Chercher une alternative à ChatGPT pour son entreprise, c'est rarement chercher un meilleur chatbot. C'est chercher à ne plus envoyer ses données chez un tiers, à sortir d'un abonnement par utilisateur qui grossit avec l'équipe, ou à ne plus dépendre du droit américain. Ces trois problèmes ne se règlent pas en changeant de fournisseur cloud : ils se règlent en changeant l'endroit où vit l'IA. Ce guide passe en revue les options réelles, de la moins à la plus souveraine, avec leurs limites honnêtes.
Tant que l'assistant tourne sur les serveurs de quelqu'un d'autre, trois questions restent posées, quel que soit le nom sur la facture :
Pour une petite structure, ces questions pèsent plus lourd que pour un grand groupe, et nous avons détaillé cette asymétrie dans pourquoi une PME a plus à perdre avec une IA cloud. Elles servent ici de grille de lecture : chaque option ci-dessous y répond différemment.
C'est la réponse la plus courante, et il faut être juste avec elle. OpenAI indique ne pas entraîner ses modèles sur les données des offres professionnelles par défaut (ChatGPT Business, Enterprise, API), là où les versions grand public peuvent, elles, alimenter l'amélioration des modèles. Si votre seule inquiétude était l'entraînement, une offre pro y répond contractuellement.
Le reste ne bouge pas. La société qui opère le service reste soumise au droit américain, donc au CLOUD Act, même quand les serveurs sont en Europe. Nous avons décortiqué ce mécanisme dans pourquoi « hébergé en Europe » ne suffit pas. Vos données vivent toujours chez un tiers, et l'abonnement par utilisateur continue de courir. Le contrat s'améliore, la situation reste la même.
Un opérateur européen sans maison mère américaine (Mistral AI, par exemple) sort du champ du CLOUD Act. C'est un vrai progrès juridique, et pour certaines entreprises il suffit.
Mais le modèle ne change pas : vos données vivent encore chez un tiers, vous dépendez encore de ses conditions et de sa pérennité, et l'abonnement demeure. Vous avez déplacé le tiers de confiance, vous ne l'avez pas supprimé. La conformité de votre usage au RGPD reste par ailleurs entièrement à votre charge, comme nous l'expliquons à propos des assistants cloud et du RGPD.
À l'autre bout du spectre, vous pouvez exécuter un modèle ouvert (type Llama ou Mistral) directement sur votre propre machine, avec un outil comme Ollama. Rien ne sort de chez vous, aucun abonnement, aucun droit étranger. Sur les trois questions de départ, c'est un sans-faute.
La limite est ailleurs : vous obtenez un moteur, pas un poste de travail. Pas de gestion d'équipe ni de droits d'accès, pas de base de connaissance qui indexe vos documents métier, pas d'historique organisé, et la maintenance vous revient. Des interfaces communautaires comblent une partie de ces manques, au prix d'un assemblage à faire et à entretenir vous-même. Pour un développeur curieux, c'est un terrain de jeu. Pour une équipe qui doit travailler, c'est un chantier.
La quatrième option combine les deux précédentes : une application complète, mais installée sur votre serveur. L'interface d'équipe, les comptes et les droits d'accès, la base de connaissance qui répond à partir de vos documents, la mémoire qui persiste d'une conversation à l'autre : tout vit sur votre infrastructure. Et le modèle de langage reste votre choix : un modèle ouvert exécuté en local via Ollama pour ne rien faire sortir, ou un modèle cloud avec vos propres clés quand un cas d'usage le justifie.
C'est le principe d'une IA souveraine, que nous avons détaillé pour les PME, et c'est ce que fait Gungnir : un assistant qui s'installe chez vous, agnostique au modèle, sans licence par utilisateur, dont le code est publié et auditable. Sur les trois questions de départ : vos données vivent chez vous, votre droit s'applique, et si l'éditeur disparaissait demain, votre instance continuerait de tourner.
La dépense change de nature. Une IA cloud se paie en abonnements par utilisateur, chaque mois, indéfiniment, à un tarif que le fournisseur peut réviser. Une IA installée chez vous se paie autrement : un serveur (un VPS suffit pour commencer), l'usage des modèles (vos propres clés API facturées à la consommation, ou du matériel si vous passez au tout local), et l'accompagnement au déploiement si vous n'avez pas d'équipe technique. Il n'y a pas de coût caché qui grossit avec la taille de l'équipe, et personne ne peut réviser le prix de ce qui vous appartient.
Les modèles open source (type Llama ou Mistral) sont gratuits en licence et s'exécutent sur votre propre matériel. Gratuit en licence ne veut pas dire gratuit en exploitation : il faut un serveur, du temps d'installation et de la maintenance. Le bon calcul se fait en coût complet, face à des abonnements par utilisateur qui s'additionnent chaque mois.
Il en règle une partie : OpenAI s'engage à ne pas entraîner ses modèles sur les données des offres professionnelles par défaut. Restent la juridiction (une société américaine demeure soumise au CLOUD Act, où que soient ses serveurs), la localisation de vos données chez un tiers, et la dépendance à un abonnement dont vous ne fixez pas les conditions.
Oui, avec des modèles ouverts exécutés en local : rien ne sort de votre infrastructure. Soyons honnêtes sur la contrepartie : les modèles les plus puissants du marché restent des services cloud. Beaucoup d'usages métier (rédaction, synthèse, questions sur vos documents) tournent très bien en local, et une plateforme agnostique au modèle vous laisse mixer les deux selon la sensibilité de chaque usage.
Non. L'installation d'une plateforme comme Gungnir est conçue pour être simple (un serveur, une commande), et l'accompagnement au déploiement fait partie de l'offre pour les structures sans équipe technique. L'objectif n'est pas de vous transformer en administrateur système.
