IA locale et open source : que signifie la souveraineté des données pour les entreprises suisses ?

Que signifient IA locale et open source ?

Deux axes sont souvent confondus. Le premier est le lieu d'exécution : un modèle IA utilisé via l'API d'un fournisseur dans son cloud, ou exécuté localement – sur un serveur de votre propre centre de données, sur une station de travail ou dans une instance cloud privée que vous contrôlez ? Le second axe est le degré d'ouverture du modèle : les poids sont-ils téléchargeables publiquement ou restent-ils fermés derrière un service ?

L'IA locale open source combine les deux : un modèle aux poids ouvertement disponibles qui s'exécute dans votre propre périmètre de contrôle. Les données traitées ne quittent jamais l'environnement contrôlé – la différence essentielle avec un service cloud pur.

Pourquoi la souveraineté des données compte pour les entreprises suisses

La souveraineté des données signifie savoir et décider en permanence où les données sont traitées, qui y accède et selon quelles règles. Avec les services cloud fermés, une partie de ce contrôle revient au fournisseur et relève souvent d'un droit étranger. L'exécution locale ramène le contrôle dans l'entreprise.

• nLPD : la loi suisse révisée sur la protection des données exige transparence, limitation de la finalité et traitement documenté des données personnelles ; le PFPDT (EDÖB) en surveille le respect.
• Secret professionnel et de fonction : avocats, médecins, banques et fiduciaires sont soumis à des obligations de confidentialité particulières (dont l'art. 321 du Code pénal, le secret bancaire) – une fuite de données vers des tiers peut être pénalement répréhensible.
• EU AI Act : le règlement européen s'applique de manière extraterritoriale et peut concerner les entreprises suisses actives sur le marché de l'UE ; il ajoute des obligations fondées sur le risque au droit de la protection des données.
• Résidence des données et contrats de traitement : les services cloud exigent des contrats, des garanties adéquates pour les transferts transfrontaliers et de la clarté sur les sous-traitants – l'exécution locale supprime largement ces transferts.

Local, cloud ou hybride – la comparaison

Il n'existe pas de choix universellement correct. L'IA en cloud l'emporte sur la rapidité de démarrage et l'accès aux modèles frontier les plus puissants ; l'IA locale l'emporte sur la souveraineté des données, la prévisibilité des coûts et l'indépendance. Beaucoup d'entreprises suisses fonctionnent en hybride : cas sensibles en local, tâches non critiques en cloud.

• Souveraineté des données : maximale en local (les données restent internes), en cloud selon le contrat et la localisation, hybride pilotable par classe de données.
• Profil de coûts : le cloud est variable selon l'usage, le local demande un investissement initial avec des coûts d'exploitation ensuite prévisibles – la rentabilité dépend du volume.
• Capacité : les modèles frontier fermés les plus puissants dominent souvent sur les tâches complexes ; de bons modèles ouverts suffisent déjà pour de nombreuses tâches métier.
• Effort : le cloud minimise la charge opérationnelle, le local exige des compétences en matériel, exploitation et mises à jour.

Open source vs. open weight – la différence de licence

Le terme open source est souvent employé de façon imprécise pour l'IA. Entièrement ouvert signifie un modèle dont les poids, le code d'entraînement et idéalement les données d'entraînement sont sous licence libre. Plus courants sont les modèles open weight : les poids sont téléchargeables, mais les données ou le code d'entraînement restent fermés, et la licence peut comporter des restrictions – comme des limites d'usage ou des conditions pour les très grands fournisseurs.

• Licences permissives (p. ex. Apache 2.0, MIT) : usage commercial large, peu de conditions – juridiquement les plus simples pour les entreprises.
• Licences communautaires/personnalisées : utilisables commercialement mais avec conditions – lire le texte de la licence avant de mettre un modèle en production.
• L'ouverture totale accroît l'auditabilité et la traçabilité – pertinent pour les secteurs régulés et les obligations de documentation de l'EU AI Act.

Modèles et outils pour l'exécution locale

L'écosystème des modèles ouverts est vaste et évolue vite. Parmi les familles à poids ouverts connues : Llama (Meta), Mistral et Mixtral (Mistral AI), Qwen (Alibaba), Gemma (Google) et DeepSeek. De Suisse vient Apertus, un modèle de langue multilingue développé ouvertement par l'ETH Zurich, l'EPFL et le centre de calcul CSCS – un exemple d'IA souveraine et transparente.

Des outils open source matures gèrent l'exécution. Pour débuter et les postes individuels, Ollama, LM Studio ou GPT4All conviennent bien ; pour des services en production et scalables, on utilise llama.cpp et vLLM. Les modèles s'obtiennent généralement via Hugging Face ; la quantification réduit les besoins en mémoire, de sorte qu'un matériel plus modeste suffit.

Evaluer realistement materiel, couts et effort

Les besoins en ressources augmentent avec la taille du modèle et la vitesse souhaitée. Les modèles plus petits fonctionnent déjà sur une station de travail bien équipée ; les plus grands exigent des GPU dédiées dotées de beaucoup de mémoire vidéo (VRAM). Le cas d'usage décide : un assistant pour quelques spécialistes n'a pas les mêmes exigences qu'un service à l'échelle de l'entreprise.

Pour la rentabilité, adoptez une vue du coût total sur plusieurs années : matériel ou cloud privé, énergie, exploitation, maintenance et personnel face aux frais d'usage récurrents d'un service cloud. Les prix concrets sont volatils – consultez les données actuelles du fournisseur et calculez selon votre propre volume.

Comment décider – et la suite

Partez des données, pas de la technologie : classez les cas d'usage par sensibilité et charge réglementaire. Les cas impliquant données personnelles, secret professionnel ou secrets d'affaires plaident pour l'exécution locale ; les tâches non critiques et publiques peuvent tourner à moindre coût en cloud. Commencez petit avec un pilote bien délimité et une attente mesurable.

• Spoke : auto-hébergement en pratique – Ollama, llama.cpp et vLLM comparés pour la production.
• Spoke : choisir des modèles ouverts – licences, tailles et capacité linguistique pour l'allemand, le français et l'italien.
• Spoke : architecture IA conforme à la nLPD – RAG sur documents internes sans fuite de données.