Nous partageons aujourd’hui une parole d’expert, qui plonge au cœur de l’innovation. L’intelligence artificielle envahit toutes les conversations d’entreprise, souvent avec plus de marketing que de substance réelle. Ici, nous choisissons de mettre l’expertise au premier plan. Cet article s’adresse particulièrement aux spécialistes, quand chacun y découvrira l’excellence et la rigueur qui nourrissent nos projets au quotidien.
une approche test-and-learn assumée
Nous sommes actuellement dans une phase d’expérimentation intensive avec des solutions d’IA autohébergées sur nos propres serveurs en Suisse. Cette démarche nous permet de travailler sur nos données confidentielles tout en comprenant les rouages technologiques de bout en bout, du hardware à l’interface utilisateur sans dépendance externe.
hardware
Nous investissons dans du matériel professionnel adapté aux charges de travail IA avec des serveurs DGX Spark puis probablement DGX Station de NVIDIA. Ces systèmes nous offriront :
- Le DGX Spark, équipé du superchip NVIDIA GB10 Grace Blackwell, délivre jusqu’à 1 pétaflop de performance IA dans un format compact avec 128 Go de mémoire unifiée
- Le DGX Station, nous nous intéressons de près à ce type de produit et attendons la sortie des puces GB300, les détails de leur fonctionnement et la dépendance à un GPU externe
Ces infrastructures devraient nous permettre de développer et tester des modèles d’IA jusqu’à 200 milliards de paramètres localement, avec la possibilité de connecter plusieurs systèmes pour traiter des modèles encore plus importants.
Nous choisissons d’investir dans des architectures basées sur les superchips Grace Blackwell, comme le DGX Spark (1 pétaflop, 128 Go de mémoire unifiée), afin de bénéficier d’une convergence CPU/GPU unique et d’optimiser le traitement massif de modèles IA. Nous privilégions les matériels NVIDIA unifié en raison des facilités d’intégration offertes par CUDA, anticipant ainsi une réelle rupture technologique auxquelles nous croyons.
Nous n’investissons pas de temps pour le moment sur les architectures AMD car pour pouvoir exploiter les NPU des Ryzen AI Max+, il faut utiliser le backend FastFlowLM au lieu d’Ollama, bien que les performances les plus intéressantes proviennent encore de l’iGPU intégré pour les modèles de grande taille.
backend
Nous nous focalisons sur le backend Ollama et nos tests se concentrent sur plusieurs modèles open source de pointe :
- Mistral AI (Pixtral 12B et Pixtral Large 124B). Modèle Pseudo opensource.
- Llama 4 (versions Scout et Maverick). Modèle Pseudo opensource. Actualité récente de politisation du modèle nous fait nous méfier de ce dernier.
- GPT-OSS d’OpenAI (version 120B optimisées pour l’auto-hébergement)
- Modèle EPFL/ETH qui doit sortir fin août 2025 – début septembre 2025. Nous attendons les benchmarks
Nous testons des modèles à la pointe de l’évolution dans l’open source, notamment Mistral AI (modèles multimodaux haute capacité), Llama 4 (architecture Mixture of Experts supportant jusqu’à plusieurs millions de tokens), GPT-OSS d’OpenAI optimisé pour l’auto-hébergement, ainsi que le modèle suisse développé par EPFL/ETH, en phase de sortie imminente. Nous ne visons pas à construire nos propres modèles, mais à approfondir continuellement notre expertise au contact des innovations de la communauté open source.
frontend
Nous recherchons des solutions qui permettent, au-delà d’un portail utilisateur ergonomique, une gestion aisée des différents utilisateurs et de leurs droits.
Nous attendons également d’un frontend la possibilité d’exploiter des modèles on-premise ou cloud et une gestion fine des accès par API ainsi que la construction de RAG sur des corpus documentaires importants sans avoir à les exposer.
Nous avons commencé nos tests avec Ollama Web UI mais nous testons activement les alternatives telles que LibreChat, AnythingLLM, LobeChat, Text Generation Web UI.
intégrations métier en cours
Nos premiers tests d’intégration se concentrent sur nos outils internes. Nous explorons l’intégration avec Microsoft 365 pour automatiser des workflows ainsi que Salesforce.
pourquoi cette approche
Cette stratégie nous permet de :
- Maîtriser nos données : tout reste dans nos infrastructures pour les manipulations de données confidentielles
- Comprendre la technologie : nous continuons à développer une expertise réelle. Nous nous imposons de suivre les nombreuses évolutions chaque semaine
- Tester sans risque : les expérimentations se font sur nos environnements contrôlés. Par exemple, nous pouvons manipuler de nombreuses données personnelles dans le respect total de la LPD
notre positionnement à venir
- Comprendre les limites : savoir évaluer les limites des outils d’IA sur le marché et leurs réels coûts d’exploitation. Certains processus ne nécessitent pas forcément d’IA. Nous développons des méthodologies et outils pour mesurer rigoureusement la valeur ajoutée de l’IA par rapport à une simple automatisation, afin d’éviter la surqualification
- Préparer l’avenir : ces tests nous permettront de vous apporter notre expertise et vous accompagner dans votre stratégie IA et son implémentation dans vos processus métiers
next steps
Nous vous recontacterons quand notre niveau d’expertise aura encore progressé et que nous aurons des exemples concrets à vous présenter. L’objectif est de vous proposer des solutions éprouvées, avec des retours d’expérience authentiques sur leur valeur ajoutée réelle. Nous avons vocation à aider nos clients à choisir les meilleurs modèles selon les cas d’usage et la façon de les intégrer.
Pas de promesses marketing, juste du concret fondé sur notre expérience terrain.
plus d'insights
l’expertise ne suffit pas : quand un consultant fait toute la différence
digital solutionsgovernance & service managementquality assurance & testingworking@itecor
octobre 15, 2025
l’intelligence artificielle dans la gestion de projet : des solutions concrètes pour les projets informatiques
digital solutions
septembre 29, 2025
itecor vous invite au Swiss IT Forum(s) 2025
digital solutionsgovernance & service managementquality assurance & testing
août 28, 2025
