Exécuter des LLM en local pour la conformité HIPAA et RGPD
Si des dossiers de patients ou des données personnelles de l'UE passent par votre IA, l'endroit où s'exécute le modèle compte autant que la façon dont il répond. Voici comment un LLM local ou auto-hébergé change votre posture de conformité en 2026, les preuves que les régulateurs réclament réellement, et le travail que l'auto-hébergement ne fait pas à votre place.
Ce que couvre l’article7
- Pourquoi « où s'exécute le modèle » est désormais une question de conformité
- Ce que l'hébergement local règle réellement (et ce qu'il ne règle pas)
- Le journal d'audit est le livrable, pas le modèle
- Traitez aussi les sorties du modèle comme des données réglementées
- La couche du règlement européen sur l'IA par-dessus le RGPD
- Une architecture de référence qui produit des preuves
- Quand le local est le bon choix, et comment Pineido aide
Pourquoi « où s'exécute le modèle » est désormais une question de conformité
Lorsque vous envoyez une invite à une API d'IA hébergée, vous prenez une décision de traitement des données à chaque requête. Un résumé clinique, un ticket de support comportant le nom d'un client, une note RH : tout cela quitte votre frontière à l'instant où cela atteint un point de terminaison externe. Sous HIPAA, tout service qui reçoit, traite ou stocke des informations de santé protégées (PHI) a besoin d'un accord de partenaire commercial (BAA), et envoyer ne serait-ce qu'un seul nom de patient à une API non couverte peut constituer une violation. Sous le RGPD, une invite contenant un nom, une adresse e-mail ou un détail de santé est un événement de traitement, et si elle atterrit sur un point de terminaison hébergé aux États-Unis, c'est aussi un transfert transfrontalier régi par le chapitre V. Exécuter le modèle sur du matériel que vous contrôlez fait s'effondrer les deux problèmes. Il n'y a aucun tiers avec qui partager les données ni aucun trafic sortant à inspecter, car l'inférence se produit à l'intérieur de votre propre réseau. C'est l'attrait central des LLM locaux pour le travail réglementé : vous changez la question de « pouvons-nous confier ces données à ce fournisseur ? » à « les données ne sont jamais sorties ».
Ce que l'hébergement local règle réellement (et ce qu'il ne règle pas)
Soyez honnête avec vous-même au sujet de la frontière. L'auto-hébergement élimine deux catégories de risque précises et de grande valeur. D'abord, la relation avec le sous-traitant tiers : aucun BAA n'est nécessaire pour le modèle lui-même, car il n'y a aucun partenaire commercial. Ensuite, les transferts internationaux : si le GPU est dans votre baie ou sur un serveur dédié que vous exploitez dans la région, l'exposition à Schrems II et au CLOUD Act américain disparaît en grande partie, car il n'y a aucun responsable étranger à contraindre. Ce que l'hébergement local ne règle pas, c'est tout ce qui se trouve en aval du modèle. Vous avez toujours besoin d'une base légale pour le traitement au titre du RGPD, d'une évaluation des risques documentée (une AIPD pour un traitement à haut risque dans l'UE), de la minimisation des données, de politiques de conservation et de suppression, de la gestion des droits des personnes concernées, de procédures en cas de violation et de contrôles de sécurité. Comme l'a dit sans détour un guide de 2026 : l'on-premise élimine le risque de transfert mais reste nécessaire, pas suffisant. Il supprime les façons les plus simples d'échouer à un audit ; il ne supprime pas le travail.
Le journal d'audit est le livrable, pas le modèle
Les régulateurs ne demandent pas à voir les poids de votre modèle. Ils demandent qui a accédé à quoi, quand et pourquoi. Les contrôles d'audit et le principe du minimum nécessaire de HIPAA, le principe de responsabilité du RGPD et les exigences de journalisation du règlement européen sur l'IA convergent tous vers le même artefact : un enregistrement complet et inviolable de l'activité. Pour un LLM local, cela signifie journaliser les événements d'accès sans journaliser la charge utile sensible. La règle cardinale est que vos journaux doivent consigner « L'utilisateur X a interrogé l'enregistrement Y à 14:02 », jamais « Le Dr Smith a consulté les résultats VIH de John Doe ». Les PHI et les données personnelles à l'intérieur des fichiers journaux sont l'une des sources de violation les plus courantes et les plus dommageables, précisément parce que les journaux sont copiés, expédiés vers des outils d'observabilité et conservés bien plus longtemps que quiconque ne l'avait prévu. Construisez le journal de sorte qu'il prouve le contrôle sans devenir une seconde copie des données que vous cherchez à protéger : type d'événement, acteur, identifiant de ressource, horodatage, résultat et un identifiant de requête, stockés en mode ajout seul avec un accès restreint.
Traitez aussi les sorties du modèle comme des données réglementées
Un piège subtil avec n'importe quel LLM, local ou hébergé, est que la sortie est elle aussi un enregistrement. Si votre dispositif de récupération fait entrer l'âge, le diagnostic et le nom de l'établissement d'un patient dans la fenêtre de contexte et que le modèle renvoie une combinaison de ces éléments, cette réponse est un enregistrement sensible au sens de HIPAA même s'il a été assemblé plutôt que copié. La même logique s'applique aux données personnelles au titre du RGPD : les détails inférés ou recombinés restent des données personnelles. Ainsi, la logique de traitement, de stockage et d'affichage des sorties de votre application doit traiter le texte généré avec le même soin que les enregistrements sources. En pratique, cela signifie restreindre ce que la récupération peut faire remonter, garder les identifiants bruts hors de la fenêtre de contexte là où vous le pouvez (exposez plutôt des codes, des agrégats et des caractéristiques limitées à la tâche), et appliquer aux sorties stockées les mêmes contrôles d'accès qu'à la base de données sous-jacente. L'hébergement local garde toute cette boucle à l'intérieur de votre frontière, ce qui est exactement la raison pour laquelle c'est la posture la plus solide pour les données de catégorie particulière.
La couche du règlement européen sur l'IA par-dessus le RGPD
Le RGPD régit les données personnelles. Le règlement européen sur l'IA régit le comportement du système d'IA, et en 2026 le calendrier se précise enfin. Les pratiques interdites sont applicables depuis février 2025, et les obligations relatives aux modèles d'IA à usage général sont entrées en vigueur en août 2025. Le grand changement de cette année est le Digital Omnibus, un accord provisoire conclu en mai 2026 qui reporte les obligations à haut risque de l'annexe III d'août 2026 à décembre 2027, avec des obligations de transparence plus larges arrivant en décembre 2026. Considérez décembre 2027 comme votre point d'ancrage de planification pour les systèmes à haut risque tels que ceux utilisés dans le recrutement ou la notation de crédit, tout en confirmant l'adoption finale plus tard en 2026, puisque le report reste un accord politique provisoire au moment de la rédaction. Pour les systèmes à haut risque, le règlement exige les mêmes briques que la bonne ingénierie veut déjà : gouvernance des données, documentation technique, tenue de registres et journalisation, supervision humaine, ainsi qu'exactitude et robustesse. Un déploiement local doté d'une journalisation d'audit solide et d'une étape de revue avec un humain dans la boucle a déjà parcouru l'essentiel du chemin. Rien de tout cela n'est un conseil juridique ; confirmez la portée et les dates avec un professionnel qualifié de la protection des données pour votre déploiement spécifique.
Une architecture de référence qui produit des preuves
Une configuration de LLM local défendable en 2026 ressemble à ceci. L'inférence s'exécute sur du matériel que vous contrôlez : un seul GPU de 80 Go sert confortablement un modèle à poids ouverts de classe 70B en quantification 4 bits pour une petite équipe, et l'écosystème à poids ouverts (Llama, Mistral, Qwen et la famille GPT-OSS sous licence Apache) est désormais exploitable en production, de sorte que vous n'avez rien à entraîner. Utilisez Ollama pour le développement, l'edge et les pilotes en environnement isolé, car il s'installe sous forme d'un binaire unique et les fichiers de modèle voyagent sur une clé USB ; passez à vLLM pour le service de production multi-utilisateurs lorsque la concurrence dépasse une poignée d'utilisateurs. Entourez le modèle de contrôles de sortie stricts pour qu'il ne puisse pas communiquer vers l'extérieur, d'un accès granulaire basé sur les rôles, d'un chiffrement au repos et en transit, de journaux d'audit immuables et d'une revue humaine pour toute sortie affectant un patient ou les droits d'une personne. Gardez les PHI et les données personnelles brutes à l'intérieur de vos propres systèmes et n'exposez à la fenêtre de contexte que des données gouvernées et limitées à la tâche. L'objectif de l'architecture n'est pas seulement d'être privée ; c'est de faire en sorte que la preuve de conformité découle du fonctionnement normal.
Quand le local est le bon choix, et comment Pineido aide
Le local est la meilleure réponse quand vous traitez des données de catégorie particulière (santé, biométrie, ou tout ce qui relève de l'article 9 du RGPD), quand vous ne pouvez pas accepter le risque d'un transfert transfrontalier, ou quand un environnement isolé du réseau est une exigence stricte. Le compromis honnête est opérationnel : l'auto-hébergement demande une vraie capacité DevOps pour l'entretien des GPU, les mises à jour de modèles et le suivi de conformité, et les prix des API hébergées ont fortement baissé de 2025 à 2026, donc modélisez votre volume de jetons et votre seuil de rentabilité au lieu de le supposer. Si vous voulez la souveraineté sans monter vous-même toute la pile, c'est l'écart que nous comblons. Pineido propose des services de déploiement d'IA locale à périmètre distinct. Les contrôles d'accès, la journalisation, les restrictions réseau et les procédures d'exploitation doivent être spécifiés et testés pour le flux de travail concerné. Pineido Studio est un produit distinct sur une clé USB physique ; il ne comprend ni mise en conformité ni certification. Pour les équipes qui veulent une maîtrise durable de l'architecture, un CTO à temps partagé maintient la posture de conformité à jour à mesure qu'arrivent les échéances de l'AI Act.
Prêt à livrer ?
Dites-nous où vous bloquez. Nous l’examinons et vous envoyons une recommandation ciblée sous un jour ouvré.
Des idées opérationnelles chaque semaine
Rejoignez les dirigeants d’entreprises de services qui reçoivent chaque semaine une idée concrète sur les opérations, l’automatisation et la croissance.
Pas de spam. Désabonnement à tout moment.
Vous êtes inscrit ! Surveillez votre boîte de réception pour le prochain numéro.
L’envoi a échoué. Réessayez ou écrivez à [email protected].
Questions fréquentes
Exécuter un LLM en local nous rend-il automatiquement conformes à HIPAA ?
Non. L'hébergement local supprime le besoin d'un BAA avec le fournisseur du modèle car aucun tiers ne reçoit les données, et c'est un gain majeur. Mais la conformité HIPAA dépend toujours de vos propres contrôles : une journalisation d'audit qui consigne l'accès sans consigner les PHI, un accès au minimum nécessaire, le chiffrement, des procédures en cas de violation, et des BAA avec tout autre service qui touche aux PHI dans votre chaîne. L'hébergement local rend la production des preuves bien plus facile ; il ne rend pas les contrôles facultatifs.
Pour le RGPD, un modèle auto-hébergé vaut-il mieux qu'une API cloud en région UE ?
Pour les données de catégorie particulière comme les informations de santé, la plupart des délégués à la protection des données recommandent toujours l'auto-hébergement, car il supprime à la fois la relation avec le sous-traitant tiers et la question du transfert transfrontalier, y compris l'exposition résiduelle au CLOUD Act américain. Pour des charges de travail B2B ordinaires, un LLM cloud en région UE peut être défendable avec un solide accord de traitement des données et une AIPD réalisée. Les facteurs décisifs sont la sensibilité des données et la part de risque de transfert que vous pouvez accepter.
Quel type de journaux d'audit les régulateurs attendent-ils ?
Ils veulent un enregistrement complet et inviolable de qui a accédé à quoi, quand et avec quel résultat, stocké en mode ajout seul avec un accès restreint. La discipline clé consiste à journaliser l'événement sans journaliser la charge utile sensible : consignez qu'un utilisateur a interrogé un enregistrement précis à un instant précis, et non le contenu de cet enregistrement. Les PHI ou données personnelles à l'intérieur des fichiers journaux sont une source de violation courante et grave, alors le journal doit prouver le contrôle sans devenir une seconde copie des données protégées.
Quelles échéances du règlement européen sur l'IA devons-nous planifier en 2026 ?
Les pratiques interdites s'appliquent depuis février 2025 et les obligations relatives aux modèles d'IA à usage général depuis août 2025. En vertu de l'accord Digital Omnibus conclu en mai 2026, les obligations à haut risque de l'annexe III sont reportées à décembre 2027, avec des obligations de transparence plus larges arrivant en décembre 2026. Planifiez en visant décembre 2027 pour les systèmes à haut risque tout en confirmant l'adoption finale plus tard en 2026, puisque le report est provisoire. Considérez ceci comme une orientation de planification, pas comme un conseil juridique.
Quel modèle à poids ouverts et quel matériel nous faut-il pour l'auto-hébergement ?
L'écosystème à poids ouverts est mature, vous n'avez donc pas besoin d'entraîner un modèle. Un seul GPU de 80 Go sert confortablement un modèle de classe 70B en quantification 4 bits pour une petite équipe, et 24 Go constituent un point d'entrée pratique pour des modèles plus petits. Utilisez Ollama pour le développement et les pilotes en environnement isolé, puis vLLM pour le service de production multi-utilisateurs. Modélisez d'abord votre volume de jetons par rapport au seuil de rentabilité, puisque les prix des API hébergées ont fortement chuté de 2025 à 2026.
Pineido peut-il mettre en place un LLM local conforme pour nous ?
Nous pouvons délimiter un déploiement local et ses contrôles techniques autour de votre flux de travail. La journalisation, l'accès, le chiffrement, les restrictions réseau et la conservation demandent des exigences explicites et des tests ; l'exécution en local n'établit pas la conformité juridique. Faites réaliser une revue juridique adaptée pour les usages réglementés. Pineido Studio est un produit distinct sur une clé USB physique, et le travail de déploiement sur mesure est chiffré séparément.