position dont le profit est garanti.
(11) CJUE, 15 mars 2022, aff. C302/20, M. A c/ AMF, (publication imminente d’un article ; articulation art. 10 et art. 21 MAR) ; CE, 30 janv. 2019, n° 412789, (portée de la publication attendue d’analyses/recommandations ; avantage informationnel prépublication) ; CJUE, 19 mars 2026, aff. C363/24, Finansinspektionen c/ Carnegie Investment Bank AB (courriel d’inscription sur liste d’initiés ; art. 7(2) “caractère précis”).
(12) Article 17, 4, Règlement (UE) n° 596/2014 du 16 avr. 2014, relatif aux abus de marché.
(13) Art. 17, Règlement (UE) n° 596/2014, du 16 avr. 2014, relatif aux abus de marché, (publication “dès que possible” ; différé) ; ESMA, Guidelines on legitimate interests delay in the disclosure of inside information, 20 oct. 2016, (art. 17(11) MAR) ; AMF, Positionrecommandation, DOC201608, Guide de l’information permanente et de la gestion de l’information privilégiée.
(14) CJUE, 16 avril 2026, C‑229/24 Brännelius.
(15) CJUE, 15 mars 2022, aff. C302/20, M. A c/ AMF, (publication imminente d’un article ; articulation art. 10 et art. 21 MAR).
(16) Ibid.
(17) AMF, sanct., 24 oct. 2018, SAN-2018-13.
(18) CE, 30 janv. 2019, n°412789. « Il en va toutefois différemment si ces travaux ou estimations peuvent être regardés comme recommandant ou suggérant une stratégie d'investissement et émanent d'analystes ou institutions reconnus, dont les publications sont normalement attendues par le marché et contribuent au processus de formation des cours des instruments financiers ».
(19) CE, 30 janv. 2019, n° 412789, (portée de la publication attendue d’analyses/recommandations ; avantage informationnel prépublication).
(20) [20] CJUE, 19 mars 2026, aff. C363/24, Finansinspektionen c/ Carnegie Investment Bank AB (courriel d’inscription sur liste d’initiés ; art. 7(2) “caractère précis”).
(22) La décision ne consacre pas une automaticité de qualification. La simple mention de l’inscription d’une personne sur une liste d’initiés demeure, en principe, insuffisante à caractériser une information privilégiée. Ce n’est toutefois que lorsque cette mention est entourée d’éléments complémentaires — en particulier une interdiction directionnelle de céder ou un contexte permettant d’inférer l’existence d’un événement sensible — qu’elle peut satisfaire à l’exigence de précision de l’article 7, paragraphe 2, de MAR.
(23) CJUE, 19 mars 2026, aff. C363/24, Finansinspektionen c/ Carnegie Investment Bank AB (email d’inscription sur liste d’initiés) ; AMF, Rappel de bonnes pratiques sur la diffusion/confidentialité de l’IP, 18 janv. 2024, (contexte de digitalisation ; articulation avec la gestion de l’IP) ; AFG, Guide pratique – Abus de marché, oct. 2024, (barrières à l’information, outils de détection, listes et automatisation) ; art. 7(2) “caractère précis”) ; AMF, DOC201608 (cycle de vie de l’IP, listes, communication à des tiers) ; rappel 18 janv. 2024 (digitalisation, sécurité des canaux).
(24) Les arrêts préjudiciels s’imposent dans leurs motifs et dispositifs aux ordres internes européens.
(25) Alain Pietrancosta, « Information privilégiée, la condition de précision peut être satisfaite indépendamment du caractère indirect et inexact de l'information », BJS, 2026, n° BJS204n0.
(26) Terme emprunté au Professeur A. Pietrancosta in, Information privilégiée : la condition de précision peut être satisfaite indépendamment du caractère indirect et inexact de l'information, BJS mai 2026, n° BJS204n0.
(27) Selon une étude de l’AMF, 90% des entités qui fournissent des services financiers et qui sont supervisées par l’AMF déclarent recourir à l’IA ou prévoient de le faire, principalement l’IA générative ; AMF, L’usage de l’IA par les acteurs des marchés financiers en France, fév. 2026.
(28) AMF, Rappel de bonnes pratiques sur la diffusion/confidentialité de l’IP, 18 janv. 2024, (contexte de digitalisation ; articulation avec la gestion de l’IP) ; AFG, Guide pratique – Abus de marché, oct. 2024, (barrières à l’information, outils de détection, listes et automatisation) ; AMF, DOC201608 (cycle de vie de l’IP, listes, communication à des tiers) ; rappel 18 janv. 2024 (digitalisation, sécurité des canaux).
(29) Banque de France, L’intelligence artificielle : bénédiction ou malédiction pour la transformation du secteur financier, Denis Beau, 8 nov. 2024.
(30) IOSCO, Supervisory Toolkit for AI Use in Capital Markets, FR/02/2026, May 2026. L’organisme insiste sur l’élargissement des usages de l’IA par les acteurs de marché et les tiers technologiques, ainsi que sur les risques liés à l’externalisation, aux dépendances à des prestataires et à la concentration autour de certains fournisseurs d’IA ou de cloud. Ces usages ne sont plus prospectifs mais déjà intégrés aux fonctions de marché : robo-advising, algorithmic trading, investment research, sentiment analysis, surveillance/compliance AML-CFT, automatisation de tâches internes, extraction d’information, classification, résumé, transcription, traduction, rédaction et chatbots clients.
(31) Anthropic, System Card: Claude Mythos Preview, 7 avril 2026. Les fonctions inédites de ce système IA d’identification et d’exploitation des vulnérabilités ont été identifiées par la BCE comme névralgique le 26 mai 2026 (BCE, Strengthening operational resilience for the age of AI, Speech, 3 juin 2026,
www.ecb.europa.eu/ecb/all-about-us/html/index.fr.html#/search/mythos/1).
L’ACPR a exhorté les banques, assurances et mutuelles à maintenir un haut niveau d’hygiène cyber sur les risques d’utilisation à des fins offensives des modèles d’IA permettant d’automatiser l’analyse de grands volumes de code. Le régulateur plébiscite notamment l’application du règlement DORA comme un cadre solide de gestion des risques informatiques et de résilience opérationnelle. ACPR, acpr.banque-france.fr, publication du 9 juin 2026. V. aussi AMF, Résilience cyber : l'AMF appelle les acteurs financiers à renforcer leurs dispositifs face à l’évolution rapide des menaces liées à l’intelligence artificielle, publication du 3 juin 2026, www.amf-france.org.
(32) Par ex. OpenAI Sora, Google Veo 3, Kling AI.
(33) CJUE, 4e ch., 16 avr. 2026, no C-229/24, Brännelius. N. Ida, Qu'est-ce qu'une information publique au sens du règlement Abus de marché ? RPDA avril 2026, n° RDA101l3.
(34) CJUE 16 avril 2026 aff. C-229/2, les points 61 et 62 de l’arrêt explicitent toutefois les cas où un tiers qualifié dûment mandaté par l’émetteur peut publier l’information pour son compte.
(35) CJUE 16 avril 2026 aff. C-229/2. Sur l’articulation des articles 7 et 17 MAR en contrariété avec l’avis de l’avocat général aboutissant à ériger la notion « d’information rendue publique » au rang de notion autonome au sens du droit de l’Union européenne, v. Cécile Granier, Publication d’une information privilégiée : mode d’emploi, Dalloz, Bull. Rapide de droit des Affaires 13.26 (1 juillet 2026).
(36) On peut en dénombrer 4 types : réduire la surface d'exposition du système d'information, en limitant strictement les services accessibles depuis internet, en désactivant les services et ports non nécessaires et en appliquant des règles de filtrage appropriées ; sécuriser les accès (authentification multi-facteurs) ; renforcer les capacités de détection rapide d'événements suspects ; se doter de capacités minimales de réponse à incident (cantonnement pour limiter la propagation, notification des incidents majeurs).
(37) Le Listing Act Règlement (UE) 2024/2809 du 23 octobre 2024, une directive (UE) 2024/2811 du 23 octobre 2024, et la directive (UE) 2024/2810 du 23 octobre 2024) modifie plusieurs dispositions de MAR, notamment le régime de publication des informations privilégiées et certains processus de révélation progressive. Les dispositifs IA conçus aujourd’hui devront donc demeurer compatibles avec cette évolution, en particulier s’agissant de la chronologie de qualification, de la décision de différé, du maintien de la confidentialité et de la diffusion au marché.
(38) AMF, Positionrecommandation, DOC201608, Guide de l’information permanente et de la gestion de l’information privilégiée ; AMF, DOC201608 (cycle de vie de l’IP, listes, communication à des tiers) ; rappel 18 janv. 2024 (digitalisation, sécurité des canaux). L’AMF annonce se pencher en 2026 dans son rapport sur le gouvernement d’entreprise sur la manière dont la gouvernance des sociétés cotées tient compte de l’IA et de la cybersécurité (www.amf-france.org, 9 juin 2026). Gageons que certaines des recommandations et bonnes pratiques annoncées porteront sur les enjeux liés au respect du texte MAR.
(39) IOSCO, Mai 2026: Supervisory Toolkit for AI Use in Capital Markets. Juin 2026 : consultation sur les pratiques en matière de gouvernance, de transparence et de reporting liées à l’utilisation des systèmes d’intelligence artificielle (rapport à paraitre début 2027).
(40) AFG, Guide pratique – Abus de marché, oct. 2024, (barrières à l’information, outils de détection, listes et automatisation) ; AMAFI, Abus de marché (ressources de place) ; AMAFIKPMG Avocats, conférence, « L’intelligence artificielle et les services d’investissement : quelles exigences, quels usages et quelle gouvernance ? », 20 janv. 2026, (gouvernance, articulation des cadres).
(41) La Banque des Règlements internationaux intègre la gouvernance parmi les risques associés à l’utilisation de l’IA. BIS, Governance of AI adoption in central banks, janv. 2025.
(42) FCA, Primary Market Bulletin n°54 (14 mars 2025), FCA, Best practice note – Identifying, controlling and disclosing inside information, 2020.