Aperçu gratuit · Module 1 · Leçon 1
En ligne, hébergée ou locale : où partent vraiment vos données
Trois familles d'IA, trois trajets pour vos données ; classer ses tâches avant de choisir un outil. Leçon d’aperçu gratuite de la formation « IA privée et locale : garder ses données chez soi », lisible en entier sans compte, avec ses sources officielles datées.
Objectif
Classer chaque tâche de votre équipe vers une IA en ligne, une IA hébergée dans une zone choisie ou une machine que vous contrôlez, et justifier ce choix par la sensibilité des données, la qualité attendue et le volume.
Ce que vous saurez faire
- Décrire le trajet des données dans chacune des trois familles d'IA.
- Classer une tâche selon la sensibilité de ses données, la qualité attendue et le volume.
- Repérer les promesses de confidentialité qu'il faut vérifier avant d'y croire.
Contenu
« Garder ses données chez soi » est un argument fort, mais il recouvre trois situations très différentes. Avant de comparer des outils, comparez des trajets.
Les trois familles
| Famille | Où le texte est traité | Qui peut y accéder techniquement | Ce qui décide |
|---|---|---|---|
| IA en ligne (service grand public ou professionnel) | Dans les centres de données du fournisseur, souvent dans plusieurs pays | Le fournisseur et ses sous-traitants, selon le contrat | Les conditions du service et l'offre souscrite |
| IA hébergée dans une zone choisie | Chez un fournisseur, dans une région ou une zone de données que vous sélectionnez | Le fournisseur, dans le périmètre du contrat | Le type de déploiement et le contrat |
| IA locale | Sur un poste ou un serveur que vous contrôlez | Vous, et quiconque accède à cette machine | Votre propre configuration |
La frontière entre les deux premières familles est plus fine qu'on ne le croit. Chez un grand fournisseur de nuage, par exemple, le même modèle peut être déployé de façon « globale », où le traitement peut avoir lieu dans n'importe quelle région, ou dans une « zone de données » (États-Unis, Union européenne, Asie-Pacifique) où le traitement reste dans la zone . C'est un choix de configuration, pas une propriété du modèle.
Local ne veut pas dire hors ligne par défaut
Un logiciel d'IA locale peut tout de même utiliser le réseau. Une solution locale d'un éditeur indique que les invites et les réponses sont traitées sur l'appareil, mais que le réseau sert encore à télécharger les modèles et, si l'utilisateur l'accepte, à partager des journaux de diagnostic . Un autre outil très répandu propose, à côté des modèles locaux, des modèles exécutés dans son propre nuage : ce qui est envoyé à ces modèles quitte alors votre machine, et l'éditeur documente un réglage pour désactiver ces fonctions . Le mot « local » sur une page d'accueil ne suffit donc pas : il faut savoir quel modèle tourne où.
Les éditeurs cités dans cette formation le sont à titre d'exemple, parce que leur documentation est publique : Saphélis n'est affilié à aucun d'eux et ne touche rien de leur part ; les marques appartiennent à leurs propriétaires.
Ce qui est sensible, concrètement
Une référence de sécurité des applications d'IA range parmi les informations sensibles les données personnelles, les informations financières, les dossiers de santé, les données d'affaires confidentielles, les identifiants de sécurité et les documents juridiques . C'est une bonne liste de départ pour classer vos tâches.
La grille de classement
Pour chaque tâche, posez trois questions :
- Données : la tâche contient-elle l'une des catégories sensibles ci-dessus, un secret professionnel ou un engagement de confidentialité envers un client ?
- Qualité : une erreur coûte-t-elle quelques minutes de correction, ou une décision fausse ?
- Volume : combien de fois par jour, et sur quelle longueur de texte ?
Règle de départ, à affiner dans les leçons suivantes : données non sensibles, qualité élevée attendue → IA en ligne sous contrat professionnel. Données sensibles mais autorisées chez un sous-traitant sous contrat → IA hébergée dans une zone choisie. Données qui ne doivent sortir sous aucune forme → IA locale, ou pas d'IA du tout.
Exemple réel
Cas fictif, situation réaliste. Le Cabinet Ardoise, bureau d'architectes fictif de douze personnes à Lyon, utilise un assistant en ligne pour tout. Sa directrice, Inès, classe douze tâches avec la grille. Résultat : sept tâches (textes de présentation, traduction de brochures publiques, préparation de réunions sans nom de client) restent en ligne. Trois tâches (synthèse de comptes rendus de chantier avec noms d'entreprises et litiges en cours) passent sur une offre hébergée dans l'UE sous contrat. Deux tâches (notes sur un litige avec un maître d'ouvrage, évaluation annuelle des collaborateurs) restent hors de tout service externe : un essai en local est prévu, l'évaluation des collaborateurs reste sans IA.
À vous de jouer
Prenez la liste fictive ci-dessous et classez chaque tâche dans l'une des trois familles, ou « sans IA ». Comptez 10 minutes. Puis faites la même chose avec cinq tâches réelles de votre équipe, décrites en une ligne sans aucune donnée réelle.
Modèle
Liste fictive : dix tâches de l'Agence Lumen (agence de traduction)
LISTE FICTIVE — l'agence, ses clients et ses tâches sont inventés. Agence Lumen (fictive), Montréal, 6 traductrices et traducteurs. 1. Traduire la brochure publique de l'agence du français vers l'anglais. 2. Prétraduire des contrats de clients reçus sous accord de confidentialité (l'accord interdit toute sous-traitance sans accord écrit du client). 3. Rédiger les publications de l'agence pour les réseaux sociaux. 4. Traduire des rapports médicaux de patients pour une compagnie d'assurance. 5. Construire un glossaire à partir des pages publiques du site d'un client. 6. Répondre aux demandes de devis reçues par courriel (noms et coordonnées des prospects). 7. Rédiger l'évaluation annuelle des traducteurs indépendants. 8. Traduire les pièces de procédure d'un litige en cours. 9. Corriger l'orthographe des sous-titres d'un documentaire déjà diffusé. 10. Contrôler les factures des fournisseurs (montants, coordonnées bancaires).
- Quand l’utiliser
- Exercice de la leçon 1, puis cas de décision de la leçon 8.
- Ce qu’il faut personnaliser
- Remplacez par dix tâches de votre équipe, décrites en une ligne générique.
- Exemple
- Classement attendu : en ligne sous contrat pour 1, 3, 5 et 9 ; hébergée dans une zone choisie, sous contrat de sous-traitance, pour 6 et 10 ; locale pour 2 (sauf accord écrit du client pour un sous-traitant) et 8 ; locale ou sans IA pour 4 selon le contrat avec l'assureur ; sans IA pour 7.
- Limites
- Les tâches 4, 7 et 8 sont des pièges : santé, évaluation de personnes et litige. Le classement en ligne y est exclu.
Données à ne pas envoyer
- Noms, adresses et coordonnées de clients ou de collaborateurs
- Données de santé
- Coordonnées bancaires (IBAN, numéro de carte)
- Mots de passe, codes d'accès, clés d'API, jetons d'authentification
- Documents couverts par un secret professionnel ou un accord de confidentialité
- Configuration réseau interne détaillée (adresses, noms de serveurs) dans un service en ligne
Checklist
Vérifier une promesse de confidentialité avant de la croire
- [ ] J'ai noté la phrase exacte, la page où je l'ai lue et la date. - [ ] Je sais à quoi elle s'applique : quel produit, quelle offre, quel modèle, quelle version. - [ ] Je sais si elle porte sur le stockage, sur le traitement, sur l'entraînement ou sur l'accès du support. - [ ] Je sais quelles exceptions sont prévues (diagnostics, surveillance des abus, téléchargements, support). - [ ] Pour un outil local : j'ai fait le test réseau coupé avec le modèle exact que j'utiliserai. - [ ] Pour un service externe : la promesse figure dans le contrat ou ses annexes, pas seulement sur une page commerciale. - [ ] J'ai prévu une date de revérification (au moins une fois par trimestre).
- Quand l’utiliser
- Chaque fois qu'un outil ou un fournisseur affirme que vos données restent privées, locales ou dans une zone donnée.
- Ce qu’il faut personnaliser
- Ajoutez les exigences de votre secteur (secret médical, secret de l'avocat, clauses de confidentialité client).
- Exemple
- « Vos données ne quittent jamais l'appareil » : vrai pour le calcul dans un outil local testé réseau coupé, mais l'outil télécharge ses modèles et peut proposer des diagnostics.
- Limites
- Cocher sur la foi d'une page d'accueil ; oublier que la promesse change avec les versions.
Données à ne pas envoyer
- Noms, adresses et coordonnées de clients ou de collaborateurs
- Données de santé
- Coordonnées bancaires (IBAN, numéro de carte)
- Mots de passe, codes d'accès, clés d'API, jetons d'authentification
- Documents couverts par un secret professionnel ou un accord de confidentialité
- Configuration réseau interne détaillée (adresses, noms de serveurs) dans un service en ligne
Prompt / modèle
Prompt
Classer des tâches entre IA en ligne, hébergée, locale ou sans IA
Tu aides une organisation à décider où traiter chaque tâche avec l'IA. Tu ne vois aucune donnée réelle, seulement une description générique des tâches. Pour chaque tâche ci-dessous, réponds dans un tableau : tâche | catégories de données probables (personnelles, financières, santé, affaires confidentielles, identifiants, juridiques, aucune) | gravité d'une erreur (faible, moyenne, élevée) | volume | famille proposée (en ligne sous contrat, hébergée dans une zone choisie, locale, sans IA) | question à poser avant de décider. Règles : - Si une tâche concerne l'évaluation de personnes, des décisions sur des personnes ou un secret professionnel, propose « sans IA » ou « locale » et explique pourquoi. - Ne présente jamais ta proposition comme une décision : termine par « À valider par : [RESPONSABLE PROTECTION DES DONNÉES / DIRECTION] ». Tâches (descriptions génériques, sans nom ni extrait) : """ [COLLEZ ICI UNE TÂCHE PAR LIGNE] """
- Quand l’utiliser
- Au début d'un projet d'IA privée, pour un premier tri de 10 à 30 tâches.
- Ce qu’il faut personnaliser
- Ajoutez une colonne « règle interne » si votre organisation a déjà une politique d'usage de l'IA.
- Exemple
- Agence de traduction fictive : « prétraduction de contrats sous accord de confidentialité » classée locale ; « publications pour les réseaux sociaux de l'agence » classée en ligne.
- Limites
- La proposition est un premier tri : les catégories de données sont devinées à partir d'une description, elles doivent être confirmées par la personne qui connaît la tâche.
Données à ne pas envoyer
- Noms, adresses et coordonnées de clients ou de collaborateurs
- Données de santé
- Coordonnées bancaires (IBAN, numéro de carte)
- Mots de passe, codes d'accès, clés d'API, jetons d'authentification
- Documents couverts par un secret professionnel ou un accord de confidentialité
- Configuration réseau interne détaillée (adresses, noms de serveurs) dans un service en ligne
Piège à éviter
À retenir
- Trois familles : en ligne, hébergée dans une zone choisie, locale. Comparez les trajets, pas les marques.
- La zone de traitement dépend souvent d'un choix de déploiement, pas du modèle.
- « Local » ne dit pas quel modèle tourne où : vérifiez les fonctions en nuage et les téléchargements.
Mini-quiz
Le mini-quiz de cette leçon fait partie de l’évaluation : il est proposé dans l’espace membre.
Sources
Preuves de cette leçon
Chaque affirmation qui peut évoluer renvoie à une source primaire, avec sa date de consultation.
1 Chez Microsoft Foundry, les données au repos restent dans la géographie Azure désignée pour tous les types de déploiement ; les requêtes peuvent être traitées dans n'importe quelle région (déploiements globaux), uniquement dans la zone de données choisie, États-Unis, UE ou Asie-Pacifique (déploiements « Data Zone »), ou dans la géographie choisie (déploiements « Standard » régionaux). Microsoft peut ajouter des régions à une zone sans préavis. La facturation est à l'usage (par jeton) ou en capacité réservée selon le type. La zone de données UE suit la EU Data Boundary d'Azure, qui peut inclure des pays de l'AELE comme la Norvège et la Suisse.
- Microsoft Learn — Understanding deployment types in Microsoft Foundry Models learn.microsoft.com · consultée le
- Microsoft Learn — Deployment types (zone UE) learn.microsoft.com · consultée le
2 Selon Microsoft, Foundry Local traite les invites et les réponses entièrement sur l'appareil, sans abonnement Azure ni coût par jeton, sous Windows, macOS (Apple silicon) et Linux ; le réseau sert encore à télécharger les modèles et composants, et aux diagnostics si l'utilisateur choisit de partager ses journaux. Si les conditions le permettent, Microsoft peut collecter des informations de diagnostic, décrites dans ces conditions et dans sa déclaration de confidentialité.
- Microsoft Learn — What is Foundry Local? learn.microsoft.com · consultée le
- Microsoft Learn — What is Foundry Local? (réseau) learn.microsoft.com · consultée le
3 L'éditeur d'Ollama indique qu'il ne voit ni les invites ni les données quand le modèle tourne en local ; l'outil propose aussi des modèles exécutés dans son nuage et une recherche web ; ces fonctions peuvent être désactivées (option disable_ollama_cloud dans ~/.ollama/server.json ou variable OLLAMA_NO_CLOUD=1, puis redémarrage), et le journal affiche alors « Ollama cloud disabled: true ».
- Ollama — FAQ docs.ollama.com · consultée le
- Ollama — FAQ (désactiver le nuage) docs.ollama.com · consultée le
4 Le projet OWASP sur la sécurité de l'IA générative range parmi les informations sensibles les données personnelles, les informations financières, les dossiers de santé, les données d'affaires confidentielles, les identifiants de sécurité et les documents juridiques.
- OWASP GenAI Security Project — LLM02:2025 Sensitive Information Disclosure genai.owasp.org · consultée le