Coforge AI Launchpad: posséder sa pile IA ne suffit pas
Coforge présente AI Launchpad comme une pile IA auto-détenue, déployable dans un environnement contrôlé et capable de router les charges entre modèles open-weight et modèles frontier. Pour une entreprise belge ou française, l'intérêt n'est pas le slogan de propriété: c'est la possibilité de découpler données, modèles, exploitation et intégration métier.
1. Ce que l'annonce établit
L'offre regroupe six services: stratégie, infrastructure, ingénierie des modèles, déploiement et intégration, LLMOps avec observabilité et garde-fous, puis gouvernance, FinOps et exploitation managée. Coforge affirme que les organisations peuvent construire, affiner, déployer et exploiter la pile dans leur propre environnement contrôlé, sans dépendre d'une seule technologie.
L'annonce cite des déploiements dans la santé et la banque, mais ne publie ni architecture détaillée, ni mesures comparables, ni périmètre d'audit. Ces références restent donc des déclarations du fournisseur, utiles comme signal de marché et non comme preuve de performance ou de conformité.
2. Ce que cela change en Belgique et en France
Pour une PME, l'enjeu est d'éviter qu'une ambition de contrôle ne crée une plateforme trop lourde à maintenir. Pour une ETI, un grand groupe ou une administration, cette approche rend envisageable un routage par niveau de risque: modèle local pour les données sensibles, service cloud pour les charges élastiques, et modèle spécialisé lorsque la qualité métier l'exige.
La localisation ne suffit toutefois pas à établir la souveraineté ou la conformité. Il faut documenter l'hébergeur, les sous-traitants, les transferts, les licences des modèles, la chaîne de mises à jour, les journaux, les clés, les délais de correction et les conditions de sortie. Les obligations RGPD et AI Act doivent être évaluées selon le cas d'usage réel.
3. Analyse Underside: transformer la propriété en contrôle vérifiable
Une architecture durable sépare quatre plans: les données et le RAG, le catalogue de modèles, l'exécution des agents, et les contrôles. Cette séparation permet de remplacer un modèle sans réécrire les workflows, de limiter chaque agent à ses outils, et de comparer qualité, latence, coût et résidence sur des scénarios reproductibles.
Pour Odoo, l'intégration doit passer par des API et comptes techniques dédiés, avec droits minimaux, validation humaine des écritures sensibles et traces corrélées entre l'agent et l'ERP. Apple Enterprise ou un runtime local peut couvrir certains traitements confidentiels; un cloud privé ou public peut absorber d'autres charges. Le choix devient une politique d'exécution, pas une opposition binaire entre local et cloud.
4. Critères avant un appel d'offres
Demander une matrice de responsabilité par couche, la liste des composants remplaçables, les formats d'export, les objectifs de service, la procédure de révocation d'un agent et un test de sortie. Exiger aussi un benchmark sur vos documents RAG et workflows métier, car le support de nombreux modèles ne garantit ni la qualité des réponses ni la sûreté des actions.
Recommandation opérationnelle: commencer par un workflow Odoo ou documentaire limité, mesurer qualité, coût et incidents, puis tester le remplacement du modèle et la restauration avant d'étendre la plateforme.
Évaluer une architecture IA contrôlée