private-local.ai vs Palantir : le même argument à une autre échelle

Palantir ne vend pas de produit appelé IA locale. Elle publie au moins trois offres distinctes présentées comme locales ou souveraines, et il convient de les distinguer, car un lecteur qui les confond tirera une conclusion erronée sur ce qui est disponible.

La première est la Sovereign AI Operating System Reference Architecture, annoncée avec NVIDIA le 12 mars 2026 sous un titre affirmant que l'avenir de l'IA se trouve dans les locaux du client. Il s'agit d'un plan de référence éprouvé : l'ensemble de la suite logicielle de Palantir est qualifié pour fonctionner sur des systèmes NVIDIA Blackwell Ultra dotés de huit processeurs graphiques et d'une mise en réseau Spectrum-X, sur une plateforme de conteneurs renforcée. Elle propose trois modes de mise à disposition : votre propre matériel provenant de fabricants agréés, un cloud souverain dédié reposant sur des processeurs graphiques, ou du matériel dédié géré par Palantir. Des ingénieurs des deux entreprises la déploient, en travaillant aux côtés du client.

La deuxième est l'Open Model Engine, qui exécute les modèles ouverts Nemotron de NVIDIA au sein d'administrations publiques des États-Unis et d'industries critiques, y compris dans des environnements classifiés et dans des environnements dépourvus de toute connexion réseau externe. Son contenu le plus remarquable est une liste de dix engagements relatifs à l'entraînement des modèles, que Palantir présente comme appliqués par l'architecture plutôt que par des règles internes. On y trouve notamment l'entraînement exclusivement sur des données explicitement autorisées, la propriété, par l'institution, des poids du modèle obtenu, l'absence de mélange des données entre clients, le droit de tout exporter dans des formats ouverts, le droit de tout faire supprimer, la journalisation complète de chaque entraînement et une barrière qui empêche les données de l'institution d'améliorer les modèles commerciaux à usage général. L'argument sous-jacent concerne la propriété intellectuelle plutôt que la confidentialité : une entreprise qui dépend fortement du modèle d'une autre entreprise risque de voir ses connaissances accumulées absorbées dans des poids de modèle qu'elle ne possède pas, ne contrôle pas et ne peut pas auditer.

La troisième est la gamme de produits de Palantir destinée aux appareils de périphérie, qui relève d'une autre activité : elle coordonne des modèles et combine des données de capteurs sur des appareils déconnectés et à faible consommation, des drones et des satellites jusqu'aux éoliennes et aux robots d'usine, avec des modèles enchaînés d'un appareil à l'autre et mis à jour en continu sur l'ensemble de la flotte.

Un détail passe facilement inaperçu : la documentation de Palantir destinée aux développeurs est nettement plus mesurée que ses pages consacrées à la souveraineté. Elle permet d'enregistrer un modèle que le client héberge sur son propre matériel, dans ses propres locaux ou sans aucune connexion réseau externe, mais elle recommande généralement les modèles hébergés fournis par Palantir et suggère d'enregistrer un modèle propre au client principalement lorsque des raisons juridiques ou de conformité excluent l'option par défaut. Les modèles hébergés par le client perdent en outre certaines fonctionnalités de la plateforme, telles qu'AIP Assist et Pipeline Builder. La souveraineté est donc disponible, mais elle n'est pas l'option par défaut.