Sommaire
Vous voulez utiliser l’IA générative pour vos documents, vos mails ou vos comptes rendus. Mais au moment de coller une facture fournisseur, un contrat ou le message d’un client dans un service américain, vous hésitez. Ce réflexe est sain : une fois envoyé, le document est traité sur des serveurs que vous ne maîtrisez pas, selon des conditions que vous n’avez pas négociées.
Il existe une autre voie : l’IA locale en entreprise, avec des modèles open source hébergés en France ou sur votre propre serveur. Voici ce qu’elle change, ce qu’elle fait bien, ses limites, et comment la tester sans lancer un gros projet.
L’essentiel en 30 secondes
- Une IA locale est un modèle open source qui tourne sur une infrastructure française ou sur votre serveur. Les données envoyées au modèle restent sur cette infrastructure.
- Elle est à l’aise sur les tâches cadrées : extraire les données d’une facture, résumer un compte rendu, trier des mails, rédiger un premier jet.
- Elle reste moins polyvalente que les plus gros modèles du marché sur certaines tâches. Seul un pilote sur vos documents dit si elle suffit.
- Pour démarrer : une tâche répétitive, 20 à 30 exemples réels, un pilote, une mesure, puis la mise en production.
Qu’est-ce qu’une IA « locale », concrètement ?
Un modèle de langage (LLM, pour large language model) est un programme entraîné à comprendre et à produire du texte. Certains éditeurs gardent leur modèle fermé : on ne l’utilise qu’à travers leur service. D’autres en publient les paramètres, appelés « poids », et chacun peut l’installer sur ses machines. Ce sont les modèles open source, comme Qwen, Mistral ou Gemma.
Une IA locale, c’est l’un de ces modèles exécuté sur une infrastructure que vous choisissez. Deux formules existent :
- Une plateforme mutualisée hébergée en France. Un prestataire fait tourner les modèles sur ses serveurs, pour plusieurs clients aux accès séparés.
- Un LLM local installé sur votre serveur. La machine, dans vos locaux ou louée chez un hébergeur, ne sert que vous.
Que signifient « 8B » ou « 32B » ?
Ce chiffre indique le nombre de paramètres du modèle, en milliards (billions en anglais). Plus il est élevé, plus le modèle est en général capable, et plus il demande de mémoire et de puissance de calcul. Sur une tâche bien cadrée, un modèle de taille moyenne peut suffire : le pilote sert à le vérifier.
Ce que l’IA locale change pour une PME
Confidentialité : savoir où vont vos documents
Selon l’ANSSI, envoyer un document à un service d’IA générative grand public revient à le déposer sur un espace de stockage qui appartient à ce service. Dans ses recommandations de sécurité pour un système d’IA générative, l’agence demande de proscrire ces outils dès que des données sensibles sont en jeu : données personnelles, informations contractuelles, juridiques ou financières, mots de passe et clés d’API. Pour une PME, cela couvre vite les factures, les devis, les fiches de paie et beaucoup de mails clients.
Avec une IA hébergée sur une infrastructure française, ou sur votre serveur, les données envoyées au modèle restent sur cette infrastructure. Vous savez qui l’exploite, où elle se trouve et sous quel contrat. Pour déployer une IA générative, la CNIL invite d’ailleurs à privilégier des « systèmes locaux, sécurisés et spécialisés ». À défaut, il faut vérifier dans quelle mesure le prestataire peut réutiliser vos données.
Dépendance : garder la main sur l’outil
Un service propriétaire évolue au rythme de son éditeur : tarifs, modèles retirés, conditions modifiées. Vos procédures subissent ces changements. Un modèle open source en entreprise vous laisse le choix : garder la même version, changer d’hébergeur ou le rapatrier sur votre matériel, si sa licence couvre votre usage commercial. C’est un volet concret de l’indépendance numérique.
Coûts : un budget plus facile à prévoir
Les API des grands fournisseurs facturent en général à l’usage : c’est pratique pour tester, moins pour tenir un budget quand l’usage grandit. Sur une plateforme mutualisée, l’offre et les quotas peuvent fixer le cadre à l’avance. Sur votre serveur, le coût tient surtout au matériel et à son entretien, pas au nombre de requêtes. Il reste le même si le serveur sert peu : pour un usage occasionnel, la formule mutualisée est souvent plus raisonnable.
Conformité : un dossier plus simple à tenir
Côté RGPD, la CNIL rappelle dans ses questions-réponses sur l’utilisation d’un système d’IA générative qu’un transfert hors de l’Union européenne peut venir d’une infrastructure située hors de l’UE, mais aussi d’un fournisseur non européen qui l’exploite. Ce transfert doit alors être encadré. Si l’hébergeur et ses sous-traitants sont en France, la question ne se pose pas pour la partie IA du traitement.
Le reste demeure, quel que soit l’hébergement :
- un contrat de sous-traitance si un prestataire héberge le modèle ;
- une liste écrite des usages autorisés et interdits ;
- la formation des utilisateurs ;
- votre délégué à la protection des données, associé dès le départ ;
- une analyse d’impact, si le traitement l’exige.
Pour les bases, voyez notre guide pratique du RGPD pour les entreprises B2B.
Le lieu d’hébergement ne change rien non plus au règlement européen sur l’IA (AI Act), applicable depuis le 2 août 2026 à quelques exceptions près. Un chatbot qui répond à vos clients doit leur indiquer qu’ils échangent avec une IA, qu’il tourne aux États-Unis ou à Cognac. Notre article sur l’AI Act, les chatbots et les contenus IA détaille ces obligations.
Que sait bien faire une IA locale en entreprise aujourd’hui ?
Les modèles open source de taille moyenne sont le plus à l’aise sur des tâches répétitives, cadrées et vérifiables :
- Lire et extraire. Relever sur une facture fournisseur le numéro, la date, le montant HT, la TVA et l’échéance. Une reconnaissance de caractères (OCR) lit aussi les scans et les photos.
- Résumer et structurer. Transformer les notes en vrac d’un compte rendu de chantier en synthèse claire, avec les actions et les responsables.
- Rédiger un premier jet. Réponse à un mail client, relance de devis, fiche produit : vous relisez avant l’envoi.
- Trier et orienter. Classer les mails entrants (devis, réclamation, facture, prospection) et les transmettre à la bonne personne.
- Répondre à partir de vos documents. Interroger vos procédures, fiches techniques ou conditions générales, avec une réponse qui cite sa source. Un modèle d’embeddings retrouve d’abord les bons extraits, puis le modèle de langage rédige.
Point commun de ces usages : l’IA prépare, une personne valide. L’ANSSI recommande qu’un système d’IA n’exécute jamais seul d’action critique, comme un paiement ou une modification de vos systèmes. La CNIL conseille de ne jamais reprendre ses réponses telles quelles.
Les limites à connaître avant de vous lancer
Moins polyvalente que les plus gros modèles
Sur certaines tâches, les plus gros modèles du marché restent devant. Un raisonnement long en plusieurs étapes, une question pointue hors de votre domaine, un texte nuancé de plusieurs pages : l’écart peut se voir. Sur une tâche précise, avec vos documents, il peut aussi être faible. Impossible de le savoir sans tester.
Elle peut se tromper, comme toutes les IA
Un modèle de langage peut produire une réponse fausse avec aplomb. Un scan flou peut fausser un montant ; une note ambiguë, un résumé. Prévoyez une relecture humaine pour tout ce qui part chez un client ou en comptabilité.
Un serveur, ça s’entretient
Un LLM local sur votre serveur, c’est aussi du matériel spécialisé (cartes graphiques), des mises à jour, de la supervision, des sauvegardes et des accès à sécuriser. La machine doit être dimensionnée pour le nombre d’utilisateurs simultanés. Sans compétence en interne, confiez cette partie à un prestataire d’hébergement et de supervision.
Héberger en France ne suffit pas
Une IA souveraine mal protégée reste exposée. Comptes nominatifs, double authentification et droits limités au strict nécessaire comptent autant que l’adresse du serveur.
API grand public, plateforme française ou serveur dédié : que choisir ?
Les trois options, critère par critère :
| Critère | API d’IA grand public | IA hébergée en France (plateforme mutualisée) | IA installée sur votre serveur |
|---|---|---|---|
| Confidentialité | Système maîtrisé presque entièrement par le fournisseur ; contrat à vérifier (réutilisation, transferts hors UE) | Données traitées sur une infrastructure française identifiée, sous contrat de sous-traitance | Les données envoyées au modèle restent sur votre machine ; aucune réutilisation par un fournisseur |
| Mise en route | Très rapide : une clé d’API et un branchement | Rapide : un accès, une clé, un branchement à vos outils | Plus longue : matériel, installation, réglages |
| Coûts | À l’usage : la facture suit le volume | Selon l’offre, cadrés par des quotas | Matériel et entretien, indépendants du volume dans la limite de la capacité |
| Maintenance | Aucune de votre côté, mais modèles et conditions évoluent au rythme du fournisseur | Assurée par l’opérateur : mises à jour, supervision | À votre charge, ou confiée à un prestataire |
| Cas adaptés | Contenus publics ou non sensibles, raisonnement poussé | Documents internes, assistant d’équipe, automatisations, PME sans équipe technique | Données très sensibles, usage intensif et régulier, exigences contractuelles fortes |
La CNIL fait la même distinction : pour des données personnelles ou des documents stratégiques, elle juge en général plus sûr un déploiement sur site, tout en notant que son coût oriente souvent vers une infrastructure distante, sous contrat de sous-traitance.
Le cas d’une plateforme hébergée en France
C’est la formule de Vinsonova AI, la plateforme privée que nous exploitons sur l’infrastructure de By-Hoster. Cet hébergeur, fondé par Tom Vinsonneau, exploite son propre réseau (AS215142) et son propre centre de données en France. Au 20 octobre 2026, la plateforme propose Qwen 3 (8B et 32B), Mistral Nemo 12B, Gemma 4 Vision 8B pour les images, Qwen 2.5 Coder 7B pour le code, Qwen 2.5 Documents 14.8B et BGE M3 pour la recherche dans vos textes.
L’accès se fait sur invitation, avec des clés d’API par projet, des quotas et la double authentification. Le contenu des appels à l’API n’est pas journalisé. L’extraction de documents (PDF, Word, images) passe par un OCR français exécuté localement. L’API suit une partie documentée du protocole d’OpenAI, ce qui facilite le branchement d’outils existants.
Comment démarrer sans lancer un gros projet ?
Testez l’IA sur un cas réel, petit et mesurable :
- Choisissez une tâche répétitive. Elle revient chaque semaine et vous savez dire ce qu’est un bon résultat, comme pour la saisie des factures fournisseurs.
- Réunissez 20 à 30 exemples réels. Notez pour chacun le résultat attendu : la bonne saisie, le bon résumé, la bonne catégorie. Gardez les cas difficiles, comme un scan de travers ou un mail confus.
- Lancez un pilote. Faites traiter ces exemples par un ou deux modèles, avec vos formats de fichiers, vos consignes et vos outils.
- Mesurez. Comparez chaque réponse au résultat attendu, comptez les erreurs, notez le temps de relecture. Fixez à l’avance le niveau jugé acceptable : vous déciderez sur des faits.
- Passez en production pas à pas. Branchez l’IA sur vos outils en gardant une validation humaine sur ce qui part chez un client ou en comptabilité. Repassez vos exemples à chaque changement de modèle : ils deviennent votre jeu de test.
C’est la méthode que nous appliquons chez Vinsonova : mesurer la qualité sur un pilote, avec les données réelles du client, avant de nous engager sur des performances.
Brancher l’IA sur vos outils
Une IA utile ne vit pas dans un onglet à part. Elle se branche sur vos logiciels par une API, ou via des automatisations de type n8n ou Make : un mail arrive, il est classé, un brouillon de réponse attend votre validation. Sur notre site, Nova, l’assistant commercial, tourne sur un modèle que nous hébergeons et passe la main à un humain quand c’est nécessaire. Batiax, notre logiciel de gestion pour le BTP, intègre un assistant IA. Son connecteur MCP, basé sur un protocole standard, permet aussi de le piloter depuis un assistant IA.
Faut-il renoncer à l’IA pour protéger ses données ?
Non. La vraie question est de savoir où tourne le modèle et ce que vous lui confiez. Pour les documents sensibles et les tâches répétitives, une IA hébergée en France ou sur votre serveur est une option sérieuse, à condition d’en mesurer les limites sur un pilote.
Chez Vinsonova, à Cognac, nous déployons l’IA sur notre propre infrastructure ou sur votre serveur, et nous la branchons sur vos outils. Découvrez notre offre en intelligence artificielle, ou décrivez-nous la tâche à confier à l’IA : nous verrons ensemble si elle se prête à un pilote.
Questions fréquentes
Un modèle open source conçu à l’étranger peut-il transmettre nos données à son éditeur ?
Pas par lui-même. Un modèle est un fichier de paramètres, exécuté par un logiciel sur le serveur qui l’héberge : une fois installé, il ne contacte pas son éditeur. Ce qui compte, c’est le serveur, son exploitant, le logiciel qui fait tourner le modèle et les accès. Vérifiez aussi la provenance du fichier, son format et sa licence.
Peut-on combiner une IA locale et un grand modèle du marché ?
Oui. Une règle simple consiste à trier selon la sensibilité des données. Les contenus publics ou anodins peuvent aller vers un grand modèle pour les tâches les plus complexes. Les documents qui contiennent des données personnelles, contractuelles ou financières sont confiés au modèle hébergé en France. Ce tri peut être automatisé, mais il doit figurer dans vos règles d’usage.
Nos équipes utilisent déjà des assistants IA grand public : que faire ?
Commencez par une règle écrite et courte : ce qui peut être saisi dans ces outils, et ce qui ne doit jamais l’être, comme les données personnelles, contractuelles ou financières, les mots de passe et les clés d’API. Proposez ensuite un outil hébergé sur une infrastructure maîtrisée pour ces cas, et formez les équipes aux deux.
Une IA locale peut-elle apprendre à partir de nos documents ?
Deux approches existent. La plus simple laisse le modèle chercher dans vos documents au moment de la question, sans le modifier : les réponses suivent vos documents à jour. La seconde, l’ajustement (fine-tuning), adapte le modèle à partir de vos exemples. Elle demande plus de travail et se justifie surtout pour un format de réponse très particulier.