Aller au texte
DAVELI, accueil du site L’Équipe invisible

Partie 6. Décider et connaître les limites

Chapitre 15. Cloud, local ou hybride : décider

Quatre questions par tâche

La décision se prend pour chaque tâche. Reprenez la liste dressée au chapitre 1 et, pour chaque tâche, répondez à quatre questions :

  1. Quelle est la sensibilité des données ? Vous l’avez notée au chapitre 2.
  2. Quelle est la difficulté de la tâche ? Une rédaction courte et cadrée est facile ; une tâche en plusieurs étapes, qui demande de croiser des sources et de raisonner, est difficile.
  3. Quel volume ? Combien de fois par semaine, pour combien de personnes, sur combien de documents ?
  4. Quelles contraintes ? Travail sans connexion, délai de réponse, compétences disponibles pour administrer une machine.

La grille suivante croise les deux premières questions, qui pèsent le plus :

Sensibilité Difficulté Orientation
Faible Faible Les deux conviennent ; choisissez le plus simple.
Faible Élevée Cloud : les modèles les plus grands y sont en général plus fiables.
Élevée Faible ou moyenne Local.
Élevée Élevée Local, en découpant la tâche et en vérifiant chaque étape ; ou cloud sous conditions commerciales, après avoir retiré les données identifiantes.

Le mot juste. Pseudonymisation. Remplacer dans un document les noms, adresses et autres éléments identifiants par des codes. Les données restent des données personnelles au sens du RGPD tant qu’on peut retrouver les personnes, mais leur exposition diminue.

Le volume et les contraintes affinent ensuite le choix. Un traitement répété sur des milliers de documents (transcrire des enregistrements, extraire des données de factures scannées) penche vers le local, dont le coût ne dépend pas de l’usage. Une équipe qui n’a personne pour administrer une machine penche vers le cloud.

Comparer les coûts

Comparons, hors taxes, deux façons d’équiper trois personnes :

Pour trois personnes qui utilisent l’IA de façon modérée, le local ne coûte pas moins cher : au prix le plus bas, la machine coûte un peu plus que trois abonnements Pro (63 euros par mois contre 54), et nettement plus aux prix d’octobre 2026. Son coût d’usage, en revanche, est presque nul : une heure de travail intensif du serveur de l’auteur coûte environ 2 centimes d’électricité, et la machine sert autant de personnes et de documents que sa capacité le permet. Il se justifie par d’autres raisons : la confidentialité des données, un usage sans plafond, des volumes importants, le fonctionnement sans connexion, l’indépendance vis-à-vis d’un fournisseur. Le cloud se justifie par la performance sur les tâches difficiles, l’absence d’administration et la mise en route immédiate.

Le calcul change avec l’intensité de l’usage. Un utilisateur qui atteint chaque jour les plafonds de Pro passe à Max, à environ 89 ou 178 euros par mois. Des automatisations qui traitent des milliers de documents par l’API ont un coût proportionnel à leur volume, alors que celui de la machine reste fixe.

Organiser un usage hybride

La plupart des petites entreprises combineront les deux :

Les standards ouverts rendent ce partage peu coûteux. Le même fichier AGENTS.md (→ chapitre 5), les mêmes skills (→ chapitre 8) et les mêmes serveurs MCP (→ chapitre 7) servent des deux côtés. Open WebUI peut aussi se connecter, en plus des modèles locaux, à des services en ligne compatibles avec l’API d’OpenAI : chacun choisit alors, dans la même interface, le modèle adapté à sa demande.

L’installation du serveur de l’auteur est elle-même un usage hybride (→ chapitre 14). Un agent en ligne, Claude Code, a piloté la mise en place d’une machine dont les modèles traitent ensuite les données sur place, sans rien envoyer à un service d’IA extérieur. La session de Claude Code restée active sur le serveur pour la maintenance pose une question à trancher avant d’y déposer des dossiers de clients : ce qu’elle a le droit de lire. L’auteur prévoit de vérifier si un modèle local de la classe 120 milliards de paramètres, piloté par un agent installé sur place, mènerait la même opération avec la même efficacité. S’il y parvient, une mise en place entièrement locale deviendra possible pour les clients dont les données sont sensibles ; à la date de ce livre, la question reste ouverte.

Ce que demande le RGPD

La CNIL a publié en 2024 un ensemble de questions-réponses sur l’usage de l’IA générative par les organisations2. Pour une TPE qui confie des données personnelles à un service d’IA, il en ressort plusieurs obligations :

Les données de Claude sont stockées aux États-Unis (→ chapitre 2). Les transferts vers les États-Unis reposent aujourd’hui sur le cadre de protection des données UE-États-Unis, adopté en juillet 2023 et validé par le Tribunal de l’Union européenne en septembre 2025 ; un pourvoi est pendant devant la Cour de justice3. Ce fondement juridique peut donc évoluer.

La CNIL relève que, pour des données personnelles ou des documents sensibles, une installation locale est « plus opportune et plus sécurisée », alors qu’avec une API, la maîtrise des données repose presque entièrement sur le fournisseur4. C’est l’argument le plus solide en faveur du local pour les tâches sensibles.

Ce que demande le règlement européen sur l’IA

Pour une entreprise qui utilise des outils d’IA sans en fabriquer, le règlement européen impose peu de choses en octobre 20265 :

Une TPE qui fait rédiger ses devis ou ses courriels par un agent et les relit n’est en général pas concernée par ces obligations de transparence. Deux cas demandent en revanche de la prudence. Utiliser l’IA pour trier ou évaluer des candidatures relève des usages à haut risque, dont les obligations s’appliqueront à partir du 2 décembre 2027. Et une entreprise qui met un assistant à la disposition du public sur son site peut devenir « fournisseur » au sens du règlement, avec l’obligation d’indiquer aux utilisateurs qu’ils échangent avec une IA. Dans ces deux cas, faites-vous conseiller.

Vendre des agents

Schmidt conseillait de fonder une entreprise qui construit un agent qui fait quelque chose. À l’échelle d’un solopreneur, cela peut vouloir dire proposer à d’autres petites entreprises l’installation et le paramétrage d’agents : un serveur local, des skills écrites pour leurs procédures, des connexions MCP limitées au nécessaire. L’opération de l’auteur donne un ordre de grandeur : quatre à cinq jours de travail pour mettre en place un serveur chez une TPE, hors délai de livraison, pour un budget matériel de 2 700 à 3 000 euros aux prix de septembre 2026 (→ chapitre 14). Le serveur peut aussi servir de démonstrateur : un client choisit son modèle après l’avoir vu travailler sur ses propres documents.

Point de vigilance. Vendre un service fondé sur des modèles et des logiciels d’autrui suppose de vérifier leurs licences. Les licences Apache 2.0 et MIT le permettent. La licence de Qwen3.8-Flash-Next demande un accord séparé pour offrir à des tiers un assistant fondé sur ce modèle, et celle de MiniMax M2.7 interdit tout usage commercial (→ chapitre 13). Celle de LM Studio interdit de le revendre comme service (→ chapitre 14). Et proposer un assistant au public peut faire de vous un fournisseur au sens du règlement européen.

La jauge. Pour une tâche peu sensible et occasionnelle, une machine locale est surdimensionnée : un abonnement suffit. Pour des données de clients traitées chaque jour par plusieurs personnes, un abonnement individuel est sous-dimensionné du point de vue de la confidentialité : il faut au minimum des conditions commerciales, ou une installation locale.

Exercice. Pour chacune des cinq tâches de votre liste, notez la sensibilité, la difficulté, le volume et les contraintes, puis l’orientation que donne la grille. Comparez avec les résultats de vos essais du chapitre 3.

Notes

  1. https://claude.com/pricing (consulté le 12 octobre 2026). Prix hors taxes, affichés en dollars (Pro 20 $, ou 17 $ en paiement annuel ; Team Standard 25 $, ou 20 $) et convertis au cours de la BCE du 9 octobre 2026.↩︎

  2. CNIL, « Les questions-réponses de la CNIL sur l’utilisation d’un système d’IA générative », 18 juillet 2024 : https://cnil.fr/fr/les-questions-reponses-de-la-cnil-sur-lutilisation-dun-systeme-dia-generative ; « Comment déployer une IA générative ? » : https://cnil.fr/fr/comment-deployer-une-ia-generative-la-cnil-apporte-de-premieres-precisions.↩︎

  3. BCLP, 8 septembre 2025 : https://www.bclplaw.com/en-US/events-insights-news/the-eu-us-data-privacy-framework-survives-an-annulment-challenge.html ; Solutions Numériques, 1er juillet 2026 : https://www.solutions-numeriques.com/data-privacy-framework-microsoft-defend-les-transferts-de-donnees-ue-etats-unis/.↩︎

  4. CNIL, « Les questions-réponses de la CNIL sur l’utilisation d’un système d’IA générative », 18 juillet 2024 : https://cnil.fr/fr/les-questions-reponses-de-la-cnil-sur-lutilisation-dun-systeme-dia-generative ; « Comment déployer une IA générative ? » : https://cnil.fr/fr/comment-deployer-une-ia-generative-la-cnil-apporte-de-premieres-precisions.↩︎

  5. Règlement (UE) 2026/1744 : https://eur-lex.europa.eu/eli/reg/2026/1744/oj ; article 50 du règlement sur l’IA : https://artificialintelligenceact.eu/article/50/ ; calendrier : Cooley, 3 août 2026 : https://cdp.cooley.com/digital-ai-omnibus-delays-key-deadlines-introduces-new-rules/.↩︎