FairPatterns

25 août 2026

Présentation générale

FairPatterns est une entreprise française spécialisée dans la détection, l’analyse et la correction automatisées des interfaces numériques manipulatrices, notamment les dark patterns, les mécanismes de conception addictive, les manipulations du consentement et certaines pratiques numériques susceptibles de contrevenir au droit de la consommation, de la protection des données ou des services numériques.

Cofondée en 2023 par Marie Potel-Saville, Jerry Gupta et Sundar Narayanan, l’entreprise est implantée à Paris. Elle se présente en 2026 comme une société de « Human Safety Tech » utilisant une intelligence artificielle multimodale pour analyser les sites internet, applications et réseaux sociaux.

Son positionnement est original dans l’écosystème de la LegalTech. FairPatterns ne cherche pas principalement à automatiser la recherche juridique, la rédaction de contrats ou la consultation juridique. Sa technologie vise à transformer des exigences juridiques relatives aux interfaces numériques en contrôles techniques et en solutions de design directement exploitables.

L’entreprise intervient ainsi à la rencontre de plusieurs disciplines : droit, intelligence artificielle, UX design, sciences cognitives, protection des consommateurs et conformité numérique.

Sa logique peut être résumée en trois opérations : détecter, en analysant les interfaces et parcours utilisateurs ; qualifier, en rapprochant les pratiques détectées de règles juridiques ; puis corriger ou prévenir, en proposant des interfaces alternatives — les « fair patterns » — ou en intervenant avant la mise en production.

Points essentiels

  • Nature : entreprise française de technologie et de conformité numérique utilisant l’intelligence artificielle.
  • Création : 2023.
  • Siège : Paris, France.
  • Cofondateurs : Marie Potel-Saville, Jerry Gupta et Sundar Narayanan.
  • CEO : Marie Potel-Saville.
  • CTO : Jerry Gupta.
  • Chief AI Ethics Officer : Sundar Narayanan.
  • Spécialité : détection et correction des dark patterns, designs addictifs, manipulations du consentement et autres pratiques numériques susceptibles de porter atteinte aux utilisateurs.
  • Technologie : IA multimodale associant notamment analyse du langage, analyse visuelle et agents spécialisés.
  • Publics visés : entreprises, équipes conformité, cabinets d’avocats et acteurs chargés de l’application de la réglementation.
  • Approche : passage de la conformité documentaire à une logique de compliance by design.
  • Produits et services : Dark Pattern Screening, Deceptive Design AI Agent, Consent Scanner, Figma Plug-in, Fair User Lab et Online Manipulation Observatory.
  • Actualité 2026 : FairPatterns figure parmi les cinq lauréats du Trophée Start-Up Numérique 2026 d’IMT Starter.

Origines de FairPatterns

FairPatterns s’inscrit dans la continuité des travaux de Marie Potel-Saville sur le legal design et la transformation des normes juridiques en solutions directement compréhensibles et utilisables.

Avant FairPatterns, Marie Potel-Saville a exercé comme avocate, notamment chez Freshfields et Allen & Overy, puis en entreprise, notamment chez Chanel et Estée Lauder. Elle a fondé en 2018 Amurabi, structure spécialisée dans l’innovation juridique et le legal design.

FairPatterns est née d’une problématique plus spécifique : les règles juridiques destinées à protéger les utilisateurs peuvent être correctement identifiées par les juristes mais mal traduites dans les interfaces effectivement utilisées par les consommateurs.

La société formule ainsi son projet comme une tentative d’intégrer les exigences du droit directement dans l’architecture des produits numériques plutôt que de laisser la conformité cantonnée à des consultations, politiques internes ou audits.

Le concept de « fair pattern » constitue à cet égard l’inverse du dark pattern. Il désigne une solution de conception destinée à permettre à l’utilisateur d’effectuer un choix libre et éclairé plutôt qu’à exploiter ses biais cognitifs.

Dark patterns et objet de FairPatterns

Les dark patterns, également appelés interfaces truquées ou deceptive patterns, sont des choix de conception d’une interface destinés ou susceptibles d’orienter l’utilisateur vers une décision qu’il n’aurait pas nécessairement prise dans un environnement neutre.

Les exemples classiques comprennent :

  • un bouton « Accepter » beaucoup plus visible que le bouton « Refuser » ;
  • plusieurs étapes nécessaires pour résilier un service alors que l’inscription nécessite une seule action ;
  • des informations artificielles créant un sentiment d’urgence ;
  • des options précochées ;
  • des coûts révélés tardivement ;
  • des parcours rendant le refus ou le retrait artificiellement difficile.

Marie Potel-Saville donne notamment l’exemple des interfaces dans lesquelles l’acceptation des cookies est fortement mise en évidence tandis que le refus est relégué dans un lien peu visible, ainsi que celui des abonnements très faciles à souscrire mais beaucoup plus difficiles à résilier.

La particularité de FairPatterns consiste à traiter ces pratiques non seulement comme une question d’UX, mais comme un objet à la fois juridique, cognitif et technique.

Technologie

1. Une IA multimodale

FairPatterns présente sa technologie comme une IA multimodale.

Cette caractéristique est importante car un dark pattern ne se trouve pas nécessairement dans le texte d’une interface. Il peut résulter de la combinaison de plusieurs éléments :

  • formulation linguistique ;
  • taille d’un bouton ;
  • couleur ou contraste ;
  • position d’une option ;
  • ordre des étapes ;
  • architecture d’un parcours ;
  • images ;
  • répétition des sollicitations.

L’analyse doit donc porter simultanément sur plusieurs modalités.

FairPatterns indique utiliser de nombreux agents d’IA spécialisés, orchestrés afin d’analyser les interfaces, le texte et le code.

Marie Potel-Saville a décrit une architecture associant notamment extraction du parcours et des images, NLP, vision par ordinateur, apprentissage automatique et agents spécialisés, complétée par une revue humaine des résultats.

Il convient cependant de distinguer cette description technique, fournie par l’entreprise et ses dirigeants, d’une évaluation indépendante des performances du système.

2. Détection et qualification

La plateforme analyse des interfaces numériques afin d’identifier des pratiques potentiellement manipulatrices.

Selon FairPatterns, chaque pratique détectée peut ensuite être rapprochée des dispositions juridiques correspondantes.

Cette fonction est juridiquement intéressante : l’outil ne se limite pas à dire qu’une interface paraît problématique du point de vue de l’expérience utilisateur. Il cherche à établir un lien entre :

fait technique → type de manipulation → risque juridique → règle susceptible d’être applicable.

Cette automatisation ne supprime toutefois pas la nécessité d’une qualification juridique humaine. L’applicabilité d’une disposition dépend notamment du territoire, du statut de l’opérateur, du service concerné et du contexte précis de l’interface.

Solutions proposées

Dark Pattern Screening

Le Dark Pattern Screening analyse des sites ou applications afin d’identifier les dark patterns et autres risques de conformité numérique.

FairPatterns indique que les résultats sont accompagnés d’une priorisation des risques et de propositions de correction.

Deceptive Design AI Agent

Le Deceptive Design AI Agent adopte une logique préventive.

L’objectif n’est plus uniquement de détecter une interface illégale ou manipulatrice une fois celle-ci publiée, mais d’intervenir au stade de la conception ou de l’intégration.

Cette approche rapproche FairPatterns d’une logique de compliance by design : la norme juridique devient une contrainte intégrée au cycle de développement.

Figma Plug-in

Le Figma Plug-in permet aux designers d’analyser les maquettes avant leur mise en production.

La solution vise ainsi à déplacer le contrôle de conformité vers l’amont du développement : un risque peut être identifié alors que l’interface n’est encore qu’une maquette.

Consent Scanner

Le Consent Scanner est consacré aux pratiques relatives aux cookies et au consentement.

Il cherche notamment à détecter des problèmes de conception ou des pratiques susceptibles de compromettre la validité ou la liberté du consentement.

L’outil se situe directement à l’intersection entre UX design et droit de la protection des données.

Online Manipulation Observatory

L’Online Manipulation Observatory permet d’analyser des secteurs ou des acteurs afin d’identifier, classifier et quantifier des pratiques de manipulation et des risques de conformité numérique.

Cette fonction dépasse la conformité d’une entreprise particulière : elle peut contribuer à une surveillance sectorielle des pratiques numériques.

Fair User Lab

Le Fair User Lab ajoute une dimension expérimentale et comportementale.

FairPatterns propose des recherches qualitatives et quantitatives, notamment des tests utilisateurs et de l’eye tracking, afin d’étudier l’effet concret des interfaces.

L’entreprise indique également utiliser un Exploitation Design Index, fondé sur 100 critères, afin d’évaluer les mécanismes de manipulation et de produire des éléments utilisables dans des contextes de conformité ou contentieux.

Les affirmations concernant le caractère « court-ready » ou la valeur probatoire des résultats sont toutefois celles de l’entreprise : leur recevabilité et leur force probante demeurent nécessairement appréciées selon le droit procédural applicable et, le cas échéant, par le juge.

Utilisation par les entreprises

Pour une entreprise numérique, FairPatterns peut intervenir à plusieurs étapes du cycle de vie du produit.

Avant la mise en ligne, les maquettes peuvent être analysées afin d’identifier les risques.

Lors du développement, des exigences de conformité peuvent être intégrées dans les processus de conception.

Après la publication, les interfaces peuvent être surveillées afin de détecter des pratiques problématiques.

En cas de risque identifié, FairPatterns peut proposer des contre-mesures de design.

Cette approche correspond à un déplacement important de la conformité numérique : le juriste n’intervient plus uniquement après la conception du produit mais peut chercher à traduire la règle juridique en exigences techniques directement utilisables par les designers et développeurs.

Utilisation par les cabinets d’avocats

FairPatterns vise également les cabinets d’avocats.

Dans ce contexte, la plateforme peut servir à détecter des pratiques numériques, documenter des parcours utilisateurs et rapprocher les constats de règles applicables.

L’entreprise présente sa technologie comme susceptible de fournir aux juristes des informations et éléments de preuve relatifs notamment aux designs addictifs, dark patterns et comportements utilisateurs.

La fonction de l’avocat demeure toutefois essentielle pour :

  • vérifier la matérialité des constats ;
  • qualifier juridiquement la pratique ;
  • sélectionner les textes applicables ;
  • apprécier les exceptions ;
  • établir le dommage ou le lien de causalité lorsque cela est nécessaire ;
  • déterminer la stratégie contentieuse.

FairPatterns constitue donc davantage un outil d’investigation, de conformité et d’aide à la constitution du dossier qu’un substitut au raisonnement juridique.

Utilisation par les autorités et dans le contentieux

Le positionnement de FairPatterns comprend également une dimension d’enforcement.

La plateforme est présentée comme permettant d’identifier des pratiques manipulatrices à grande échelle et de produire des informations authentifiées susceptibles d’être exploitées dans des investigations ou procédures.

Ce type d’outil pourrait répondre à une difficulté pratique des autorités : les interfaces numériques peuvent changer rapidement, varier selon l’utilisateur et être personnalisées.

L’automatisation permet potentiellement de contrôler un volume de services beaucoup plus important qu’un audit exclusivement manuel.

Elle soulève parallèlement une question juridique essentielle : comment établir et préserver la preuve d’une interface numérique dynamique ?

Horodatage, authenticité de la capture, reproductibilité du parcours, identification de la version du service et conservation des éléments techniques peuvent devenir déterminants dans une procédure.

Cadre juridique des dark patterns

FairPatterns intervient dans un environnement juridique particulièrement dense.

RGPD

Le règlement (UE) 2016/679 (RGPD) exige notamment que le consentement soit libre, spécifique, éclairé et univoque.

Une interface conçue afin d’inciter artificiellement l’utilisateur à consentir peut donc soulever des difficultés au regard du RGPD.

Le Comité européen de la protection des données (EDPB) a consacré des lignes directrices spécifiques aux deceptive design patterns dans les interfaces de plateformes de réseaux sociaux.

Marie Potel-Saville a par ailleurs été sélectionnée dans le Support Pool of Experts de l’EDPB pour son expertise relative aux dark patterns, selon FairPatterns.

Digital Services Act

Le règlement (UE) 2022/2065 sur les services numériques (DSA) traite expressément des interfaces trompeuses.

Son article 25 interdit aux fournisseurs de plateformes en ligne de concevoir, organiser ou exploiter leurs interfaces d’une manière qui trompe ou manipule les destinataires ou qui altère ou entrave substantiellement leur capacité à prendre des décisions libres et éclairées, dans les conditions prévues par le texte.

Cette disposition constitue l’un des fondements européens les plus directement associés à la lutte contre les dark patterns.

Droit de la consommation

Les pratiques manipulatrices peuvent également relever du droit de la consommation, notamment lorsqu’une interface contient une information trompeuse, omet une information substantielle ou influence indûment le comportement économique du consommateur.

La directive 2005/29/CE relative aux pratiques commerciales déloyales constitue ici un texte central.

Le droit des dark patterns est donc fragmenté : une même interface peut être examinée simultanément sous l’angle du RGPD, du DSA et du droit de la consommation.

Cette fragmentation explique l’intérêt potentiel d’outils capables de rapprocher un même élément de design de plusieurs régimes juridiques.

AI Act et FairPatterns

L’AI Act, règlement (UE) 2024/1689, peut être pertinent à deux titres.

Premièrement, FairPatterns utilise elle-même des technologies d’intelligence artificielle. Le régime applicable dépend donc de la qualification précise des systèmes utilisés et du rôle occupé par les différents acteurs au sens du règlement.

Deuxièmement, l’AI Act réglemente certaines formes de manipulation par l’intelligence artificielle. L’article 5 interdit notamment, sous les conditions strictes prévues par le texte, certaines techniques subliminales, manipulatrices ou trompeuses lorsqu’elles altèrent substantiellement le comportement d’une personne et causent ou sont raisonnablement susceptibles de causer un préjudice important.

Il faut cependant éviter de confondre les deux notions : tout dark pattern n’est pas une pratique interdite au sens de l’article 5 de l’AI Act, et toute pratique manipulatrice visée par l’AI Act n’est pas nécessairement un dark pattern d’interface.

« Fair patterns » et conformité par la conception

L’apport conceptuel central de l’entreprise réside dans le passage du dark pattern au fair pattern.

La logique consiste à ne pas seulement interdire une mauvaise interface, mais à proposer une contre-mesure de design permettant d’atteindre la finalité commerciale sans compromettre l’autonomie de l’utilisateur.

FairPatterns indique avoir travaillé sur cette notion pendant plusieurs années et développé une bibliothèque d’interfaces alternatives.

Le concept présente un intérêt juridique plus général.

Une obligation telle que « le consentement doit être libre » est abstraite. Le designer doit pourtant décider concrètement :

  • où placer le bouton ;
  • quelle taille lui donner ;
  • quel vocabulaire employer ;
  • combien d’étapes prévoir ;
  • comment présenter le refus.

Le fair pattern cherche ainsi à transformer une norme juridique abstraite en règle de conception opérationnelle.

Gouvernance et équipe

L’équipe dirigeante combine profils juridiques, technologiques, scientifiques et UX.

Marie Potel-Saville, cofondatrice et CEO, possède une expérience d’avocate, de juriste d’entreprise et d’entrepreneure dans le legal design.

Jerry Gupta, cofondateur et CTO, possède un parcours dans les technologies et la data.

Sundar Narayanan, cofondateur et Chief AI Ethics Officer, travaille sur les questions d’éthique de l’intelligence artificielle.

L’équipe présentée en 2026 comprend également des spécialistes du design, du droit, de la psychologie cognitive et de l’UX, parmi lesquels Guillemette de Brabant, Bibin Ponnachan, Harry Brignull et Celia Hodent.

Cette interdisciplinarité correspond directement à l’objet de l’entreprise : un dark pattern ne peut être analysé exclusivement comme un problème juridique ou exclusivement comme un problème de design.

Fiabilité et limites

Comme tout système d’analyse juridique utilisant l’IA, FairPatterns doit être apprécié en tenant compte de plusieurs limites.

Faux positifs

Une interface peut être identifiée comme suspecte alors que son contexte juridique ou fonctionnel justifie la conception retenue.

Faux négatifs

Une pratique manipulatrice peut ne pas être détectée.

Qualification juridique

Identifier une pratique visuelle ne suffit pas à établir juridiquement une infraction.

Évolution des interfaces

Les sites et applications changent continuellement et peuvent être personnalisés selon l’utilisateur, le territoire ou l’appareil.

Preuve

La détection algorithmique d’une pratique ne suffit pas nécessairement à établir sa valeur probatoire devant une autorité ou une juridiction.

Transparence

L’évaluation de la fiabilité dépend également de la possibilité de comprendre les critères ayant conduit à la détection et à la qualification proposées.

FairPatterns indique conserver une intervention humaine dans la boucle pour contrôler et améliorer l’exactitude des analyses.

Actualité récente

L’année 2026 marque une visibilité accrue de FairPatterns.

Le 1er juin 2026, Maddyness a annoncé FairPatterns parmi les cinq lauréats de la 17e édition du Trophée Start-Up Numérique d’IMT Starter, décrivant sa technologie comme une IA multimodale capable de détecter, corriger et prévenir les dark patterns et designs addictifs.

L’entreprise indique également avoir obtenu le label Tech For Change à VivaTech 2026.

Son positionnement s’est parallèlement élargi : FairPatterns ne traite plus seulement les dark patterns traditionnels liés au commerce électronique ou au consentement, mais développe un discours plus général autour du design addictif, de la manipulation numérique, des interfaces produites par l’IA et de la sécurité humaine.

Cette évolution est liée à l’essor de l’IA générative. FairPatterns souligne notamment le risque que les modèles génératifs reproduisent des interfaces manipulatrices apprises à partir des pratiques déjà présentes sur le web.

Débats actuels

Peut-on automatiser la qualification juridique d’un dark pattern ?

L’IA peut identifier des caractéristiques de l’interface et les rapprocher de règles. Mais l’existence d’une violation suppose souvent une analyse du contexte et des conditions juridiques précises.

L’enjeu consiste donc davantage à augmenter la capacité d’investigation du juriste qu’à automatiser intégralement la décision juridique.

Les dark patterns peuvent-ils être détectés objectivement ?

Certaines pratiques sont relativement faciles à identifier. D’autres dépendent du contexte, des effets cognitifs ou du parcours complet de l’utilisateur.

L’association entre IA, psychologie cognitive, UX research et tests utilisateurs constitue une tentative de dépasser une analyse purement visuelle.

L’IA risque-t-elle elle-même de créer des dark patterns ?

Oui, cette question devient centrale avec la génération automatisée d’interfaces et la personnalisation algorithmique.

FairPatterns souligne précisément le risque que des modèles entraînés sur des interfaces existantes reproduisent spontanément des techniques manipulatrices.

Le contrôle doit alors intervenir non seulement après, mais également pendant la génération du produit numérique.

Ressources essentielles

Site officiel de FairPatterns — présentation de l’entreprise, de ses solutions et de son approche.

FairPatterns – About us — présentation des fondateurs, de l’équipe et de la mission de l’entreprise.

FairPatterns, « A Q&A with Marie Potel-Saville on Dark Patterns and Fair Design », 5 janvier 2026 — présentation pédagogique des dark patterns et de l’approche des fair patterns.

Maddyness, « IMT Starter dévoile les 5 start-up les plus prometteuses de l’année lors de sa 17e édition du Trophée Start-Up Numérique », 1er juin 2026 — source indépendante concernant FairPatterns et sa technologie.

FED Legal, « Ne pas perdre le sens derrière la norme : Marie Potel (Fair Patterns) », 30 avril 2026 — parcours de la cofondatrice et genèse du projet.

Règlement (UE) 2016/679 (RGPD) — notamment règles relatives à la validité du consentement et à la loyauté des traitements.

Règlement (UE) 2022/2065 (Digital Services Act) — notamment article 25 relatif à la conception et à l’organisation des interfaces des plateformes en ligne.

Directive 2005/29/CE relative aux pratiques commerciales déloyales — cadre général de protection des consommateurs contre certaines pratiques trompeuses ou agressives.

Règlement (UE) 2024/1689 (AI Act) — notamment article 5 pour certaines pratiques manipulatrices ou trompeuses utilisant l’IA, sous les conditions prévues par le règlement.

FAQ

Qu’est-ce que FairPatterns ?

FairPatterns est une entreprise française qui développe une IA multimodale destinée à détecter, analyser, prévenir et corriger des pratiques manipulatrices dans les interfaces numériques, notamment les dark patterns.

FairPatterns est-il un outil d’IA juridique ?

Oui, au sens large de la LegalTech, mais son positionnement diffère des assistants de recherche ou de rédaction juridique. Il utilise l’IA pour automatiser certaines opérations de conformité des interfaces numériques et fournir des informations utilisables par les juristes, entreprises et acteurs de l’enforcement.

Qu’est-ce qu’un fair pattern ?

Il s’agit d’une interface ou d’un choix de conception visant à permettre à l’utilisateur d’effectuer une décision libre, informée et non manipulée, en opposition aux dark patterns.

FairPatterns peut-il analyser une maquette avant sa publication ?

Oui. Son Deceptive Design AI Agent et son intégration Figma sont précisément destinés à intervenir en amont de la mise en production.

L’outil peut-il être utilisé par des avocats ?

Oui. FairPatterns propose des solutions destinées aux cabinets d’avocats et équipes contentieuses afin d’identifier et documenter certaines pratiques de manipulation numérique.

FairPatterns remplace-t-il l’analyse d’un juriste ?

Non. La détection automatisée d’une interface problématique et le rapprochement avec une réglementation ne suffisent pas nécessairement à établir juridiquement une infraction. Une validation humaine reste nécessaire.

Quels textes européens concernent les dark patterns ?

Selon le contexte, peuvent notamment intervenir le RGPD, le Digital Services Act et le droit européen des pratiques commerciales déloyales. L’AI Act peut également devenir pertinent lorsque la manipulation est réalisée au moyen d’un système d’IA et satisfait aux conditions de ses dispositions.

FairPatterns utilise-t-il uniquement du texte ?

Non. L’entreprise décrit une architecture multimodale, associant notamment analyse linguistique et visuelle ainsi que plusieurs agents spécialisés.

Pour aller plus loin

FairPatterns illustre une évolution importante de la LegalTech : le passage d’outils qui expliquent le droit aux humains à des systèmes qui cherchent à traduire directement le droit en contraintes techniques applicables aux produits numériques.

Cette évolution peut être qualifiée de computational compliance ou de conformité programmable : une partie de la norme est convertie en critères susceptibles d’être vérifiés automatiquement au cours de la conception et de l’exploitation du produit.

Le cas de FairPatterns présente également un intérêt particulier dans le contexte de l’IA générative. Si les interfaces numériques sont de plus en plus produites ou personnalisées automatiquement, la détection des pratiques manipulatrices pourrait elle-même devoir devenir automatisée et intervenir en temps réel dans la chaîne de développement.

L’entreprise se situe ainsi au croisement de deux mouvements : l’automatisation de la création des interfaces par l’IA et l’automatisation de leur contrôle juridique par l’IA.

Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir de la base documentaire et de sources juridiques complémentaires lorsque cela était nécessaire. Elle constitue une synthèse documentaire et ne remplace pas un avis juridique.

Limite documentaire : le fichier d’export de la base Dabo Tibi Ius précédemment fourni n’était plus accessible techniquement au moment de la préparation de cette fiche. Les informations propres à FairPatterns ont donc été vérifiées à partir de sources externes, en distinguant autant que possible les informations déclarées par l’entreprise des sources indépendantes.

Résumé pédagogique

Définition

FairPatterns est une entreprise française créée en 2023 qui développe une intelligence artificielle multimodale destinée à détecter et prévenir les dark patterns, designs addictifs, manipulations du consentement et autres pratiques numériques susceptibles de porter atteinte à la liberté de choix des utilisateurs. Sa particularité consiste à rapprocher automatiquement les éléments d’une interface des risques juridiques correspondants et à proposer des solutions de conception alternatives.

Exemple

Un site présente un bouton très visible pour accepter les cookies tandis que le refus nécessite plusieurs actions. FairPatterns peut analyser l’interface, identifier ce déséquilibre comme une pratique potentiellement manipulatrice, signaler les règles juridiques susceptibles d’être concernées et proposer une interface alternative plus équilibrée.

Problématique juridique

La difficulté consiste à transformer des exigences juridiques abstraites — consentement libre, loyauté, absence de manipulation — en règles de conception vérifiables techniquement, sans prétendre remplacer l’appréciation contextuelle du juriste ou du juge.

Cadre légal

FairPatterns intervient principalement dans un environnement composé du RGPD, du Digital Services Act, du droit européen de la consommation et, dans certaines hypothèses, de l’AI Act. Ces textes peuvent se cumuler : une même interface manipulatrice peut soulever simultanément des questions de protection des données, de protection du consommateur et de régulation des services numériques.

Fiches Dabo Tibi Ius à rapprocher :

Articles connexes

Fiches connexes