Après une intrusion dans ses systèmes en juillet 2026, Hugging Face a voulu utiliser de grands modèles commerciaux pour analyser les traces de l’attaque. Les requêtes ont été refusées : les garde-fous des fournisseurs ne savaient pas distinguer une équipe qui enquête d’un attaquant. L’équipe a fait l’analyse avec un modèle ouvert, sur ses propres serveurs. Avantage supplémentaire : aucune donnée sensible n’est sortie de son environnement.
Un problème de dépendance
Le sujet n’est pas la qualité des modèles. Une capacité que l’on loue peut être refusée ou retirée au moment où l’on en a le plus besoin, selon des règles fixées par quelqu’un d’autre. Pour la plupart des usages, ce risque est faible. Pour certaines fonctions, il ne l’est pas : sécurité, juridique, continuité d’activité, données confidentielles.
Nous le constatons aussi en formation. Lors d’une journée avec un comité de direction, près de la moitié des initiatives proposées par les participants portaient sur des données confidentielles, ce qui a conduit la direction à étudier des options d’hébergement souverain.
Trois réflexes
- Classer les données avant de choisir le modèle. Ce qui peut partir vers un service externe, ce qui doit rester chez vous.
- Prévoir une alternative pour les fonctions critiques. Un second fournisseur, ou un modèle ouvert hébergé en interne.
- Écrire le mode dégradé. Ce que l’équipe fait si l’outil n’est plus disponible demain matin.
Une question à ajouter à tout achat d’IA : si ce fournisseur dit non demain, que faisons-nous tourner à la place ?
Vous voulez choisir vos modèles selon vos données et vos risques ? Parlons-en.
Réserver un appelAutres notes