 | Retrouvez cet article dans notre magazine Professionnels du patrimoine : quelles innovations pour aujourd’hui et demain ? Découvrir le numéro → |
Découvrez Le Brief de l'IT, la newsletter thématique gratuite d'Archimag dédiée aux professionnels des data, de l'IT, de la digitalisation et de la transformation numérique !Un commercial fait reformuler une proposition client. Un dirigeant fait analyser un contrat. Un ingénieur fait générer quelques lignes de code. Ces usages se sont installés avec une promesse réelle : gagner du temps et rendre accessibles des tâches auparavant longues ou coûteuses. Mais ce gain comporte un risque.
Devis, fichiers clients, études, plans techniques, réponses à des appels d’offres ou travaux de R&D peuvent ainsi quitter en quelques secondes le périmètre maîtrisé de l’entreprise. Il suffit d’ajouter une pièce jointe ou même la photo d’un document à un outil d’IA grand public pour que cette information soit traitée par un service tiers.
Selon l’outil, l’offre choisie, ses réglages et ses conditions d’utilisation, les modalités de conservation, de traitement et de réutilisation de ces données peuvent varier. Dans bien des cas, le collaborateur qui les transmet l’ignore. Le risque commence donc avant même de savoir si la donnée servira à améliorer un modèle : il commence lorsque l’entreprise en perd la maîtrise.
La question est donc simple : quels usages présentent un risque et quels outils autoriser ? Faire de la veille à partir d’informations publiques n’a pas le même niveau de risque que demander à une IA d’analyser un document confidentiel transmis par un client. Il ne s’agit pas d’interdire l’IA, mais de savoir quel outil utiliser pour quelle information.
La PME, seule devant la case "j’accepte"
Le problème est particulièrement aigu pour les petites structures. Un grand groupe peut mobiliser DSI, RSSI, DPO, juristes, acheteurs et spécialistes de la data pour évaluer un nouvel outil. Une PME n’a pas cette armada. Dans une TPE, l’arbitrage repose même presque exclusivement sur le dirigeant. Pourtant, les questions sont les mêmes : où vont les données ? Sont-elles réutilisées ? Quelles garanties s’appliquent ? Quelles informations ne doivent jamais être transmises ?
Or, la complexité de ces choix ne diminue pas avec la taille de l’entreprise. Aucune TPE ou PME ne devrait donc affronter l’IA seule : il faut donner aux dirigeants les clés de lecture et l’accompagnement nécessaires, sans leur demander de devenir experts en IA, cybersécurité, RGPD et cloud.
Avant la technologie, fixer des règles simples
Face au risque, le premier réflexe est souvent technique : bloquer les outils publics, acheter une plateforme professionnelle ou installer une IA locale. Ces réponses ont leur place, mais elles interviennent trop tôt si l’entreprise n’a pas défini ce qu’elle souhaite protéger.
Premier chantier : rédiger une charte d’usage courte et concrète. Celle-ci doit préciser les solutions autorisées, leurs conditions d’accès et la personne à contacter en cas de doute. Elle doit surtout identifier les informations qui ne peuvent être transmises à une IA externe sans autorisation : plans techniques, code source propriétaire, dossiers de brevet non publiés, données personnelles sensibles ou stratégie tarifaire. Enfin, elle doit donner des exemples : résumer un texte public, oui, analyser un contrat confidentiel dans une IA grand public, non.
Ensemble, ces documents constituent une partie du capital intellectuel de l’entreprise : ses méthodes, son savoir-faire, ses innovations et parfois son avantage concurrentiel. La règle doit être assez concrète pour qu’un collaborateur puisse prendre la bonne décision en quelques secondes. Avant de se demander où héberger son IA, une PME doit savoir ce qu’elle refuse de lui donner.
Interdire l’IA serait pourtant une mauvaise réponse. Une interdiction sans alternative risque de transformer un usage visible en "shadow AI". Il faut simultanément autoriser, former et protéger.
Ensuite, les outils : de l’abonnement professionnel à l’IA locale
Une fois les règles fixées vient l’arbitrage technique. Il n’existe pas de solution souveraine idéale, mais plusieurs niveaux de maîtrise.
Pour beaucoup de petites entreprises, la première marche consiste à remplacer les comptes gratuits ou personnels par des abonnements professionnels administrés. L’entreprise reprend le contrôle des utilisateurs et bénéficie, selon les offres, d’engagements contractuels supplémentaires concernant les données. Passer du gratuit au payant n’est donc pas une garantie de souveraineté. C’est d’abord un moyen de passer d’un usage individuel subi à un usage professionnel gouverné.
Un deuxième niveau consiste à connecter un modèle à une application de l’entreprise via une API. L’entreprise maîtrise davantage les accès et les données transmises. Une architecture RAG permet, par exemple, à l’IA de rechercher une information dans une documentation interne autorisée avant de répondre, sans réentraîner le modèle sur ces documents.
Enfin, pour les informations les plus critiques, certains modèles peuvent fonctionner sur une infrastructure locale, voire déconnectée d’internet. Le niveau de maîtrise augmente, mais aussi les contraintes : matériel, installation, sécurité, mises à jour et compétences d’exploitation. Une infrastructure locale que personne ne sait maintenir n’est pas souveraine : elle est fragile.
Dix collaborateurs, trois ans : quel coût réel ?
Pour dix personnes, comparer le prix des licences à celui d’un serveur serait trompeur. Le coût total sur trois ans inclut aussi le matériel, l’intégration, la sécurité, la formation, la maintenance et le temps humain.
Un assistant professionnel représente environ entre sept-mille et onze-mille euros de licences, soit dix à quinze-mille euros avec cadrage, formation et administration. C’est généralement la solution la plus simple à exploiter et la plus facile à faire évoluer.
Avec une architecture cloud via API, les modèles eux-mêmes peuvent ne coûter que quelques centaines à quelques milliers d’euros. Avec l’hébergement, l’intégration, la sécurité et la maintenance, notre simulation situe cependant le coût total entre dix-mille et trente-mille euros sur trois ans. L’avantage : la capacité peut augmenter facilement avec les usages.
En local, une station ou un serveur représente typiquement cinq à huit-mille euros d’investissement initial et un coût total de l’ordre de dix-mille à vingt-mille euros avec installation, sécurité et maintenance. La limite est physique : si les usages augmentent fortement, il faut ajouter de la capacité ou renouveler la machine.
Le prix du modèle n’est donc qu’une partie de l’équation : l’entreprise arbitre entre simplicité, montée en charge, compétences et maîtrise des données.
La souveraineté n’est pas un produit
La souveraineté ne doit pas devenir une opposition binaire entre IA française et étrangère, cloud et local, gratuit et payant. Elle est d’abord la capacité d’une entreprise à choisir consciemment ses dépendances.
Une PME peut utiliser un assistant professionnel pour ses contenus courants, un cloud maîtrisé pour sa documentation interne et, lorsque la sensibilité et les compétences disponibles le justifient, une infrastructure locale pour certains usages critiques. Le principe est simple : mettre le niveau de protection au niveau de la valeur de l’information.
Les petites entreprises ont beaucoup à gagner avec l’IA, qui peut compenser une partie de l’écart de moyens avec les grandes organisations. L’enjeu n’est donc pas de freiner son adoption, mais de la maîtriser.
La première question à poser à un dirigeant n’est plus : "Vos collaborateurs utilisent-ils l’IA ?" Dans beaucoup d’entreprises, la réponse est déjà oui. Elle est désormais : "Savez-vous ce qu’ils lui donnent ?" Viennent alors trois questions : quelles informations voulez-vous protéger ? À quelles IA acceptez-vous de les confier ? Quelles garanties exigez-vous en retour ?
Être souverain ne signifie pas tout faire soi-même : cela signifie comprendre ses dépendances et pouvoir les choisir. Aucune TPE-PME ne devrait affronter l’IA seule. Mais aucune ne devrait non plus renoncer à l’IA faute d’être accompagnée pour la maîtriser.
Jean-François Deldon
[PDG de Yakadata]
