Google Cloud rend le calcul confidentiel disponible sur ses GPU Blackwell

Nov 9, 2026 | Cloud, L'actu IT à 360

Une entreprise peut chiffrer ses fichiers et ses échanges tout en conservant un risque au moment où ses données sont traitées. Google Cloud annonce la disponibilité générale de Confidential G4, sur des instances équipées de GPU NVIDIA RTX PRO 6000 Blackwell Server Edition.[1] Cette offre vise la protection des données et des modèles pendant le calcul. Elle ouvre une possibilité supplémentaire pour les projets IA sensibles, à condition de vérifier toute la chaîne applicative.

01

Protéger les données pendant leur utilisation

Le chiffrement au repos protège les fichiers stockés. Le chiffrement en transit protège les échanges. Le calcul confidentiel vise l’environnement dans lequel les données sont utilisées. Ces protections répondent à des risques distincts et peuvent se compléter selon l’architecture.

Google met en avant le chiffrement de la mémoire, des clés matérielles non exportables et l’attestation à distance pour isoler les données et les paramètres du modèle des accès de l’infrastructure hôte.[1] Il ne s’agit pas de chiffrement homomorphe complet.

02

Une disponibilité générale avec un périmètre précis

L’annonce couvre les machines virtuelles Compute Engine et les nœuds GKE dans 36 zones. La disponibilité générale de Confidential Space pour la collaboration entre plusieurs détenteurs de données doit être déployée dans les semaines suivantes.[1]

La documentation indique que les instances Confidential G4 s’appuient sur AMD SEV. Les modes d’approvisionnement comprennent les instances à la demande, Spot et Flex-start. Une licence NVIDIA Confidential Computing est facturée automatiquement, un poste à intégrer au budget.[2]

03

Trois protections et leurs limites

Cette grille aide à situer le calcul confidentiel dans un projet IA. Elle constitue une analyse éditoriale des contrôles à combiner.

Protection Rôle dans le projet Limite à examiner
Stockage chiffré Protéger les fichiers et sauvegardes conservés. Les accès autorisés et les copies restent à maîtriser.
Transport chiffré Protéger les échanges entre services. Les données restent accessibles aux extrémités autorisées.
Calcul confidentiel Isoler les données utilisées dans un environnement protégé. Le code applicatif et la diffusion des résultats restent à contrôler.

04

L’attestation doit conduire à une décision de confiance

L’attestation fournit des éléments cryptographiques pour vérifier l’environnement avant de lui confier des données sensibles.[1] Il faut définir les états acceptés, préciser qui vérifie l’attestation et décider quelle action bloquer en cas d’échec. Conserver un rapport sans l’utiliser ne protège pas autant qu’un accès conditionné au résultat de la vérification.

La documentation précise aussi que le mode confidentiel du GPU doit être activé après la création de la machine virtuelle.[2] Le nom de l’instance ne suffit donc pas à prouver que la protection est effective. Le déploiement doit vérifier son état réel.

05

Une protection du calcul ne corrige pas l’application

Une application peut traiter des données dans un environnement protégé, puis transmettre un résultat à une personne non autorisée. Des journaux ou un service externe peuvent aussi exposer des informations. Les identités, les connexions et les sorties doivent donc être contrôlées.

La confidentialité ne garantit pas l’exactitude. Une erreur reste une erreur. L’évaluation du modèle et la validation humaine sont des contrôles distincts de l’isolation de l’infrastructure.

06

Un pilote sur des dossiers techniques confidentiels

Une entreprise d’ingénierie pourrait tester la synthèse de rapports confidentiels avec la même application sur une G4 standard puis sur une configuration confidentielle. Le pilote utiliserait des documents de test, des réponses attendues et un accès limité. Cet exemple est illustratif, il ne décrit pas un résultat client.

Il faudrait vérifier l’attestation, les accès, les journaux et les destinations des données, puis tester l’interruption et la reprise. La politique de maintenance de l’hôte indiquée dans la documentation exige l’arrêt de la machine virtuelle, ce qui peut affecter la disponibilité.[2]

Google annonce une baisse de débit inférieure à 3,5 % dans ses tests sur plusieurs modèles avec une configuration g4-standard-48.[1] Cette mesure du fournisseur ne vaut pas pour toutes les charges. Il reste à mesurer la latence de bout en bout, le débit utile et le coût par tâche sur le workload visé.

07

La compétence IT à retenir : Cloud

Cette évolution mobilise la compétence Cloud. Le professionnel doit choisir la zone et la configuration, anticiper les quotas et les dépendances, et comprendre le périmètre des données ainsi que les modalités de sortie.

Un déploiement automatisé et reproductible facilite la vérification des paramètres de sécurité. Les images, les pilotes et les réglages du mode confidentiel doivent correspondre à la configuration validée. Chaque changement de version ou de composant appelle une nouvelle vérification.

Enfin, le projet doit équilibrer sécurité, coût et disponibilité. Les procédures de reprise doivent être documentées et testées, avec des preuves conservées pour vérifier le comportement réel de l’environnement.

08

Le calcul confidentiel s’évalue dans l’architecture complète

Confidential G4 ajoute une protection au moment où les données sont utilisées par l’IA. Son intérêt se mesure dans une architecture complète : environnement vérifié, accès limités, sorties maîtrisées et reprise testée. Le calcul confidentiel peut réduire certains risques d’exposition sans rendre automatiquement l’ensemble de l’application confidentiel ou fiable.

Pour aller plus loin

Quatre lectures CCCLX pour approfondir les usages du cloud, le partage de données et les architectures IA.

Cloud et données

Google Cloud Storage Intelligence Advisor et les anomalies de stockage

Les outils de Google Cloud pour analyser les environnements de stockage.
Partage de données et IA

Databricks étend Delta Sharing à l’IA et veut casser les silos de données

Les enjeux du partage de données entre organisations et outils IA.
Cloud et agents IA

Agents vocaux IA : Oracle détaille une architecture LiveKit sur OCI

Un exemple d’intégration de services IA dans une architecture cloud.
Systèmes et infrastructures

Azure Linux 4.0 : Microsoft prépare l’après Windows Server

Les choix d’infrastructure et de systèmes dans les environnements serveur.

Sources

  1. 01

    Google Cloud, Meghna Sreenivasan et Sam Lugani (21 octobre 2026). « Hardware-backed security at global scale: Confidential G4 with NVIDIA Blackwell is GA ». Annonce de la disponibilité générale et présentation des protections ainsi que des résultats de performance communiqués par Google.

    Consulter la source →

  2. 02

    Google Cloud (documentation technique). « Create a Confidential VM instance with GPU ». Détails sur les configurations, l’activation du mode confidentiel et les modalités de facturation.

    Consulter la source →

L’Actu IT à 360°, décrypter la technologie pour comprendre les métiers de demain.

Découvrir CCCLX →