Où doivent aller les données d'entreprise: trois modèles d'exploitation pour l'IA
L'IA n'est pas une question de oui ou non. Ce qui compte, c'est quelles données sont traitées, où le système tourne et quel modèle d'exploitation correspond au besoin de protection.
Dans presque chaque conversation sur l’IA en entreprise, le même moment finit par arriver. Pas aux fonctionnalités, pas au prix. À la question : et où vont nos données ?
Cette question n’est pas un signe de retard, mais de bon sens entrepreneurial. Qui utilise sérieusement l’IA lui confie le cœur de l’entreprise : calculs, listes de clients, contrats, prix d’achat, sujets RH. Ce sont précisément les informations dont la confidentialité définit une entreprise. Les taper dans un champ de texte derrière lequel se trouve un service tiers est une décision, pas un détail.
Trois modèles d’exploitation, trois réponses complètement différentes
Le débat est généralement mené de façon globale, IA oui ou non. Or la réponse à la question des données dépend presque entièrement de la manière dont l’IA est exploitée.
Services gratuits avec compte privé. C’est le cas normal dans les entreprises qui n’ont pas encadré le sujet : les collaborateurs utilisent des services de chat gratuits via des comptes privés. Il n’existe aucun contrat entre le fournisseur et votre entreprise, et selon le service, les saisies peuvent être utilisées pour développer les modèles. Pour tout ce qui est confidentiel, ce n’est pas le bon endroit.
Forfaits professionnels. Avec un forfait professionnel payant, la situation change fondamentalement : il y a un contrat, les saisies ne servent pas à l’entraînement, les accès sont gérables. Pour de nombreuses tâches, c’est un cadre raisonnable et rapidement disponible. Ce que le forfait professionnel fait concrètement différemment de la version gratuite, je l’ai décrit dans une position dédiée.
Infrastructure en propre. La troisième option n’est presque jamais envisagée, parce que presque personne ne sait qu’elle existe : une IA qui tourne sur des systèmes que votre entreprise contrôle. Des modèles de langage européens comme Mistral peuvent être exploités de sorte que vos documents ne quittent pas l’entreprise. L’IA répond à partir de vos propres documents, avec citation des sources, et l’exploitant d’un service de chat tiers n’en voit rien. Ce n’est pas un projet de recherche, mais une pratique construite : Kollege·KI est une démo publique de cette approche, et elle tourne comme module pour les entreprises artisanales dans Werklinie.
Quel modèle pour qui
La réponse honnête : cela dépend des données, pas de la vision du monde.
Pour les tâches sans contenu confidentiel, brouillons de texte, recherche, aide à la formulation, un forfait professionnel proprement configuré suffit. Construire sa propre infrastructure pour cela, c’est de l’effort sans contrepartie.
C’est différent dès que l’IA doit travailler régulièrement avec le cœur de l’entreprise : avec le savoir accumulé, avec les calculs, avec tout ce qui intéresserait les concurrents. Alors l’infrastructure en propre n’est pas un luxe, mais la condition pour que les équipes utilisent l’outil sans arrière-pensée. Et elle a un effet secondaire souvent sous-estimé : pas d’abonnement par utilisateur, mais un système qui appartient à l’entreprise.
Trois questions à poser à chaque fournisseur
Si quelqu’un vous propose une solution IA, logiciel ou conseil, trois questions suffisent pour séparer le bon grain de l’ivraie. Premièrement : où exactement tournent les modèles, et qui exploite ces systèmes ? Deuxièmement : nos saisies sont-elles stockées ou utilisées pour le développement, et est-ce dans le contrat ? Troisièmement : qu’advient-il de nos données si nous quittons le service ?
Qui n’a pas de réponses claires à ces questions ne se les est pas posées. C’est cela, le vrai signal d’alarme.
L’essentiel
La question des données n’est pas un obstacle sur le chemin de l’IA, c’est le début d’une décision d’architecture saine. Il existe trois modèles d’exploitation avec trois niveaux de confidentialité différents, et pour chaque cas d’usage il y en a un qui convient. Qui prend la question au sérieux au lieu de la balayer construit des systèmes que sa propre équipe a le droit d’alimenter avec les données importantes. C’est exactement là que naît la vraie valeur.