Où héberger son IA ?
Le pilote a marché. Trois semaines de tests, un assistant qui rédige les premières réponses aux appels d’offres à partir de dix ans d’historique commercial. Le directeur commercial est convaincu. Le dirigeant veut le déployer à toute l’équipe avant la fin du trimestre.
Au comité, quelqu’un pose enfin la seule question qui compte, celle que personne n’avait posée pendant le pilote : « On le met où ? »
Le silence qui suit, je le connais. C’est celui d’une décision qu’on a repoussée parce qu’elle avait l’air technique, alors qu’elle est stratégique.
La question qui arrive toujours trop tard
Pendant un pilote, on prend le chemin le plus court. On colle une clé d’API dans un script, on envoie les données au premier modèle venu, on regarde si ça tient la route. C’est sain : on teste la valeur avant d’investir.
Le problème, c’est qu’au moment où ça marche, le mal est déjà fait. La donnée la plus sensible de l’entreprise, dix ans de devis et de marges, transite déjà par une API choisie pour sa facilité, pas pour ses garanties. La question de l’hébergement aurait dû être posée avant la première ligne de code. Elle l’est presque toujours après.
J’ai écrit ailleurs que la souveraineté se décide avant la transformation, pas après. Pour l’IA, c’est la même séquence, en plus rapide. On cartographie d’abord ce qu’on accepte de faire sortir de l’entreprise. On choisit l’hébergement ensuite.
Quatre options sur une même droite
Il n’y a pas un endroit où héberger son IA. Il y en a quatre, sur un même axe qui va du plus contrôlé mais le moins performant au plus performant mais le moins sûr.
En local, sur ses propres machines. La donnée ne sort jamais. On fait tourner un modèle ouvert sur un serveur de l’entreprise, ou même sur un Mac Studio récent doté d’assez de mémoire. Contrôle total, capacité plafonnée par le matériel.
Sur un cloud européen qu’on pilote. Un VPS chez Scaleway, une instance sur le Public Cloud d’OVH ou encore de la location de ressources chez le Suisse Infomaniak. On loue la puissance, on garde la main sur le modèle et sur la donnée. La souveraineté reste forte, on déporte juste le hardware. Attention tout de même, le Cloud c’est les ordinateurs de quelqu’un d’autre, plus les vôtres !
Sur l’API d’un acteur européen. Un Mistral, par exemple. On gagne en simplicité et en capacité, on cède l’exécution à un tiers, mais sur un territoire et un cadre juridique connus.
Sur l’API d’un acteur hors-UE. Les modèles américains les plus avancés, ou les modèles chinois les moins chers. La capacité maximale, le ticket d’entrée minimal, et la dépendance la plus forte.
Plus on va vers la droite, plus c’est puissant et facile à démarrer, moins c’est réversible. Aucune option n’est la bonne dans l’absolu. La bonne dépend de la donnée qu’on lui confie.
Le vrai prix d’un token
Les deux modèles de coût sont des contraires.
Une API se paie au token, à l’usage. C’est un coût variable : plus l’outil sert, plus la facture monte. Le pilote coûte quelques euros, tout le monde sourit. Déployé à quarante commerciaux qui l’utilisent toute la journée, c’est une ligne qui grandit chaque mois, au rythme exact du succès de l’outil.
Le local, c’est l’inverse. Un coût fixe : le matériel, l’électricité, un peu de temps d’administration. Le coût marginal d’un appel est quasi nul. Plus on s’en sert, moins chaque usage coûte cher.
J’ai déjà décrit l’impôt des abonnements qui s’accumulent sur le relevé bancaire d’une PME. La facturation au token en est la version comptabilisée au compteur. Une dépense qui croît avec l’adoption n’est pas un budget OPEX pour un outil. C’est une rente qu’on verse à un tiers, indexée sur sa propre réussite.
Je ne dis pas que l’API est un piège. Pour un usage ponctuel, en pointe, sur une tâche où il faut le meilleur modèle du moment, payer à l’usage est exactement la bonne décision. Le piège, c’est de faire passer sur ce péage les mêmes requêtes sur les mêmes données, jour après jour et de l’oublier comme tous les autres abonnements SaaS.
La souveraineté, c’est la clause de sortie
La vraie question de souveraineté n’est pas « le serveur est-il français ». C’est : « peut-on partir ? »
Un modèle ouvert, dont on télécharge les poids et qu’on fait tourner où l’on veut, porte sa propre clause de sortie. Si le fournisseur disparaît, double son prix ou change ses conditions, on a toujours le modèle. Une API fermée, on ne l’emporte pas. On loue le droit de l’appeler, tant que le fournisseur le veut bien et au prix qu’il décide.
Un modèle ouvert qui tourne sur une machine qu’on contrôle est donc plus souverain qu’une API européenne dont on ne peut pas extraire les poids. Le drapeau compte moins que la réversibilité.
Et chaque requête est une donnée qui sort. Pour une note de réunion anodine, peu importe. Pour un dossier RH, un contrat, un secret industriel, c’est la question que posent le RGPD et l’AI Act, mais c’est d’abord une question de bon sens : cette donnée a-t-elle vraiment le droit de quitter le bâtiment ?
Ce que je regarde, colonne par colonne
Pour chaque usage de l’IA dans l’entreprise, et non pour l’entreprise en bloc, je remplis quatre colonnes.
Où vit la donnée pendant le traitement. Le coût marginal d’un appel, fixe ou variable. La réversibilité : peut-on changer de modèle ou d’hébergeur sans tout réécrire. La conformité : cette donnée a-t-elle vraiment le droit de sortir de nos locaux ?
La conclusion est presque toujours la même, et elle surprend les dirigeants qui cherchaient un fournisseur unique : on n’héberge pas « son IA » à un seul endroit. Une entreprise a des usages, pas un usage. Chacun a son hébergement adapté.
Le bon défaut
Il y a un défaut raisonnable, à mi-chemin du puriste qui veut tout en local et du pressé qui envoie tout sur une API américaine ou chinoise.
La donnée sensible et les tâches répétitives restent à la maison : modèle ouvert, machine contrôlée, coût marginal quasi nul. C’est là que tournent l’assistant sur les contrats, le tri des candidatures, l’analyse de l’historique commercial, la veille réglementaire. En 2026, un modèle ouvert suffisamment performant tient sur un Mac Studio ou un Nvidia DGX Spark ; ce qui relevait de la prouesse technique il y a seulement deux ans ne coûte que quelques milliers d’euros aujourd’hui.
Les tâches de pointe, ponctuelles, sur des données non sensibles, partent vers la meilleure API du moment, payée à l’usage et assumée comme telle. Et on peut utiliser des routeurs pour ça.
La frontière n’est pas technique. Elle est dans la donnée. Une fois qu’on l’a tracée, la question « on le met où » cesse d’être angoissante et redevient ce qu’elle est : une suite de décisions simples, prises usage par usage, par des gens qui savent ce qu’ils acceptent de confier à des tiers ou plutôt de conserver précieusement à la maison.
Au comité, j’ai redessiné la question au tableau. Pas « où met-on notre IA », mais « quelle donnée, pour quel usage, et qu’acceptons-nous comme niveau de qualité dans le traitement ». La réponse n’était plus un nom de fournisseur. C’était une cartographie. Et une carte, un dirigeant sait la lire pour faire son choix.
C’est ça que j’installe, plus qu’un hébergement : la capacité de l’entreprise à choisir, et à changer d’avis plus tard sans tout reconstruire.
Soyez résolus à ne plus servir, et vous voilà libres. — Étienne de La Boétie, Discours de la servitude volontaire, vers 1549