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.
L’IA d’Anthropic progresse à un rythme qui inquiète les spécialistes de la cybersécurité
Les modèles d'IA franchissent un nouveau seuil de capacités À peine un mois après son lancement, Claude Mythos Preview continue déjà d'améliorer ses performances. Selon les derniers tests publiés par l'AI Security Institute (AISI) du Royaume-Uni, le modèle d'Anthropic...
Lumo AI 2.0 accélère sans sacrifier la protection des données
Proton veut prouver qu'une IA performante peut aussi être confidentielle La course à l'intelligence artificielle ne se joue plus uniquement sur les performances des modèles. La confiance des utilisateurs et la protection des données deviennent désormais des critères...
Azure Linux 4.0 : Microsoft prépare l’après Windows Server ?
Microsoft fait évoluer Linux bien au-delà du cloud Pendant longtemps, Azure Linux était une distribution conçue exclusivement pour faire fonctionner les infrastructures cloud de Microsoft. Avec la sortie d'Azure Linux 4.0, l'entreprise franchit une nouvelle étape en...
Claude Fable 5 quitte l’offre gratuite : Anthropic mise sur les usages professionnels
Anthropic réserve désormais son modèle le plus avancé À peine une semaine après la réouverture de Claude Fable 5, Anthropic change déjà de stratégie. L'entreprise met fin à son accès gratuit et réserve désormais son modèle le plus performant aux offres payantes...
Djinn Stealer : le malware qui s’attaque aux identifiants cloud et IA des entreprises
Les cybercriminels changent de cible Les cyberattaques ne visent plus uniquement les données ou les postes de travail. Les identifiants permettant d'accéder aux plateformes cloud, aux environnements d'intelligence artificielle et aux outils de développement sont...
Claude Tag transforme Slack en véritable espace de travail agentique
Les agents IA s'installent au cœur du travail collaboratif L'intelligence artificielle ne se limite plus aux assistants accessibles dans une fenêtre de discussion. Avec Claude Tag, Anthropic franchit une nouvelle étape en intégrant directement un agent IA dans Slack....
IBM et OpenAI veulent armer les entreprises contre les cyberattaques à vitesse machine
Les défenseurs doivent désormais combattre l'IA avec l'IA Les cyberattaques évoluent à une vitesse inédite. Grâce aux modèles d'intelligence artificielle, les attaquants sont capables d'automatiser la recherche de vulnérabilités, d'analyser du code en quelques...
La sécurité de l’open source change d’échelle : IBM, Red Hat et Palo Alto s’allient
Les cyberattaques poussent les géants de l'IT à unir leurs forces Les composants open source sont présents dans la quasi-totalité des applications modernes, des plateformes cloud aux logiciels métiers. Cette dépendance s'accompagne toutefois d'un risque croissant :...
Avec Lambda, AWS prépare l’infrastructure du cloud aux agents IA autonomes
Le serverless entre dans une nouvelle phase Le cloud évolue pour répondre aux besoins d'une nouvelle génération d'applications fondées sur l'intelligence artificielle agentique. À mesure que les agents IA deviennent capables d'exécuter des tâches complexes pendant...
La course aux semi-conducteurs s’accélère : IBM présente une architecture 0,7 nm
IBM veut repousser les limites des processeurs La compétition mondiale autour des semi-conducteurs franchit une nouvelle étape. IBM a dévoilé une architecture expérimentale baptisée Nanostack, capable d'empiler des transistors en trois dimensions à l'échelle de 0,7...
