Où faire tourner votre intelligence artificielle : dans le cloud d'un grand fournisseur, ou sur votre propre matériel, dans vos murs ? Il y a deux ans, la question ne se posait pas — seuls les datacenters avaient la puissance nécessaire. En septembre 2026, elle se pose sérieusement. Apple vient de lancer un Mac Studio taillé pour l'IAIA (Intelligence Artificielle)Ensemble de technologies permettant à des machines d'apprendre et d'effectuer des tâches habituellement réservées à l'in…Voir dans le glossaire → locale, Nvidia vient de racheter Hugging Face, et les chiffres d'adoption de l'inférence sur site explosent. Voici ce qui a changé, et comment arbitrer.
Le pari d'Apple : l'IA géante sur un coin de bureau
Le 25 août 2026, Apple a ouvert les précommandes de son nouveau Mac Studio, disponible depuis le 22 septembre. La version M5 Ultra propose 96, 256 ou 512 Go de mémoire unifiée, avec une bande passante mémoire de 1,2 To/s — 50 % de plus que la génération précédente. C'est cette bande passante, plus encore que la quantité de mémoire, qui fait la différence : l'inférence d'un grand modèle de langage est limitée par la vitesse à laquelle le processeur lit les poids du modèle, pas par sa puissance de calcul brute.
Concrètement, une machine à quelques milliers d'euros, posée sur un bureau, silencieuse, fait désormais tourner des modèles qui exigeaient un serveur GPU hors de prix il y a dix-huit mois. C'est un pari assumé d'Apple : l'intelligence artificielle n'est plus une affaire exclusive de datacenters.
Apple n'ouvre pas la voie, elle suit une trace déjà creusée par Nvidia. Le DGX Spark, lancé fin 2025 autour de 4 700 dollars, proposait déjà 128 Go de mémoire unifiée et un pétaflop de calcul dans un boîtier de quinze centimètres, capable d'exécuter des modèles jusqu'à 200 milliards de paramètres. Le message des deux constructeurs est le même : le poste de travail redevient une plateforme d'IA à part entière.
Et le 3 septembre 2026, Nvidia a confirmé le rachat de Hugging Face pour 12,9 milliards de dollars. Hugging Face, c'est la plateforme qui distribue les centaines de milliers de modèles ouverts que ces machines font tourner. En l'achetant, Nvidia verrouille toute la chaîne de l'IA locale : le matériel qui exécute les modèles, et la plateforme qui les distribue. Difficile d'envoyer un signal plus clair sur la direction du marché.
La souveraineté des données change de camp
Faire tourner un modèle en local, c'est d'abord une réponse à une question que toutes les entreprises se posent : où vont mes données ? Quand vos équipes envoient des contrats, des dossiers clients ou du code source à une APIAPIInterface permettant à deux logiciels de communiquer entre eux — par exemple, connecter votre site à un système de paiem…Voir dans le glossaire → d'IA américaine, ces données quittent vos murs — avec les questions juridiques (RGPD, secret des affaires, Cloud Act) que cela soulève.
- La part de l'inférence IA exécutée sur site ou en périphérie (edge) est passée de 12 % en 2023 à 55 % en 2026.
- Sur la même période, la part du cloud publicCloud publicInfrastructure cloud mutualisée gérée par un fournisseur tiers (AWS, Google Cloud, OVH). Les ressources sont partagées e…Voir dans le glossaire → pour l'inférence est tombée de 56 % à 41 % en un an.
- Gartner prévoit que plus de 75 % des entreprises européennes et du Moyen-Orient rapatrieront leurs charges de travail d'ici 2030 pour réduire le risque géopolitique.
- Selon Deloitte (State of AI in the Enterprise 2026), la souveraineté de l'IA est devenue un sujet de conseil d'administration, plus seulement de DSI.
Nous le constatons directement : de plus en plus de directions générales font appel aux Entrecodeurs pour arbitrer ces décisions. Le sujet est monté d'un cran — ce n'est plus seulement un choix de DSI, c'est un arbitrage de Codir et de Copil, au même titre qu'un choix d'ERPERPLogiciel de gestion intégré qui centralise dans un seul système les processus clés d'une entreprise : comptabilité, acha…Voir dans le glossaire → ou d'hébergement.
Un modèle qui tourne sur votre matériel ne fait sortir aucune donnée. Pas de clause contractuelle à négocier, pas de transfert transatlantique à justifier : le problème disparaît à la racine.
Quelle part du travail peut-on vraiment faire en local ?
Soyons honnêtes : un datacenter sera toujours meilleur. Les modèles frontière — les plus intelligents du marché — ne tiennent pas sur un poste de travail, et ne sont de toute façon pas distribués en poids ouverts. Pour le raisonnement complexe, les agents autonomes longue durée ou les très gros contextes, le cloud garde l'avantage.
Mais la vraie question est ailleurs : quelle part de votre usage quotidien exige réellement un modèle frontière ? Dans les faits, une grande partie des tâches en entreprise est très bien servie par un modèle ouvert local : rédaction et reformulation, résumés de documents, questions-réponses sur votre base documentaire interne (RAGRAG (Retrieval-Augmented Generation)Technique qui connecte une intelligence artificielle à vos bases de données et documents pour qu'elle réponde en s'appuy…Voir dans le glossaire →), classification, extraction de données, assistance au code. Ce sont des tâches répétitives, à fort volume — précisément celles qui font gonfler la facture d'API.
- Avec 128 Go de mémoire unifiée : Llama 3.3 70B tourne à 12-18 tokens/seconde — largement fluide pour un usage individuel ou une petite équipe.
- Avec 256 Go et plus : les grands modèles à mélange d'experts (MoE) deviennent accessibles — DeepSeek V3/R1 671B quantisé en 4-bit sort 6 à 18 tokens/seconde, Qwen3-235B entre 16 et 24 tokens/seconde selon le frameworkFrameworkBoîte à outils logicielle qui fournit une structure de base pour développer une application plus rapidement. React et La…Voir dans le glossaire →.
- Les modèles MoE n'activent qu'une fraction de leurs paramètres à chaque token : c'est exactement ce qui permet à une machine limitée par la bande passante de servir des modèles dont la taille brute semble hors de portée.
Réduire la facture et la dépendance
L'argument économique est devenu difficile à ignorer. À volume égal, un modèle ouvert auto-hébergé coûte jusqu'à 18 fois moins cher par million de tokens qu'une API premium. Les retours d'expérience documentés vont dans le même sens : une fintech a réduit sa dépense IA mensuelle de 47 000 à 8 000 dollars (-83 %) en passant en auto-hébergement hybride ; un autre cas rapporte plus de 140 000 dollars d'économies annuelles avec, au passage, 100 % de maîtrise des données.
L'enjeu dépasse la facture : c'est la dépendance. Quand toute votre chaîne de valeur repose sur l'API d'un fournisseur unique, vous subissez ses hausses de prix, ses changements de modèles, ses pannes et ses conditions d'utilisation. Un socle local — même partiel, même en complément du cloud — redonne une marge de négociation et un plan B.
L'approche raisonnable en 2026 n'est pas le tout-local, c'est l'hybride : le local pour les tâches à fort volume et les données sensibles, le cloud pour les cas qui exigent un modèle frontière. C'est l'arbitrage que nous construisons avec nos clients.
Les logiciels deviennent des harnais pour modèles
Il y a une lecture plus profonde de ce mouvement : le logiciel d'entreprise est en train de changer de nature. Une application métier moderne n'est plus seulement un ensemble d'écrans et de règles — c'est un harnais qui orchestre des modèles d'IA : il leur fournit le contexte, encadre leurs réponses, vérifie leurs sorties et les connecte à vos données. Le modèle devient un composant d'infrastructure, comme la base de données l'est depuis quarante ans. Et comme pour la base de données, la question « hébergée où ? » redevient un choix d'architecture, pas une fatalité.
Chez Les Entrecodeurs, nous en avons pleinement conscience : c'est déjà ainsi que nous concevons nos solutions d'intelligence artificielle. Pour les entreprises, cela signifie une double montée en compétence : savoir installer et opérer les logiciels (les harnais), mais aussi dimensionner et administrer le matériel qui fait tourner les modèles. C'est un métier — proche de l'infogérance, avec des enjeux de sécurité spécifiques — et il s'apprend maintenant, pendant que le mouvement est encore jeune.