ia souveraine · rgpd

Vos données restent les vôtres. Votre IA aussi.

Hébergement européen, Mistral ou modèles open source (Llama, Qwen) quand il le faut, aucune réutilisation de vos données pour entraîner un modèle, et un agent qui ne dépend d'aucun fournisseur. Ces choix se font dès l'architecture de l'agent.

Parler de mes contraintes
trois niveaux

Le bon niveau de souveraineté pour vos données

niveau 1 · standard

Grand modèle, contrat entreprise

GPT, Claude, Gemini ou Mistral via une offre entreprise ou un cloud comme Azure OpenAI ou Amazon Bedrock : pas d'entraînement sur vos données, région européenne quand elle est disponible. Le meilleur rapport qualité/prix pour la plupart des cas.

niveau 2 · européen

Modèle et hébergement en Europe

Mistral ou modèles open source (Llama, Qwen) hébergés chez un cloud européen comme OVHcloud ou Scaleway. Pour les données sensibles et les clients qui l'exigent contractuellement.

niveau 3 · chez vous

Modèle dans votre infrastructure

Modèle open source (Mistral, Llama, Qwen) servi avec vLLM ou Ollama sur vos serveurs ou votre cloud privé, avec une base vectorielle (pgvector, Qdrant) et un suivi (Langfuse) eux aussi auto-hébergés. Aucune donnée ne quitte votre infrastructure. Pour la santé, la défense, la finance ou les secrets industriels.

Vos données ne servent jamais à entraîner un modèle.

Contrat entreprise, hébergement européen ou modèle dans votre infrastructure : le niveau de protection se choisit dès l'architecture.

par construction

Ce qui est prévu sur chaque agent

  • ✓minimisation : l'agent n'accède qu'aux données nécessaires
  • ✓droits d'accès hérités de vos outils, par utilisateur
  • ✓aucune réutilisation de vos données pour entraîner un modèle
  • ✓journalisation et durée de conservation définies avec vous
  • ✓secrets et clés gérés hors du code
  • ✓architecture indépendante du fournisseur de modèle
  • ✓workflows et outils de suivi auto-hébergeables en Europe
  • ✓registre de traitement et documentation fournis
scénario type · données de santé

Un agent qui synthétise le dossier patient avant une consultation : modèle open source dans un environnement certifié HDS, accès limité aux professionnels autorisés, journalisation définie avec la DSI et le délégué à la protection des données, tests de qualité relus par des soignants. Aucune donnée ne sort de l'environnement de santé.

→ voir le scénario complet
choisir sans dogme

On mesure avant de choisir

Les classements génériques de modèles ne reflètent pas votre cas. On construit un jeu de test sur vos vraies questions, et on compare les modèles candidats (par exemple GPT, Claude, Mistral et Llama) sur trois critères : qualité, coût par requête, niveau de souveraineté. Vous décidez en connaissant les écarts.

→ voir comment on construit un agent
Questions fréquentes

FAQ

Faut-il forcément un modèle français ou open source ?
Non. Le bon choix dépend de la sensibilité des données, de la qualité attendue et du budget. Pour beaucoup de cas, un grand modèle sous contrat entreprise (sans entraînement sur vos données, hébergé en Europe) suffit. Pour des données très sensibles, Mistral ou un modèle open source (Llama, Qwen) hébergé en Europe, voire chez vous, est plus adapté. On compare sur vos cas réels avant de choisir.
Mes données servent-elles à entraîner les modèles ?
Non. On utilise des offres et des contrats qui excluent l'entraînement sur vos données, ou des modèles hébergés pour vous. C'est vérifié et documenté dès le cadrage.
Quels modèles open source pour une IA souveraine ?
Les modèles à poids ouverts de Mistral, Llama de Meta, Qwen, ou DeepSeek en version auto-hébergée. On les sert avec vLLM ou Ollama sur vos serveurs, ou on passe par un hébergeur européen comme OVHcloud ou Scaleway, qui proposent ces modèles en API. Le choix se fait sur vos evals, pas sur la réputation du modèle.
ChatGPT, Claude ou Gemini sont-ils compatibles RGPD ?
Via leurs offres entreprise et les clouds qui les distribuent, oui pour la plupart des usages : Azure OpenAI dans une région européenne, Claude ou Mistral sur Amazon Bedrock en Europe, Gemini sur Google Cloud. Il faut vérifier le contrat (pas d'entraînement sur vos données), la localisation et la durée de conservation : on le fait au diagnostic.
Un modèle open source, c'est moins bon ?
Sur certaines tâches, l'écart est faible ; sur d'autres, il est réel. C'est pourquoi on mesure avec des evals sur vos propres cas plutôt que sur des classements génériques. Vous choisissez en connaissant l'écart de qualité et de coût.
Et l'AI Act ?
La plupart des agents métier (support, documents, finance, commercial) ne relèvent pas des systèmes à haut risque. Les obligations de transparence s'appliquent, et l'article 4 demande de favoriser la maîtrise de l'IA dans vos équipes. On vous aide à qualifier votre cas et à documenter ce qui doit l'être.
Peut-on changer de modèle plus tard ?
Oui, c'est un principe de construction : l'agent ne dépend pas d'un fournisseur. Les evals permettent de vérifier qu'un nouveau modèle fait au moins aussi bien avant de basculer.

Des données sensibles, un projet IA ?

Décrivez vos contraintes sur les données. On vous propose l'architecture adaptée, et ce qu'elle coûte.

En 30 minutes avec un lead technique, vous repartez avec :

  • Un avis franc sur la faisabilité de votre cas, et la façon de s'y prendre.
  • Une fourchette de budget : construction et coût mensuel de l'IA.
  • Le gain attendu et le délai pour que l'agent se rembourse.
  • Le premier pas le plus simple, même si ce n'est pas avec nous.
Prendre rendez-vous

Gratuit, sans engagement, sans relance commerciale.