Accueil
Services
Déploiement local de l’IA Résultats des tests Images et vidéos Résultats NeoCloud Système de sécurité privé hors ligne Transformation numérique Photographie professionnelle
Équipe
Bruce Expérience Formation Contact

Déploiement entièrement local de l’IA

Des modèles à poids ouverts du Canada, d’Europe et d’ailleurs, dont Command A+ de Cohere, Mistral Large 4 et Ripple-65B, choisis selon chaque charge de travail et exécutés sur vos propres ordinateurs. Le déploiement se fait dans un nuage privé, sur votre propre matériel ou en isolement complet, au service d’une IA souveraine canadienne et d’une moindre dépendance aux services d’IA infonuagiques étrangers.Des modèles à poids ouverts que nous avons testés nous-mêmes, exécutés sur vos propres ordinateurs : nuage privé, sur place ou en isolement complet.

Un service d’IA infonuagique fermé envoie vos requêtes, votre code et vos créations hors de votre environnement. Les règles de conservation et d’entraînement varient selon le fournisseur, l’offre et le contrat. Un déploiement local ou isolé du réseau évite de transmettre votre travail propriétaire à un fournisseur de modèles externe. Avec des modèles exécutés sur une infrastructure contrôlée au Canada, les organisations peuvent aussi garder davantage de données, d’opérations et de capacités d’IA sous contrôle canadien.L’IA infonuagique envoie vos requêtes, votre code et vos créations hors de votre environnement. Un déploiement local les garde chez vous.

Ce que ça change pour vous

Une IA sur un ordinateur que vous contrôlez

Nous installons l’IA sur un ordinateur ou un serveur qui vous appartient, chez vous ou au travail. Elle peut répondre à des questions, résumer des documents, aider à rédiger et soutenir le codage sans envoyer chaque demande à un service en ligne.

Vos informations peuvent rester chez vous

Lorsque le système est hors ligne ou isolé, les requêtes, fichiers et code source ne sont pas envoyés à un fournisseur d’IA externe. L’accès à Internet, les notifications à distance et les intégrations peuvent toutefois transmettre des données; nous vous aidons à décider ce que le système peut consulter.

Des modèles testés, adaptés à votre travail

Nous recommandons uniquement des modèles que nous avons exécutés sur nos propres stations de travail, puis choisissons le modèle et le matériel selon vos tâches, votre budget et vos besoins de confidentialité, et les relions à des outils de chat ou de codage familiers. Les résultats varient selon le modèle, sa version, la configuration et la charge de travail.Nous recommandons seulement des modèles testés, choisis selon vos tâches et votre budget, et reliés à vos outils habituels.

Pratique, autonome et plus écologique

L’IA locale entraîne tout de même des coûts de matériel, d’électricité et d’entretien, mais elle peut éviter un abonnement mensuel ou des frais à l’usage, selon le modèle et la configuration. Elle fonctionne aussi sans capacité de centre de données derrière elle : aucun nouveau bâtiment, aucun nouveau raccordement. Un matériel bien dimensionné et gardé en service plus longtemps réduit encore les déchets.Souvent sans frais infonuagiques mensuels, sans centre de données derrière, et avec du matériel gardé en service plus longtemps.

Faire tourner l’IA locale sans centre de données

L’IA n’exige pas toujours un nouveau bâtiment, un nouveau raccordement électrique ou un immense système de refroidissement. Pour beaucoup d’entreprises, les modèles locaux peuvent fonctionner sur une station de travail ou un serveur compact dans l’espace déjà disponible. Moins un déploiement dépend de la capacité des centres de données, plus son empreinte environnementale est faible. Garder l’équipement en service plus longtemps la réduit encore.Beaucoup d’entreprises peuvent faire tourner une IA locale sur une station de travail ou un serveur compact, dans l’espace qu’elles ont déjà.

L’empreinte d’une nouvelle construction

Moins de terrains, de béton et de pression sur le réseau

Un grand centre de données d’IA entraîne une lourde empreinte de construction : défrichement, béton et acier, équipements de refroidissement, nouvelle capacité de transport et demande électrique continue. Ces impacts existent avant même le premier traitement. Si votre charge de travail peut fonctionner localement, vous n’avez pas besoin d’ajouter toute cette infrastructure.Un nouveau centre de données d’IA, c’est du terrain, du béton, du refroidissement et de la capacité réseau. Une charge exécutée localement n’en demande aucun.

Terrains et matériauxDemande sur le réseauCarbone incorporé
Une informatique à plus petite échelle

L’IA locale tient dans la pièce

Une station de travail compacte comme NVIDIA DGX Spark peut se brancher sur une prise murale ordinaire et exécuter des modèles ouverts performants, près des personnes qui les utilisent. Elle a besoin d’un bureau, pas d’un nouveau bâtiment. Cela signifie moins de construction, aucun terrain à défricher pour votre déploiement et une empreinte physique plus petite qu’un centre de données dédié.Une station compacte comme NVIDIA DGX Spark se branche sur une prise murale et exécute des modèles ouverts performants. Il lui faut un bureau, pas un bâtiment.

Format bureauAucune nouvelle constructionEmpreinte réduite
Moins de dépendance aux centres de données

Du travail qui n’a jamais besoin d’un centre de données

Chaque charge de travail exécutée sur votre propre équipement est une charge pour laquelle aucune capacité n’a besoin d’être construite ailleurs : pas de terrain, pas de système de refroidissement, pas de nouveau raccordement au réseau. Elle fonctionne avec l’électricité et l’espace dont vous disposez déjà. Un matériel gardé en service plus longtemps, puis recyclé de façon responsable, réduit l’empreinte davantage.Le travail exécuté sur votre équipement ne demande ni terrain, ni refroidissement, ni raccordement : seulement l’électricité et l’espace dont vous disposez.

Moins de charge en centre de donnéesAucun nouveau raccordementDurée de service prolongée

Des poids ouverts du Canada, d’Europe et d’ailleurs

Ripple-65B tourne sur notre propre station de travail AMD ; les vitesses mesurées figurent sur notre page de résultats de tests. Les modèles Command de Cohere sont conçus à Toronto et Mistral Large 4 à Paris. Exécuter des poids ouverts sur une infrastructure sous contrôle canadien garde vos données et la continuité de vos activités sous votre contrôle.Des poids ouverts du Canada, d’Europe et d’ailleurs, sur une infrastructure que vous contrôlez.

Cohere · Conçu au Canada

Command A+ & North Mini Code

Cohere conçoit la famille Command de modèles pour entreprises à Toronto depuis 2019. Command A+ est son plus grand modèle ouvert, sous licence Apache 2.0 : un mélange d’experts de 218 milliards de paramètres, dont 25 milliards actifs par token, avec un contexte de 128K et 48 langues. North Mini Code, son modèle de programmation agentique, est bien plus petit : 30 milliards de paramètres, dont 3 milliards actifs, et un contexte de 256K.Conçus à Toronto : Command A+ et North Mini Code, sous licence Apache 2.0.

CohereApache 2.048 langues
Mistral AI · Conçu en Europe

Mistral Large 4

Mistral Large 4, publié en octobre 2026 par Mistral AI, à Paris, est un mélange d’experts d’environ 1 000 milliards de paramètres, dont 49 milliards actifs par token. Il lit le texte et les images, accepte un contexte de 1M de tokens et maîtrise plus de 160 langues, dont toutes les langues officielles de l’UE. Sa licence à poids ouverts, dérivée de la licence MIT, permet l’usage commercial ; seule sa revente comme service hébergé exige une licence distincte.Conçu à Paris : un mélange d’experts de 1 000 milliards de paramètres qui maîtrise plus de 160 langues.

Mistral Large 4MultimodalContexte 1M
Ricursive · Modèle ouvert de pointe

Ripple-65B

Ripple-65B Preview est un modèle dense de 65 milliards de paramètres de Ricursive Intelligence, à Palo Alto, conçu pour la programmation agentique et le raisonnement, sous licence Apache 2.0. Sur notre configuration Radeon, sa version 4 bits de 35 Go tient entièrement en mémoire GPU, répartie sur les deux cartes par vLLM, à 28 tokens par seconde avec un contexte de 64K.Modèle dense sous licence Apache 2.0 pour la programmation agentique, 28 tokens/s en mémoire GPU sur notre configuration Radeon.

Ripple-65BApache 2.0Programmation agentique

Exécutez l’IA sur votre propre matériel

Stations de travail IA tout-en-un, serveurs d’inférence que nous construisons sur mesure au Canada ou matériel que vous possédez déjà, dimensionnés selon votre charge de travail, le nombre d’utilisateurs et vos exigences de performance.

Informatique en périphérie

Serveurs et stations de travail

Nous pouvons utiliser le matériel que vous possédez déjà, mémoire compatible et machines professionnelles encore fiables comprises, ou proposer une nouvelle station de travail ou un serveur. Chaque fabricant a sa propre voie d’accélération : MLX sur Apple Silicon, CUDA sur NVIDIA, ROCm sur AMD, oneAPI sur Intel, et Vulkan sur toutes lorsque la portabilité prime. Les déploiements vont d’une station individuelle à un serveur multi-GPU pour toute une équipe.Nous réutilisons votre matériel ou en proposons du neuf, d’une station individuelle à un serveur multi-GPU, sur Apple, NVIDIA, AMD ou Intel.

Station de travail IA tout-en-un

Apple Mac, AMD Ryzen AI Halo, NVIDIA DGX Spark

Stations complètes conçues selon le design de référence du fabricant : des Mac Apple Silicon, des systèmes AMD Ryzen AI Halo et des stations NVIDIA DGX Spark GB10 ou GB300. La plateforme est choisie selon la taille du modèle, le nombre d’utilisateurs et les performances exigées par votre charge de travail.Des stations conformes au design de référence d’Apple, d’AMD et de NVIDIA, choisies selon la taille du modèle et le nombre d’utilisateurs.

Tout-en-unDesign d’origine
Assemblé au Canada

Serveurs d’inférence sur mesure

Nous assemblons des serveurs d’inférence sur mesure au Canada, avec l’accélérateur adapté à la tâche : NVIDIA RTX PRO 6000, AMD Radeon AI PRO R9700 ou Intel Arc Pro B70. Les cartes retirées d’un centre de données sont une autre option : il leur reste des années de service, elles coûtent bien moins cher que du neuf et n’ajoutent aucune demande à un marché de la mémoire déjà tendu.Des serveurs d’inférence assemblés sur mesure au Canada avec accélérateurs NVIDIA, AMD ou Intel, ou des cartes de centre de données retirées, bien moins chères que du neuf.

Moteurs d’inférence et gestion des modèles

Les moteurs d’inférence exécutent et servent les modèles. Les applications de bureau et web facilitent leur exécution, leur affinage et la création de flux de génération.

Systèmes d’exploitation

Linux, Windows et macOS

L’inférence de production peut fonctionner sur Linux, Windows ou macOS, d’une station Apple Silicon à des serveurs physiques ou virtualisés. Des configurations entièrement hors ligne et physiquement isolées sont disponibles lorsque les données doivent rester dans votre environnement.

LinuxWindowsmacOSEntièrement hors ligne
Moteurs d’inférence

vLLM, SGLang et llama.cpp

vLLM et SGLang servent les charges à haut débit des équipes, tandis que llama.cpp exécute des modèles quantifiés sur différents matériels. Nous choisissons le moteur selon le modèle, le système, le matériel et le nombre d’utilisateurs.vLLM et SGLang pour les équipes, llama.cpp pour le matériel courant : choisis selon votre modèle et vos utilisateurs.

Gestion des modèles et applications

Unsloth Studio et ComfyUI

Unsloth Studio exécute des modèles de langage et les affine sur vos propres documents, puis les exporte vers llama.cpp ou vLLM. ComfyUI génère images, vidéos et audio à partir de nœuds reliés. Les deux sont libres et fonctionnent sur votre propre matériel.Unsloth Studio pour exécuter et affiner des modèles de langage, ComfyUI pour générer images, vidéos et audio, sur votre propre matériel.

Maya et Strata : de grands modèles depuis un SSD

Les modèles à mélange d’experts n’utilisent qu’une petite partie de leurs poids pour chaque token. Deux nouveaux moteurs libres, Strata et Maya, en tirent parti : ils gardent en cache sur les GPU les experts les plus sollicités, conservent un ensemble de travail en mémoire système et lisent le reste sur un SSD NVMe rapide seulement quand un token en a besoin. Des modèles plus gros que la mémoire graphique et système réunies de l’ordinateur peuvent ainsi tourner sur du matériel grand public.Strata et Maya lisent les poids sur un SSD rapide : des modèles plus gros que la mémoire de l’ordinateur tournent sur du matériel grand public.

Fonctionnement

GPU, mémoire et SSD

Chaque token n’active que quelques experts. Les plus utilisés restent en cache dans la mémoire des GPU, un ensemble de travail limité occupe la mémoire vive et le reste est lu sur le SSD NVMe à la demande. Le cache de contexte est compressé et lu en continu, et les deux moteurs répartissent les couches du modèle sur les deux cartes. Des garde-fous de mémoire tiennent le modèle hors du swap et laissent de la place au reste de l’ordinateur.Experts actifs sur les GPU, ensemble de travail en mémoire vive, le reste lu sur le SSD au besoin.

Cache d’expertsNVMeMélange d’experts
Strata

Qwen3.8-Flash-Next avec 256K de contexte

Strata exécute la version IQ3_XXS de 76 Go de Qwen3.8-Flash-Next avec tout son contexte de 256K sur nos deux cartes Radeon de 24 Go et un contexte de 128K sur notre configuration GeForce, en lisant les experts et les données par couche depuis le SSD. Sur la configuration GeForce, il atteint 84 tokens par seconde et 1 058 tokens par seconde en préremplissage. Strata exécute aussi DeepSeek V4.1 Flash, à 12 tokens par seconde sur la configuration GeForce.Un modèle de 76 Go avec 256K de contexte, et 84 tokens/s sur notre configuration GeForce. Strata sur GitHub →

Maya

DeepSeek V4.1 Flash sur des GPU grand public

Maya, une variante de Strata, exécute DeepSeek-V4.1-Flash-1017 et GLM-5.3-Flash. Sur notre configuration GeForce, la version IQ1_S de DeepSeek d’Unsloth pèse 233 Go, environ deux fois les 118 Go de mémoire graphique et système réunies de la machine, et génère pourtant 8 tokens par seconde avec un contexte de 32K. La version GLM de 95 Go atteint 15, avec un contexte de 64K.Un modèle DeepSeek de 233 Go sur une machine de 118 Go, à 8 tokens/s. Maya sur GitHub →

Flux agentiques

Transformez les modèles locaux en outils pratiques et en automatisation contrôlée : chat et connaissances privés, agents de codage et métiers, et flux autonomes sécurisés.

Applications d’IA

Chat privé et connaissances

Open WebUI offre à votre équipe un chat multi-utilisateurs familier avec contrôle d’accès par utilisateur. Il peut relier les modèles locaux aux documents, dépôts de code, bases vectorielles, outils métier et mémoires privées autorisés sans envoyer ce contexte à un fournisseur externe.

Open WebUI Mémoire privéeContrôle d’accès
Flux agentiques

Agents de codage et métiers

Des API compatibles OpenAI permettent à OpenClaw, aux agents Hermes, à Claude Code, à Codex et aux agents métier internes d’utiliser les modèles exécutés sur votre matériel. Les flux existants peuvent passer d’une IA hébergée à des modèles locaux sans reconstruire toute la chaîne d’outils.Des API compatibles OpenAI permettent à Claude Code, à Codex et à vos agents d’utiliser des modèles locaux sans reconstruire vos outils.

Sécurité et gouvernance

Automatisation sous contrôle

Nous renforçons les pipelines d’agents avec des défenses contre l’injection de requêtes, des permissions d’outils au moindre privilège, des bacs à sable et listes d’autorisation, des journaux d’audit et une approbation humaine pour les actions importantes. Les agents automatisent le travail utile sans recevoir un accès illimité à tout leur environnement.Défenses contre l’injection de requêtes, permissions au moindre privilège, bacs à sable, journaux d’audit et approbation humaine pour les actions importantes.

Défense contre l’injectionMoindre privilège Bac à sableJournaux d’audit Approbation humaine

Résultats de tests réels

Nous mesurons chaque modèle que nous recommandons sur nos propres stations de travail, une configuration à deux Radeon RX 7900 XTX et une configuration RTX 3080 Ti + RTX 3080, et publions les vitesses, les longueurs de contexte et les réglages.Mesurés sur nos propres stations AMD et NVIDIA.

Voir les résultats des tests → Résultats NeoCloud →

Prêt à commencer ?

Parlez-nous de votre environnement, nous concevrons un déploiement qui garde vos données chez vous.

Contactez-nous