Confidentialité des données AI CRM : pourquoi l'endroit où tourne le modèle compte plus que ce qu'il sait faire

Chaque éditeur CRM a livré un assistant AI ces deux dernières années. Posez-leur une question directe — quand un commercial tape « résume ce compte », les serveurs de quelle société traitent notre liste clients ? — et la réponse fait en général trois paragraphes.

Cela ne devrait pas. La confidentialité des données AI CRM se réduit à exactement un fait d'architecture, et il n'y a que deux réponses possibles. La différence décide si votre CRM est une question de conformité ou non.

Les deux architectures

L'AI à modèle hébergé est ce que presque tous les CRM courants livrent. Vos fiches sont empaquetées dans un prompt et envoyées sur internet à un fournisseur de modèles de fondation — OpenAI, Anthropic, Google, ou le cluster hébergé de l'éditeur. La réponse revient. L'éditeur vous dira que les données ne servent pas à l'entraînement, et dans la plupart des cas c'est contractuellement vrai. Elles ont quand même quitté votre bâtiment, traversé une frontière, et passé par un sous-traitant que vous n'avez pas choisi.

L'AI à modèles locaux exécute le modèle dans votre propre déploiement. Le prompt ne touche jamais un réseau que l'éditeur ne contrôle pas — dans une install auto-hébergée, jamais un réseau que vous ne contrôlez pas. Qivity propose les deux : Lilly hébergée tourne sur les serveurs Qivity ; en auto-hébergement, elle tourne sur les vôtres.

Pour une équipe marketing qui brainstorme des objets, la première convient. Pour un pipeline contenant des personnes nommées chez des sociétés nommées, avec des valeurs d'affaires attachées, c'est une question que votre juridique va poser. Qivity hébergé, ce sont les serveurs Qivity, pas OpenAI. Auto-hébergez si l'exigence est que rien ne quitte jamais votre réseau.

Ce que la confidentialité des données AI CRM change vraiment pour un acheteur

Trois choses.

Votre liste de sous-traitants s'allonge. Sous l'article 28 du RGPD et la plupart des régimes équivalents, un CRM à modèle hébergé ajoute un sous-traitant à la chaîne qui touche des données personnelles. C'est déclarable, et dans les secteurs réglementés c'est négociable — ce qui veut dire des cycles d'achat mesurés en mois.

La résidence des données cesse d'être simple. Vous pouvez choisir une région UE pour votre base CRM et quand même avoir l'inférence ailleurs. Ce sont deux décisions séparées, et les acheteurs supposent souvent qu'elles n'en font qu'une.

Votre budget AI devient à l'usage. Les modèles hébergés sont comptés. Adopter l'assistant est un coût variable, ce qui est une étrange incitation à donner à une équipe commerciale que vous essayez de faire utiliser l'outil.

Le compromis que personne n'avoue

Les modèles locaux sont plus petits. Un modèle à 3 milliards de paramètres sur votre propre CPU ne vous écrira pas une note de stratégie, et tout éditeur qui prétend le contraire vous vend quelque chose.

Ce qu'il fait bien, c'est le travail qu'un assistant CRM a vraiment :

• Comprendre ce qu'une personne voulait dire — « combien de leads ai-je à Riyad ? », « quels rendez-vous ai-je jeudi ? », « rappelle-moi d'appeler Acme mardi prochain à 15 h ».
• Acheminer cela vers une vraie requête sur de vraies fiches.
• Citer la documentation produit avec exactitude plutôt que de la paraphraser de travers.

Remarquez qu'aucune de ces tâches n'a besoin de génération créative. Elles ont besoin de classification d'intention et de recherche. C'est précisément la charge de travail que les petits modèles locaux font bien — et c'est aussi celle où une hallucination fait le plus de dégâts. Un chiffre de pipeline inventé avec assurance est pire que pas de réponse du tout.

C'est pourquoi l'assistant Qivity est conçu pour dire « je ne sais pas » plutôt que de deviner, et pourquoi les réponses sur vos fiches sont exécutées comme des requêtes sous les propres permissions de l'utilisateur qui demande, plutôt que générées comme de la prose. Un manager qui interroge son équipe obtient son équipe. Quelqu'un qui interroge le pipeline d'un collègue obtient une explication polie de pourquoi non.

Cinq questions à poser à tout éditeur CRM

Apportez-les à votre prochaine démo. L'hésitation informe autant que la réponse.

1. Quand j'utilise l'assistant AI, l'infrastructure de quelles sociétés traite la requête ? Demandez des noms, pas des catégories.
2. Est-ce dans le DPA comme sous-traitant nommé ? Si non, pourquoi pas.
3. Où l'inférence a-t-elle lieu physiquement, et puis-je la figer dans une région ?
4. L'usage AI est-il facturé séparément de ma licence par siège ?
5. L'assistant peut-il répondre sur des données que l'utilisateur qui demande n'a pas le droit de voir ? Vous seriez surpris. Cadrer les permissions d'une couche AI est vraiment difficile et souvent sauté.

Où cela va

Les modèles locaux s'améliorent plus vite que les hébergés ne baissent de prix. L'écart de capacité qui faisait de l'inférence hébergée le défaut évident en 2023 s'est nettement réduit pour les charges de recherche-et-routage, qui sont l'essentiel de ce dont le logiciel métier a besoin.

Notre pari est que d'ici quelques années, la confidentialité des données AI CRM — précisément « où tourne le modèle » — sera une ligne standard dans chaque RFP de logiciel enterprise, comme « où sont stockées les données » l'est devenue après 2018. Nous avons construit pour cette hypothèse dès le départ.

Si la confidentialité des données AI CRM bloque votre évaluation et que vous voulez voir ce que donne vraiment un assistant à modèles locaux, réservez une démo — nous le ferons tourner sur un bac à sable sans sortie internet et vous le laisserons regarder travailler quand même. Il y a plus sur l'architecture sur la page AI CRM et la page sécurité.