Déployer un copilote IA interne sans SaaS opaque
Vous voulez un copilote qui comprenne vos procédures, vos contrats et vos dossiers, sans envoyer ces contenus chez un éditeur dont vous ne maîtrisez ni l'infrastructure ni les traitements. Quatre décisions structurent ce projet, soit le lieu d'exécution, le modèle retenu, la façon dont vos données rejoignent le système, et la traçabilité que vous serez capable de produire devant un auditeur. Cette page détaille chacune d'elles, avec les seuils économiques réels.
Copilote IA interne souverain en bref
Un copilote IA interne souverain associe quatre éléments que vous contrôlez séparément. D'abord un lieu d'exécution, soit vos propres serveurs, soit une offre cloud française qualifiée par l'ANSSI. Ensuite un modèle à poids ouverts, dont vous pouvez inspecter la licence et figer la version. Puis une indexation de vos documents en base vectorielle locale, par la technique du RAG, qui évite tout réentraînement et tout transfert. Enfin une journalisation locale des échanges, qui rend le système auditable par vos propres équipes.
La différence avec un SaaS tient moins à la performance qu'à la vérifiabilité. Vous pouvez démontrer où s'exécute le traitement, quel modèle a répondu, sur quels documents, et à qui. Cette démonstration est difficile à produire lorsque le traitement se déroule chez un tiers, derrière une API.
SaaS IA généraliste et copilote interne souverain
| Critère | SaaS IA généraliste | Copilote interne souverain |
|---|---|---|
| Lieu de traitement | Infrastructure de l'éditeur, parfois hors UE | Vos serveurs ou une offre qualifiée en France |
| Exposition aux lois extraterritoriales | Possible selon la nationalité de l'éditeur et de ses sous-traitants | Écartée par construction en on-premise, traitée par le référentiel en cloud qualifié |
| Inspection du modèle | Poids et version non communiqués | Poids ouverts, licence vérifiable, version figée |
| Journaux d'exécution | Conservés par l'éditeur, export limité | Conservés chez vous, durée et format définis par vous |
| Structure de coût | Abonnement ou facturation au jeton, croissance linéaire avec l'usage | Investissement amorti puis coût courant, prévisible mais avec un seuil de rentabilité |
| Charge d'exploitation | Portée par l'éditeur | À votre charge, ou déléguée à un intégrateur |
Le tableau oppose deux modèles types. En pratique, beaucoup d'organisations combinent les deux, en gardant les traitements sensibles en interne et en conservant une API externe pour les cas exceptionnels.
Les quatre briques d'un copilote interne
Chacune de ces briques se décide indépendamment des autres. Vous pouvez commencer par un hébergement qualifié avec un modèle ouvert, puis renforcer la gouvernance dans un second temps, sans refaire l'architecture.
L'hébergement
Deux voies s'offrent à vous. L'installation sur vos propres serveurs écarte mécaniquement toute question de juridiction. L'hébergement chez un prestataire français qualifié SecNumCloud reporte cette garantie sur un référentiel audité par l'ANSSI, dont la version 3.2 traite explicitement l'immunité aux législations extraterritoriales.
Le modèle
Un modèle à poids ouverts vous permet de vérifier la licence, de figer une version et d'éviter toute évolution imposée du comportement. Mistral, Llama, Qwen et Gemma couvrent aujourd'hui des besoins très différents en matière de mémoire GPU. Le choix se fait sur votre matériel réel, pas sur un classement.
Vos données, par le RAG
La génération augmentée par récupération connecte le modèle à vos documents sans réentraînement. Vos contenus sont découpés, vectorisés et stockés dans une base locale. Le copilote consulte cet index à chaque question, ce qui garde vos documents à l'intérieur du périmètre et permet de citer la source.
La gouvernance
Les droits de votre annuaire se répercutent sur l'index, de sorte qu'un collaborateur n'obtient de réponse que sur ce qu'il a déjà le droit de lire. Les échanges sont journalisés localement, avec horodatage et durée de conservation que vous définissez. Cette trace est ce qui rend un audit possible.
Ce que SecNumCloud garantit, et ce qu'il ne garantit pas
SecNumCloud est une qualification délivrée par l'ANSSI aux prestataires de services cloud. Son référentiel, en version 3.2 depuis mars 2022, se distingue des certifications internationales sur un point précis, à savoir l'exigence d'immunité aux législations extraterritoriales de type CLOUD Act ou FISA. Les données sont stockées et traitées dans l'Union européenne, et les accès d'administration sont tracés.
Deux nuances méritent d'être connues avant d'en faire un critère d'appel d'offres. La qualification porte sur une offre de service précise et non sur l'entreprise dans son ensemble, si bien qu'un prestataire peut proposer à la fois une offre qualifiée et d'autres qui ne le sont pas. Par ailleurs, l'ANSSI publie deux listes distinctes, celle des offres qualifiées et celle des offres en cours de qualification, cette seconde ne valant pas qualification.
L'obligation stricte ne concerne que les administrations d'État hébergeant des données sensibles, au titre de la doctrine dite du cloud au centre. Pour une entreprise privée, SecNumCloud constitue un repère de confiance et un argument de conformité, sans caractère contraignant. Le surcoût observé par rapport à une offre non qualifiée équivalente est réel et doit entrer dans votre arbitrage.
Avant de retenir un prestataire, demandez l'attestation de qualification et vérifiez quels services, quelles régions et quelles fonctionnalités sont effectivement couverts. La liste officielle tenue par l'ANSSI fait foi, les listes publiées par des tiers étant souvent en retard ou imprécises sur la distinction entre qualifié et en cours.
Modèles ouverts, où en est réellement l'écart
L'affirmation selon laquelle les modèles ouverts égalent désormais les modèles propriétaires est trop large pour être utile. La réponse dépend de la tâche, et un directeur technique averti le sait.
Sur la rédaction courante, la synthèse de documents et l'extraction de données structurées, l'écart de qualité entre un bon modèle à poids ouverts et un modèle propriétaire de référence n'est plus systématiquement perceptible. Les analyses de marché publiées en 2026 situent ce différentiel dans une fourchette de quelques points sur les tâches professionnelles standard, un ordre de grandeur que la contrainte de souveraineté absorbe sans difficulté.
Un écart mesurable subsiste néanmoins sur trois registres. Le raisonnement multi-étapes très complexe reste un terrain où les modèles propriétaires de pointe conservent une avance. Les contextes très longs, au-delà de quelques centaines de milliers de jetons, ne sont pas couverts de la même manière. Les capacités multimodales avancées, enfin, restent en retrait côté ouvert.
Pour un copilote documentaire interne, la charge de travail se concentre sur le premier registre. Cela explique pourquoi l'arbitrage penche vers l'ouvert dans ce cas d'usage précis, et pourquoi il pourrait pencher autrement pour une assistance au développement logiciel avancée. La seule méthode fiable consiste à évaluer les modèles candidats sur vos propres documents, avant de vous engager.
Le coût total, sans raccourci
Un copilote interne est présenté un peu vite comme moins cher qu'un abonnement SaaS. La réalité est plus nuancée, et vous exposer à une contradiction en réunion budgétaire n'aiderait pas votre projet.
L'auto-hébergement transforme un coût variable en coût fixe. Vous amortissez du matériel sur trois à quatre ans, vous payez l'électricité et l'hébergement, et vous mobilisez du temps d'ingénierie pour l'exploitation. En face, une API facture chaque jeton, indéfiniment. Le croisement des deux courbes intervient à un seuil de volume, et ce seuil est le cœur du sujet.
Les modélisations publiées en 2026 ne convergent pas sur une valeur unique, ce qui est logique puisque le seuil dépend du modèle comparé, du taux d'utilisation du GPU et du coût interne d'ingénierie. Les fourchettes citées vont de l'ordre du million de jetons par jour pour une configuration mono-GPU face à une API de pointe, à plusieurs dizaines de millions de jetons par jour dans des hypothèses plus prudentes qui intègrent un à deux équivalents temps plein d'exploitation. En dessous de ces seuils, l'API commerciale reste le choix rationnel sur le seul critère du coût.
Le poste que les projections sous-estiment le plus souvent n'est pas le GPU, mais l'exploitation. Mises à jour, supervision, gestion des incidents et planification de capacité représentent une charge récurrente qui n'apparaît sur aucune facture matérielle. Une organisation sans compétence MLOps interne devra l'externaliser, et ce montant doit figurer dans le modèle dès le départ.
La conclusion honnête tient en une phrase. L'argument décisif du copilote interne reste la maîtrise des données et la capacité d'audit, la stabilité budgétaire venant ensuite, et l'économie nette seulement au-delà d'un volume que votre cas d'usage doit justifier.
Traçabilité, et ce que l'AI Act demande vraiment
Disposer des journaux chez vous change la nature de l'exercice d'audit. Vous consignez les requêtes, les documents consultés, l'identité du demandeur et l'horodatage, avec une durée de conservation que vous fixez. Cette trace permet de détecter une dérive de comportement et de répondre à une demande d'un régulateur sans dépendre de l'export d'un tiers.
Sur le plan réglementaire, une précision s'impose. L'obligation de journalisation automatique prévue par l'article 12 du règlement sur l'intelligence artificielle vise les systèmes classés à haut risque, au sens de l'annexe III. Un copilote documentaire interne relève le plus souvent du risque limité, soumis aux obligations de transparence de l'article 50, applicables depuis le 2 août 2026.
La qualification dépend de l'usage réel et non de la technologie. Un copilote qui se contente de retrouver une procédure reste en risque limité. Le même outil mobilisé pour aider à trier des candidatures, à décider d'un crédit ou à instruire une aide sociale bascule en haut risque, avec les six obligations correspondantes.
Le calendrier a par ailleurs été modifié en juillet 2026 par le règlement dit Digital Omnibus. Les obligations applicables aux systèmes à haut risque de l'annexe III sont désormais attendues au 2 décembre 2027, et celles de l'article 6(1) au 2 août 2028. Ce report ne suspend pas l'intérêt de préparer l'inventaire et la classification de vos systèmes, ces travaux conditionnant tout le reste.
Références des affirmations chiffrées
Les affirmations comparatives et économiques de cette page renvoient aux sources ci-dessous. Les textes officiels font foi pour le volet réglementaire, les analyses de marché étant citées à titre indicatif et datées.
-
Qualification SecNumCloud, référentiel et listes officielles
ANSSI, prestataires de services d'informatique en nuage. Les deux listes, offres qualifiées et offres en cours de qualification, sont tenues à jour par l'agence.
cyber.gouv.fr, prestataires SecNumCloud -
Obligations et calendrier du règlement sur l'intelligence artificielle
Règlement (UE) 2024/1689, texte consolidé au Journal officiel de l'Union européenne. Calendrier révisé par le règlement (UE) 2026/1744, en vigueur depuis le 27 juillet 2026.
eur-lex.europa.eu, règlement (UE) 2024/1689 - Écart de performance entre modèles ouverts et propriétaires Analyses comparatives publiées en 2026 situant la parité sur les tâches documentaires standard et l'écart persistant sur le raisonnement complexe, les contextes longs et le multimodal.
- Seuil de rentabilité entre auto-hébergement et API Modélisations de coût total de possession publiées en 2026, convergentes sur l'existence d'un seuil de volume et divergentes sur sa valeur, selon le modèle comparé et le coût d'exploitation retenu.
Questions fréquentes
Les questions que posent les directions techniques et conformité avant de lancer le projet.
Un copilote souverain s'exécute sur des serveurs que vous contrôlez, ou chez un prestataire cloud qualifié dont l'offre est immunisée contre les législations extraterritoriales. Vos requêtes et vos documents ne transitent pas par l'infrastructure d'un éditeur tiers. Une solution SaaS traite vos contenus sur sa propre plateforme, selon des modalités que vous ne pouvez ni inspecter ni auditer par vous-même.
Cela dépend de la tâche. Sur la rédaction courante, la synthèse documentaire et l'extraction de données structurées, l'écart entre un bon modèle ouvert et un modèle propriétaire de référence est devenu faible. Un écart mesurable subsiste sur le raisonnement multi-étapes complexe, le code de niveau production et les contextes très longs. Pour un copilote documentaire interne, le premier registre couvre la majorité des usages, ce qui rend l'arbitrage favorable à l'ouvert.
L'indexation s'effectue dans une base vectorielle installée sur votre infrastructure, au même titre que le modèle. Les documents sont découpés, vectorisés et stockés localement, sans appel sortant. Les droits d'accès de votre annuaire sont répercutés sur l'index, de sorte qu'un collaborateur n'obtient de réponse que sur les documents auxquels il a déjà droit.
Pas systématiquement. L'économie dépend du volume traité. En dessous d'un certain seuil de requêtes, les API commerciales restent moins chères une fois intégrés les coûts d'infrastructure et d'exploitation. Au-delà, l'auto-hébergement devient compétitif et surtout prévisible, puisque le coût cesse de croître linéairement avec l'usage. L'argument principal du copilote interne reste la maîtrise des données, la stabilité budgétaire venant en second.
Non, sauf cas particuliers. La qualification s'impose aux administrations d'État hébergeant des données sensibles, au titre de la doctrine du cloud au centre. Pour une entreprise privée, elle constitue un repère de confiance plutôt qu'une obligation. Deux vérifications s'imposent avant de retenir un prestataire, à savoir que la qualification porte sur une offre de service précise et non sur l'entreprise entière, et que la liste officielle de l'ANSSI distingue les offres qualifiées de celles en cours de qualification.
L'obligation de journalisation automatique de l'article 12 vise les systèmes classés à haut risque. Un copilote documentaire interne relève le plus souvent du risque limité, soumis aux obligations de transparence de l'article 50, applicables depuis le 2 août 2026. La qualification dépend de l'usage réel, un copilote qui aide à décider en matière de recrutement, de crédit ou d'accès à un service essentiel basculant en haut risque. Le calendrier de l'annexe III a été reporté au 2 décembre 2027 par le règlement Digital Omnibus. Notre page conformité AI Act détaille les obligations par niveau de risque.
Rarement, et pas pour commencer. Le RAG couvre la grande majorité des besoins en connectant le modèle à vos documents, sans phase d'entraînement et sans que vos contenus n'entrent dans les poids. Cette approche présente deux avantages pratiques, la mise à jour immédiate lorsqu'un document change, et la possibilité de citer la source. Le réglage fin se justifie ensuite pour adapter un ton, un format de sortie ou une terminologie métier, pas pour injecter de la connaissance.
Un premier périmètre sur un corpus documentaire bien identifié est généralement opérationnel en quelques semaines. Le délai dépend surtout de l'état de vos documents et de la disponibilité de l'infrastructure, rarement de la partie modèle. Les projets qui dérapent sont presque toujours ceux dont le périmètre documentaire n'a pas été arrêté au démarrage.
Cadrons votre copilote interne
En 30 minutes, nous qualifions votre cas d'usage, votre niveau de risque au sens de l'AI Act et le mode d'hébergement adapté à vos contraintes. Sans engagement.
Cette page, et nos pages produit
Cette page traite la méthode de déploiement d'un copilote interne souverain, indépendamment de l'outil retenu. Pour la mise en œuvre, le Knowledge Assistant apporte la brique documentaire par le RAG, le Data Assistant couvre l'interrogation de vos bases structurées, et les agents IA ajoutent l'exécution de tâches de bout en bout.
Sur le volet réglementaire, notre page conformité AI Act détaille les obligations par niveau de risque, et le guide du RAG en entreprise couvre le marché, les prix et le RAG souverain.