Déploiement entièrement local de l’IA
Command A+ et North Mini Code de Cohere, aux côtés d’autres modèles canadiens actuels à poids ouverts, 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.
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 canadiens sur une infrastructure contrôlée au Canada, les organisations peuvent aussi garder davantage de données, d’opérations et de capacités d’IA sous contrôle canadien.
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.
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.
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.
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.
Contrôle canadien, poids ouverts de pointe
Nous commençons par les modèles canadiens à poids ouverts afin de conserver davantage d’expertise, de propriété intellectuelle et de capacité stratégique en IA au Canada. Lorsqu’un autre modèle convient mieux, nous pouvons déployer les meilleurs poids ouverts actuels sur une infrastructure sous contrôle canadien tout en gardant vos données et votre continuité opérationnelle sous votre contrôle.
Posséder sa couche d’intelligence
L’IA souveraine, c’est exécuter, sécuriser et gouverner son IA selon ses propres règles. Cohere parle de posséder sa couche d’intelligence plutôt que de la louer. Les poids ouverts permettent de le vérifier : l’architecture et le comportement du modèle sont ouverts à l’inspection. Le déploiement peut se faire dans un nuage privé que vous contrôlez, sur du matériel dans vos propres murs, ou sur un réseau sans aucune issue vers l’extérieur. Nous choisissons celui qu’exige le travail. La souveraineté dépend aussi des licences, de l’infrastructure, du traitement des données et de la gouvernance.
Command A+ et North Mini Code
Fondée à Toronto en 2019, Cohere développe la famille de modèles de langage d’entreprise Command. Command A+, publié en mai 2026, son plus grand modèle ouvert et diffusé en libre accès sous licence Apache 2.0 : un mélange d’experts de 218 milliards de paramètres dont 25 milliards actifs par jeton, une fenêtre de contexte de 128 000 tokens. North Mini Code, son modèle de codage agentique, est bien plus petit : 30 milliards de paramètres dont 3 milliards actifs, et il tient sur un seul GPU. Nous choisissons entre les deux selon la charge de travail et le matériel dont vous disposez.
Qwen3.8
L’équipe Qwen d’Alibaba publie des poids ouverts à des tailles qu’une entreprise peut réellement se permettre d’exécuter. Qwen3.8-27B est sous Apache 2.0, lit le texte et les images et offre un contexte de 262 000 tokens ; une fois quantifié, il tient sur une seule carte graphique de 24 Go ou sur un Mac de milieu de gamme. Qwen3.8-Flash-Next convient à un serveur partagé : seuls 6 milliards de ses paramètres s’activent par jeton, ce qui lui permet de répondre vite et de servir plusieurs personnes à la fois, même si les poids complets exigent plus de mémoire et sont diffusés sous la licence communautaire propre à Qwen plutôt que sous Apache 2.0. Nous choisissons entre les deux selon la charge de travail, le matériel et les conditions de licence.
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.
Serveurs et stations de travail
Nous pouvons utiliser le matériel que vous possédez déjà, y compris la mémoire compatible, réemployer des machines professionnelles encore fiables, ou proposer une nouvelle station de travail ou un serveur adapté aux modèles choisis. Chaque fabricant a sa propre voie d’accélération : MLX sur Apple Silicon, CUDA sur NVIDIA, ROCm sur AMD et oneAPI sur Intel. Vulkan fonctionne sur toutes lorsqu’une voie portable convient mieux. Les déploiements vont d’une station individuelle à un système multi-GPU de classe serveur pour toute une équipe.
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.
Serveurs d’inférence sur mesure
Nous assemblons des serveurs d’inférence sur mesure au Canada, en choisissant l’accélérateur adapté à la tâche : NVIDIA RTX PRO 6000, AMD Radeon AI PRO R9700 ou Intel Arc Pro B70. Les cartes d’inférence retirées d’un centre de données sont une autre option. Il leur reste généralement des années de service utile, elles coûtent bien moins cher que du neuf et n’ajoutent aucune demande à un marché de la mémoire où les prix sont déjà élevés.
Moteurs d’inférence et gestion des modèles
Les moteurs d’inférence exécutent et servent les modèles. Les outils de gestion facilitent leur téléchargement, leur configuration, leurs mises à jour et leur accès par API locale.
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.
vLLM, SGLang, MLX, MLC LLM et llama.cpp
vLLM et SGLang servent les charges à haut débit des équipes, tandis que MLC LLM crée des environnements optimisés pour différents appareils. llama.cpp exécute des modèles quantifiés sur différents matériels et MLX optimise l’inférence locale sur Apple Silicon. Nous choisissons le moteur selon le modèle, le système, le matériel et le nombre d’utilisateurs.
LM Studio, Ollama et Lemonade
Ces outils simplifient le téléchargement, la configuration, les mises à jour et le service local des modèles. LM Studio offre une interface graphique autour de moteurs comme llama.cpp, Ollama fournit une gestion en ligne de commande et des API, et Lemonade facilite l’installation locale avec accélération AMD.
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.
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.
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.
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.
Prêt à commencer ?
Parlez-nous de votre environnement, nous concevrons un déploiement qui garde vos données chez vous.