Agent IA local : ce que ça protège vraiment, et ce que tu perds

# Agent IA local : ce que ça protège vraiment, et ce que tu perds

Un agent IA local est un agent dont le modèle tourne sur l'ordinateur de son utilisateur et non sur les serveurs d'un éditeur, de sorte que ses instructions et ses documents sont traités sur la machine. Ollama, par exemple, écrit ne pas voir les prompts quand le modèle tourne en local. Voir agent IA : définition et limites.

L'essentiel à retenir :

• Un agent local ne protège tes données que si tout ce qu'il touche reste local aussi.
• Dès qu'il lit le web, envoie un mail ou appelle un service en ligne, « local » veut dire « le modèle tourne chez toi », pas « tes données restent chez toi ».
• Open source ne veut pas dire local : un agent open source peut appeler un modèle en ligne, et un même outil peut mélanger les deux.
• Le local se paie : une machine assez puissante, un modèle plus petit qui se trompe davantage, et la sécurité de l'ordinateur à ta charge.
• Un agent local n'est pas plus sûr par principe. Les règles d'accès et de validation restent les mêmes.

Ce guide définit l'agent IA local, le distingue de l'IA locale et de l'open source, détaille ce qu'il protège et ce qu'il coûte, montre quel freelance y a intérêt, donne les briques pour démarrer, répond à la question de la sécurité et propose une grille de choix.

Qu'est-ce qu'un agent IA local ?

Un agent IA local est l'assemblage de trois éléments qui tournent sur ta machine : un modèle de langage, des instructions qui fixent son rôle, et des outils qui lui permettent d'agir (lire un dossier, écrire un fichier, chercher sur le web).

Le modèle seul n'est pas un agent. Un modèle installé sur ton ordinateur répond à ce que tu lui écris, comme un assistant de conversation. Il devient un agent quand on lui donne un objectif et des outils, et qu'il choisit lui-même les actions à faire pour l'atteindre.

C'est cette troisième brique qui change tout pour la protection des données. Le modèle peut tourner chez toi pendant que ses outils, eux, parlent à des services en ligne.

Agent local, IA locale, open source : quelle différence ?

L'IA locale désigne un modèle qui tourne sur ton ordinateur ; l'agent local, ce modèle avec des outils et des règles ; l'open source, un code publié, ce qui ne dit rien de l'endroit où tourne le modèle.

La confusion la plus courante porte sur la dernière ligne. Un agent open source peut très bien être réglé pour appeler un modèle hébergé chez un éditeur : le code est ouvert, les données partent quand même.

Le mélange existe aussi dans un même outil. Ollama, un moteur qui fait tourner des modèles en local, propose aussi des modèles hébergés dans son cloud. Sa FAQ (consultée le 20 octobre 2026) explique comment couper ces fonctions et prévient : « By turning off Ollama's cloud features, you will lose the ability to use Ollama's cloud models and web search » (en coupant les fonctions cloud, tu perds l'accès aux modèles cloud et à la recherche web d'Ollama).

Qu'est-ce qu'un agent local protège vraiment ?

Un agent local protège le texte que le modèle lit et produit, qui reste sur ta machine ; il ne protège pas ce que l'agent envoie à ses outils en ligne.

Ce qui reste chez toi. La politique de confidentialité d'Ollama (« Last updated: March 2026 ») l'écrit en tête : « We don't see your prompts or data when you run locally » (nous ne voyons ni tes prompts ni tes données quand tu travailles en local). Pour s'en assurer, la FAQ décrit un mode local seul, activé par le réglage `disable_ollama_cloud` ou la variable `OLLAMA_NO_CLOUD=1`. C'est l'éditeur qui décrit son propre produit. Il précise aussi qu'il collecte des métadonnées d'usage limitées, « such as app version and request counts » (comme la version de l'application et le nombre de requêtes), sans le contenu des prompts.

Ce qui sort quand même. Tout ce que l'agent transmet à un outil connecté :

• une recherche web envoie ta requête, et parfois des extraits de ton document, au moteur de recherche ;
• un envoi de mail fait partir le contenu par ton fournisseur de messagerie ;
• un service en ligne branché à l'agent reçoit ce que l'agent lui passe, qu'il s'agisse d'un agenda, d'un stockage ou d'un outil de traduction.

La CNIL et le Conseil de l'IA et du Numérique le rappellent dans leur note exploratoire sur l'IA agentique du 20 juillet 2026 : ces systèmes « impliquent la circulation de données personnelles entre de nombreux services ». Faire tourner le modèle chez toi ne change rien à ces flux-là.

Le branchement des outils par le protocole MCP, qui est l'une des façons de faire sortir des données, fait l'objet d'un article à part sur l'agent IA et le MCP.

Qu'est-ce que tu perds en faisant tourner ton agent en local ?

Tu perds de la puissance, de la qualité et du temps : il faut une machine qui tienne le modèle, un petit modèle se trompe plus qu'un grand, et l'entretien de l'ordinateur devient ton affaire.

La machine. La page Quickstart d'Ollama (consultée le 20 octobre 2026) donne les prérequis de l'un des petits modèles qu'elle propose, Gemma 4 E2B : « The model download is about 7.2 GB. We recommend 8 GB of available VRAM, or unified memory on a Mac » (le téléchargement fait environ 7,2 Go ; 8 Go de mémoire vidéo disponible sont recommandés, ou de mémoire unifiée sur Mac). La même page ajoute que les contextes plus longs demandent plus de mémoire et que, avec moins de mémoire vidéo, Ollama peut utiliser la mémoire système, « but responses may be slower » (mais les réponses peuvent être plus lentes). Ces valeurs sont propres à ce modèle et peuvent changer : vérifie celles du modèle que tu choisis.

La qualité. Un modèle qui tient sur un ordinateur portable est plus petit que les grands modèles hébergés. En général, il suit moins bien les consignes longues, se trompe plus souvent sur une tâche en plusieurs étapes, et invente plus volontiers quand il ne sait pas. Pour un agent qui agit, ces erreurs comptent davantage que pour un assistant qui répond.

L'entretien. Les mises à jour du moteur, du modèle et de l'agent, la sauvegarde, le chiffrement du disque et la sécurité de la machine sont à ta charge. Un éditeur en ligne s'en occupe pour toi. En local, personne.

Quel freelance a intérêt à un agent local ?

Un freelance a intérêt à un agent local quand ses documents sont confidentiels, que ses clients interdisent les outils en ligne, et que la tâche consiste à lire, classer ou résumer sans avoir besoin du web.

Les critères, dans l'ordre :

• des documents sous accord de confidentialité, qui ne doivent pas quitter ta machine ;
• des clients qui interdisent les outils en ligne dans leur contrat ou leur cahier des charges ;
• des tâches de lecture, de classement et de résumé qui se suffisent des documents fournis ;
• une tâche qui supporte un modèle plus petit, parce que tu relis tout de toute façon.

Scénario type : imagine une traductrice freelance qui reçoit des contrats sous accord de confidentialité. Elle installe un agent local, sans aucun outil en ligne branché, et lui confie deux tâches : préparer le glossaire des termes du contrat et lister les passages ambigus à vérifier avec le client. L'agent lit les fichiers sur sa machine et écrit ses listes dans un dossier local. Elle relit tout, traduit elle-même, et rien ne part chez le client sans son GO. Ce scénario est un exemple pour illustrer les critères, pas un cas réel ni un résultat mesuré.

Ce qui rend le scénario cohérent, c'est l'absence d'outil en ligne. Le jour où elle branche une recherche terminologique sur le web, une partie du contrat peut sortir avec la requête.

Comment démarrer un agent local sans être développeur ?

Pour démarrer sans être développeur, il te faut trois briques : un moteur qui fait tourner le modèle, un modèle choisi selon ta machine, et un agent qui s'y branche.

Le moteur. Ollama est disponible en application pour macOS, Windows et Linux, d'après sa page Quickstart. Il télécharge et fait tourner les modèles sur ta machine.

Le modèle. Choisis-le d'après les prérequis publiés et ta machine, pas d'après un classement. Un modèle trop gros pour ton ordinateur sera lent ou ne démarrera pas.

L'agent. La page Integrations d'Ollama (consultée le 20 octobre 2026) liste, sous « Run a personal assistant », deux agents à lancer avec la commande `ollama launch` : OpenClaw (« Chat with an assistant through your messaging apps ») et Hermes Agent (« Personal assistant with memory, reusable skills, and messaging »). Les deux parlent de messagerie : un agent branché sur tes messageries fait, par définition, circuler des messages hors de ta machine.

Un avertissement : la même page décrit le branchement d'applications de bureau d'éditeurs, comme Claude Desktop, présenté pour « local and cloud Ollama models » (les modèles Ollama locaux et cloud). Brancher une application de bureau peut faire repasser une partie du travail en ligne. Vérifie que le mode local seul est actif si c'est ce que tu veux.

Les étapes de construction d'un agent (objectif, contexte, outils, validation) sont détaillées dans créer un agent IA : objectif, contexte, outils, validation. Ici, l'important est de savoir ce que chaque brique fait sortir ou non.

Un agent local est-il plus sûr ?

Non, pas par principe : un agent local reste exposé aux mêmes risques qu'un agent en ligne, et un agent qui peut effacer des fichiers sur ta machine est même plus risqué qu'un agent qui ne la touche pas.

L'OWASP décrit deux de ces risques dans son Top 10 for LLM Applications 2025. L'injection de prompt (LLM01:2025) : une instruction cachée dans un document ou une page web détourne l'agent. Un modèle local lit le document piégé comme un modèle en ligne. L'excès d'autonomie (LLM06:2025 Excessive Agency) : un agent qui a trop de fonctions, de permissions ou d'autonomie transforme une erreur en action. En local, ces actions portent sur tes fichiers. Ces fiches viennent d'une communauté de sécurité, donc orientée risques.

L'ANSSI, dans ses Recommandations de sécurité pour un système d'IA générative (publiées le 29 avril 2024), appelle à une « posture de prudence lors de son déploiement et de son intégration dans un système d'information existant ». Le guide vise d'abord les organisations, et il exclut lui-même la protection des données personnelles de son champ.

La règle de conception générale ne change pas avec le lieu d'exécution : donne à l'agent le moins d'accès possible, par exemple un dossier de travail plutôt que tout le disque, et garde une validation humaine avant tout ce qui sort. Chez moi, la règle est écrite pour tous les bots : tout envoi externe attend mon GO écrit. Les garde-fous qui valent pour tous les agents sont détaillés dans garde-fous IA : ce qu'un agent n'a pas le droit de faire.

Local ou en ligne : comment choisir pour une tâche donnée ?

Pour choisir, réponds à quatre questions sur la tâche, pas sur l'outil : les données sont-elles confidentielles, la tâche a-t-elle besoin du web ou d'un service en ligne, un petit modèle suffit-il, et peux-tu entretenir la machine ?

Si les deux premières réponses sont « oui » et « non », le local a un vrai sens. Si la tâche a besoin du web, le local ne protège plus le contenu qui part avec la requête : il faut alors choisir ce que l'agent a le droit d'envoyer. Et si aucune de ces questions ne fait pencher la balance, demande-toi si un agent est la bonne réponse, avec quand ne pas utiliser un agent IA.