IA privée en entreprise : les quatre niveaux de maîtrise

Une IA privée en entreprise n’est pas un produit qu’on achète : c’est un degré de maîtrise sur ce que deviennent vos données. Derrière les mots « IA privée », « IA souveraine » ou « IA fermée », une seule question compte : quand un salarié ou une automatisation interroge un modèle, où partent les données, et qui peut y accéder ? Ce comparatif de notre rubrique IA d’entreprise, privée et au juste coût distingue quatre niveaux, puis donne une grille pour choisir.

En bref

• Les modèles de ChatGPT et de Claude ne s’installent pas chez vous : soit on les encadre par contrat, soit on fait tourner un modèle ouvert sur une machine qu’on contrôle.
• Un contrat encadre ce que le fournisseur fait de vos données, pas les lois qui s’appliquent à lui.
• Un RAG envoie des extraits de vos documents là où tourne le modèle : il se range au niveau des documents qu’il lit.
• Une grille qui classe les données (publiques, internes, personnelles) dit où envoyer chaque usage.

Où partent vos données, niveau par niveau

Du moins maîtrisé au plus maîtrisé :

1. L’API telle quelle : vos requêtes partent chez l’éditeur du modèle, à ses conditions standard.
2. L’API encadrée : même fournisseur, avec un contrat de sous-traitance, une option de non-conservation et une région de traitement choisie.
3. Un modèle ouvert dans un cloud privé en Europe : vous louez une machine et y installez un modèle dont les poids sont publiés.
4. Un modèle sur site : la machine est chez vous, rien ne sort du réseau de l’entreprise.

La CNIL pose l’enjeu dans ses questions-réponses sur l’IA générative. Avec une API, « la maîtrise du système est alors quasi exclusivement dans les mains du fournisseur » ; une installation sur site permet au contraire de « limiter les risques d’extraction de données auprès d’un tiers », au prix d’une exploitation à assumer. Aucun niveau n’est le bon pour tout, et une même entreprise peut en utiliser plusieurs.

Niveau 1 : l’API telle quelle

C’est le point de départ de la plupart des projets : une clé d’API, un modèle du marché, les conditions générales du fournisseur. Les grands éditeurs prennent des engagements sur leur offre professionnelle : chez Anthropic, la page sur la conservation des données pose que les données conservées ne servent jamais à entraîner les modèles sans autorisation expresse du client.

Ce niveau ne garantit pas le lieu du traitement. Sur l’API directe d’Anthropic, en octobre 2026, la géographie d’inférence se choisit entre « global » (n’importe quelle région) et « us » (les États-Unis), sans option européenne, et les données conservées sont stockées aux États-Unis, seule zone de stockage proposée. Pour des contenus publics (fiches produit, articles, pages déjà en ligne), ce niveau suffit souvent, et c’est le moins cher. Pour des données personnelles, il faut au minimum le niveau suivant.

Et ce niveau n’a rien à voir avec un abonnement grand public ouvert par un salarié sur son adresse personnelle. Pour ces services, la CNIL recommande de « ne jamais partager d’informations confidentielles telles que des données personnelles, des données de l’entreprise ».

Niveau 2 : l’API encadrée par contrat

Même modèle, mêmes performances, trois verrous en plus :

• Un contrat de sous-traitance. Dès que vos requêtes contiennent des données personnelles, le fournisseur les traite pour votre compte, et l’article 28 du RGPD impose un contrat qui fixe ce qu’il a le droit d’en faire.
• La non-conservation. Chez Anthropic, l’accord de « conservation zéro » se demande à l’équipe commerciale et connaît des exceptions : l’exécution de code conserve les données de son environnement jusqu’à 30 jours, les traitements par lots 29 jours, et certains modèles haut de gamme (les familles Fable et Mythos) exigent une conservation de 30 jours. Même sous cet accord, un échange repéré par les systèmes automatiques de sécurité de l’éditeur peut être conservé jusqu’à deux ans. Ce qui est couvert se vérifie fonction par fonction.
• Une région de traitement. Via un grand cloud (Amazon Bedrock, Google Cloud), on choisit un point d’accès régional, qui garantit l’acheminement des données par une zone géographique précise ; la grille d’Anthropic indique qu’il coûte 10 % de plus qu’un point d’accès mondial. C’est alors le fournisseur cloud qui devient le sous-traitant, et il reste à vérifier que le modèle voulu est proposé dans la région choisie.

La limite de ce niveau tient en une phrase : un contrat encadre ce que le fournisseur fait de vos données, il ne le soustrait pas aux lois de son pays. Quand l’infrastructure est hors de l’Union ou « opérée par un fournisseur non-européen », la CNIL demande en plus d’encadrer le traitement des données par leur destinataire. Nous détaillons ces obligations dans notre guide IA, RGPD et AI Act : ce qu’une PME doit faire.

Niveau 3 : un modèle ouvert dans un cloud privé en Europe

Ici, on ne loue plus un service, on loue une machine. Certains éditeurs publient les « poids » de leurs modèles, c’est-à-dire le modèle lui-même : le français Mistral AI publie ainsi plusieurs des siens, de Ministral 3 à Mistral Large 3, sous licence Apache 2.0. On les installe sur un serveur à carte graphique loué chez un hébergeur européen, et les requêtes ne quittent plus cette infrastructure. Trois choses changent :

• La facture se paie à la machine, qu’elle travaille ou non : c’est intéressant sur un volume régulier, beaucoup moins pour quelques requêtes par jour.
• La qualité dépend du modèle que la machine fait tourner. Un modèle ouvert de taille raisonnable peut suffire pour trier, extraire ou résumer ; il se juge sur vos propres exemples avant d’y confier une tâche.
• L’exploitation vous revient : mises à jour, surveillance, sauvegardes. C’est le vrai coût de ce niveau, et il ne figure sur aucune grille tarifaire.

Niveau 4 : sur site

Le modèle tourne sur une machine installée dans vos locaux. Quand on confie au système des données de clients ou de collaborateurs, ou de la documentation sensible ou stratégique (par exemple pour un RAG), la CNIL écrit qu’il « semble généralement plus opportun et plus sécurisé » de privilégier ce déploiement sur site, tout en notant que le coût de son installation et de son exploitation rend souvent « plus aisé » le recours à un hébergement distant.

Dans notre cas, le modèle ne tourne pas dans nos locaux mais sur un serveur loué que nous exploitons nous-mêmes. Nous utilisons Ollama, un logiciel qui fait tourner des modèles ouverts, en production sur ce serveur, qui héberge aussi le CRM (Twenty) et les automatisations (n8n) que nous opérons pour nos clients, pour les tâches où les données ne doivent pas sortir. Les requêtes qui passent par lui ne partent chez aucun fournisseur de modèles ; en échange, la qualité est celle d’un modèle que ce serveur peut faire tourner, et les mises à jour sont pour nous.

Et le RAG dans tout ça ?

Le RAG (génération augmentée de récupération) donne au modèle, à chaque question, les extraits de vos documents qui y répondent. Conséquence directe : les extraits de vos documents partent là où tourne le modèle. Un RAG sur vos contrats branché sur une API de niveau 1 envoie des morceaux de contrats chez le fournisseur à chaque question. Deux points se vérifient en plus du modèle :

• la base vectorielle, qui stocke vos documents découpés et indexés, doit être au même niveau de maîtrise que le modèle ;
• le calcul des « embeddings », ces empreintes numériques qui servent à retrouver les bons passages, passe souvent par une autre API : c’est un second flux de données à encadrer.

La CNIL précise que l’entreprise qui « choisit de connecter le système à sa propre base de connaissance (RAG) » est responsable de ce traitement dès que la base contient des données personnelles. Nous détaillons le reste dans notre article sur le RAG appliqué aux documents d’une entreprise.

Comment choisir le bon niveau, tâche par tâche

La CNIL recommande de « partir de besoins concrets pour choisir le système le plus adapté et de tenir compte des risques encourus ». Nous partons donc d’une grille qui classe les données, pas les outils :

Cette grille est la nôtre, pas une norme. L’engagement d’un fournisseur se vérifie au moment du choix, la grille se discute avec votre délégué à la protection des données, et elle change si vos contrats clients imposent un hébergement précis.

Une même application peut mélanger les niveaux : un aiguillage envoie chaque requête au niveau qui convient à ses données, un modèle du marché pour le public, un modèle local pour ce qui touche aux personnes. La règle doit alors être écrite, testée et journalisée, car une donnée sensible envoyée par erreur au niveau 1 est un incident à traiter comme tel.

Ce que ces niveaux ne règlent pas

Aucun niveau ne rend un modèle fiable : un modèle installé chez vous se trompe autant qu’un autre, et ses réponses se vérifient de la même façon. Aucun ne remplace les règles d’usage, que la CNIL recommande de fixer « par des politiques ou chartes internes, définissant clairement les usages autorisés et les usages interdits ». Et un serveur maison sans mises à jour ni sauvegardes protège moins qu’un niveau 2 bien tenu.

Par où commencer

Listez vos usages actuels, les données que chacun envoie et le niveau où il tourne aujourd’hui : l’écart avec la grille saute aux yeux. Avant de déplacer un usage, chiffrez ce que coûterait le niveau visé : les tokens à l’usage d’un côté, la machine et son exploitation de l’autre.

Pour obtenir la grille de sensibilité de vos propres données et savoir quels usages peuvent rester où ils sont, voyez notre offre IA au juste coût.

Questions fréquentes

Peut-on installer les modèles de ChatGPT ou de Claude sur ses propres serveurs ?

Non. Les modèles qui font tourner ChatGPT et Claude ne se téléchargent pas : ils s’utilisent par API, directement ou via un grand cloud. Chez vous, vous installez un modèle dont les poids sont publiés, comme ceux de Mistral AI cités plus haut. C’est un autre modèle, avec ses forces et ses limites, à évaluer sur vos propres tâches avant d’y confier quoi que ce soit.

À partir de quel volume un modèle auto-hébergé coûte-t-il moins cher qu’une API ?

Il n’y a pas de seuil universel. Une API se paie à l’usage, une machine se paie qu’elle travaille ou non, en plus du temps d’exploitation. Le calcul se fait donc sur vos volumes réels : coût mensuel des tokens d’un côté, location de la machine et maintenance de l’autre. Sur un usage irrégulier, l’API gagne souvent ; sur un flux constant de données sensibles, la question se pose vraiment.

Une IA « souveraine » protège-t-elle du Cloud Act ?

Pas forcément. Depuis mars 2018, le Cloud Act oblige un fournisseur soumis au droit américain, sur réquisition des autorités américaines, à communiquer les données qu’il a en sa possession, sa garde ou son contrôle, qu’elles soient stockées aux États-Unis ou ailleurs. Ce qui compte n’est donc pas l’origine du modèle, mais qui opère le service. Un modèle européen hébergé par un fournisseur américain pose la même question qu’un autre.

Que deviennent les données envoyées à l’API d’Anthropic ?

Selon sa documentation, elles ne servent pas à entraîner les modèles sans votre autorisation expresse. La conservation zéro se demande à l’équipe commerciale, mais elle ne couvre ni les traitements par lots (29 jours), ni l’exécution de code (jusqu’à 30 jours), ni les modèles Fable et Mythos (30 jours). Un échange signalé peut être gardé jusqu’à deux ans. Chez tout autre éditeur, lisez la page équivalente avant d’envoyer quoi que ce soit.