Une plateforme d'IA pour toute l'entreprise : éditeur unique, espace de travail multimodèle, passerelle, catalogue cloud ou développement sur mesure

Beaucoup d'entreprises en arrivent au même point. Les employés utilisent déjà ChatGPT ou Microsoft Copilot, et quelqu'un demande maintenant un autre modèle, un assistant partagé pour une équipe, ou une trace de qui a demandé quoi. Un modèle est le programme entraîné qui rédige les réponses, et un grand modèle de langage (LLM) est un modèle qui travaille sur du texte. Vous pouvez rester sur le produit d'un seul éditeur, acheter un espace de travail avec plusieurs modèles, ou placer une passerelle devant plusieurs fournisseurs. Une passerelle est un point de contrôle entre vos logiciels et les modèles. Vous pouvez aussi louer des modèles dans un catalogue cloud ou construire les vôtres. La plupart des entreprises de taille moyenne devraient commencer par le produit que leurs employés utilisent déjà et n'ajouter des briques que lorsqu'un besoin précis apparaît.

Pourquoi une entreprise voudrait-elle plus d'un modèle d'IA, et quand un seul suffit-il ?

Les modèles diffèrent par ce qu'ils font bien et par leur coût, et les éditeurs changent souvent leur gamme. Même un produit unique mélange des modèles. La page de Microsoft sur Copilot dit : « Par défaut, Copilot utilise un routeur en temps réel pour adapter le modèle sous-jacent selon votre invite. »

Trois raisons justifient de choisir soi-même les modèles. Une équipe peut avoir besoin d'un modèle qui manque à votre produit. Une tâche courante peut convenir à un modèle plus petit et moins cher. Ou vous voulez un second fournisseur prêt en cas de panne. Un seul éditeur suffit quand les employés utilisent l'IA pour la rédaction et la recherche, que personne n'intègre d'IA à vos logiciels et que les contrôles d'administration répondent à vos règles.

Que nous apportent ChatGPT Enterprise et Microsoft 365 Copilot, et où s'arrêtent-ils ?

Pour un espace de travail ChatGPT Enterprise, demandez par écrit à OpenAI les contrôles d'administration, les conditions sur les données et la liste de modèles en vigueur. La documentation de l'API d'OpenAI dit : « les données envoyées à l'API OpenAI ne sont pas utilisées pour entraîner ou améliorer les modèles d'OpenAI (sauf si vous choisissez explicitement de nous les confier) », mais cette page porte sur l'API, pas sur les applications ChatGPT.

Un GPT personnalisé est un assistant qu'un employé configure dans ChatGPT à l'aide de consignes écrites et de documents joints. OpenAI le présente comme un moyen de personnaliser ChatGPT « en fournissant des instructions, en joignant des documents comme base de connaissances ».

Microsoft dit : « Microsoft propose des modèles d'IA tiers dans Microsoft Copilot, comme les modèles d'Anthropic et d'OpenAI. » Elle ajoute : « En tant qu'administrateur, vous pouvez décider d'utiliser ou non ces modèles pour alimenter vos expériences, et des conditions supplémentaires peuvent s'appliquer. »

Les limites apparaissent quand vous construisez des assistants. Microsoft dit que les agents déclaratifs « utilisent l'infrastructure d'IA, le modèle et l'orchestrateur de Copilot » : vous définissez donc les consignes, les connaissances et les actions, mais vous gardez les choix de modèles de Microsoft. Un agent à moteur personnalisé, où vous « apportez votre propre orchestrateur et vos propres modèles », peut « nécessiter un hébergement supplémentaire en dehors de Microsoft 365 ». Microsoft dit que la mise en place « varie de configurations simples dans Copilot Studio à des implémentations pro-code avancées », et l'extrémité pro-code de ce parcours est déjà un développement sur mesure.

Qu'est-ce qu'un espace de travail multimodèle, et à quoi renonçons-nous ?

Un espace de travail multimodèle est une application de discussion pour les employés, qui propose des modèles de plusieurs fournisseurs derrière une seule connexion. Deux exemples que vous exploitez sur vos propres serveurs : la documentation d'Open WebUI mentionne la « prise en charge d'Ollama et des API compatibles OpenAI », et LibreChat se présente comme « une application web auto-hébergée ». Il existe aussi des produits hébergés de ce type.

Vous perdez en profondeur. Microsoft dit que Copilot « ne fait remonter que les données de l'organisation auxquelles les utilisateurs ont au moins un droit de lecture », car il lit directement vos autorisations Microsoft 365. Un espace de travail distinct a besoin de ses propres liens vers vos fichiers et vos systèmes, et vous devez cartographier qui peut voir quel fichier. L'auto-hébergement demande quelqu'un pour l'exploiter, et un produit hébergé ajoute une société de plus qui traite vos invites.

Que fait une passerelle LLM, et qui en a besoin ?

Une passerelle (gateway) est un service placé entre vos logiciels et les fournisseurs de modèles. Votre logiciel envoie chaque requête à une seule adresse, et la passerelle la transmet au modèle choisi. Un token est la petite unité de texte qu'un modèle lit et écrit, et que les fournisseurs comptent et facturent. Le glossaire d'Anthropic dit que les tokens « peuvent correspondre à des mots, des sous-mots, des caractères, voire des octets ».

Le projet open source LiteLLM décrit sa passerelle comme « un serveur auto-hébergé » offrant « un seul point d'accès compatible OpenAI pour plus de 100 fournisseurs de LLM, outils MCP et agents A2A ». Il propose de « donner à chaque utilisateur, équipe et projet une clé virtuelle », chacune avec des « modèles, budgets et limites de débit ». Les vraies clés des fournisseurs restent alors en un seul endroit.

D'autres couvrent un terrain voisin. Portkey dit avoir « ouvert le code » de sa passerelle. Cloudflare AI Gateway, un service hébergé, dit que vous pouvez « consulter des métriques comme le nombre de requêtes, de tokens et le coût d'exécution de votre application ». Kong dit que son AI Gateway peut « basculer automatiquement vers un autre fournisseur ou modèle quand l'un est lent ou indisponible ».

Il vous faut une passerelle quand plusieurs équipes ou produits appellent des modèles depuis du code et que vous voulez un point unique pour les clés, les budgets, le routage et les journaux. Les employés qui n'utilisent que des applications de discussion n'en ont pas besoin. Une passerelle ne leur donne aucune fenêtre de discussion, et ses journaux peuvent contenir des invites (le texte que les employés saisissent), selon sa configuration : protégez-les donc.

Qu'ajoute le catalogue de modèles d'un fournisseur cloud ?

Trois exemples sont Microsoft Foundry (anciennement Azure AI Foundry), Amazon Bedrock et Gemini Enterprise Agent Platform de Google (anciennement Vertex AI). Ils permettent à vos ingénieurs d'appeler les modèles de nombreux fournisseurs via le compte cloud que vous possédez déjà. Microsoft dit que le catalogue Foundry « comprend plus de 10 000 modèles », et AWS dit que Bedrock prend en charge « plus de 100 modèles de fondation ». Google dit que Model Garden contient des modèles « de Google et de partenaires de Google ».

Les avantages sont votre dispositif de sécurité existant, une seule facture et un choix du lieu de traitement. Microsoft dit : « vous pouvez choisir un traitement global, par zone de données ou régional selon vos exigences de conformité ». Cela vaut pour les déploiements serverless. Pour les modèles Claude hébergés sur l'infrastructure propre d'Anthropic, Microsoft dit que les données « peuvent être traitées en dehors d'Azure, y compris en dehors de la géographie Azure que vous avez sélectionnée ». L'inconvénient est qu'il s'agit d'une boîte à outils pour développeurs. Tout écran de discussion de sa console sert aux tests des développeurs : les employés n'ont donc pas de produit de discussion prêt à l'emploi, et vous restez responsable des tests et du choix des modèles. Microsoft dit aussi que d'anciens modèles « peuvent être retirés du catalogue de modèles Foundry ».

Comment migrer nos GPT personnalisés, nos prompts et nos fichiers de connaissances, et que reste-t-il sur place ?

Consultez d'abord le calendrier d'OpenAI. Selon la presse de l'automne 2026, OpenAI prévoit de retirer les GPT personnalisés en décembre 2026 pour les remplacer par des plugins, avec des dates plus tardives pour certains espaces de travail Enterprise. Suivez l'avis qui concerne votre propre espace de travail. Listez chaque assistant avec son responsable et son usage. Reconstruisez d'abord les plus utilisés et testez chaque copie avec les mêmes questions. Trois éléments se transfèrent bien : le texte des consignes, les documents sources si vous avez gardé les originaux, et vos questions de test. Quatre éléments restent sur place. L'historique des conversations reste sur l'ancienne plateforme, et la part que vous pouvez en exporter dépend de ses outils d'administration. Les paramètres de partage doivent être refaits. Les actions, c'est-à-dire les appels d'un assistant vers vos autres systèmes, doivent être reconfigurées sur chaque plateforme. Une description OpenAPI de l'API peut être réutilisée là où la plateforme en accepte une. Et les réponses changeront, car chaque plateforme découpe et interroge les fichiers à sa manière et le modèle sous-jacent diffère.

Qui a le droit de voir quoi, et comment chaque voie traite-t-elle nos données ?

Demandez à chaque voie si vos données servent à entraîner les modèles du fournisseur et où elles sont traitées. Voici ce que disent les éditeurs :

• API OpenAI : « les données envoyées à l'API OpenAI ne sont pas utilisées pour entraîner ou améliorer les modèles d'OpenAI (sauf si vous choisissez explicitement de nous les confier) ».
• Microsoft 365 Copilot : les invites, les réponses et les données lues via Microsoft Graph (le service de données de Microsoft 365) ne servent pas à entraîner ses modèles de fondation. « Le trafic de l'UE reste dans l'EU Data Boundary, tandis que le trafic mondial peut être envoyé vers l'UE et d'autres pays ou régions pour le traitement par les LLM », et « les modèles fournis par Anthropic en tant que sous-traitant ultérieur sont actuellement exclus de l'EU Data Boundary ».
• Amazon Bedrock : « AWS et les fournisseurs de modèles tiers n'utiliseront aucune entrée ni sortie d'Amazon Bedrock pour entraîner Amazon Nova, Amazon Titan ou tout modèle tiers. » La FAQ générale d'AWS sur la confidentialité ajoute : « Vous choisissez la ou les régions AWS où votre contenu est stocké. » Avec un profil d'inférence interrégional global, Bedrock peut traiter une requête dans « n'importe quelle région commerciale AWS prise en charge dans le monde ».
• Gemini Enterprise Agent Platform (anciennement Vertex AI) : Google indique qu'il n'entraîne pas de modèles sur vos données sans votre autorisation ou instruction préalable. Il dit que les données au repos restent à l'endroit que vous choisissez, mais que les requêtes envoyées à un point d'accès global « peuvent être traitées dans n'importe quel emplacement Google Cloud dans le monde ».
• Un espace de travail ou une passerelle que vous hébergez : les données restent dans votre environnement jusqu'à leur transmission, puis les conditions du fournisseur de modèle s'appliquent. Une passerelle hébergée ajoute une société de plus.

Pour les données personnelles, le RGPD emploie le mot sous-traitant pour une société qui traite des données en votre nom. En termes simples, l'article 28 exige un contrat écrit et une action uniquement sur vos instructions documentées, sauf si la loi impose autre chose. Un autre sous-traitant ne peut être ajouté qu'avec votre autorisation écrite préalable. Cette autorisation peut être générale, et le sous-traitant doit alors vous informer des changements pour que vous puissiez vous y opposer. La page Foundry de Microsoft dit que le service Azure Machine Learning « agit en tant que sous-traitant pour les invites soumises et les contenus produits pour les déploiements serverless ». Pour les modèles Claude dans Foundry, Microsoft dit qu'Anthropic « agit en tant que sous-traitant indépendant » : vérifiez donc qui est le sous-traitant pour chaque modèle. Faites lire chaque contrat par votre propre conseil juridique.

Au sein de l'entreprise, un assistant ne doit montrer à une personne que ce qu'elle pourrait déjà ouvrir. Quelle que soit la voie, y compris Copilot, testez-le avec une seule connexion sur un dossier que cette personne ne doit pas voir.

Que demande concrètement la gouvernance ?

Les rôles viennent d'abord : qui est responsable de chaque assistant, qui valide un nouvel assistant et qui peut changer de modèle. Le cadre de gestion des risques de l'IA du NIST dit : « Les rôles, les responsabilités et les lignes de communication liés à la cartographie, à la mesure et à la gestion des risques de l'IA sont documentés et sont clairs pour les personnes et les équipes de toute l'organisation. »

Les validations viennent en deuxième. Envoyer un e-mail, modifier une fiche ou payer une facture doit attendre une personne, comme l'explique l'article sur la validation humaine, cité plus haut. Les journaux viennent en troisième : qui a demandé, quel modèle a répondu, quelle version de l'assistant a tourné, et ce que cela a coûté. Une passerelle peut écrire l'essentiel de cette trace pour chaque modèle que vous appelez, si votre logiciel envoie la personne et la version de l'assistant avec chaque requête.

Le quatrième élément est un registre des cas d'usage. Le guide pratique du NIST dit : « Des mécanismes existent pour inventorier les systèmes d'IA, avec des ressources proportionnées aux priorités de risque de l'organisation. » Un tableur partagé suffit pour commencer. Donnez à chaque ligne un cas d'usage, un responsable, le modèle, les données qu'il touche et une date de revue.

En quoi la tarification par utilisateur diffère-t-elle de la tarification par token ?

La tarification par utilisateur facture un montant fixe pour chaque utilisateur nommé. La tarification par token facture le texte que votre logiciel envoie et reçoit. Demandez à chaque éditeur le prix actuel par utilisateur par écrit, avec tous les minimums et toutes les options.

Pour les tokens, Anthropic publie une grille de prix en dollars américains. Elle affiche Claude Sonnet 5.5 à 2 dollars par million de tokens en entrée et 10 par million de tokens en sortie. Claude Haiku 5.5 coûte 0,10 et 0,50 dollar pour des invites allant jusqu'à 100 000 tokens.

Prenons une charge inventée de 1 000 requêtes par jour, chacune envoyant 3 000 tokens et en recevant 500, soit 3 millions de tokens en entrée et 0,5 million en sortie. Avec Sonnet 5.5, le coût est de 6 dollars pour l'entrée plus 5 pour la sortie, soit 11 dollars par jour. Avec Haiku 5.5, il est de 0,30 plus 0,25, soit 55 cents par jour. La charge est une hypothèse, et les revendeurs cloud peuvent facturer autrement.

Les tokens de sortie coûtent plus cher que ceux d'entrée, le choix du modèle fait varier la facture dans de grandes proportions, et les longs documents joints alourdissent la partie entrée. Fixez un budget sur la passerelle dès le premier jour.

À quoi ressemble le verrouillage, et que garder pour pouvoir partir ?

Le verrouillage se situe là où l'effort a été investi : dans les assistants construits dans l'éditeur d'un fournisseur, les fichiers stockés et préparés pour la recherche dans son système, les actions écrites dans son format, et l'historique que lui seul détient. Une passerelle peut elle aussi devenir un verrou si vos règles de routage sont écrites dans un format que seule elle sait lire.

Conservez le texte des consignes de chaque assistant dans un dépôt, avec les documents sources, vos questions de test et un export des journaux. Appelez les modèles via un point d'accès compatible OpenAI (un format de requête que de nombreux outils reprennent), et construisez les actions sur des formats ouverts comme une description OpenAPI (une description standard d'une API) ou le Model Context Protocol, qui se décrit comme « un standard open source pour connecter des applications d'IA à des systèmes externes ». Convenez dans le contrat des conditions d'export, de suppression et de préavis de retrait des modèles.

Quand construire notre propre plateforme se justifie-t-il ?

Construire se justifie quand l'IA fait partie du produit que vous vendez, car ce sont alors vos clients qui l'utilisent et aucune licence pour employés ne les couvre. C'est aussi justifié quand un processus demande une logique qu'aucun produit n'offre, comme un routage selon le contrat du client. Des règles sur les lieux de traitement autorisés des données peuvent aussi exclure toutes les offres hébergées.

C'est difficile à justifier pour la seule discussion entre employés. Les produits ci-dessus le font déjà, et vous prendriez en charge les mises à jour, le contrôle d'accès, les journaux et les astreintes.

Que demander à un éditeur ?

• Quels modèles pouvons-nous choisir, et qui décide quand l'un est remplacé ou retiré ?
• Nos données servent-elles à l'entraînement dans une formule quelconque, et où le contrat le dit-il ?
• Dans quelle région les données sont-elles traitées, et cela change-t-il selon le modèle que nous choisissons ?
• L'éditeur est-il notre sous-traitant au sens du RGPD, et quels sous-traitants ultérieurs utilise-t-il ?
• Un administrateur peut-il consulter et exporter les journaux des requêtes et des réponses ?
• Combien coûte un mois de notre usage réel, avec tous les minimums et toutes les options ?
• Que pouvons-nous emporter si nous partons, et sous quel format ?

Que demander à une société qui le construirait ?

• Quelles parties allez-vous construire, et lesquelles allez-vous configurer à partir de produits existants ?
• Cela tournera-t-il dans notre compte cloud, et qui détient les clés ?
• Comment testerez-vous chaque assistant avant le lancement, et qui valide de notre côté ?
• Que recevons-nous à la fin : code, configuration, jeux de tests, journaux, guides d'exploitation ?
• Qui l'exploite après le lancement, et combien cela coûte-t-il chaque mois ?

Où se situe amBrain ?

amBrain publie ce blog. Sur son propre produit, elle dit : « Notre propre produit, shyash.ai, repose sur des agents IA qui recherchent, rédigent, vérifient et mesurent à partir d'une mémoire commune des faits de l'entreprise. Une personne approuve tout ce qui est publié. »

Cet article n'est pas une étude de cas et ne décrit aucun travail pour un client. Il n'affirme pas qu'amBrain a construit une plateforme multimodèle ou une passerelle pour un client. La phrase ci-dessus concerne le produit propre d'amBrain, et les exemples sont généraux.

Les sociétés et projets nommés ici sont cités d'après leurs pages publiées, consultées le 10 novembre 2026. L'article n'affirme aucun lien entre amBrain et l'un d'eux et ne donne ni tarifs ni délais d'amBrain.

amBrain développe des logiciels depuis 2019. Sur sa façon de travailler avec ses clients, elle dit : « Trois formats : livraison complète, équipe dédiée ou ingénieurs intégrés à votre équipe. » Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Demandez la liste nominative de ces composants avant de signer.

Si amBrain figure dans votre présélection, posez-lui les mêmes questions qu'à n'importe quelle autre société.