Souveraineté
En local quand c’est possible, dans le cloud quand il le faut
La règle est simple : en local chaque fois que c’est possible, dans le cloud quand ça ne l’est pas. Beaucoup de traitements n’ont rien de confidentiel (traduire une fiche produit, résumer un texte public) et les confier à un service commercial ne pose aucun problème. Ce qui décide, c’est la nature de la donnée et la puissance réellement nécessaire, jamais un principe. Et l’écart se resserre : des modèles installés chez vous font désormais une part de ce qui exigeait le cloud.
IA locale et souveraine
La crainte la plus répandue chez les dirigeants n’est pas que l’IA se trompe : c’est qu’elle emporte leurs données ailleurs. Elle est fondée pour une partie des traitements, et infondée pour beaucoup d’autres.
On trie donc, et le tri est simple. Un modèle installé sur votre matériel traite le gros du volume : lire, classer, résumer, extraire. Ce qui demande davantage de puissance, ou ce qui n’a rien de confidentiel, part vers un service commercial sans état d’âme. Vous savez exactement où passe la frontière, parce que c’est vous qui la placez.
Ce n’est pas un montage théorique. C’est ainsi que fonctionnent mes propres systèmes, y compris ce site, dont les vidéos sont décrites par un service commercial, parce que nos modèles locaux ne le font pas encore assez bien.
Où tourne le système, ce qui a le droit de sortir, comment vous récupérez vos données : c’est écrit pour chaque projet, et le socle est construit pour que ce soit tenable.
Sur vos serveurs
Le traitement reste chez vous. Plus exigeant à exploiter, et parfaitement réalisable : c’est le mode le plus fréquent quand les données sont sensibles.
Hybride
Le tri en local, l’analyse fine à l’extérieur, et une règle écrite qui dit ce qui a le droit de sortir.
Cloud assumé
Le plus rapide et le plus puissant. Parfaitement légitime pour tout ce qui n’est ni personnel ni stratégique, et souvent le bon choix, à condition de l’avoir décidé plutôt que subi.
IA sur mesure, branchée à votre métier
Un assistant générique connaît le monde mais ignore votre entreprise. Il ne sait pas qui sont vos clients, comment vous facturez, ni pourquoi ce dossier-là est urgent. Il produit donc des réponses plausibles et inutiles.
Le travail consiste à le brancher : à vos données, à vos documents, à vos applications. À partir de là seulement, une question comme « le chiffre d’affaires réalisé sur deux ans avec ce client » obtient une vraie réponse, tirée de vos écritures, et non une approximation.
C’est aussi ce qui sépare une IA façonnée pour vous d’une solution packagée : on ne vous demande pas de changer votre façon de travailler pour elle, on la branche sur la vôtre.
Interroger vos documents
Contrats, procédures, comptes rendus : poser une question en français et obtenir la réponse avec sa source, traitée en local quand vos documents l’exigent.
Extraire ce qui compte
Sortir d’un document une information structurée et exploitable, à la chaîne, sans ressaisie.
Trier et router
Le courrier entrant lu, qualifié et dirigé vers la bonne personne, avec les urgences remontées immédiatement.
Développement assisté par agents
C’est ce qui a changé mon métier ces deux dernières années, et ce qui explique les délais. Je décide de ce qu’il faut construire ; un agent l’écrit au rythme où on en parle. Séparément, les deux moitiés sont banales : un expert seul est lent et cher, un agent seul produit du code que personne n’a arbitré. Ensemble, ils font le travail d’une équipe.
Ce que vous y gagnez n’est pas la prouesse, c’est le résultat : plus vite, pour moins cher, et modifiable ensuite. Ce que vous n’y perdez pas, c’est le jugement : trente ans d’infrastructure servent précisément à savoir ce qu’il ne faut pas construire.
Questions fréquentes
- Faut-il acheter du matériel coûteux pour faire tourner l’IA chez soi ?
- Beaucoup moins qu’on ne le croit pour les usages courants : lire, classer, résumer, extraire. Le calcul se fait au diagnostic, en comparant honnêtement le coût du matériel à celui d’un abonnement cloud sur trois ans.
- Nos données servent-elles à entraîner un modèle ?
- Pas dans un montage local : le modèle lit vos données pour répondre, il ne les apprend pas. Si une partie passe par un service extérieur, les conditions de ce service sont examinées et écrites noir sur blanc avant toute mise en place.
- Et le RGPD dans tout ça ?
- Le RGPD ne parle que des données personnelles : traduire un catalogue ou résumer un texte public ne le concerne pas, et se poser la question à chaque fois fait perdre du temps. Là où il s’applique, l’argument du traitement local est simple : moins vos données personnelles sortent, moins vous avez de transferts à justifier. La conformité se traite dès la conception, pas comme un document ajouté à la fin.
- Combien de temps avant de voir quelque chose de concret ?
- La bonne façon de commencer est un usage unique et mesurable : un type de document, une boîte mail, une question qui revient. On le fait tourner pour de vrai, on mesure, et on élargit seulement si ça vaut le coup.
Commençons par un usage, pas par une stratégie
Dites-moi quelle tâche vous coûte le plus de temps aujourd’hui : c’est presque toujours le bon départ. On en parle trente minutes, sans engagement, et vous voyez si la suite vous parle.
Comment on décide, cas par cas
Il n’y a pas de réponse unique, et se prétendre « tout local » serait aussi dogmatique que de tout envoyer dehors. Trois questions suffisent à trancher, traitement par traitement.
Quelle est la nature de la donnée ?
Une fiche produit publique, une traduction de catalogue, un texte marketing : rien à protéger, le cloud est indiqué. Un dossier client, un contrat, un fichier de personnel : on reste chez vous.
Quelle puissance faut-il vraiment ?
Classer, extraire, résumer : un modèle local suffit largement. Raisonner sur un cas complexe ou lire une vidéo : les grands modèles gardent une avance, pour l’instant.
Combien ça coûte des deux côtés ?
Une machine amortie sur trois ans face à trois ans d’abonnement au volume consommé. Le calcul penche vers le local quand le volume est régulier, vers le cloud quand l’usage est sporadique.
Où va chaque donnée, et pourquoi
Faites glisser pour voir tout le schéma