Bibliothèque de journalisation Article 12 open-source pour la conformité à l'IA Act de l'UE

Ce que c'est
Une bibliothèque TypeScript open-source qui fournit une infrastructure de journalisation conforme à l'Article 12 pour les systèmes d'IA concernés par l'Acte sur l'IA de l'UE. Elle est spécifiquement conçue pour les applications Node.js utilisant le SDK AI Vercel.
Détails clés
La bibliothèque répond aux exigences de l'Article 12 de l'Acte sur l'IA de l'UE, qui entrent en vigueur en août 2024 et imposent l'enregistrement automatique des événements avec une rétention de six mois pour les systèmes d'IA à haut risque. Les commentateurs juridiques ont interprété cela comme nécessitant une fonctionnalité de registre en ajout uniquement plutôt qu'une journalisation d'application standard.
L'implémentation comprend :
- Un middleware qui enveloppe les modèles d'IA pour capturer chaque appel d'inférence
- Une journalisation JSONL structurée vers votre propre bucket S3 ou système de fichiers local
- Un chaînage de hachage SHA-256 entre les entrées pour la détection de falsification
- L'application automatique d'une rétention minimale de 180 jours
- Un outil CLI pour reconstruire des décisions spécifiques et vérifier l'intégrité des journaux
- Une commande de couverture qui identifie les lacunes potentielles de journalisation (les omissions sont notées comme un risque pratique plus important que les modifications)
La bibliothèque est délibérément simple dans sa conception : basée sur TypeScript, ciblant le middleware du SDK AI Vercel, prenant en charge le stockage S3 ou système de fichiers local, et utilisant un chaînage de hachage linéaire. Elle fonctionne également avec le framework agentique Mastra, et le mainteneur accueille favorablement les PR pour étendre les intégrations.
Comme noté dans la discussion HN, la bibliothèque fournit une journalisation évidente de falsification plutôt qu'une protection infalsifiable. Elle détecte les modifications mais n'empêche pas la reconstruction complète de la chaîne par quelqu'un ayant accès au stockage. La conception suppose une défense en profondeur avec S3 Object Lock (mode Conformité) au niveau de l'infrastructure et une vérification de la chaîne de hachage au niveau de l'application. Un horodatage externe (comme OpenTimestamps ou RFC 3161) pourrait être ajouté comme fonctionnalité optionnelle pour un ancrage temporel indépendant.
Selon l'interprétation réglementaire du développeur, l'Article 12 nécessite un "enregistrement automatique" qui permet la surveillance et la reconstruction, les directives actuelles n'imposant pas un stockage infalsifiable—seulement des enregistrements fiables et vérifiables.
📖 Lire la source complète : HN LLM Tools
👀 See Also

Palissade : Un Nouvel Outil d'Orchestration pour le Code Claude avec Support des Canaux et Couches de Sécurité
Stockade est un outil d'orchestration construit autour du SDK Agent d'Anthropic qui fournit une gestion de session basée sur les canaux, un contrôle d'accès basé sur les rôles (RBAC) et des autorisations granulaires pour les agents IA. Il répond aux limitations d'OpenClaw et de NanoClaw en offrant plus de contrôle tout en maintenant la sécurité grâce à la conteneurisation et aux mandataires d'identification.

Mises à jour de CodeLedger et Vibecop pour le suivi des coûts et de la qualité du codage par IA multi-agent
CodeLedger suit désormais les dépenses sur Claude Code, Codex CLI, Cline et Gemini CLI en lisant les fichiers de session locaux, tandis que Vibecop ajoute des contrôles de qualité automatisés avec de nouveaux détecteurs spécifiques aux LLM et une configuration en une seule commande pour plusieurs outils de codage IA.

Radicle 1.8.0 publié : Forge de code décentralisée pair-à-pair construite sur Git
Radicle 1.8.0 propose une forge de code souveraine et pair-à-pair sur Git, avec CLI, interface web et client desktop. Les dépôts se répliquent entre pairs via NoiseXK et un protocole gossip personnalisé – pas de serveur central.

ATLAS : Un Cadre d'Apprentissage Adaptatif en Temps de Test Surpasse Claude Sonnet sur les Benchmarks de Codage avec un GPU à 500 $
ATLAS atteint 74,6 % de réussite pass@1-v(k=3) sur LiveCodeBench avec un modèle figé de 14B sur un seul GPU grand public, surpassant les 71,4 % de Claude 4.5 Sonnet à une fraction du coût grâce à une génération pilotée par contraintes et un raffinement itératif auto-vérifié.