ÉTAT DE L’IA PRIVÉE · 2026
L’état de
l’IA privée, 2026.
Qui peut lire ce que vous demandez à un service d’IA, qui s’en sert pour l’entraînement, et ce que rapportent les éditeurs de modèles ouverts. Tiré des pages des services eux-mêmes et de nos propres mesures, chaque élément avec sa source. Une première édition, volontairement restreinte : elle ne dit que ce que nous avons pu citer ou compter.
01 · Entraînement
Que vos conversations entraînent ou non le prochain modèle reste un réglage
Sur les cinq services comparés, deux entraînent leurs modèles sur les conversations des offres personnelles sauf si vous le désactivez, un demande d’abord, et deux disent ne pas le faire, dont Undergrove. Les offres professionnelles diffèrent souvent ; il s’agit ici des offres personnelles, telles que chaque service les décrit.
UndergroveUndergroveN’entraîne pas de modèles sur les conversations
Non. Nous ne conservons aucun contenu de conversation que nous puissions lire, et les créateurs des modèles ne reçoivent jamais vos messages. [1]
LumoProtonN’entraîne pas de modèles sur les conversations
Non, selon Proton. [8]
02 · Traitement
La protection pendant la lecture par un modèle est l’affirmation rare
Le chiffrement en transit et au repos est largement décrit. La protection pendant qu’un modèle lit vos mots ne l’est pas : sur les cinq, un seul la déclare pour son produit de conversation, et c’est le nôtre, qui n’a pas encore été évalué de façon indépendante. Un autre fournisseur a publié des recherches sur l’idée et les qualifie de travaux préliminaires.
UndergroveUndergroveDéclare une protection matérielle
Oui, dans l’espace de travail : les messages ne sont déchiffrés que dans une enclave matérielle dont votre navigateur vérifie l’attestation avant l’envoi. Votre navigateur vérifie l’enclave du routeur de Tinfoil ; l’enclave propre au modèle est vérifiée par le routeur, et par votre navigateur quand son matériel le permet. [9]
ChatGPTOpenAINon indiqué
Non indiqué pour les offres personnelles. Les pages professionnelles d’OpenAI décrivent un chiffrement au repos (AES-256) et en transit (TLS 1.2 ou supérieur). [10]
ClaudeAnthropicNon indiqué
Non indiqué pour les applications Claude. Anthropic a publié des recherches sur l’inférence confidentielle avec des machines virtuelles de confiance, qu’elle présente comme un travail préliminaire. [11]
Mistral VibeMistral AINon indiqué
Non indiqué. Mistral décrit des sauvegardes chiffrées répliquées entre des zones de l’UE. [12]
LumoProtonNon indiqué
Pas présenté comme protégé par le matériel. Les prompts sont chiffrés en transit vers les serveurs de modèles, qui les déchiffrent pour les traiter ; aucune enclave n’est décrite. [13]
03 · Poids ouverts
Trois sur cinq utilisent par défaut des modèles à poids ouverts
Undergrove, Lumo et Vibe de Mistral utilisent par défaut des modèles à poids ouverts ; ChatGPT ne dit pas le faire, et les modèles de Claude sont fermés. Que valent les modèles ouverts ? Leurs éditeurs publient des scores sur les mêmes tests publics, ci-dessous. Ce sont les chiffres des éditeurs, avec les paramètres qu’ils indiquent, pas les nôtres.
UndergroveUndergroveModèles à poids ouverts
Oui. Tous les modèles proposés sont à poids ouverts, et un petit modèle peut s’exécuter dans votre navigateur. [14]
ChatGPTOpenAINon indiqué
Pas présenté comme à poids ouverts. Les modèles à poids ouverts d’OpenAI forment sa famille distincte gpt-oss, qu’elle présente comme ses premiers depuis GPT-2. [15]
ClaudeAnthropicModèles fermés
Non. Anthropic indique garder les poids de ses modèles chiffrés et sécurisés. [11]
Mistral VibeMistral AIModèles à poids ouverts
Son modèle par défaut, Mistral Medium 3.5, a des poids ouverts, sous une licence MIT modifiée. [16]
LumoProtonModèles à poids ouverts
Oui. Proton indique que Lumo repose sur des modèles open source, et les nomme. [8]
04 · Scores publiés des modèles ouverts
Ce que rapportent les éditeurs de modèles ouverts
Chaque score est repris de la fiche de modèle de l’éditeur, avec les paramètres qu’elle indique. Les paramètres diffèrent, comparez donc avec prudence ; le classement contient chaque score et chaque source.
Comment ce rapport a été établi
- Cinq services, d’après leurs propres pages d’aide, de confidentialité et de sécurité, pour leurs offres personnelles. Quand les pages d’un service ne le disent pas, le rapport indique « non indiqué » et ne devine pas.
- Undergrove fait partie des cinq. Sa colonne décrit ce que fait notre code aujourd’hui ; elle n’a pas été évaluée de façon indépendante.
- Les scores de benchmark sont ceux des éditeurs, repris tels qu’ils sont écrits. Nous ne les avons pas relancés.
- Rien n’est estimé. Une section qui exigerait des chiffres dont nous ne disposons pas ne figure pas dans cette édition.
Sources
- Undergrove : où vont vos données
- OpenAI Help Center: How your data is used to improve model performance
- OpenAI Help Center: Data Controls FAQ
- Anthropic Privacy Center: Is my data used for model training?
- Anthropic: Privacy Policy
- Mistral Help Center: Do you use my user data to train your Artificial Intelligence models?
- Mistral Help Center: Can I opt out of my input or output data being used for training?
- Proton Support: Lumo privacy
- Undergrove : architecture
- OpenAI: Business data privacy, security, and compliance
- Anthropic: Confidential Inference via trusted VMs
- Mistral Help Center: How do you ensure the security of user data?
- Proton blog: Lumo security model
- Undergrove : modèles
- OpenAI: Introducing gpt-oss
- Mistral AI: Remote agents in Vibe. Powered by Mistral Medium 3.5.