N'entraînez pas le modèle de base, possédez la couche de preuve

Chaque startup IA annonce en ce moment qu'elle fine-tune son propre modèle. Pour le travail de conformité souverain européen, c'est la mauvaise question.

Le problème n'est pas la qualité du modèle. Le problème porte un nom : artifact-legitimacy gap. La maturité technique et la légitimité ne suivent pas la même horloge. Un modèle frontier produit un artefact en quelques heures. L'arrimer à la réalité réglementaire — évaluation par les pairs, mise en œuvre indépendante, approbation de l'autorité compétente, examen juridique par juridiction — prend des semaines ou des mois, et ne raccourcit pas. Posséder son propre modèle ne comble pas cet écart. Cela le déplace.

Et l'IA physique et la preuve de conformité sont deux problèmes d'optimisation distincts. La boucle perception→action d'un robot en temps réel n'est pas la même tâche que produire une chaîne de raisonnement recevable devant un tribunal. Un seul modèle pour les deux, c'est un compromis dans les deux sens.

Faites plutôt ceci

Adoptez un composant souverain déjà prêt pour la couche physique. NVIDIA Cosmos 3 Edge est un modèle du monde ouvert, exécuté sur l'appareil — il tourne on-prem sur la machine que vous avez déjà. Vous ne l'entraînez pas. Vous le déployez.

Faites tourner le raisonnement de conformité sur un LLM ouvert via NIM. C'est du travail non souverain : du benchmarking et du brouillon, pas le cœur des données client.

Investissez dans ce que vous ne pouvez pas acheter : une boucle de preuve qui vous appartient. Évaluations privées, environnement RL, adaptation sur vos propres fleet-data, gouvernance KYA, preuve au titre de l'article 12. Le modèle de base se banalise chaque mois. La boucle, non. C'est la seule couche qu'un concurrent ne peut pas copier, parce qu'elle est bâtie sur vos opérations.

Nommez aussi le risque, ne le cachez pas

La stack NVIDIA domine : le matériel, le modèle et le service viennent du même fournisseur. La concentration est réelle. Mais comme les poids sont ouverts, la portabilité l'est aussi. Gardez un modèle ouvert et une charge de travail exécutables sur un accélérateur non NVIDIA (AMD MI300, Intel Gaudi), au niveau testbed. Le coût de sortie devient alors auditable, pas théorique.

Voilà comment cela se traduit dans la gamme

Un produit, trois tiers — pas quatre produits séparés.

DWS IQ 7 Aegis est un produit à deux couches : la perception→action physique (un modèle du monde adopté, de la classe Cosmos 3 Edge) et la preuve de conformité (une couche LLM distincte), que la boucle KYA relie. Ses tiers font varier le degré de souveraineté : Sovereign Infra sépare le physique fleet/edge de la conformité cloud, Connect est le tier global, sans contrainte de souveraineté. Et Firehorse Production Engine exécute les flux operator-independent par vision par ordinateur là où la perception de l'opérateur est remplacée — de la forensique du bâtiment, pas un nouveau modèle.

Ce qui manque encore

Parce que l'artifact-legitimacy gap nous concerne aussi. Le plan de repli face au risque d'approvisionnement NVIDIA doit être inscrit noir sur blanc au registre des risques, pour chaque produit où DGX, Cosmos ou NIM est critique. Il ne suffit pas que la sortie soit possible ; elle doit avoir été répétée. C'est la question que posent l'investisseur et l'acheteur enterprise dès que vous mentionnez la dépendance à NVIDIA. Nous la disons à voix haute avant qu'ils ne la posent.

Le principe est universel

Le fossé défensif n'est pas dans le modèle. Il est dans la façon dont la production du modèle est arrimée à la réalité réglementaire. Les composants, vous pouvez les acheter. La couche de preuve, non.

Plus sur l'architecture et les produits : DWS IQ 7 Aegis.

Risto Anton Päärni
Founder, CEO · Lifetime Oy · the Agent Outcome Company