Vous êtes en phase de sélection d'un nouveau logiciel métier (CRM, outil de service client, plateforme de gestion documentaire) et le fournisseur annonce fièrement que sa dernière version intègre un assistant IA capable de lire, résumer et répondre à partir de vos documents internes. La démonstration est convaincante. Mais une question devrait se poser avant même de discuter du prix : si cet assistant lit vos documents, où partent-ils physiquement, servent-ils à entraîner un modèle, et qui, au juste, a souscrit l'abonnement à l'IA sous-jacente ?
Ce n'est pas une question technique secondaire. C'est la question qui détermine si votre futur fournisseur peut, contractuellement, garantir que vos contrats, vos échanges avec vos fournisseurs et vos données de services généraux restent votre propriété exclusive. La plupart des dossiers d'appel d'offres évaluent le modèle d'IA utilisé (GPT, Claude, Gemini) alors que la vraie variable de risque est ailleurs : la trajectoire du document, pas le nom du modèle.
Cet article s'adresse au DSI, au responsable conformité et à la direction générale en phase de cadrage d'achat logiciel. Il propose un spectre en cinq degrés de maîtrise, une lecture réaliste des conditions d'utilisation des fournisseurs d'IA, et une formulation d'exigence prête à insérer dans votre cahier des charges. Si vous êtes en train de cadrer un projet d'intégration IA plus large, notre offre transformation IA part exactement de cette question de gouvernance des données avant de parler d'usage.
La vraie question n'est pas quel modèle, c'est où va le document
Un acheteur de logiciel demande presque toujours : "quel modèle d'IA utilisez-vous ?" C'est la mauvaise première question. Que la réponse soit GPT-4, Claude ou un modèle propriétaire ne vous dit rien sur ce qui se passe réellement quand un document quitte votre réseau.
La bonne série de questions est : le document part-il vers un service partagé avec d'autres clients du fournisseur ? Transite-t-il par un sous-traitant IA tiers dont vous n'avez jamais entendu parler ? Existe-t-il une trace contractuelle de ce que ce sous-traitant a le droit d'en faire ? Un logiciel peut utiliser "le meilleur modèle du marché" tout en achemninant vos documents à travers trois couches de sous-traitance sans qu'aucune clause ne l'interdise. Le modèle est visible en démo ; la chaîne de sous-traitance, elle, ne l'est jamais sans que vous la demandiez explicitement.
Les cinq degrés de maîtrise, du service grand public au modèle sur votre infrastructure
Toutes les intégrations IA ne se valent pas. Voici un spectre en cinq niveaux, du moins au plus maîtrisé, avec pour chacun ce qu'on gagne, ce qu'on perd, et son ordre de coût.
Degré 1 : service grand public. Le fournisseur (ou pire, un de vos employés) utilise l'interface web gratuite ou payante d'un assistant IA grand public pour traiter des documents professionnels. Coût apparent nul, risque maximal : ces interfaces sont souvent couvertes par des conditions d'utilisation consumer, pas par un contrat d'entreprise. Aucune garantie de non-entraînement n'est activée par défaut sur la plupart des offres grand public.
Degré 2 : API avec clause contractuelle de non-entraînement. Le fournisseur logiciel appelle une API professionnelle (OpenAI API, Anthropic API, Azure OpenAI Service) sous un contrat d'entreprise qui exclut explicitement l'utilisation de vos données pour l'entraînement. C'est le premier palier réellement défendable pour des données de services généraux ou de relation fournisseurs. Coût pour l'éditeur : de l'ordre de quelques centimes à quelques dirhams par requête selon le volume, répercuté dans votre abonnement logiciel.
Degré 3 : région dédiée / résidence des données. Le traitement est contractuellement confiné à une zone géographique (Union européenne, par exemple), avec des garanties de résidence des données. Utile si vous avez des obligations de transfert international à respecter. Surcoût typique : 15 à 30 % par rapport à un déploiement multi-région standard, selon les grilles tarifaires des grands clouds.
Degré 4 : déploiement en environnement privé. Une instance dédiée à votre organisation, isolée des autres clients du fournisseur (VPC dédié, endpoint privé de type Bedrock ou Azure OpenAI privé). Vous obtenez une isolation réseau réelle. Coût de l'ordre de 2 000 à 8 000 EUR (environ 22 000 à 88 000 MAD) par mois selon le volume, en plus de la licence logicielle.
Degré 5 : modèle à poids ouverts sur votre propre infrastructure. Un modèle ouvert (Llama, Mistral) tourne sur vos serveurs ou dans votre cloud privé. Aucune donnée ne quitte jamais votre périmètre. C'est le niveau de maîtrise maximal, mais aussi le plus coûteux à opérer : voir plus bas.
Chaque palier gagné en maîtrise se paie en flexibilité perdue : les modèles les plus récents et les plus capables sortent d'abord en service grand public et en API, rarement en premier en version auto-hébergée.
Entraînement sur vos données : ce que disent réellement les conditions d'usage
Les grands fournisseurs d'IA ont, sur ce point précis, des politiques documentées et vérifiables. OpenAI indique dans ses conditions d'utilisation de l'API que les données soumises via l'API ne sont pas utilisées pour entraîner ses modèles, sauf option explicite contraire, une politique différente de celle de l'interface grand public ChatGPT, où l'historique de conversation peut être utilisé pour l'entraînement sauf désactivation manuelle. Anthropic applique la même logique sur son offre commerciale : les conversations via l'API ou les offres entreprise ne servent pas à l'entraînement des modèles, sauf accord contraire explicite.
Ce que ces politiques ne couvrent pas : le fournisseur logiciel qui achète l'accès API peut, lui, choisir de conserver vos documents dans ses propres journaux, sa propre base de recherche vectorielle, ou ses propres logs de débogage, indépendamment de la politique du fournisseur d'IA sous-jacent. La politique de non-entraînement d'OpenAI ou d'Anthropic protège la relation entre le fournisseur logiciel et son propre sous-traitant IA ; elle ne dit rien sur ce que le fournisseur logiciel fait, lui, de la copie qu'il conserve chez lui.
Qui souscrit l'abonnement, et pourquoi cela change tout
Voici le point que la plupart des grilles d'évaluation fournisseur ratent : qui, contractuellement, est le client de l'API d'IA ? Deux cas de figure, aux conséquences opposées.
Cas A : vous souscrivez directement. Votre organisation ouvre son propre compte entreprise auprès du fournisseur d'IA, avec son propre contrat, ses propres clauses de non-entraînement et son propre accord de traitement des données. Le logiciel se contente d'appeler votre compte. Vous avez une relation contractuelle directe et opposable avec le fournisseur d'IA.
Cas B : l'éditeur souscrit en son nom propre. L'éditeur logiciel a son propre compte API, mutualisé entre tous ses clients, et vous n'êtes qu'un utilisateur final de sa plateforme. Dans ce cas, les garanties contractuelles de l'éditeur avec son fournisseur d'IA ne vous sont pas automatiquement opposables : vous dépendez entièrement de ce que l'éditeur, lui, a négocié, et de ce qu'il a bien voulu vous répercuter dans votre propre contrat avec lui.
Le cas B est de très loin le plus fréquent pour un logiciel métier standard. Ce n'est pas nécessairement un problème, à condition que le contrat entre vous et l'éditeur reprenne explicitement, par une clause de "flow-down", les mêmes garanties que celles que l'éditeur a négociées avec son propre fournisseur d'IA. Sans cette clause de report contractuel, l'engagement de l'éditeur envers son fournisseur d'IA ne crée aucun droit direct pour vous.
Ce que auto-hébergé veut dire, et ce que cela coûte en pratique
"Auto-hébergé" est souvent présenté comme la solution ultime de confidentialité, ce qui est vrai sur le principe et trompeur sur le budget. Faire tourner un modèle ouvert de taille moyenne (autour de 70 milliards de paramètres) en production, avec une disponibilité correcte, suppose généralement plusieurs GPU de dernière génération, soit un investissement matériel ou un coût cloud managé de l'ordre de 3 000 à 10 000 EUR par mois (environ 33 000 à 110 000 MAD) selon le volume de requêtes et la redondance recherchée, auquel s'ajoute une compétence MLOps interne ou externalisée pour la maintenance, la mise à jour des modèles et la supervision de la sécurité.
Pour une PME ou une ETI qui traite quelques milliers de documents par mois, ce coût est rarement justifié par rapport à un déploiement en environnement privé (degré 4), qui offre déjà l'essentiel de l'isolation recherchée pour une fraction du prix. L'auto-hébergement se justifie surtout pour un volume élevé et récurrent, ou une contrainte réglementaire stricte interdisant tout transit hors de votre propre infrastructure, un cas encore rare pour des données de services généraux ou de relation fournisseurs, mais qui devient pertinent dès que la donnée traitée est classée hautement sensible par votre politique interne.
Rédiger l'exigence de confidentialité IA dans le cahier des charges
Voici une formulation directement réutilisable, à adapter à votre contexte, pour la section "sécurité et confidentialité des données" de votre cahier des charges :
"Le soumissionnaire décrira précisément, pour chaque fonctionnalité d'intelligence artificielle intégrée à sa solution : (1) le ou les fournisseurs d'IA sous-jacents et le degré de maîtrise retenu parmi le spectre suivant : service grand public, API avec clause de non-entraînement, région dédiée, environnement privé, infrastructure auto-hébergée ; (2) si l'abonnement au fournisseur d'IA est souscrit par le soumissionnaire ou par le client, et dans le premier cas, la clause contractuelle assurant le report ('flow-down') des garanties de non-entraînement et de confidentialité vers le présent contrat ; (3) la durée de conservation des documents transmis, y compris dans les journaux techniques et les index de recherche internes du soumissionnaire ; (4) la localisation géographique du traitement et du stockage."
Insistez pour obtenir cette réponse par écrit et annexée au contrat, pas seulement verbalisée en soutenance. Une réponse orale rassurante qui ne survit pas au passage à l'écrit n'a aucune valeur contractuelle.
Le test de cohérence : une seule réponse floue disqualifie le dossier
Posez ces trois questions directement, dans cet ordre, et exigez une réponse écrite et précise à chacune : où sont physiquement traités et stockés nos documents ? Nos données servent-elles, sous quelque forme que ce soit, à entraîner un modèle (le vôtre ou celui de votre fournisseur d'IA) ? Qui, contractuellement, est le souscripteur de l'accès à l'IA sous-jacente ?
Un fournisseur sérieux répond aux trois avec précision, généralement en s'appuyant sur sa documentation de sécurité déjà rédigée. Un fournisseur qui botte en touche sur une seule de ces trois questions (par exemple "notre plateforme est sécurisée" ou "nous utilisons les meilleurs standards du marché", sans jamais répondre au où, au entraînement ou au qui) envoie un signal clair : soit il ne sait pas lui-même, soit il préfère ne pas le dire. Dans les deux cas, une seule réponse floue doit suffire à disqualifier le dossier, quelle que soit la qualité de la démonstration produit. Sur ce sujet précis, il n'existe pas de degré intermédiaire acceptable entre une réponse précise et une réponse évasive.
Si vous préférez faire challenger vos short-lists fournisseurs par un tiers technique avant signature, notre équipe accompagne ce cadrage dans le cadre de nos missions applications métier, et notre offre dédiée RAG d'entreprise détaille précisément l'architecture de référence pour un assistant qui lit vos documents sans les faire sortir de votre périmètre. Sur le terrain adjacent du contrôle des usages IA par vos propres salariés (plutôt que par un logiciel que vous achetez), notre article sur la gouvernance IA en entreprise couvre l'autre moitié du problème.
FAQ
Le fournisseur me dit que son IA "ne stocke rien", dois-je le croire sur parole ?
Non, demandez la formulation écrite exacte et la durée de rétention des journaux techniques. "Ne stocke rien" en démonstration commerciale peut cohabiter avec des logs de débogage conservés plusieurs mois. Exigez le chiffre précis, pas l'adjectif rassurant.
Une clause de non-entraînement du fournisseur d'IA (OpenAI, Anthropic) me protège-t-elle automatiquement ?
Seulement si vous êtes vous-même le souscripteur du contrat avec ce fournisseur d'IA, ou si le contrat qui vous lie à votre éditeur logiciel reprend explicitement cette garantie par une clause de report. Sans cette clause, la protection existe entre l'éditeur et son fournisseur d'IA, pas entre vous et l'éditeur.
Le déploiement en environnement privé (degré 4) est-il suffisant pour la plupart des PME ?
Dans la majorité des cas où la donnée traitée est de la relation fournisseurs, des services généraux ou des documents internes courants, oui. L'auto-hébergement complet se justifie surtout à volume élevé ou sous contrainte réglementaire stricte, pas par défaut.
Comment vérifier qu'un fournisseur ne ment pas sur sa réponse écrite ?
Croisez sa réponse avec sa documentation de sécurité publique (souvent un "trust center" ou une page sécurité), et demandez si sa certification ou son audit de sécurité le plus récent couvre spécifiquement le traitement par IA, pas seulement l'hébergement classique de vos données.
Faut-il exclure tout fournisseur qui utilise un service grand public en interne ?
Pas nécessairement pour des usages internes non liés à vos documents, mais oui pour tout traitement direct de vos documents professionnels. Le degré 1 (service grand public) ne doit jamais être la réponse à la question "où va le document que je vous confie".