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.
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.
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]
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. |
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.
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.
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.
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.
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.
Google Cloud Storage Intelligence Advisor et les anomalies de stockage
Databricks étend Delta Sharing à l’IA et veut casser les silos de données
Agents vocaux IA : Oracle détaille une architecture LiveKit sur OCI
Azure Linux 4.0 : Microsoft prépare l’après Windows Server
Sources
- 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.
- 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.
Agentic Data Cloud : Google repense la data pour l’ère des agents IA
Les agents IA obligent Google à repenser l'architecture des données Les agents IA promettent de rechercher des informations, prendre des décisions et agir directement dans les systèmes de l'entreprise, mais cette autonomie repose sur une condition essentielle :...
Google Cloud s’attaque à la facture cachée des agents IA
Les agents IA posent un nouveau problème : combien coûte réellement une tâche ? À mesure que les entreprises passent des chatbots aux agents IA capables de travailler pendant plusieurs étapes, la question du coût devient beaucoup plus complexe. Un chatbot traite...
Workday, Navan, Avalara : ChatGPT Work s’invite dans les logiciels métiers
ChatGPT Work quitte progressivement la fenêtre de chat Avec GPT-6 Astra, OpenAI ne cherche plus seulement à améliorer la qualité des réponses produites par ChatGPT. L'entreprise veut rapprocher son IA des applications dans lesquelles les salariés travaillent...
GPT-6 Astra arrive sur Amazon Bedrock : OpenAI s’installe dans le cloud d’entreprise
OpenAI trouve une nouvelle porte d'entrée dans les entreprises Le 8 septembre 2026, AWS a annoncé la disponibilité générale de GPT-6 Astra sur Amazon Bedrock, donnant aux entreprises une nouvelle manière d'accéder au modèle le plus avancé d'OpenAI directement depuis...
De la puce au cloud : Groq lève 350 millions pour changer d’échelle
Groq veut désormais vendre du cloud plutôt que seulement des puces Groq poursuit une transformation stratégique majeure. Longtemps identifié comme l'un des challengers de Nvidia grâce à ses LPU (Language Processing Units) spécialisés dans l'inférence des modèles...
Palmyra X6 : Writer veut faire baisser la facture de l’IA en entreprise
La course à l'IA se déplace désormais vers les coûts Après plusieurs années pendant lesquelles les éditeurs se sont principalement affrontés sur la puissance de leurs modèles, une nouvelle bataille s'ouvre autour de leur coût d'exploitation. Writer vient de lancer...
Muse Code : Meta lance son agent IA pour s’attaquer aux codebases géantes
Meta veut faire entrer les agents IA dans les projets logiciels complexes Meta accélère dans le développement logiciel assisté par intelligence artificielle avec Muse Code, un nouvel agent pensé pour intervenir sur de grandes codebases, là où les assistants...
Qwen3.8-Max aurait codé pendant 16 jours sans intervention humaine
Alibaba teste jusqu'où peut aller un développeur IA autonome Alibaba affirme avoir franchi une nouvelle étape dans le développement logiciel agentique avec Qwen3.8-Max, son nouveau modèle phare lancé début août 2026. Lors d'un test interne, le modèle aurait travaillé...
Deux mois, 1,1 milliard de dollars : River AI affole déjà les investisseurs
Une levée spectaculaire pour une startup à peine sortie de l'ombre Deux mois après sa sortie du mode furtif, River AI vient de réaliser l'une des opérations de financement les plus spectaculaires de l'année dans l'intelligence artificielle. La startup fondée par Igor...
ZCode veut défier Cursor et Claude Code : la Chine entre dans la bataille du code IA
La Chine accélère dans les environnements de développement IA Le marché du développement logiciel assisté par intelligence artificielle accueille un nouvel acteur de poids. Z.ai, anciennement connu sous le nom de Zhipu AI, a dévoilé ZCode, un environnement de...
