Mode de déploiement dans lequel les logiciels, modèles d'IA et données sont hébergés sur les serveurs physiques de l'organisation, à l'intérieur de ses propres locaux ou data centers. L'on-prem offre un contrôle maximal sur la sécurité, la souveraineté des données et la latence, mais implique des coûts d'infrastructure et de maintenance élevés. C'est souvent le choix privilégié pour les systèmes d'IA à haut risque (AI Act) traitant des données sensibles.
Le déploiement sur site offre un contrôle accru sur la souveraineté des données, la sécurité et la traçabilité des opérations, éléments cruciaux pour la conformité au RGPD et aux exigences de l'AI Act pour les systèmes à haut risque (Art. 9 gestion des risques, Art. 10 gouvernance des données, Art. 12 journalisation, Art. 14 Supervision humaine). En contrepartie, l'entreprise internalise l'empreinte carbone (Scope 2 électricité, Scope 3.1 GPU) et supporte les coûts de maintenance et de mise à jour de sécurité, qui doivent être documentés dans ESRS E1 et ESRS G1. L'arbitrage on-prem vs cloud est un jugement significatif au sens d'ESRS 2 BP-2 à formaliser dans la note méthodologique.
Un hôpital déploie son modèle d'IA de diagnostic médical on-premise pour garantir que les données patients ne quittent jamais l'infrastructure hospitalière, conformément au RGPD et aux exigences de l'AI Act pour les systèmes à haut risque.
Termes connexes (Technologie)
IA fantôme (Shadow AI)
Utilisation non autorisée d'outils d'intelligence artificielle par les employés, contournant les politiques de sécurité, de conformité et de gouvernance de l'entreprise. Ce phénomène représente un risque ESG majeur : fuite de données sensibles, non-conformité RGPD/IA Act, absence de traçabilité et d'audit.
Ingénierie de prompt ESG
Discipline d'optimisation des instructions textuelles (prompts) données aux modèles d'IA pour obtenir des réponses pertinentes, précises et conformes aux exigences du reporting de durabilité. Inclut la structuration des requêtes, l'injection de contexte réglementaire et la réduction des hallucinations.
Hallucination IA
Génération par un modèle d'IA de contenus faux, inventés ou non étayés par les données sources, présentés avec une apparence de certitude. Risque critique pour le reporting ESG où l'exactitude et la traçabilité des informations sont essentielles pour l'audit externe.
Token (unité de traitement IA)
Unité élémentaire de texte traitée par les modèles de langage (environ 4 caractères ou 0,75 mot en français). Le nombre de tokens détermine le coût de calcul, la consommation énergétique et l'empreinte carbone d'une requête IA. Métrique clé pour l'optimisation Green AI.
GPU (Processeur graphique)
Processeur spécialisé dans le calcul parallèle, essentiel pour l'entraînement et l'inférence des modèles d'IA. Les GPU représentent la principale source de consommation énergétique et d'émissions carbone des infrastructures IA, avec des enjeux d'approvisionnement en terres rares et de recyclage.
Récupération de chaleur fatale (data center)
Valorisation de la chaleur résiduelle générée par les serveurs et GPU des centres de données pour alimenter des réseaux de chauffage urbain, des serres agricoles ou des processus industriels. Levier clé d'économie circulaire pour réduire l'impact environnemental net des infrastructures IA.