L’essentiel en 5 points
- La vraie question d’un professionnel régulé n’est pas « quel modèle est le meilleur » mais « où partent mes données ? ».
- Chez les fournisseurs cloud, cette question reste sans réponse satisfaisante : dès qu’une donnée quitte le poste, elle échappe à votre contrôle.
- Deux protections indépendantes : garder l’inférence locale, et rédiger les données personnelles avant tout éventuel envoi.
- Le compromis qualité contre confidentialité a sauté : du matériel grand public 128 Go fait tourner des modèles de niveau frontière.
- La bonne architecture est local d’abord : l’essentiel des requêtes servi sur place, la minorité complexe basculée vers le cloud, données déjà masquées.
- Le local fait sortir de l’économie du token : matériel acheté une fois, coût marginal minime, et vous ne payez plus deux fois, en argent et en données.
La réponse rapide
Pour un avocat, un expert-comptable ou un soignant, la question qui compte n’est pas de savoir quel modèle d’IA est le plus performant. C’est de savoir où partent les documents qu’on lui confie.
Un dossier client, une pièce comptable, un compte rendu médical : dès que ces données quittent le poste pour être traitées, elles entrent dans la chaîne d’un fournisseur. Le professionnel perd le contrôle direct de ce qui les protège.
Une IA souveraine renverse le problème. On ne cherche pas à promettre que « c’est sécurisé », on garantit que les données ne partent nulle part, ce qui est vérifiable par construction. Deux mécanismes le permettent : faire tourner le modèle en local, et rédiger les données personnelles avant tout envoi lorsqu’une partie du traitement passe malgré tout par le cloud.
Le reste de cet article explique comment ces deux protections s’articulent et ce qu’elles changent pour le secret professionnel et le RGPD.
La question que les vendeurs cloud n’aiment pas
« Où partent mes données ? » Posée à un fournisseur d’IA cloud, cette question ne reçoit jamais de réponse pleinement rassurante pour un professionnel tenu au secret. Le fournisseur documentera le chiffrement en transit, la localisation de ses serveurs, ses engagements contractuels. Tout cela est utile, mais aucun de ces éléments ne change le fait central : la donnée a quitté le poste.
Une fois partie, elle dépend d’une chaîne que le professionnel ne maîtrise pas. Les incidents et procédures récents autour des grands services d’IA rappellent régulièrement que le contenu des échanges peut être conservé, analysé ou partagé plus largement que ce que l’utilisateur imaginait.
Pour un cabinet d’avocats ou un professionnel de santé, ce risque n’a rien de théorique : le secret professionnel est directement en jeu. La confidentialité vendue comme un engagement reste un engagement. La confidentialité garantie par le fait que la donnée ne bouge pas est d’une autre nature.
Deux protections pour reprendre le contrôle
Deux mécanismes, indépendants et combinables, garantissent que les données restent maîtrisées.
Le premier est de garder l’inférence locale. Le modèle tourne sur un poste ou un boîtier que l’organisation possède, dans ses murs. Les données ne transitent jamais par un serveur tiers. C’est l’argument de confidentialité le plus fort qui soit, parce qu’il ne repose pas sur une promesse mais sur une impossibilité physique : ce qui ne part pas ne peut pas fuir.
Le second est de rédiger les données personnelles avant l’envoi. Dans les cas où une partie du traitement passe par le cloud, les noms, adresses, numéros de sécurité sociale et autres identifiants sont masqués en amont, avant que quoi que ce soit ne quitte le poste.
Le modèle distant ne voit alors qu’un texte anonymisé. Ce filtrage rend acceptable un recours ponctuel au cloud sans exposer les personnes concernées.
Le poste ou le boîtier local
L’idée d’une IA qui tourne dans les murs de l’entreprise a longtemps buté sur une objection : le matériel local serait trop faible pour faire tourner un modèle sérieux. Cette objection n’est plus valable.
Une étude de marché montre que ce modèle existe déjà : du matériel grand public doté d’environ 128 Go de mémoire fait tourner en local des modèles de niveau frontière, ceux qui rivalisent avec les meilleurs services cloud. Le principe est celui d’un poste ou d’un boîtier dédié, installé sur place, sur lequel le modèle s’exécute sans jamais ouvrir de connexion sortante avec les données.
Pour l’organisation, cela change la nature de l’offre. L’IA locale n’est plus un compromis dégradé qu’on accepte par prudence, c’est une capacité de traitement comparable, avec la confidentialité en plus. Le professionnel n’a plus à choisir entre travailler avec un bon outil et protéger ses dossiers.
Local d’abord, cloud en secours
Tout local ou tout cloud est un faux dilemme. La bonne architecture est local d’abord, avec bascule vers le cloud pour la minorité de requêtes qui le justifient.
Une étude menée par une université américaine estime qu’environ 70 % des requêtes peuvent être servies localement. Ces requêtes, les plus courantes, ne quittent jamais le poste. Les 30 % restants, plus complexes, peuvent être routés vers un modèle cloud plus puissant, mais seulement après que les données personnelles ont été masquées.
On combine ainsi la confidentialité du local sur l’immense majorité des cas et la puissance du cloud sur la minorité qui en a réellement besoin, sans jamais exposer d’information identifiante.
Cette architecture a un double intérêt. Elle protège les données par défaut, et elle réduit la dépendance à un fournisseur cloud unique, dont le service, les tarifs ou les conditions peuvent changer.
Sortir de l’économie du token
L’IA cloud se paie à l’usage : chaque requête consomme des tokens facturés, et le coût suit l’adoption. Plus vos équipes s’en servent, plus la facture monte. Ce modèle fait payer deux fois : une fois en argent, une fois en données, puisque vos contenus partent alimenter la chaîne d’un tiers.
L’inférence locale inverse cette équation. Le matériel s’achète une fois, le coût marginal d’une requête se limite à l’électricité, et l’usage peut croître sans que la facture suive. Vos données, elles, ne paient plus rien à personne. L’IA devient un équipement, pas un abonnement.
Ce que ça change pour le secret professionnel et le RGPD
Pour une profession réglementée, l’inférence locale déplace la charge de la conformité. Si les données ne quittent jamais les locaux, la question du transfert vers un sous-traitant, voire hors de l’Union européenne, ne se pose plus dans les mêmes termes. Le secret professionnel n’est plus protégé par une clause contractuelle mais par l’architecture technique elle-même.
Côté RGPD, la logique est identique : moins une donnée circule, moins la surface de risque est grande. La rédaction des données personnelles en amont d’un éventuel appel cloud vient renforcer ce principe de minimisation.
Un garde-fou mérite toutefois d’être nommé au client. Le local ne signifie pas conformité automatique : il faut sécuriser le poste, documenter les traitements, et garder à l’esprit qu’un modèle local n’est pas audité par défaut.
La sécurité doit vivre dans l’infrastructure et les procédures, pas seulement dans le choix du modèle.
Pour la mise en pratique technique (chaîne de traitement, choix des briques), voir aussi IA confidentielle : vos données chez vous.
Par où commencer
La bonne entrée en matière est un cadrage : quelles données sont réellement sensibles, quels usages d’IA les touchent, et quelle part du traitement peut rester locale. Cet examen débouche sur une architecture cible dimensionnée pour vos besoins et votre budget, avec un plan de bascule progressif.
Colombani.ai conçoit ce type d’architecture souveraine (inférence locale, rédaction des données personnelles, hébergement maîtrisé), accompagne spécifiquement les professions réglementées tenues au secret, et forme les équipes à ces pratiques via la formation IA locale, certifiée Qualiopi et finançable OPCO. L’expertise est certifiée par Anthropic (Claude Certified Architect).