private-local.ai vs Private AI, aujourd'hui Limina : le caviardage ou votre propre matériel

Publié 23 septembre 2026Mis à jour 8 octobre 202613 minutes de lecture

private-local.ai vs Private AI, qui s'appelle Limina depuis mars 2026, constitue un choix entre deux approches différentes d'un même problème.

Le problème est que certains documents ne peuvent pas simplement être transmis à un tiers. Limina y répond en supprimant les informations sensibles des documents avant que ceux-ci ne soient envoyés où que ce soit. Nous y répondons en vous aidant à déterminer si le modèle pourrait plutôt fonctionner sur une machine qui vous appartient. Supprimer les informations sensibles constitue le changement le plus modeste, mais la détection est automatisée, et l'intelligence artificielle (IA) commet des erreurs : il est donc impossible d'avoir la certitude absolue que chaque élément sensible a été supprimé. Un modèle installé sur votre propre machine rend cette question superflue.

Quand votre propre machine est le meilleur choix

Le caviardage fonctionne lorsque l'information sensible est un détail dont la tâche peut se passer, comme le nom d'un client dans une demande d'assistance. Il atteint ses limites dans deux situations. La première concerne les documents qui doivent rester entièrement confidentiels, pour lesquels un seul élément non détecté constituerait déjà une violation ; or, selon le test de référence de Limina elle-même, certains éléments échappent à la détection. La seconde concerne les documents dont la valeur réside dans le contenu lui-même, comme des plans, du code source, des formules ou les conditions d'une transaction : il ne s'agit pas d'informations personnelles, le caviardage n'est donc pas conçu pour les supprimer, et leur suppression rendrait la tâche impossible. Dans ces deux situations, un modèle installé sur une machine appartenant à votre entreprise est le meilleur choix, car les documents sont traités au sein de votre propre réseau et ne parviennent à aucun tiers.

Secteur	Scénario	Pourquoi le caviardage ne suffit pas
Cabinets d'avocats	Un avocat fait examiner par un modèle un contrat de cession d'actions et lui fait résumer les clauses de responsabilité à l'intention d'un client.	Les parties, les montants et les clauses constituent la substance de l'examen ; le caviardage supprimerait donc précisément ce dont le modèle a besoin. Le secret professionnel oblige en outre le cabinet à préserver la confidentialité des informations de ses clients.
Conseillers fiscaux et auditeurs	Un conseiller fiscal fait vérifier par un modèle les comptes annuels d'un client et lui fait préparer des notes pour la déclaration fiscale.	Les chiffres, les numéros de compte et les noms de sociétés constituent le contenu même du travail, et un seul détail oublié révélerait à un tiers la situation financière d'un client.
Cabinets médicaux et cliniques	Une clinique fait rédiger par un modèle des lettres de sortie à partir des notes de traitement.	Les données de santé relèvent des catégories particulières de données à caractère personnel au sens du règlement général sur la protection des données (RGPD). Même sans nom, un diagnostic rare associé à des dates et à des lieux peut permettre d'identifier un patient.
Industrie et ingénierie	Un bureau d'études fait comparer par un modèle des spécifications de conception, des tolérances et des paramètres de procédé sur plusieurs générations de produits.	Le secret d'affaires réside dans le contenu technique lui-même, et non dans des informations personnelles. Le caviardage est conçu pour repérer les informations personnelles, médicales et de paiement ; il transmettrait donc les plans au fournisseur sans aucune modification.
Éditeurs de logiciels	Une équipe de développement fait relire et restructurer par un modèle son code source propriétaire.	Le code source constitue la propriété intellectuelle de l'entreprise et aussi l'objet même de la tâche ; il ne peut donc pas être supprimé sans supprimer le travail lui-même.
Recherche pharmaceutique et chimique	Une équipe de recherche fait analyser par un modèle des résultats d'essais non publiés et lui fait rédiger une demande de brevet.	Les résultats de recherche et les inventions ont le plus de valeur avant leur publication ou leur dépôt, et le caviardage ne reconnaît pas une invention comme une information sensible.
Finance d'entreprise et fusions-acquisitions	Une équipe financière fait analyser par un modèle des documents de due diligence avant l'annonce d'un rachat.	Avant l'annonce, l'opération peut elle-même constituer une information privilégiée, et les noms des sociétés, les prix et les dates ne peuvent pas être supprimés sans vider l'analyse de son sens.

private-local.ai vs Private AI (Limina) : les principales différences

Critère	private-local.ai	Private AI, aujourd'hui Limina
Ce qui est fourni	Vous recevez un accès temporaire à une machine, un modèle et une configuration de déploiement désignés précisément, au moyen d'une adresse web et d'une clé d'accès. La configuration est documentée, de sorte qu'un résultat puisse être reproduit ultérieurement sur du matériel qui vous appartient.	Limina fournit un conteneur logiciel qui détecte, caviarde et remplace les informations personnelles, de santé et de paiement dans les textes, les documents, les images, les fichiers audio et les données structurées. Il couvre 52 langues et plus de 50 catégories d'informations.
Qui exploite le système	Nous exploitons la machine et le modèle pendant toute la durée de l'essai ; vous connectez vos propres outils et exécutez vos propres processus de travail. Si vous achetez ensuite une machine, c'est votre entreprise qui l'exploite.	Votre organisation l'exploite. Le conteneur est conçu pour fonctionner sur votre propre infrastructure, à raison d'une instance par machine, sur Docker ou Kubernetes. Limina propose également une version de démonstration hébergée, destinée à l'évaluation avant un achat.
Où le traitement a lieu	Pendant l'essai, le travail s'exécute sur la machine que vous avez choisie, que nous exploitons pour votre compte. Une machine que vous achetez ensuite fonctionne là où votre entreprise l'installe.	Le traitement a lieu au sein de votre propre réseau ou de votre propre compte cloud. La documentation de Limina indique que les données ne quittent jamais votre infrastructure, et l'installation sur un réseau dépourvu de toute connexion externe, dite installation isolée (air-gapped), est prise en charge.
Quels modèles sont utilisés	L'essai utilise des modèles ouverts que nous désignons précisément et dont nous fixons la version, choisis en fonction du matériel testé. Aucun modèle propriétaire, qu'il soit le nôtre ou celui d'une autre entreprise, ne fonctionne sur cette configuration.	Limina ne fournit aucun modèle, et c'est le point le plus souvent négligé. Limina ne répond pas aux questions ; son produit filtre les documents avant qu'ils n'atteignent le modèle qui y répond, que ce modèle soit hébergé par un fournisseur ou fonctionne sur votre propre matériel.
Comment les coûts sont structurés	L'essai est facturé à un tarif horaire, publié sur notre page des tarifs. Vous décidez ensuite d'acheter ou non du matériel.	Limina ne publie pas ses prix. Les licences destinées aux entreprises sont négociées au cas par cas.
Pour quelles organisations	L'essai convient aux entreprises de moins de 5 000 salariés qui envisagent l'achat d'une machine et souhaitent d'abord la voir traiter leur propre travail. Il peut s'agir, par exemple, d'un industriel qui souhaite un assistant pour sa documentation technique, d'un cabinet d'avocats ou de conseil fiscal qui prévoit de traiter les dossiers de ses clients sur son propre matériel, ou d'une agence d'automatisation dont les clients demandent des processus de travail exécutés en local.	Limina convient principalement aux grandes organisations des secteurs réglementés, comme les banques, les assureurs, les laboratoires pharmaceutiques et les groupes hospitaliers, qui se satisfont de modèles hébergés tant qu'aucune information identifiante ne parvient au fournisseur. Parmi ses clients cités figurent Boehringer Ingelheim, Zurich Insurance, MUFG Bank et Providence Health. Il peut s'agir, par exemple, d'un assureur qui souhaite qu'un modèle hébergé résume la correspondance relative aux sinistres sans transmettre de noms, d'adresses ni de numéros de police.

Ce qu'est Limina

Private AI est une entreprise basée à Toronto, fondée en 2019. Le 5 mars 2026, elle a pris le nom de Limina ; son adresse web d'origine redirige désormais vers la nouvelle, tandis que sa documentation reste accessible à l'ancienne adresse. Elle vend un produit unique : un conteneur logiciel qui repère les informations sensibles dans vos documents et les supprime avant que ceux-ci n'atteignent un modèle, une chaîne de traitement de données ou un analyste.

Limina affirme reconnaître plus de 50 catégories d'informations personnelles, médicales et de paiement dans 52 langues, y compris dans des textes qui changent de langue au milieu d'une phrase, et traiter le texte brut, les documents, les images, l'audio et les données structurées. Son principal argument est qu'elle interprète le contexte au lieu de rechercher des motifs fixes, de sorte qu'elle peut reconnaître un nom même lorsque le mot n'en a pas l'apparence. Selon les chiffres qu'elle publie, elle laisse passer entre 0,2 et 7 % des éléments sensibles, contre 13,8 à 46,5 % pour les solutions concurrentes qu'elle a testées, sur des jeux de test de 45 000 mots. De l'aveu même de l'entreprise, certains éléments sensibles ne sont donc pas détectés.

Le modèle de déploiement de Limina est simple, et il est instructif pour cette comparaison. Limina fonctionne sous la forme d'un conteneur par machine, sur Docker ou Kubernetes, dans votre propre compte cloud ou dans vos propres locaux, et peut également être installé sur un réseau dépourvu de toute connexion externe. La configuration minimale publiée pour la version qui fonctionne sur le seul processeur est un processeur 64 bits standard avec 7,5 gigaoctets de mémoire libre et 50 gigaoctets d'espace disque ; la version accélérée nécessite une carte graphique NVIDIA dotée d'au moins 16 gigaoctets de mémoire et s'adresse aux organisations qui effectuent des milliards de requêtes par mois. Ces exigences matérielles modestes ont leur importance, car elles signifient que Limina offre une voie vers la protection des données qui ne commence pas par un investissement en équipement.

Le site web de Limina cite des clients issus de secteurs réglementés, parmi lesquels Boehringer Ingelheim, Zurich Insurance, MUFG Bank et Providence Health. L'entreprise fait état d'un audit System and Organization Controls 2 (SOC 2) et d'une certification selon la norme de sécurité de l'information ISO 27001, et affirme faciliter la conformité au Health Insurance Portability and Accountability Act (HIPAA), au règlement général sur la protection des données (RGPD), au California Privacy Rights Act (CPRA) et au Payment Card Industry Data Security Standard (PCI DSS).

L'adresse web private.ai est facilement confondue avec Private AI, mais elle appartient à un service de discussion grand public sans aucun lien avec l'entreprise.

Les points forts de Limina

Si le seul obstacle tient au fait que les données des clients ne doivent pas parvenir à un tiers, supprimer les informations identifiantes représente un changement plus modeste que de transférer le modèle sur votre propre matériel.
Limina fonctionne sur du matériel ordinaire et sur des réseaux dépourvus de toute connexion externe ; répondre à une exigence de protection des données ne requiert donc ni investissement en équipement ni procédure d'achat.
Limina cite de grands clients issus de secteurs réglementés et fait état d'un audit SOC 2 et d'une certification ISO 27001.

Les limites de Limina

Limina n'est ni un modèle ni une alternative à un modèle. Il faut toujours un modèle pour répondre à vos questions, et ce modèle peut continuer de fonctionner chez un fournisseur de cloud, avec les coûts et la dépendance que cela implique.
Le caviardage protège les informations personnelles, et non les secrets d'affaires : les plans, le code source et les formules parviennent sans modification au fournisseur du modèle. Un travail qui repose sur les informations caviardées, comme l'examen d'un contrat pour lequel il importe de savoir qui a signé quel document, se prête mal à cette approche une fois les noms supprimés.
La détection est automatisée et, selon le test de référence de Limina elle-même, elle laisse passer certains éléments sensibles ; il est donc impossible d'avoir la certitude absolue que tout a été supprimé. Limina ne publie pas non plus ses prix.

Quelle option convient à quelle organisation

Limina est le meilleur choix si

Le seul obstacle à l'utilisation de ChatGPT ou d'un assistant conversationnel d'IA similaire est que les informations identifiantes ne doivent pas lui parvenir, et un élément non détecté de temps à autre serait acceptable.
La qualité des modèles hébergés vous satisfait, et leur coût ne constitue pas une préoccupation.
Vous avez besoin rapidement d'une solution de protection des données, sur du matériel que vous possédez déjà, avec des certifications qu'un auditeur reconnaîtra.

Votre propre machine est le meilleur choix si

Vos documents exigent une confidentialité totale des données. Selon le test de référence de Limina elle-même, le caviardage laisse passer entre 0,2 et 7 % des éléments sensibles, ce qui est beaucoup trop élevé pour des dossiers clients, des dossiers de patients ou des secrets d'affaires, pour lesquels un seul élément non détecté constitue déjà une violation. Le caviardage échoue également lorsque le travail dépend des informations qui seraient supprimées, ou lorsque les documents relèvent de votre propriété intellectuelle, comme des plans, du code source ou des formules.
Votre principale préoccupation est le coût ou le volume plutôt que la protection des données : la même tâche s'exécute en continu, et un abonnement par personne n'est plus rentable.
Vous souhaitez réduire votre dépendance à l'égard d'un fournisseur de modèles, plutôt que de vous contenter de protéger les documents que vous lui transmettez.

Sources et remarques

Toutes les informations relatives à Limina figurant sur cette page ont été relevées sur le site web et dans la documentation de l'entreprise elle-même le 22 septembre 2026, puis vérifiées à nouveau le 23 septembre 2026, notamment la date du changement de nom, le nombre de langues et de catégories, la configuration minimale publiée et les chiffres de précision. Il s'agit des affirmations et des résultats de tests de référence de Limina elle-même, et ils sont présentés comme tels.

Les chiffres de précision doivent être lus avec prudence. Limina a choisi les jeux de test, les concurrents retenus pour la comparaison et la définition d'un élément manqué, et un test de référence publié par un fournisseur émane d'une partie intéressée au résultat. Cela ne rend pas les chiffres inexacts, mais nous n'avons connaissance d'aucune vérification indépendante de ceux-ci.

Si une information figurant sur cette page n'est plus à jour, veuillez nous le signaler et nous la corrigerons.

Pour aller plus loin : les quatre autres comparatifs portent sur ChatGPT, Palantir, le moteur open source LocalAI et l'assistant sur site Seesa ; la page des tarifs indique le tarif horaire.

Questions sur private-local.ai et Private AI

private-local.ai vs Private AI : laquelle des deux solutions choisir ?

Cela dépend de ce qui vous empêche aujourd'hui d'utiliser un modèle hébergé. Si le seul obstacle est que les informations identifiantes ne doivent pas parvenir à un tiers, et qu'un élément non détecté de temps à autre est acceptable, le caviardage avec Private AI, aujourd'hui Limina, constitue le changement le plus modeste. Si l'obstacle est le coût de volumes importants, la dépendance à l'égard d'un fournisseur ou des documents qu'il est impossible de sécuriser en se contentant d'en retirer les noms, la question est de savoir si un modèle installé sur votre propre matériel pourrait accomplir le travail, et un essai avec une tâche représentative y répond.

Private AI et Limina sont-elles la même entreprise ?

Oui. Private AI, fondée à Toronto en 2019, a pris le nom de Limina le 5 mars 2026 ; son adresse web d'origine redirige désormais vers la nouvelle, tandis que sa documentation reste accessible à l'ancienne adresse. Les deux noms désignent la même entreprise et le même produit. Deux autres noms prêtent facilement à confusion : l'adresse web private.ai correspond à un service de discussion grand public proposé par abonnement et exploité par une autre entreprise, sans lien avec Limina, et le nom PrivateGPT a été utilisé à la fois par Private AI et par un projet open source sans rapport avec elle.

Limina exécute-t-elle un modèle de langage pour nous ?

Non, et c'est le malentendu le plus fréquent. Limina est un filtre et non un modèle : son produit repère les informations personnelles, médicales et de paiement dans vos documents et les supprime ou les remplace avant que ceux-ci ne soient transmis. Un modèle distinct reste nécessaire pour répondre à vos questions, et ce modèle peut fort bien être un service hébergé, avec les coûts et la dépendance que cela implique.

Le caviardage suffit-il si nos données doivent rester entièrement confidentielles ?

Non. Selon le test de référence de Limina elle-même, le caviardage laisse passer entre 0,2 et 7 % des éléments sensibles ; dans des documents contenant 1 000 noms, montants ou diagnostics, entre 2 et 70 d'entre eux parviendraient donc au fournisseur du modèle sans avoir été détectés. Pour des dossiers clients, des dossiers de patients ou des secrets d'affaires, pour lesquels un seul élément non détecté constitue déjà une violation, ce taux est beaucoup trop élevé. Un modèle installé sur une machine appartenant à votre entreprise évite ce problème, car les documents sont traités au sein de votre propre réseau et ne parviennent à aucun tiers.

Déterminez si votre propre machine conviendrait à votre travail

Choisissez une configuration, connectez l'outil que vous utilisez déjà et exécutez une tâche représentative. En une ou deux heures, vous saurez si une machine qui vous appartient peut accomplir le travail, avant d'en acheter une.

Demander un point d'accès