Depuis un an, la plupart des dirigeants de PME que je rencontre commencent leur projet IA par un outil grand public, sans se poser la question de l'endroit où atterrissent leurs données. L'annonce faite par Mistral AI et NumSpot ce mois-ci donne un nouveau repère concret pour arbitrer ce choix, notamment pour les entreprises qui manipulent des données sensibles.

Ce qu'annoncent Mistral et NumSpot

Le 16 septembre 2026, Mistral AI et NumSpot ont annoncé le lancement d'un service d'IA managé entièrement hébergé en France. L'offre associe les modèles de Mistral à l'infrastructure cloud de NumSpot, qui a obtenu ce même mois la qualification SecNumCloud de l'ANSSI pour son offre IaaS ; la qualification du service managé Mistral proprement dit reste en cours. NumSpot prend en charge les ressources GPU, l'orchestration, le stockage, la supervision et la sécurité, pendant que Mistral fournit ses modèles. L'actionnariat de NumSpot, entièrement français et public-privé (Banque des Territoires, Docaposte, Dassault Systèmes, Bouygues Telecom), s'inscrit dans une logique assumée de souveraineté numérique.

Pourquoi la question de l'hébergement se pose de plus en plus tôt

Dans les projets que j'accompagne auprès de PME du Beaujolais ou de la région lyonnaise, la question "où vont nos données" arrive désormais souvent avant même celle du cas d'usage. Une entreprise industrielle qui veut faire analyser ses données de production par une IA générative, une PME de logistique qui automatise le traitement de ses documents de transport, ou un sous-traitant qui répond à des appels d'offres soumis à des clauses de confidentialité, manipulent des informations sensibles : données clients, contrats, parfois secrets de fabrication. Beaucoup adoptent un outil grand public parce qu'il est le plus visible, sans avoir vérifié précisément comment leurs données y sont traitées, stockées, et éventuellement réutilisées pour entraîner d'autres modèles.

Ce que change une offre comme Mistral-NumSpot

Une offre hébergée en France et qualifiée SecNumCloud ne rend pas un projet IA automatiquement pertinent, mais elle change la nature de l'arbitrage. Jusqu'ici, une PME qui voulait garder ses données sur le territoire national devait souvent renoncer aux modèles les plus performants ou accepter une intégration technique lourde. Le fait que NumSpot prenne en charge l'infrastructure complète, des ressources GPU jusqu'à la supervision, simplifie ce choix pour une entreprise qui n'a pas d'équipe IT dédiée à l'exploitation de serveurs. Pour une PME dont l'activité touche à des données sensibles, à un secteur régulé ou à des clauses de confidentialité imposées par un donneur d'ordre, disposer d'une alternative crédible aux plateformes américaines lève un frein réel à l'adoption. La souveraineté a toutefois un coût et suppose un niveau de maturité technique à intégrer : elle se pose au moment de choisir l'outil, une fois le cas d'usage clarifié, pas avant.

Le bon réflexe au moment du déploiement

Avant de choisir entre un outil grand public, une solution française souveraine ou un développement sur mesure, trois questions méritent une réponse écrite : quelles données seront exposées à l'outil, quelles contraintes contractuelles ou réglementaires s'appliquent (RGPD, clauses clients, secteur régulé), et quel budget réel est disponible pour la mise en production, pas seulement pour le test. Une PME du Beaujolais qui travaille avec l'agroalimentaire ou l'industrie n'a pas les mêmes contraintes qu'un cabinet de conseil lyonnais qui traite des données RH : la réponse à ces trois questions ne sera pas la même, et c'est précisément ce qui doit orienter le choix technique. C'est cette mise en oeuvre concrète, du choix de l'outil jusqu'au déploiement en conditions réelles, qui distingue un projet IA durable d'un pilote sans suite.