Pourquoi les entreprises veulent leur propre IA

La plupart des entreprises découvrent l’IA sous forme de location. Une licence ChatGPT ou Claude, une clé d’accès à une interface, une facture qui grossit avec chaque utilisateur. Les modèles sont excellents et, pour l’essentiel du travail d’une entreprise, cette formule est la bonne. Le cerveau de notre propre entreprise travaille chaque jour dans Claude et ChatGPT.

Certains travaux sont différents. Un contrat que personne à l’extérieur ne doit lire. Les rapports d’essais d’un produit pas encore annoncé. Des décennies de savoir-faire d’ingénierie, enfin consignées sous une forme qu’un modèle peut exploiter. Pour ce travail, la question change. Il ne s’agit plus de savoir quel modèle est le meilleur, mais dans les murs de qui le modèle tourne, et qui apprend de ce qu’il lit.

Ce que les entreprises disent craindre

L’inquiétude se mesure. Pour son étude de référence 2026, Cisco a interrogé 5'200 professionnels de l’informatique, des technologies et de la sécurité dans 12 marchés. Parmi eux, 86 pour cent estiment que les données stockées localement sont intrinsèquement plus sûres, contre 90 pour cent un an plus tôt, et 81 pour cent font état d’une demande accrue de conserver les données en local. Trois organisations sur quatre disposaient d’une instance dédiée à la gouvernance de l’IA. Seulement 12 pour cent jugeaient la leur mature.

Le tableau suisse est comparable. Dans une enquête d’EY menée auprès de 604 entreprises et publiée en mai 2026, 89 pour cent des répondants ont déclaré utiliser l’IA dans leur travail quotidien. Pour 51 pour cent d’entre eux, il était d’importance critique pour l’activité que les systèmes d’IA respectent les exigences suisses ou européennes en matière de protection des données.

Derrière les chiffres se cache un constat plus simple. Clem Delangue, qui dirige Hugging Face, l’a formulé ainsi auprès de TechCrunch en juillet : « on ne veut pas sous-traiter ses capacités essentielles à une autre entreprise ». Pour la plupart des entreprises, le savoir-faire est ce cœur. C’est la part la plus difficile à copier, et celle dont un modèle loué sait le moins.

Ce que couvrent déjà les conditions des offres entreprise

Louer est devenu plus sûr qu’avant. OpenAI indique que les données envoyées à son API ne servent plus à entraîner ses modèles depuis le 1er mars 2023, sauf si le client y consent. Anthropic indique que, par défaut, elle n’utilise pas les entrées ni les sorties de ses produits commerciaux à des fins d’entraînement.

Tout se joue dans les détails. Chez OpenAI, les journaux conservés pour détecter les abus sont gardés jusqu’à 30 jours par défaut. Une rétention zéro des données existe pour les clients éligibles, après validation. Une région européenne couvrant l’EEE et la Suisse y conserve le contenu des clients, et son utilisation suppose l’un des contrôles de rétention approuvés. Les données système, comme celles du compte, de la facturation et de l’utilisation, peuvent encore être traitées ailleurs, et pour les modèles publiés depuis le 5 mars 2026, les points d’accès régionaux coûtent 10 pour cent de plus.

Rien de tout cela ne justifie d’éviter les modèles loués. C’est une raison de lire les conditions comme une liste de clauses précises. Le contrat décide de ce que le fournisseur peut faire de vos données. Il ne décide ni de l’endroit où le fournisseur est établi, ni du moment où le modèle change, ni de la question de savoir si le modèle s’améliorera un jour sur votre travail. Ce sont des questions d’architecture.

Les modèles à poids ouverts sont assez proches

Les modèles à poids ouverts (open weight), qu’une entreprise peut télécharger et exploiter elle-même, se sont rapprochés des meilleurs modèles fermés. L’AI Index 2026 de Stanford constate qu’en mars 2026, le meilleur modèle fermé devançait le meilleur modèle ouvert de 3,3 pour cent. En août 2024, l’écart n’était que de 0,5 pour cent : il s’est donc de nouveau légèrement creusé. Six des dix premiers modèles du classement Arena sont fermés.

Même les plus grands laboratoires publient des poids ouverts. En août 2025, OpenAI a publié deux modèles à poids ouverts sous licence Apache 2.0. Le plus grand tourne sur un seul GPU doté de 80 Go de mémoire, le plus petit dans 16 Go.

La Suisse a le sien. Apertus, conçu par l’EPFL, l’ETH Zurich et le Centre suisse de calcul scientifique, est sorti en version 1.5 en juillet 2026, désormais avec compréhension des images et de l’audio, sous licence Apache 2.0 et ouvert à la recherche comme à l’usage commercial. Ses concepteurs citent le canton du Tessin, qui exploite son propre service de traduction fondé sur Apertus, afin que des documents sensibles de l’administration soient traduits sans dépendre de fournisseurs commerciaux.

Pour une tâche ciblée au sein d’une entreprise, le classement compte moins que la question de savoir si le modèle connaît le vocabulaire, les règles et les décisions passées de l’entreprise. Cela, une entreprise peut l’enseigner à un modèle qui lui appartient.

Où un modèle privé peut tourner

Le terme « privé » recouvre trois lieux. Le compte cloud propre à l’entreprise, avec ses propres clés. Des serveurs dans ses propres locaux ou son propre centre de données. Et des réseaux fermés qui ne touchent jamais l’internet.

Chacun a un prix. Posséder un modèle, c’est assumer son exploitation : le matériel ou le contrat cloud, les mises à jour, la sécurité, les tests de chaque nouvelle version, et une personne responsable de l’ensemble. Louer, c’est une facture qui grossit avec chaque licence et chaque requête, et un modèle que le fournisseur peut modifier n’importe quel jour.

Pour la plupart des entreprises, la réponse honnête est : les deux. Le meilleur modèle loué pour le travail ouvert, là où l’étendue compte le plus, et un modèle propre pour le travail qui doit rester à l’intérieur. Clem Delangue s’attend à ce que la plupart des charges de production tournent soit sur des modèles privés au sein des entreprises, soit sur des modèles ouverts. Nous le formulons plus modestement. La frontière entre les deux est la première décision, et elle mérite d’être tracée délibérément.

Ce que « privé » doit signifier

« Privé » est un mot facile à revendiquer. Voici les questions que nous posons avant de l’employer.

Où il tourne. Un compte cloud nommé ou un bâtiment nommé, dans un pays nommé. Une région sur une carte, c’est un début, et rien de plus.

Qui peut le lire. Les prompts, les fichiers, les journaux et les sauvegardes, chacun avec une durée de conservation et la liste des personnes et des sous-traitants ultérieurs qui peuvent y accéder.

Ce dont il apprend. Vos données n’entraînent rien en dehors de votre entreprise. Idéalement, elles entraînent le modèle qui travaille pour vous.

Qui le modifie. Une version reste en place tant que vous n’avez pas décidé de la remplacer, et une nouvelle version peut être annulée en une seule étape.

Comment il est testé. Chaque nouvelle version est comparée à la précédente, sur vos propres tâches, avant sa mise en service.

Comment en sortir. Le modèle, ses adaptations et vos données peuvent vous suivre si vous changez de fournisseur.

Qui en répond. Une personne nommément désignée est responsable du modèle, de ses règles et de ses points de validation. Un modèle peut lire tous les contrats des archives. Décider quelle clause l’entreprise accepte reste l’affaire d’une personne, tout comme la responsabilité qui en découle.

Pourquoi nous travaillons avec Eigna

Eigna est développé par notre partenaire Eigna Labs et répond par conception à l’essentiel de cette liste. Chaque entreprise reçoit son propre modèle privé : un modèle ouvert, adapté à son domaine et entraîné sur ses propres fichiers, ses règles et son langage. Il tourne dans le cloud de l’entreprise ou sur ses propres serveurs, et il est conçu pour fonctionner entièrement hors ligne dans des réseaux fermés. Les données de l’entreprise ne quittent jamais ce cloud.

Les équipes travaillent avec des experts locaux pour leurs propres tâches, du juridique et des risques jusqu’aux opérations et au support. Leurs corrections restent dans l’enceinte de l’entreprise, le modèle se réentraîne sur place par étapes, et une nouvelle version n’est mise en service que si elle obtient de meilleurs résultats aux tests que la précédente. Sinon, elle reste à l’écart.

crue a été l’une des premières entreprises à tester Eigna, et nous l’utilisons pour notre propre travail. Lorsque le travail dans le Twin d’une entreprise devient confidentiel ou critique, Twin tourne sur Eigna plutôt que sur un modèle loué.

Eigna est en accès anticipé, et nous le disons. Si le travail est sensible, l’architecture doit commencer là.