Une mission de conseil mêlant des documents clients confidentiels et de la rédaction courante montre pourquoi la même IA ne s’impose pas partout. Pour les freelances et consultants en France, le bon choix dépend des tâches, des données et des contraintes de travail.
Dans la série « Le choc de l’IA sur le freelancing », cet article, daté du 10 octobre 2026, traite uniquement de cet arbitrage. L’inférence est l’étape pendant laquelle un modèle calcule une réponse à partir d’une demande et des données fournies.
Table of Contents
À retenir
- Une option locale, en ligne ou hybride peut convenir selon la tâche.
- La sensibilité des données compte autant que la qualité attendue.
- Un usage possible de l’IA ne prouve pas qu’un emploi disparaît.
- Un essai sur des données anonymisées aide à juger la qualité réelle.
- Une fiche par tâche rend le choix explicable et révisable.
L’exposition des tâches à l’IA, son usage observé et les pertes d’emplois sont trois sujets distincts. Les exemples de cet article sont hypothétiques, sans promesse de revenu ni conseil juridique individualisé. Vous obtiendrez une grille utilisable, qui aboutit à une option locale, en ligne ou hybride. Le premier arbitrage consiste à comprendre où les données et le calcul se trouvent réellement.
Que signifie vraiment choisir entre local et service en ligne ?
« Local » décrit d’abord l’endroit où le calcul s’exécute, pas à lui seul le niveau de sécurité. Une IA locale peut fonctionner sur votre ordinateur ou un serveur interne, tandis qu’un service en ligne traite les demandes dans l’environnement du fournisseur.
Le lieu de calcul n’est pas toujours celui du stockage. Une installation locale peut fonctionner sans Internet après le téléchargement du modèle, mais une intégration connectée ou une configuration mal contrôlée peut transmettre des données. Le cloud n’est donc pas automatiquement peu sûr, et le local n’est pas automatiquement confidentiel.
L’emplacement du calcul ne suffit pas à établir le niveau de sécurité. Vérifiez aussi les flux, les accès et la configuration réelle.
| Critère | IA locale | Service en ligne | Configuration hybride |
|---|---|---|---|
| Où se fait le calcul | Sur ordinateur ou serveur interne, selon l’installation | Dans l’environnement du fournisseur, selon sa configuration | Sur la machine ou chez le fournisseur, selon la tâche |
| Flux de données | Peut rester sur place, sauf intégration connectée | Les demandes sont envoyées au service | Les données partent seulement si la tâche est dirigée en ligne |
| Dépendance réseau | Pas nécessaire après téléchargement, si l’outil est autonome | Connexion requise pour accéder au service | Connexion pour les tâches confiées au service en ligne |
| Qui gère l’environnement | Le freelance ou l’équipe qui administre la machine | Le fournisseur, selon le service et les conditions | Le freelance et le fournisseur, chacun sur son périmètre |
Où les données sont-elles traitées ?
Une demande envoyée à un service en ligne est traitée dans l’environnement exploité par son fournisseur, selon la configuration et les conditions du service. Les paramètres et documents transmis sont des données envoyées au service. Avec une IA locale, le calcul se déroule sur l’équipement du freelance ou sur un serveur interne partagé.
Ce que le service fournit au-delà du modèle
Un service en ligne peut réunir l’accès à plusieurs modèles, une interface et une infrastructure gérée. Cela peut simplifier le démarrage et l’usage courant, sans rendre tous les services identiques. Les solutions diffèrent par leurs réglages, leurs fonctions et la façon dont elles gèrent les demandes.
Il faut donc examiner la configuration réellement utilisée, plutôt que déduire le risque du seul mot « cloud ». La FAQ de la CNIL sur l’IA générative explique que le choix entre installation sur site, cloud et API dépend des usages et des données traitées. Traduisez ces différences en critères adaptés à votre mission freelance.
IA locale ou service en ligne : construire une grille de choix pour une mission freelance
Pour résumer des documents publics et anonymisés, la rapidité peut compter davantage que le contrôle local. Évaluez chaque tâche et chaque type de données séparément, puis choisissez l’option qui répond au besoin réel.
Cette méthode évite de transformer une préférence générale en règle pour tous vos projets. Le tableau sert de point de départ : un signal favorable n’est pas une note, et aucun critère ne décide seul du choix.
| Critère | Question à poser | Signal favorable au service en ligne | Signal favorable au local |
|---|---|---|---|
| Sensibilité des données | Les données identifient-elles un client ou une personne ? | Documents publics ou anonymisés, et flux acceptés | Notes confidentielles à ne pas envoyer au service |
| Complexité de la tâche | Quel niveau de qualité et de raisonnement faut-il ? | Réponse attendue testée avec le modèle accessible | Tâche ciblée réussie avec le modèle local disponible |
| Besoin d’intégration | Quels outils doivent échanger des informations ? | Connexion intégrée déjà disponible et contrôlée | Traitement sans connexion externe nécessaire |
| Dépendance acceptable | La mission peut-elle dépendre d’Internet et d’un fournisseur ? | Connexion fiable et conditions adaptées au travail | Besoin de travailler hors ligne ou garder la main |
Quelles tâches et quelles données faut-il évaluer ?
Décrivez une tâche précise, comme reformuler un texte, plutôt qu’un vague « usage de l’IA ». Classez ensuite les données : publiques, anonymisées, internes ou confidentielles. Cette distinction donne un contexte concret à la question de l’entreprise cliente et au niveau de contrôle attendu.
Comment comparer les options sans décision au doigt mouillé ?
Remplissez les cinq étapes ci-dessous pour chaque cas usage important. Pondérez les critères selon la mission, au lieu de les additionner mécaniquement : une exigence forte sur les données peut peser davantage qu’un gain de temps estimé.
- Décrire la tâche, son résultat attendu et la personne qui le valide.
- Classer les données utilisées, notamment les données personnelles ou confidentielles.
- Tester la qualité attendue sur des exemples adaptés à la mission.
- Chiffrer le coût total, incluant l’équipement, l’usage et le temps de gestion.
- Documenter les limites et la décision, puis préciser quand la revoir.
Ne publiez pas un chiffre de coût, de performance ou d’adoption sans source primaire, date et périmètre précis. Sans ces éléments, décrivez les facteurs plutôt qu’un nombre. Une fois le choix posé pour chaque besoin, examinez l’effet de l’IA sur le travail, sans confondre tâches automatisables et emplois supprimés.
Quel effet l’IA a-t-elle sur les tâches d’une mission freelance ?
Une tâche de reformulation peut être exposée à l’IA sans que la mission de conseil qui l’entoure disparaisse. L’exposition d’une tâche ne mesure ni l’usage réel d’un outil ni une perte d’emploi.
Une tâche est exposée si un système peut en réaliser une partie ou aider à l’accomplir. Cela ne signifie pas que le professionnel l’utilise. L’usage observé décrit une pratique effective, dans une population et une période précises.
Une perte d’emploi est encore une autre mesure. Automatiser une première version ou un résumé ne supprime pas nécessairement le rôle qui comprend le cadrage, la vérification, la responsabilité et la relation client. Une entreprise peut aussi répartir autrement le travail, sans supprimer la prestation entière.
Pour étayer une affirmation, privilégiez une recherche originale ou une source primaire de l’OIT, de l’OCDE, de l’INSEE ou de la recherche universitaire. Le travail de l’OIT sur l’exposition des professions à l’IA générative aborde les différences entre occupations. Il faut garder son champ précis en tête.
Sans ces éléments, aucun taux de remplacement ne permet de tirer une conclusion solide. L’outil choisi pour une tâche ne prédit pas, à lui seul, l’évolution de l’emploi ou de la charge de travail. Une fois les tâches séparées, examinez les données qu’elles mobilisent et les obligations qui les accompagnent.
Que change le choix pour la confidentialité et les obligations ?
Une donnée personnelle reste soumise aux règles applicables même si elle ne quitte jamais l’ordinateur du freelance. Le traitement local ne met pas les données personnelles hors du RGPD.
Il faut examiner les flux réels, la durée de conservation, les accès, les conditions contractuelles et la licence du modèle. Une installation présentée comme locale peut aussi inclure des fonctions connectées. Pour une situation précise, faites évaluer les obligations applicables à votre rôle et à la mission.
Le local dispense-t-il du RGPD ?
Non. Si des données personnelles sont traitées, le RGPD s’applique aussi à une opération effectuée sur une machine locale. La CNIL recommande d’évaluer les risques, les flux, les contrats et les responsabilités du fournisseur. Une solution open source ne règle pas à elle seule ces questions.
Un modèle téléchargeable peut être soumis à une licence qui limite certains usages. Vérifiez également la provenance des fichiers utilisés avec le modèle. La documentation doit permettre de comprendre ce qui est installé, quelles données entrent dans le système et qui peut y accéder.
Quelles mesures de sécurité prévoir dans les deux cas ?
Avant tout usage professionnel, distinguez le droit en vigueur, les textes adoptés dont l’application doit être vérifiée, les projets et les scénarios. Une règle doit être citée avec sa date et son périmètre, sans traiter une proposition comme une obligation en vigueur. Ces repères évitent de confondre débat et exigence applicable.
Les recommandations de sécurité de l’ANSSI invitent à maîtriser la provenance des outils et des fichiers, et à maintenir les logiciels à jour. Un ordinateur déconnecté peut rester vulnérable si ses correctifs ne sont jamais installés. Gardez une trace simple des contrôles effectués.
- Provenance des modèles et fichiers : téléchargez depuis une source identifiée et contrôlez les fichiers reçus.
- Droits d’accès : limitez les comptes et dossiers aux personnes qui en ont besoin.
- Mises à jour et sauvegardes : installez les correctifs et protégez les copies de travail.
- Conservation et suppression des données : fixez une durée et contrôlez l’effacement prévu.
Appliquez les mêmes questions aux services en ligne : quels accès, quelles conditions contractuelles et quelles durées concernent les données envoyées au service ? Après ce cadre de confidentialité, vérifiez si les performances du modèle local suffisent à la tâche.
Quel modèle local peut répondre au besoin sans surpromesse ?
Le meilleur modèle local pour une mission est celui qui réussit les tâches représentatives sur l’équipement réellement disponible. Il n’existe pas de meilleur LLM local pour tous les travaux.
La qualité dépend du modèle, de la langue, des documents et de la machine. Les besoins en ressources varient selon le modèle et l’équipement. Testez la version que vous pourriez réellement utiliser, plutôt qu’un nom remarqué dans une comparaison générale.
Quel est le meilleur LLM local pour un usage freelance ?
Vous pouvez comparer un outil d’exécution local avec interface graphique et une solution pilotée en ligne de commande. Examinez les modèles compatibles, les fonctions réellement locales, les connexions éventuelles et les licences avant de retenir une configuration. Le mode d’interface ne détermine pas à lui seul la confidentialité.
Comparez la qualité attendue, la langue, la gestion du contexte des documents, la vitesse sur votre machine, la licence et la facilité d’usage. La licence et les capacités peuvent varier selon la version effectivement envisagée. Un nom connu ne prouve donc pas qu’un modèle convient à votre travail.
Comment vérifier la qualité sur ses propres tâches ?
Préparez plusieurs demandes représentatives et des données anonymisées. Fixez des critères de réussite, comme la fidélité aux informations fournies, la clarté et le respect du format. Faites ensuite relire les réponses par une personne qui connaît la tâche.
Les raisonnements longs et complexes peuvent mettre en difficulté certains modèles locaux, mais les capacités varient. Vérifiez le résultat sur vos propres cas, y compris les erreurs et les réponses inventées. Le test doit aussi révéler si l’interface est assez simple pour un usage régulier.
Ne choisissez pas sur la seule impression d’une réponse convaincante. Vérifiez les erreurs discrètes, comme une date modifiée ou une conclusion absente, dans un document de travail. Traduisez ensuite les besoins de performance en exigences matérielles et en coût total.
Quel budget et quelle machine faut-il prévoir ?
Un serveur local n’a pas de prix représentatif sans connaître les tâches, les utilisateurs et la charge à servir. Le budget dépend aussi du modèle, de la mémoire, du stockage, de l’électricité, de la maintenance et du support.
Le prix d’un serveur IA local varie donc selon son usage partagé ou individuel. Pour définir un serveur pour une IA locale, estimez le nombre de personnes, les tâches simultanées et le modèle visé. Aucun tarif français comparable n’est avancé ici, car ces postes changent selon l’architecture et la charge.
Quel est le prix d’un serveur IA local ?
Le coût ne se limite pas à l’achat. Ajoutez l’électricité, les sauvegardes, le temps d’administration, les mises à jour et le support nécessaire. Un poste individuel peut éviter la gestion d’une infrastructure partagée, mais son équipement doit tout de même répondre aux tâches prévues.
Un service en ligne déplace une partie de la gestion vers le fournisseur. Il peut facturer selon un abonnement, l’usage ou d’autres conditions propres à l’offre. Comparez les conditions tarifaires du service envisagé avec vos volumes réels, sans supposer une économie ou un retour sur investissement.
Quel ordinateur et quelle carte graphique pour une IA locale ?
Un ordinateur pour une IA locale se choisit selon le modèle, la taille des documents et la fréquence d’utilisation. Une carte graphique pour une IA locale peut être utile selon le modèle et la charge, mais elle ne constitue pas une réponse universelle. Vérifiez aussi la mémoire disponible et l’espace de stockage.
| Poste de coût | Poste individuel local | Serveur interne | Service en ligne |
|---|---|---|---|
| Achat ou mise à disposition | Ordinateur déjà disponible ou nouvel équipement | Serveur partagé acheté ou déjà administré | Accès ouvert selon l’offre du fournisseur |
| Usage courant | Électricité et temps de travail sur la machine | Électricité et ressources réparties entre utilisateurs | Facturation selon l’abonnement ou l’usage prévu |
| Maintenance et mises à jour | Temps du freelance, correctifs et sauvegardes | Temps d’administration, maintenance et support | Gestion technique prévue par le fournisseur, selon l’offre |
| Évolution de charge | Remplacement ou ajout de ressources locales | Extension de capacité et gestion des accès partagés | Changement de formule ou de capacité selon le service |
Faites le calcul avec une période et un volume d’usage réalistes. Une charge ponctuelle n’appelle pas nécessairement la même infrastructure qu’un traitement fréquent pour plusieurs personnes. Une fois le coût complet estimé, un test limité permet de vérifier la faisabilité avant de choisir.
Comment tester une IA locale avant de l’adopter ?
Le bon pilote commence par une tâche peu risquée et un document qui ne contient aucune donnée client identifiable. Un test réversible permet d’évaluer l’installation et la qualité sans engager d’emblée des données clients.
Choisissez une demande concrète, comme résumer un document fictif. Téléchargez ensuite l’outil depuis une source officielle et sélectionnez un modèle dont la licence convient à l’essai. Commencez avec des données synthétiques ou anonymisées, jamais avec des documents sensibles non validés.
Comment installer une IA en local pour un premier essai ?
Suivez la documentation de l’outil et notez chaque étape. Vérifiez que le logiciel se lance correctement et que le modèle prévu est bien disponible. L’objectif du premier essai est de comprendre le fonctionnement, pas de confier immédiatement une tâche client.
Un test hors ligne aide à constater si l’outil fonctionne sans connexion. Il ne prouve pas que toutes les intégrations et configurations restent sans flux externes. Gardez le pilote isolé des dossiers clients et réversible, afin de pouvoir retirer l’outil sans toucher aux données de mission.
Quels résultats faut-il vérifier avant de confier des documents ?
Établissez les critères avant de lire les réponses : exactitude, omissions, format et temps nécessaire. Comparez plusieurs résultats, pas seulement la réponse la plus réussie. Conservez les demandes et les versions utilisées pour rendre les essais comparables.
Suivez ces étapes sans passer directement à des données identifiantes :
- Vérifier la provenance de l’outil, du modèle et des fichiers téléchargés.
- Contrôler la licence du modèle pour l’usage envisagé.
- Installer et mettre à jour le logiciel à partir de sa documentation.
- Tester hors connexion avec des données synthétiques ou anonymisées.
- Comparer les réponses à des critères préétablis et les faire vérifier.
Une réponse correcte pendant un essai ne prouve ni l’absence de fuite dans toutes les configurations ni la conformité du traitement. Une vérification humaine reste nécessaire avant tout usage professionnel. Appliquez ensuite ce protocole aux usages concrets de votre mission.
Quels usages freelance se prêtent au local, au cloud ou à l’hybride ?
Un freelance peut, dans une même mission, garder les notes client en local et utiliser un service en ligne pour reformuler un texte public. Le choix dépend de la tâche et des données qu’elle mobilise, pas d’une préférence générale.
Les situations ci-dessous sont hypothétiques. Elles montrent comment choisir entre les solutions cloud, le local et une approche hybride sans supposer que la même interface convient à tous les usages.
L’IA locale pour coder, et ce qu’elle ne garantit pas
Pour un essai sur du code non confidentiel, une IA locale peut aider à expliquer une fonction ou proposer une première ébauche. Le contrôle local peut compter si vous voulez éviter d’envoyer le code au service. Pour du code propriétaire, vérifiez aussi l’intégration et les flux réels avant utilisation.
Une IA locale n’est pas nécessairement « sans restriction ». La licence du modèle, ses réglages et les politiques d’usage déterminent les usages permis. Le local ne permet pas de contourner des règles ni de supprimer les garde-fous prévus par l’outil.
Une IA locale sans restriction existe-t-elle ?
Non, le lieu d’exécution ne signifie pas que tout usage est permis ou possible. Un modèle peut avoir une licence qui encadre certains usages, et l’outil peut appliquer ses propres réglages. Lisez les conditions correspondant à la version installée, notamment si le travail est destiné à un client.
Quels travaux documentaires tester en premier ?
Pour une synthèse hypothétique de documents publics, un service en ligne peut être pratique si la qualité et les flux conviennent. Pour des notes client hypothétiquement sensibles, le local peut être préférable si la machine réussit la tâche et reste bien contrôlée. « Sans envoyer » doit désigner un flux réellement local, pas une étiquette commerciale.
Pour un brainstorming général sans données confidentielles, un service en ligne peut offrir une interface simple. Une méthode hybride peut réserver le local aux notes sensibles et le service en ligne aux tâches standard, à condition de contrôler le routage. Vérifiez que l’outil ne dirige pas automatiquement un document vers un service non prévu.
Pour une assistance de code, le critère central peut être le caractère public ou propriétaire du dépôt. Pour un travail demandant des raisonnements complexes, testez la qualité de chaque modèle sur des exemples représentatifs avant de répartir les tâches. Les besoins d’un cas ne préjugent pas des résultats d’un autre.
Les tendances concernant les PME et la main-d’œuvre forment un sujet distinct des choix d’architecture. Pour le découvrir, consultez l’étude de l’OCDE sur l’IA générative et la main-d’œuvre des PME. Transformez vos choix par tâche en un livrable lisible pour le client ou votre dossier de mission.
À quoi ressemble la grille de décision livrable ?
Le livrable utile tient en une décision motivée par tâche, plutôt qu’en une préférence générale pour une architecture. Une fiche d’une page suffit si elle indique ce qui est traité, pourquoi et à quelles conditions le choix sera revu.
Faites apparaître la tâche, la catégorie de données, l’option retenue, la raison du choix, les limites connues, le contrôle humain, les conditions de révision et le responsable. Cette fiche rend la solution compréhensible au client comme à votre entreprise, sans alourdir le suivi du projet.
Décidez tâche par tâche, puis consignez les raisons et les limites. Révisez la fiche si les données, le volume ou la qualité attendue changent.
Exemple hypothétique : une tâche de reformulation d’un texte public passe par un service en ligne. Une note client sensible reste en local, avec vérification humaine avant utilisation. La fiche précise qui contrôle chaque réponse et quelle machine ou quel service est autorisé.
Ajoutez les événements qui feraient changer la décision : nouvelles données, augmentation du volume, nouvelle exigence de qualité ou changement de l’outil. Indiquez la personne responsable de la revue et le moment où elle intervient. Le document devient ainsi un support de décision, pas une approbation permanente de l’architecture.
Vous pouvez commencer avec un seul cas et compléter la fiche après le test. Choisissez une première tâche pilote, puis retenez une action simple pour vérifier son résultat.
Conclusion
La prochaine décision peut se limiter à une seule tâche et à un test réversible. Choisissez une activité réelle, utilisez des données non sensibles et remplissez la fiche avant tout déploiement. Vérifiez ensuite la qualité et les limites avec un contrôle humain.
Si vous envisagez le portage salarial pour votre activité, vous pouvez obtenir une estimation indicative sur le simulateur de portage salarial. Cette estimation n’est pas une promesse de revenu. Lancez le test et, si le portage salarial est pertinent, utilisez le simulateur pour une estimation indicative.
FAQ
Quelle est la meilleure IA à utiliser en local ?
Il n’existe pas de meilleur choix universel pour une IA locale. Sélectionnez un modèle selon les tâches de votre mission, la machine disponible et la licence de la version envisagée. Testez-le sur des exemples représentatifs, de préférence anonymisés, puis vérifiez les réponses. Une interface facile à utiliser compte aussi si vous devez répéter l’opération souvent.
Quel est le meilleur IA local en 2026 ?
Aucun modèle ne peut être désigné comme le meilleur pour toute l’année 2026 et tous les usages. Les performances, les versions et les licences évoluent, et la machine change aussi le résultat pratique. Au moment de choisir, vérifiez la licence du modèle envisagé et testez-le sur une tâche réelle, avec des critères de réussite définis à l’avance.
Comment puis-je créer une IA locale ?
Installez un outil d’exécution compatible avec votre machine, puis téléchargez un modèle depuis une source vérifiée. Vérifiez sa licence et suivez la documentation de l’outil. Pour commencer, utilisez des données synthétiques ou anonymisées, puis essayez de travailler hors connexion. Un test réussi ne suffit pas à valider toutes les configurations ni un usage avec des données clients.
Quel est le prix d’un serveur IA local ?
Il n’existe pas de tarif unique pour un serveur IA local. Le budget dépend notamment du nombre d’utilisateurs, du modèle, de la mémoire et de la charge à traiter. Ajoutez le stockage, l’électricité, la maintenance et le support. Pour comparer les options, estimez les tâches et le volume prévus, puis consultez les offres correspondant à cette configuration.
Quel type d’IA est ChatGPT ?
ChatGPT est un assistant d’IA générative accessible comme service en ligne. Il peut répondre à des demandes et produire du texte, entre autres fonctions disponibles selon la version. Les flux de données et les conditions dépendent de la version et de la configuration utilisées. Pour une mission, examinez les paramètres du service et la nature des données que vous envisagez d’y envoyer.
Le cloud est-il forcément moins sûr ?
Non, un service en ligne n’est pas forcément moins sûr qu’une installation locale. Comparez les contrôles d’accès, les flux, la gouvernance et les conditions du service, plutôt que de vous fier au seul emplacement du calcul. Une configuration locale peut aussi être mal contrôlée. Le choix doit correspondre aux données et au fonctionnement précis de votre mission.
Peut-on combiner IA locale et service en ligne pour une mission ?
Oui, vous pouvez répartir les tâches entre une IA locale et un service en ligne. Par exemple, gardez certaines données sensibles sur l’équipement local et réservez le service aux tâches standard adaptées. Contrôlez le routage et les intégrations pour que les documents ne soient pas transmis à un service non prévu. Testez cette séparation avant de l’utiliser dans une mission réelle.
