Qu’est-ce que l’IA privée ? Définition, formes et cas d’usage

L’IA privée en une phrase

Avec un service d’IA comme ChatGPT, Gemini ou Claude, votre question part vers les serveurs du fournisseur. Le modèle y tourne, votre texte y est traité, et les conditions du fournisseur s’appliquent. Avec l’IA privée, le modèle tourne sur du matériel qui vous appartient, ou qui vous est exclusivement réservé. Le traitement a lieu à l’intérieur de votre propre périmètre de sécurité.

Cela paraît technique, mais cela change trois choses essentielles pour un RSSI ou un DPO :

• Où sont les données. Pas chez un tiers, mais sur votre propre nœud.
• Qui peut y accéder. Seulement les personnes que vous autorisez. Aucun fournisseur ne peut être contraint de remettre les données, puisqu’il ne les a jamais eues.
• Qui fixe les règles. Votre DSI décide quels modèles sont disponibles, quelles données sont bloquées et combien de temps les journaux sont conservés. Pas les conditions d’utilisation d’un autre.

Quelles formes d’IA privée existe-t-il ?

Le terme est employé largement, y compris par des fournisseurs qui y mettent autre chose. Il est utile de distinguer quatre formes, de la plus à la moins maîtrisée :

Seules les deux premières sont de l’IA privée au sens strict : le modèle et les données résident sur un matériel que personne d’autre n’utilise. Un tenant de cloud privé ou un abonnement entreprise offre de meilleures garanties qu’un chatbot gratuit, mais le traitement a toujours lieu chez un tiers. Pour les organisations confrontées au CLOUD Act, au secret professionnel ou à des règles sectorielles comme la certification HDS ou DORA, c’est exactement la différence qui compte. Plus de détails dans Microsoft 365 Copilot ou IA privée ?

Quels modèles fonctionnent en IA privée ?

L’IA privée utilise des modèles open-weight : des modèles de langage dont les éditeurs publient les poids, ce qui permet de les exécuter sur votre propre matériel. Les familles les plus connues sont Llama (Meta), Mistral (de la société française Mistral AI) et Qwen (Alibaba). Les modèles fermés derrière ChatGPT, Gemini et Claude ne peuvent pas être auto-hébergés ; ils n’existent que chez le fournisseur.

Pour la plupart des tâches professionnelles, les grands modèles open-weight suffisent : résumer, reformuler, répondre à des questions sur vos propres documents, rédiger des e-mails, extraire des données d’un texte. Là où l’écart avec les meilleurs modèles fermés est le plus grand, pour le raisonnement complexe et les longues tâches de programmation, vous échangez un peu de performance contre la maîtrise. C’est un arbitrage assumé, pas un inconvénient caché.

Ce qu’il faut techniquement pour exécuter un tel modèle, de la mémoire GPU à l’exploitation, est détaillé dans Un serveur LLM sur site : de quoi avez-vous besoin ?

Quand l’IA privée est-elle le bon choix ?

L’IA privée coûte plus cher qu’un abonnement d’IA par utilisateur. Vous payez pour votre propre matériel et pour la maîtrise. Ce n’est donc pas le bon choix pour tout le monde. Elle convient surtout lorsqu’un ou plusieurs de ces points s’appliquent :

• Vous traitez des données sensibles ou confidentielles. Dossiers patients, pièces couvertes par le secret professionnel, données financières de clients, données personnelles d’administrés.
• Votre secteur encadre l’externalisation. Pensez à la certification HDS en santé, au secret professionnel des avocats ou à DORA pour les entités financières.
• Vos collaborateurs utilisent déjà l’IA, hors de votre vue. La question n’est alors plus de savoir si l’IA est utilisée, mais où. Voir Shadow AI.
• Vous ne voulez pas dépendre d’un seul fournisseur. Les prix, conditions et disponibilité d’un service d’IA peuvent changer. Un environnement propre avec des modèles open-weight reste le vôtre.
• Vous devez pouvoir démontrer ce qui arrive aux données. Un auditeur, un régulateur ou un client ne demande pas si vous avez une politique, mais ce qui s’est réellement passé. Avec votre propre journalisation, vous pouvez le montrer.

Si aucun de ces points ne s’applique, un abonnement professionnel bien encadré suffit souvent, et coûte moins cher.

Que faut-il prévoir en plus du modèle ?

Installer un modèle sur un serveur est la partie facile. Ce qui rend l’IA privée utilisable et défendable, c’est ce qui l’entoure :

• Des accès par rôle, reliés à votre fournisseur d’identité, pour que la finance dispose d’un autre modèle et d’autres droits que le support.
• Des garde-fous qui bloquent des motifs comme le numéro de sécurité sociale, l’IBAN ou le code source avant qu’ils n’atteignent un modèle.
• Une journalisation et une piste d’audit : qui, quel modèle, quand, avec une durée de conservation que vous fixez et un export vers votre SIEM.
• Une politique de visibilité : que voit l’organisation de ce que demandent les collaborateurs ? De façon anonyme, par service ou par personne ? C’est une décision pour la direction, le DPO et le CSE, pas un réglage par défaut d’un fournisseur.
• Mises à jour et gestion des modèles : tester et déployer de nouvelles versions, sans que rien ne sorte.

werqly livre l’ensemble : un nœud d’IA dédié dans votre salle serveur (ou, si vous n’en avez pas, dans une baie fermée de notre datacenter européen) avec werqly AI Control comme console d’administration. Votre DSI l’exploite, ou le confie à werqly. Le fonctionnement concret est décrit sur la page AI Control.