IA générative entreprise : les 9 meilleures plateformes sans conservation des données en 2026

Côté IA générative entreprise, OpenAI API est en 2026 la meilleure plateforme sans conservation des données pour la plupart des équipes qui développent des agents : elle maintient ses modèles de pointe sur un parcours ZDR. Amazon Bedrock prend toutefois l’avantage lorsque toute requête incompatible doit être bloquée par défaut à l’échelle d’un environnement AWS. Attention : la ZDR protège un parcours d’inférence, pas un produit agent dans son ensemble. Mémoire persistante, fichiers, sandboxes de code, recherche et couches d’agents managés peuvent réintroduire de la conservation. Pour une charge normalisée de 1 million de tokens en entrée et 200,000 en sortie, GPT-5.6 Luna coûte $0.44 aux tarifs Standard actuels ; le vrai arbitrage budgétaire consiste à savoir si l’entreprise peut assumer elle-même la gestion de l’état de l’agent.

IA générative entreprise : les meilleures plateformes sans conservation des données

La Zero Data Retention, ou ZDR, signifie que les prompts et les réponses pris en charge ne sont pas conservés au repos une fois le traitement terminé. Elle ne couvre pas automatiquement chaque espace de fichiers, couche mémoire, outil ou agent managé relié au modèle. C’est cette distinction qui pèse le plus dans notre classement.

Les prix ci-dessous ont été vérifiés sur les pages en ligne des fournisseurs le 22 août 2026. Sauf indication contraire, les tarifs par token s’entendent pour 1 million de tokens. « Non indiqué » signifie que le fournisseur n’affichait pas d’essai propre à la plateforme sur sa page tarifaire, et non qu’une équipe commerciale ne peut pas accorder de crédits.

La qualité des modèles, l’orchestration et l’adéquation métier sont traitées dans ce comparatif des plateformes d’agents IA pour l’entreprise. Ici, la hiérarchie change : la sécurité de la conservation prime sur l’étendue fonctionnelle. Une plateforme perd donc des points lorsque ses fonctions agent les plus pratiques invalident la promesse ZDR.

IA sans conservation des données : que signifie la ZDR pour un agent d’entreprise ?

« Nous n’entraînons pas nos modèles sur vos données » et « nous ne conservons pas vos données » ne répondent pas à la même question. Un engagement de non-entraînement peut toujours autoriser le fournisseur à garder les prompts pour surveiller les abus, déboguer, conserver l’historique des conversations, traiter des lots ou récupérer des fichiers. La ZDR formule une promesse plus étroite : les contenus couverts ne sont pas conservés après la fin de la requête.

Avec un agent, tenir cette promesse est plus difficile qu’avec une simple complétion de chat. Un agent d’entreprise réellement utile repose généralement sur au moins quatre couches :

• Inférence : le modèle lit un prompt et produit une réponse.
• État : mémoire, historique des conversations, checkpoints et statut des tâches.
• Connaissances : fichiers importés, bases vectorielles, bases de données et journaux de recherche documentaire.
• Actions : recherche, exécution de code, navigateurs, serveurs MCP et applications métier.

Seule la première couche est naturellement sans état. Les trois autres existent précisément parce qu’une information persiste quelque part. Une plateforme peut donc exceller dans l’inférence ZDR tout en étant inadaptée à un agent managé dont les transcriptions, fichiers ou sandbox résident chez le fournisseur.

C’est le coût de possession de l’état. Une ZDR stricte oblige souvent l’entreprise à exploiter la base qui stocke la mémoire, le stockage objet qui héberge les fichiers, le système de traces nécessaire aux analyses d’incident et la file qui relance les traitements longs. Les équipes sécurité et juridique obtiennent ainsi une frontière de contrôle nette ; en contrepartie, l’ingénierie récupère les tâches de suppression, les politiques d’accès, les règles de sauvegarde et les astreintes.

Le bon critère n’est pas « Le fournisseur possède-t-il une page ZDR ? », mais : pouvez-vous représenter le parcours complet d’une requête et prouver que chaque système en contact avec le contenu client applique une règle de conservation compatible ? Si la réponse dépend d’une case cochée par défaut, d’un plugin non documenté ou d’une fonctionnalité managée qui stocke silencieusement l’état, le workflow n’est pas prêt à recevoir des données sensibles.

Comment avons-nous sélectionné chaque plateforme IA sécurisée ?

Les neuf plateformes ont été comparées à partir de leurs pages en ligne consacrées aux contrôles des données, à la documentation et aux tarifs, le 22 août 2026. Le classement ne repose ni sur un essai inventé ni sur un badge de sécurité générique. Cinq critères l’ont déterminé :

1. Promesse de conservation : le fournisseur affirme-t-il que les prompts et réponses pris en charge ne sont pas stockés au repos après traitement ?
2. Blocage par défaut : un modèle ou une fonctionnalité incompatible est-il bloqué, ou un développeur peut-il sortir de la ZDR sans s’en rendre compte ?
3. Couverture des agents : que deviennent la mémoire, les fichiers, les traitements batch, l’exécution de code, la recherche web, MCP et les transcriptions d’agents managés ?
4. Preuve administrative : un responsable sécurité peut-il activer la politique de façon centralisée et vérifier qu’elle est bien appliquée ?
5. Lisibilité commerciale : les tarifs en vigueur et le coût des solutions respectueuses de la confidentialité sont-ils assez clairs pour établir un budget ?

Les plateformes qui promettent seulement de ne pas entraîner leurs modèles sur les données client ont été écartées. Même décision pour les frameworks d’orchestration dépourvus d’engagement de conservation côté fournisseur : ils ne peuvent garantir ce que garde l’hébergeur du modèle sous-jacent. La sélection finale ne retient que les fournisseurs qui proposent un contrôle ZDR exploitable ou un parcours sans état défendable pour le trafic API d’entreprise.

Le classement pénalise aussi les appellations trompeuses. Mistral, par exemple, prend en charge la ZDR sur plusieurs API sans état, mais exclut son produit baptisé Agents. Microsoft documente l’inférence sans état et le contrôle modifié des abus sans proposer un simple interrupteur ZDR en libre-service. Ces solutions peuvent rester pertinentes, à condition que l’équipe d’implémentation maîtrise cette nuance.

1. OpenAI API : le meilleur choix global pour des modèles de pointe en ZDR

OpenAI API arrive en tête lorsqu’une entreprise veut accéder aux modèles de pointe actuels tout en conservant un parcours Zero Data Retention.

L’annonce d’OpenAI du 19 août compte parce qu’elle explicite l’enjeu métier : les clients API éligibles peuvent conserver la ZDR alors que les modèles prennent en charge des tâches plus longues et complexes. Selon l’engagement publié, prompts et réponses du modèle ne sont pas conservés après traitement, les contenus restent inaccessibles au personnel d’OpenAI et les données d’entreprise ne servent pas à l’entraînement sauf accord explicite du client. L’entreprise a également présenté Private Safety Processing, conçu pour détecter des schémas de risque dans des interactions liées sans révéler leur contenu sous-jacent au personnel d’OpenAI.

L’offre est particulièrement convaincante pour une banque, un éditeur de logiciels de santé, une plateforme juridique ou un fournisseur SaaS d’entreprise qui recherche la performance des modèles sans pouvoir accepter un accès habituel du fournisseur aux prompts. OpenAI apporte une API directe, des contrôles au niveau du projet, un large choix d’endpoints d’inférence éligibles à la ZDR et une feuille de route lisible. GPT-5.6 Luna affiche en outre un coût d’entrée particulièrement bas : un million de tokens en entrée et 200,000 en sortie reviennent à $0.44 au tarif Standard en contexte court.

La limite se situe dans l’état applicatif. Le tableau de conservation des endpoints d’OpenAI indique que Chat Completions et Responses sont éligibles à la ZDR sous certaines conditions, mais que Conversations, les threads ChatKit, Assistants, Threads, Vector Stores, Files, Evals et Batches ne le sont pas. Les serveurs MCP distants appliquent leurs propres politiques de conservation. Hosted Shell et Code Interpreter peuvent écrire des données temporaires tant que leurs conteneurs restent actifs. Background Responses écrit un état temporaire sur disque pendant environ 10 minutes afin que le client puisse interroger le statut de la tâche.

OpenAI est donc ici la meilleure plateforme de modèles, pas une autorisation générale d’utiliser toutes ses fonctionnalités. Un déploiement strict doit conserver mémoire et fichiers dans l’infrastructure du client, appeler un endpoint sans état pris en charge, puis approuver séparément chaque destination d’outil. Sous ZDR, OpenAI traite store comme false dans Responses et Chat Completions même si la requête envoie true, ce qui neutralise un paramètre par défaut dangereux. L’organisation doit néanmoins avoir obtenu une approbation préalable pour la ZDR.

Private Safety Processing doit également être considéré comme une preview, et non comme un contrôle intégrable dès aujourd’hui dans une architecture de production. OpenAI indiquait que les tests avec les premiers clients étaient en cours et prévoyait un déploiement ainsi qu’un livre blanc technique en septembre 2026. La ZDR existante constitue le fait d’achat ; la preview indique une orientation. Les images signalées comme susceptibles de contenir des CSAM restent une exception explicite et peuvent être conservées pour examen manuel et signalement légal.

Idéal pour : les entreprises qui ont besoin des modèles OpenAI de pointe sur un parcours sans état approuvé.
Point fort : la ZDR impose store=false aux appels Responses et Chat Completions pris en charge.
Tarifs : la grille tarifaire actuelle d’OpenAI API affiche GPT-5.6 Luna en contexte court à $0.20 en entrée, $0.02 en entrée mise en cache, $0.25 en écriture de cache et $1.20 en sortie avec Standard ; $0.10, $0.01, $0.125 et $0.60 avec Batch ou Flex ; $0.40, $0.04, $0.50 et $2.40 avec Fast, par 1 million de tokens. Le traitement avec résidence régionale des données ajoute 10% pour les modèles éligibles sortis à partir du 5 mars 2026.
Essai gratuit : aucun essai propre à la plateforme n’est indiqué sur la page tarifaire en ligne de l’API.

1. 1

   Obtenir le contrôle par écrit

   Demandez la ZDR pour l’organisation API précise qui traitera le trafic de production. Consignez l’approbation, le périmètre contractuel, les modèles éligibles, les exceptions et le responsable sécurité désigné.

2. 2

   Créer un projet dédié

   Placez l’agent sensible dans son propre projet et sélectionnez le contrôle de conservation approuvé au lieu d’hériter d’un paramètre d’organisation ambigu. Séparez les clés de développement de celles de production.

3. 3

   Inventorier chaque endpoint

   Confrontez le workflow au tableau d’endpoints OpenAI en vigueur. Maintenez le parcours d’inférence principal sur des appels Responses ou Chat Completions éligibles. Retirez Conversations, Assistants, Files, Vector Stores, Evals et Batch du parcours strict.

4. 4

   Ramener l’état dans votre périmètre

   Stockez la mémoire, le statut des tâches, les documents et les traces d’audit dans des systèmes soumis à votre propre calendrier de conservation. Ne transmettez que le contexte minimal nécessaire à chaque appel de modèle.

5. 5

   Effectuer un test canari de conservation

   Envoyez un enregistrement sensible synthétique, suivez chaque destination, vérifiez store=false, confirmez que l’enregistrement n’apparaît que dans les systèmes client approuvés et faites échouer toute fonctionnalité incompatible avant d’autoriser de vraies données.

2. Amazon Bedrock : le meilleur pour une politique qui bloque par défaut

Amazon Bedrock est le choix le plus robuste lorsque la politique de conservation doit s’appliquer à toute une organisation AWS, sans dépendre de la vigilance de chaque développeur.

Bedrock transforme la conservation en un mode défini au niveau du compte ou du projet. Lorsque data_retention_mode vaut none, la documentation de Bedrock sur la conservation précise qu’aucune requête ni réponse n’est écrite dans un stockage durable ou partagée avec le fournisseur du modèle. Si un modèle impose une conservation, l’appel est bloqué. Dans Responses API, store vaut false par défaut, store=true est refusé et Background mode est indisponible. Chat Completions et Messages ne sont jamais conservés dans ce mode.

Ce blocage par défaut explique pourquoi Bedrock devance des plateformes dont la promesse marketing paraît plus simple. Une entreprise réglementée peut utiliser des politiques IAM ou Service Control Policies afin d’interdire tout paramètre de conservation autre que none. Le contrôle résiste alors aux changements d’effectif, aux mises en production précipitées et au code d’exemple copié-collé. Il intègre la posture de sécurité cloud au lieu de rester un point sur une checklist d’ingénierie.

La limite clairement identifiée concerne la disponibilité des modèles. Claude Fable 5 et Claude Mythos 5 exigent provider_data_share, sauf si le compte obtient une approbation ZDR propre au modèle. Lorsque le partage est activé, prompts et complétions peuvent être conservés jusqu’à 30 jours. Une équipe qui choisit none doit s’attendre à ne plus pouvoir utiliser ces modèles et considérer le refus de la requête comme la preuve que le contrôle fonctionne.

Bedrock avertit aussi que store=false ne garantit pas à lui seul la ZDR. Un modèle peut encore conserver du contenu pour les contrôles de sécurité si le mode de conservation effectif n’est pas none. Cette distinction est précieuse pour les achats : un paramètre API décrit le comportement d’une requête, tandis que le mode de conservation relève de la politique.

Les tarifs sont moins synthétiques que ceux d’une API de modèle directe, car Bedrock héberge de nombreux fournisseurs, régions et modes de service. La page tarifaire de Bedrock affiche Intelligent Prompt Routing à $1 pour 1,000 requêtes, en plus des tokens du modèle sous-jacent. Le service peut router au sein d’une famille de modèles, mais un acheteur ZDR doit d’abord vérifier que chaque modèle candidat autorise none. L’optimisation des coûts ne devient utile qu’une fois la politique de conservation satisfaite.

Idéal pour : les entreprises sur AWS qui veulent imposer une politique de conservation de façon centralisée.
Point fort : les appels vers des modèles incompatibles échouent au lieu de conserver silencieusement les données.
Tarifs : le coût varie selon le fournisseur, le modèle, la région et le mode de service. Intelligent Prompt Routing coûte $1 pour 1,000 requêtes On-Demand, hors utilisation du modèle.
Essai gratuit : aucun essai propre à Bedrock n’est indiqué sur la page tarifaire en ligne de Bedrock.

3. Google Gemini Enterprise Agent Platform : le meilleur choix pour les équipes Google Cloud

Google Gemini Enterprise Agent Platform convient particulièrement aux organisations Google Cloud capables de gouverner chaque fonctionnalité agent avec autant de rigueur que l’appel au modèle.

La documentation de Google du 21 août se distingue par sa précision sur les contrôles qui invalident une promesse ZDR trop large. La base est solide : les données client ne servent ni à entraîner ni à fine-tuner les modèles managés sans autorisation, la journalisation des requêtes et réponses est désactivée par défaut, et les clients concernés par la journalisation des prompts pour le contrôle des abus peuvent demander une exemption.

La difficulté vient du comportement de stockage propre à chaque fonctionnalité agent. Interactions API règle store sur true par défaut ; une requête ZDR doit donc envoyer explicitement store=false. Grounding with Google Search conserve les requêtes dérivées et le contexte jusqu’à 3 jours, sans possibilité de désactivation. Google recommande Web Grounding for Enterprise à la place. Grounding with Google Maps conserve les prompts, le contexte et la sortie générée pendant 30 jours, là encore sans interrupteur permettant de l’éviter.

CodeMender crée une autre frontière importante. Afin de pouvoir reprendre un scan long, il conserve jusqu’à 7 jours des données de session chiffrées, notamment des extraits de code, des diffs, la configuration et des checkpoints d’analyse. Le contenu du code est effacé dans les secondes qui suivent l’atteinte d’un état terminal ; le reste de la session expire au terme des 7 jours. Ce calendrier peut être raisonnable pour une entreprise, mais il ne correspond pas à une conservation nulle.

La reprise de session de Gemini Live est optionnelle et conserve jusqu’à 24 heures le texte, l’audio, la vidéo et les sorties mis en cache. Elle doit rester désactivée sur un parcours strict. Le cache en mémoire utilisé par défaut par Google possède lui aussi une TTL de 24 heures, mais Google estime que ce cache non persistant, isolé par projet, est compatible avec la ZDR et permet aux administrateurs de le désactiver pour tout le projet. Les achats doivent vérifier que cette définition correspond à la politique interne au lieu de supposer que tous les auditeurs traiteront la mémoire volatile de la même manière.

Google s’impose lorsque l’entreprise utilise déjà IAM, le réseau, les logs et les services de données de Google Cloud : l’agent approuvé peut alors garder son état durable dans le périmètre cloud existant. La plateforme reste derrière Bedrock pour la simplicité du blocage par défaut. Plusieurs réglages doivent être corrects et certaines fonctions Advanced AI peuvent rendre la ZDR impossible. Google invite ses clients à demander des précisions à leur équipe de compte ; cet échange doit avoir lieu avant l’approbation du modèle.

Idéal pour : les entreprises Google Cloud qui bâtissent leurs agents autour d’appels Gemini sans état approuvés.
Point fort : une documentation détaillée, fonctionnalité par fonctionnalité, pour Search, Maps, Interactions, les sessions Live, le cache et CodeMender.
Tarifs : la grille tarifaire actuelle des modèles Google affiche Gemini 3.1 Flash-Lite global Standard à $0.25 en entrée, $0.025 en entrée mise en cache et $1.50 en sortie ; Priority à $0.45, $0.045 et $2.70 ; et Flex/Batch à $0.125, $0.0125 et $0.75, par 1 million de tokens texte. Web Grounding for Enterprise inclut 5,000 requêtes de grounding par mois, puis coûte $14 pour 1,000.
Essai gratuit : aucun essai propre à la plateforme n’est indiqué sur sa page tarifaire en ligne.

4. Anthropic API : le meilleur pour Claude avec un état géré par le client

Anthropic API est le bon choix pour Claude lorsqu’une entreprise accepte d’assembler son agent à partir de fonctions sans état éligibles et de conserver l’état durable sous son propre contrôle.

Dans le cadre d’un accord ZDR Anthropic approuvé, Anthropic indique ne pas stocker au repos les prompts ou réponses des clients après le retour de la réponse. L’accord s’active par organisation auprès de l’équipe commerciale. Les appels Messages et Token Counting éligibles sont couverts ; Claude Code peut également l’être lorsqu’il utilise une clé API d’organisation Commercial ou Claude Enterprise avec la ZDR activée.

La granularité du tableau d’éligibilité constitue le principal atout d’Anthropic. Bash, Text Editor, Computer Use et Memory côté client, ainsi que Messages standard, Prompt Caching et Web Search standard, peuvent rester dans le cadre ZDR. Une équipe d’ingénierie expérimentée peut ainsi construire un agent performant tout en gardant l’état et l’exécution des outils dans son propre environnement. Prompt caching maintient les représentations KV et les hashes en mémoire pendant la TTL du cache, sans stocker au repos les prompts ni les réponses.

La plus grande limite tient à la séparation entre modèles de pointe. Claude Fable 5 et Claude Mythos 5 imposent une conservation de 30 jours et ne sont pas disponibles sous ZDR. Une organisation ZDR approuvée peut activer la conservation dans un workspace, mais le trafic de ce workspace ne respecte alors plus la politique stricte. Ce choix relève des achats, pas d’un simple réglage du modèle : accepter la conservation pour ces modèles ou en sélectionner un autre qui soit éligible.

Les fonctionnalités managées constituent la deuxième limite. Claude Managed Agents conserve un état et ses transcriptions persistent jusqu’à leur suppression. Batch garde les données pendant 29 jours. Code Execution et Programmatic Tool Calling peuvent conserver les données du conteneur jusqu’à 30 jours. Les fichiers persistent jusqu’à leur suppression ou leur expiration, et MCP Connector suit la politique de conservation standard. Le filtrage dynamique de Web Search et Web Fetch n’est pas éligible à la ZDR, même si leur forme standard l’est.

Une différence avec Bedrock mérite un encadré rouge dans la revue d’architecture : sous la ZDR d’Anthropic, une fonctionnalité non éligible n’est pas nécessairement bloquée. Le développeur peut l’utiliser et faire sortir les données concernées du cadre de l’accord. Cette flexibilité de l’API reporte l’application de la politique sur votre revue de code, votre gateway et vos tests d’intégration.

Anthropic documente aussi des exceptions. Les données signalées ou soumises à une obligation légale de conservation peuvent être gardées jusqu’à 2 ans. Cela n’annule pas la portée du contrat, mais signifie que le « zéro » possède une frontière de sécurité et de droit. Les équipes sécurité doivent la consigner au lieu de promettre un absolu que le fournisseur ne garantit pas.

Idéal pour : les charges Claude dont la mémoire et les outils peuvent fonctionner dans des systèmes contrôlés par le client.
Point fort : une matrice d’éligibilité détaillée distingue les outils côté client des fonctionnalités managées qui conservent des données.
Tarifs : les tarifs d’Anthropic API affichent Haiku 4.5 à $1 en entrée et $5 en sortie. Sonnet 5 coûte $2 en entrée, $10 en sortie, $2.50 en écriture de cache et $0.20 en lecture de cache. Opus 5 est à $5 en entrée et $25 en sortie, par 1 million de tokens. Fable 5 coûte $10 en entrée et $50 en sortie, mais n’est pas éligible à la ZDR. Batch économise 50%, mais reste lui aussi hors ZDR.
Essai gratuit : aucun essai API n’est indiqué sur la page tarifaire en ligne.

5. Fireworks AI : le meilleur pour l’inférence privée de modèles ouverts

Fireworks AI est le choix le plus lisible pour une entreprise qui veut exécuter des modèles ouverts avec la Zero Data Retention comme comportement par défaut.

Pour les modèles ouverts, la documentation de Fireworks sur le traitement des données indique que prompts et générations ne résident que dans la mémoire volatile le temps de la requête et ne sont pas écrits dans un stockage persistant, sauf activation volontaire des logs par l’utilisateur. Prompt caching peut maintenir les prompts et les caches KV en mémoire volatile pendant plusieurs minutes, tandis que les métadonnées d’utilisation, comme le nombre de tokens, sont conservées. La frontière est directe et facile à présenter lors d’une revue de sécurité.

Le cas d’usage idéal est un service privé de classification, d’extraction, de synthèse ou de planification d’agent qui n’a pas besoin d’un objet conversation managé par le fournisseur. L’équipe plateforme peut sélectionner un modèle ouvert, conserver la base mémoire dans son propre cloud et employer Fireworks comme couche d’inférence à haut débit. Grâce à ce comportement par défaut, un nouveau projet risque moins de démarrer avec les logs activés.

L’exception est importante : Fireworks Responses API utilise store=True par défaut. Dans ce mode, prompts, réponses et appels d’outils sont conservés pendant 30 jours. Pour un workflow Responses en ZDR, réglez store=False. Les autres services Fireworks suivent la politique ZDR par défaut, mais des fonctions avancées comme FireOptimizer peuvent nécessiter d’accepter explicitement la journalisation des prompts.

La grille tarifaire Serverless de Fireworks permet de comparer clairement les modes de déploiement. GPT OSS 120B Standard coûte $0.15 en entrée, $0.015 en entrée mise en cache et $0.60 en sortie. Le parcours Priority coûte $0.18, $0.018 et $0.72. GPT OSS 20B Standard démarre à $0.07 en entrée, $0.035 en entrée mise en cache et $0.30 en sortie. Batch divise par deux les tarifs d’entrée et de sortie Serverless, mais tout workflow asynchrone doit encore être vérifié au regard de l’exigence de conservation avant utilisation.

Fireworks se classe derrière les trois fournisseurs de modèles de pointe, car l’acheteur choisit dans son catalogue plutôt que d’obtenir tous les derniers modèles propriétaires sous un engagement ZDR unique. La plateforme devance Groq grâce à son comportement ZDR par défaut et à une documentation particulièrement claire de Responses API. Entre les deux, la décision dépendra de la disponibilité des modèles, de la latence visée et de l’adéquation du plan de contrôle au déploiement.

Idéal pour : les entreprises qui servent des modèles ouverts derrière une stack agent contrôlée par le client.
Point fort : la ZDR s’applique par défaut à l’inférence de modèles ouverts, hors appels Responses stockés.
Tarifs : GPT OSS 20B Standard coûte $0.07 en entrée, $0.035 en entrée mise en cache et $0.30 en sortie. GPT OSS 120B Standard est à $0.15, $0.015 et $0.60 ; Priority à $0.18, $0.018 et $0.72, par 1 million de tokens. Batch correspond à 50% des tarifs d’entrée et de sortie Serverless.
Essai gratuit : les nouveaux comptes reçoivent $1 de crédit gratuit.

6. GroqCloud : le meilleur pour l’inférence de modèles ouverts à faible latence

GroqCloud est la meilleure option lorsqu’un agent fondé sur un modèle ouvert exige une faible latence et un contrôle ZDR en libre-service accessible à tous les clients.

Groq ne conserve pas le contenu d’inférence par défaut, mais ce comportement ne correspond pas encore à la ZDR. La documentation de GroqCloud sur les données précise que l’entreprise peut journaliser temporairement les entrées et sorties, jusqu’à 30 jours, pour résoudre des problèmes de fiabilité ou enquêter sur un abus présumé. Tout client peut activer la ZDR dans Data Controls afin de refuser ce stockage, globalement ou fonctionnalité par fonctionnalité.

Ce parcours en libre-service est intéressant pour une startup ou une équipe plateforme du mid-market qui ne peut attendre la conclusion d’un cycle de vente enterprise. Il est aussi suffisamment précis pour une entreprise financée qui bâtit un agent vocal, de classification ou de sélection d’outils autour de modèles ouverts. Les métadonnées d’utilisation sont toujours conservées, mais Groq affirme qu’elles ne contiennent ni les entrées ni les sorties des clients.

La contrepartie est la suppression de certaines fonctionnalités. Les fichiers Batch peuvent persister jusqu’à 30 jours, sauf suppression anticipée. Les jeux de données et les poids de fine-tuning restent en place jusqu’à leur suppression. Activer la ZDR désactive les fonctions qui reposent sur la conservation de données client. Le responsable produit doit donc arbitrer entre un parcours d’inférence strict et les facilités du batch ou de la personnalisation hébergée.

Dans son catalogue de production actuel, Groq facture GPT OSS 120B à $0.15 en entrée et $0.60 en sortie, et GPT OSS 20B à $0.075 en entrée et $0.30 en sortie, par 1 million de tokens. Le compte Free permet de valider à faible risque l’intégration et les limites de débit. Passer à Developer n’entraîne aucun coût immédiat et fait basculer le compte vers une facturation à l’usage, avec des limites plus élevées, Flex, Batch, le support et des plafonds de dépense.

Les niveaux de service ajoutent une décision opérationnelle. On-Demand est le choix par défaut. Flex applique les mêmes tarifs par token et propose un débit supérieur, mais peut renvoyer une erreur de capacité. Performance est un niveau provisionné réservé à Enterprise et tarifé sur devis. auto choisit un niveau disponible. Un agent destiné aux utilisateurs et qui tolère mal les nouvelles tentatives peut nécessiter un échange commercial Enterprise, même si son tarif par token semble faible.

Idéal pour : les agents à faible latence fondés sur des modèles ouverts et capables de rester sans état chez le fournisseur.
Point fort : chaque client peut activer la ZDR sans procédure d’approbation enterprise distincte.
Tarifs : GPT OSS 20B coûte $0.075 en entrée et $0.30 en sortie ; GPT OSS 120B, $0.15 en entrée et $0.60 en sortie, par 1 million de tokens. Les niveaux de compte Free et Developer sont disponibles ; Performance utilise une tarification Enterprise provisionnée sur devis.
Essai gratuit : un niveau de compte Free est disponible.

7. Microsoft Foundry : le meilleur pour les entreprises gouvernées dans Azure

Microsoft Foundry convient particulièrement aux entreprises sur Azure qui recherchent une inférence sans état, un stockage contrôlé dans leur tenant et une procédure formelle pour désactiver la conservation liée au contrôle des abus.

La documentation de Foundry sur la confidentialité précise que les modèles commercialisés par Azure sont sans état : prompts et complétions ne sont pas stockés dans le modèle et ne servent ni à entraîner ni à améliorer les modèles de base. Les clients managés peuvent demander le contrôle modifié des abus. Après approbation, le datastore et la procédure de revue humaine dédiés à ce contrôle ne sont plus utilisés, même si une analyse automatisée peut toujours avoir lieu pendant le traitement de la requête.

Cette combinaison fournit un parcours de type ZDR défendable, mais Microsoft ne la présente pas comme un paramètre ZDR universel et disponible en libre-service. L’entreprise doit obtenir l’approbation, choisir des fonctions sans état et vérifier l’abonnement. Sur une ressource Foundry approuvée, les capabilities indiquent ContentLogging à false lorsque le stockage pour le contrôle des abus est désactivé. Pour le responsable du contrôle, c’est une preuve utile et vérifiable dans le portail ou via les API de gestion Azure.

Le client naturel est l’entreprise dont l’identité, le réseau, la gestion des clés, la résidence des données et les achats passent déjà par Azure. L’agent peut conserver ses documents et sa mémoire durable dans les ressources Azure choisies par le client, appeler un déploiement sans état pour l’inférence et préserver un modèle de gouvernance cloud unique. Ce bénéfice compte souvent davantage que quelques centimes économisés sur le tarif d’un modèle.

La limite tient à l’ensemble des fonctionnalités qui stockent des données par conception. Responses peut conserver l’historique des messages. Assistants Threads, Files, Vector Stores, Stored Completions, Batch et le fine-tuning persistent également les données client dans le tenant. Le chiffrement, la propriété du tenant et les contrôles de suppression peuvent rendre ce stockage acceptable, mais ne le transforment pas en conservation nulle. Un workflow strict doit utiliser un appel de modèle sans état et une couche d’état externe dotée de sa propre politique de suppression.

La tarification des modèles Azure se décline en trois formules commerciales : Standard On-Demand, Provisioned Throughput Units et Batch. Batch termine sous 24 heures à un tarif inférieur de 50% à Global Standard, mais stocke les tâches importées pendant leur traitement ; ce n’est donc pas le parcours strict. GPT-5.6 Luna en contexte court coûte $0.20 en entrée, $0.02 en entrée mise en cache, $0.25 en écriture de cache et $1.20 en sortie avec Global Standard. Dans Data Zone, ces tarifs passent à $0.22, $0.03, $0.28 et $1.32.

Idéal pour : les entreprises qui gouvernent déjà leur IA sensible au moyen des abonnements et zones géographiques Azure.
Point fort : ContentLogging:false fournit au client approuvé une preuve vérifiable du contrôle de stockage lié aux abus.
Tarifs : GPT-5.6 Luna en contexte court coûte, avec Global Standard, $0.20 en entrée, $0.02 en entrée mise en cache, $0.25 en écriture de cache et $1.20 en sortie ; avec Data Zone, $0.22, $0.03, $0.28 et $1.32, par 1 million de tokens. Batch est 50% moins cher que Global Standard, mais stocke le travail. Le tarif provisionné dépend du déploiement et de la réservation.
Essai gratuit : aucun essai propre à Foundry n’est indiqué sur la page tarifaire en ligne des modèles.

8. OpenRouter : le meilleur pour le routage ZDR multifournisseur

OpenRouter est la meilleure gateway lorsqu’un même agent d’entreprise doit accéder à plusieurs fournisseurs et que la couche de routage doit exclure tout endpoint dépourvu de politique ZDR.

L’application de la ZDR par OpenRouter fonctionne globalement, par groupe de modèles, dans une guardrail ou requête par requête. Avec zdr:true, une requête n’est routée que vers les endpoints identifiés comme ZDR par OpenRouter. La règle de la requête se combine avec celles du compte et des guardrails selon un OU logique : une requête individuelle ne peut donc pas affaiblir une politique plus stricte.

Le mécanisme est utile aussi bien pour évaluer les modèles que pour router une production multifournisseur. Une équipe plateforme peut conserver une seule intégration compatible OpenAI, comparer les endpoints éligibles et empêcher qu’un fallback n’atterrisse chez un fournisseur qui conserve les prompts. OpenRouter indique également ne pas garder les prompts, sauf si le client active volontairement leur journalisation.

Le bénéfice connaît deux limites. D’abord, l’application de la ZDR par OpenRouter couvre le routage d’inférence vers les fournisseurs, pas les plugins ni les outils tels que la recherche web. Chaque tiers exige sa propre revue. Ensuite, une politique définie pour un groupe de modèles peut modifier la route d’une manière inattendue pour l’acheteur. Imposer la ZDR au groupe Anthropic écarte les endpoints first-party Anthropic, mais peut laisser Bedrock et Vertex disponibles. Le groupe OpenAI élimine les endpoints first-party OpenAI, mais peut conserver Azure. Le groupe Google retire AI Studio, mais peut maintenir Vertex.

Ce comportement n’est utile que si l’équipe sécurité approuve le parcours fournisseur restant. Un « modèle ZDR » ne suffit pas. Le contrat, la région, la configuration de contrôle des abus, la chaîne d’outils et le propriétaire de l’endpoint doivent tous correspondre à la politique visée. OpenRouter publie une liste actualisée d’endpoints ZDR, mais une entreprise doit figer l’ensemble approuvé et déclencher une alerte en cas de changement de route.

La page tarifaire d’OpenRouter est simple. Free comprend plus de 25 modèles gratuits, 4 fournisseurs et 50 requêtes par jour. Pay-as-you-go couvre plus de 500 modèles et 80 fournisseurs, sans dépense minimale, avec une commission de plateforme de 5.5%. Enterprise repose sur des engagements de volume et des remises négociées auprès des ventes. En Pay-as-you-go, l’usage bring-your-own-key est sans commission jusqu’à $25,000 d’inférence mensuelle au prix catalogue ; le seuil atteint $200,000 avec Enterprise. Au-delà, la commission est de 5%.

OpenRouter se classe huitième parce qu’une gateway ajoute un sous-traitant et une couche de politique. Elle peut renforcer l’application des règles, mais ne peut rendre conforme un outil ou un fournisseur qui ne l’est pas. Utilisez-la lorsque le choix du modèle et les fallbacks justifient cette frontière supplémentaire.

Idéal pour : les agents multimodèles qui exigent un routage et des fallbacks tenant compte de la ZDR.
Point fort : les règles du compte, des groupes de modèles, des guardrails et des requêtes peuvent empêcher le routage vers des endpoints non ZDR.
Tarifs : Free inclut plus de 25 modèles, 4 fournisseurs et 50 requêtes quotidiennes. Pay-as-you-go prélève une commission de 5.5% sans minimum. Enterprise utilise des engagements de volume tarifés par les ventes. BYOK est sans commission jusqu’à $25,000 d’inférence mensuelle au prix catalogue en Pay-as-you-go, ou $200,000 en Enterprise, puis passe à 5%.
Essai gratuit : l’offre Free est permanente, et non limitée dans le temps.

9. Mistral AI : le meilleur pour les charges Mistral sans état, pas pour Mistral Agents

Mistral AI est une bonne plateforme ZDR pour des charges API sans état approuvées, mais son produit managé Agents se trouve explicitement hors de la frontière ZDR.

La documentation ZDR de Mistral rend le contrôle disponible après approbation sur les offres payantes. Parmi les endpoints sans état couverts figurent Chat Completions, les complétions fill-in-the-middle, Embeddings, Moderation, Classification, OCR, Speech et Transcription. Les modèles Labs sont exclus. Pour un service d’extraction multilingue, un classificateur privé de documents ou un agent de code contrôlé par le client, ce périmètre est utile.

La limite est formulée sans ambiguïté : Agents, les fichiers Batch, Conversations, Libraries, Files, Vibe Work et Chat ne sont pas couverts. Le produit nommé Agents ne peut donc pas servir de couche managée à un agent soumis à une ZDR stricte. Utilisez l’API sans état sous votre propre orchestrateur, puis conservez la mémoire, les documents et l’état des tâches ailleurs.

Mistral distingue aussi la ZDR du refus d’entraînement. Un client n’a pas besoin de la ZDR pour empêcher que des données éligibles servent à entraîner les modèles, et refuser l’entraînement ne crée pas une conservation nulle. Cette formulation aide les achats à rédiger correctement l’exigence.

La tarification de Mistral API affiche Mistral Large à $0.50 en entrée et $1.50 en sortie par 1 million de tokens. Batch réduit le prix des tokens de 50%, et l’entrée mise en cache peut abaisser le coût d’entrée jusqu’à 90%, mais les fichiers Batch sont hors ZDR. Les offres destinées aux utilisateurs sont Free, avec $10 de crédits API mensuels ; Pro à $14.99 par mois, avec $30 de crédits API mensuels ; Team à $24.99 par utilisateur et par mois ; et Enterprise sur devis. Ces offres ne rendent pas la fonctionnalité managée Agents éligible à la ZDR. Une organisation ZDR doit souscrire une offre payante et obtenir une approbation.

Mistral finit ce classement parce que la requête cible précisément les agents d’entreprise. L’API sans état est compétitive, son prix est clair et la liste de couverture est utile. Toutefois, le décalage entre le nom du produit et son éligibilité crée trop de risque qu’un décideur sélectionne la mauvaise couche.

Idéal pour : les appels de modèles Mistral dans une architecture agent conçue et stockée par le client.
Point fort : large couverture des API sans état pour le texte, l’OCR, la classification et l’audio.
Tarifs : Mistral Large coûte $0.50 en entrée et $1.50 en sortie par 1 million de tokens. Batch est 50% moins cher et l’entrée mise en cache peut coûter jusqu’à 90% de moins, mais les fichiers Batch sont hors ZDR. Les produits utilisateur sont Free, avec $10 de crédits mensuels ; Pro à $14.99 par mois, avec $30 de crédits mensuels ; Team à $24.99 par utilisateur et par mois ; et Enterprise sur devis. La ZDR exige toujours une offre payante et une approbation.
Essai gratuit : l’offre produit Free ne donne pas accès à la ZDR.

Le budget mensuel d’inférence ne couvre pas tout le coût de la confidentialité

Les tarifs des tokens comptent, car les documents récupérés, les résultats d’outils et la mémoire répétée peuvent faire consommer des milliards de tokens en entrée à un agent d’entreprise. Ils ne mesurent toutefois pas la qualité du modèle. Le comparatif ci-dessous normalise une seule charge : 1 milliard de tokens en entrée et 200 millions en sortie, sans cache, outil, surcoût régional ni remise sur volume.

Avec GPT OSS 120B, Fireworks ou Groq reviennent à $270. OpenAI GPT-5.6 Luna coûte $440. Google Gemini 3.1 Flash-Lite atteint $550. Mistral Large, $800. Anthropic Sonnet 5, $4,000. Un prix inférieur ne signifie pas que le modèle accomplira la même tâche avec la même précision, la même latence ou le même nombre de tentatives.

Le calcul d’achat le plus pertinent comporte trois lignes :

1. Inférence : tokens du modèle, outils, grounding, traitement régional et commissions de gateway.
2. Propriété de l’état : base de données, stockage objet, secrets, chiffrement, tâches de suppression, traces et sauvegardes.
3. Exploitation des contrôles : preuves d’approbation, tests de régression, suivi des fournisseurs, revue des incidents et temps des équipes.

Un agent privé est rentable lorsque la somme de ces trois postes reste inférieure au coût et au risque d’un workflow managé qui conserve les données. Le résultat dépend de leur sensibilité. Un agent de support client qui traite le contenu public d’un centre d’aide n’a pas nécessairement besoin de ZDR. Un agent de due diligence qui lit des documents d’acquisition en a souvent besoin.

Pour approfondir l’économie des tokens selon les fournisseurs, consultez le comparatif des API d’IA les moins chères. Gardez le benchmark de qualité distinct de la grille tarifaire.

Agent IA en entreprise : quelle plateforme choisir ?

Un fondateur ayant levé des fonds pour développer un produit de santé ou de finance devrait commencer par OpenAI API si les capacités de pointe sont prioritaires et si l’entreprise peut obtenir l’approbation ZDR. La mémoire des patients, clients ou transactions doit rester dans la couche de données de l’entreprise. Si des ressources OpenAI non éligibles occupent une place centrale dans le produit prévu, corrigez l’architecture avant que les achats ne signent pour le modèle.

Le CTO d’une entreprise de taille intermédiaire déjà dotée d’un plan de contrôle AWS devrait privilégier Amazon Bedrock lorsque l’objectif de sécurité est une application à l’échelle de l’organisation. Il faut écarter Bedrock si un modèle indispensable n’autorise pas none et que l’entreprise refuse d’en changer.

Une entreprise sur Google Cloud devrait choisir Gemini Enterprise Agent Platform si IAM, les datastores et les opérations s’y trouvent déjà. Le choix doit changer si le workflow dépend du grounding avec Google Search ou Maps, de la persistance de session CodeMender ou d’une autre fonctionnalité Advanced AI incompatible avec la politique.

Un architecte de plateforme expérimenté qui tient à Claude devrait retenir Anthropic API si l’équipe peut utiliser des appels Messages éligibles et des outils côté client. Il faut choisir une autre voie si Fable 5, Mythos 5, Managed Agents, l’exécution de code hébergée ou MCP Connector est non négociable.

Une équipe orientée modèles ouverts devrait présélectionner Fireworks AI et GroqCloud ensemble. Fireworks convient lorsque son comportement ZDR par défaut et son catalogue répondent au besoin. Groq prend l’avantage lorsque la faible latence, la ZDR en libre-service et son modèle de capacité sont mieux adaptés. Testez précisément le modèle et la charge avant de trancher.

Une entreprise standardisée sur Azure devrait utiliser Microsoft Foundry si le contrôle modifié des abus est approuvé et si ContentLogging:false peut être vérifié. Le choix doit changer si elle recherche un contrat ZDR unique et portable entre les clouds plutôt qu’un ensemble de contrôles propre à Azure.

Utilisez OpenRouter lorsque le choix des modèles, le fallback et la diversité des fournisseurs sont des exigences. N’en faites pas un raccourci vers la confidentialité : chaque plugin, outil et endpoint fournisseur encore disponible doit toujours être approuvé.

Utilisez l’API sans état de Mistral lorsque ses modèles conviennent à la tâche et que l’entreprise peut construire sa propre couche d’état agent. Pour une exigence ZDR stricte, ne choisissez pas le produit managé Agents.

Les solutions à éviter pour une ZDR stricte

Évitez Claude Fable 5 et Claude Mythos 5, sauf si l’organisation accepte formellement une conservation de 30 jours. La même exclusion suit ces modèles concernés sur l’API first-party comme sur les marketplaces cloud, à moins que le compte ne bénéficie d’une éligibilité ZDR spécifique.

Évitez Mistral Agents lorsqu’une exigence impose littéralement la conservation nulle. Les API sans état de Mistral peuvent être éligibles ; son produit managé Agents ne l’est pas.

Évitez Grounding with Google Search et Grounding with Google Maps dans un parcours strict. Search impose une conservation allant jusqu’à 3 jours et Maps garde les contenus concernés pendant 30 jours. Utilisez Web Grounding for Enterprise lorsque le cas d’usage et le contrat le permettent.

Évitez les conversations stockées par défaut. Fireworks Responses utilise store=True par défaut. Google Interactions utilise également store à true. Une politique de production doit définir explicitement le comportement privé et rejeter tout déploiement qui l’omet.

Évitez les endpoints pratiques avec état en l’absence d’une approbation de conservation distincte. Sont concernés OpenAI Conversations, Assistants, Threads, Files, Vector Stores et Batch ; Anthropic Managed Agents, Batch, Files, l’exécution de code et MCP Connector ; Groq Batch et l’état du fine-tuning ; Microsoft Responses history, Assistants Threads, Files et Batch ; ainsi que Mistral Conversations, Libraries, Files et Batch.

Évitez une revue de confidentialité limitée à la gateway. OpenRouter peut empêcher qu’une route d’inférence atteigne un endpoint non ZDR. Il ne gouverne ni le plugin de recherche web, ni le serveur MCP, ni le CRM, le navigateur, l’outil d’analytics ou la base de données qui reçoit le contenu après l’appel au modèle.

À faire lundi : tester une fois la conservation de bout en bout

Ne commencez pas par un appel d’offres portant sur neuf fournisseurs. Choisissez un workflow sensible et prouvez-en la frontière dès lundi.

1. 1

   Choisir un enregistrement

   Créez un enregistrement synthétique qui ressemble aux données sensibles que traitera l’agent. Ajoutez-lui une chaîne canari unique afin de pouvoir retrouver chaque copie.

2. 2

   Cartographier chaque étape

   Listez le client, la gateway, l’endpoint du modèle, le cache, la base mémoire, le stockage de fichiers, le système d’observabilité, l’outil et le parcours de revue humaine. Attribuez à chacun un responsable et une règle de conservation.

3. 3

   Activer le contrôle strict

   Activez la configuration ZDR ou sans état de la plateforme au niveau de l’organisation ou du projet. Définissez explicitement les paramètres de stockage de la requête, même si le fournisseur affirme que la ZDR les remplace.

4. 4

   Casser volontairement le workflow

   Appelez une fonctionnalité incompatible. Un contrôle robuste doit la bloquer, la désactiver ou déclencher une alerte. Si l’appel réussit et stocke le canari, l’architecture nécessite une couche d’application supplémentaire.

5. 5

   Rechercher, supprimer et signer

   Recherchez le canari dans tous les systèmes approuvés, exécutez le parcours de suppression, conservez les preuves, puis faites signer le schéma par la sécurité et le responsable produit. Recommencez après tout changement de modèle, d’outil ou de fonctionnalité agent.

Le livrable n’est pas une politique de 40 pages. C’est une cartographie de requête, un dossier de preuves et une décision : conserver le workflow, changer la fonctionnalité ou changer de fournisseur. La ZDR devient ainsi un contrôle opérationnel plutôt qu’un adjectif dans un dossier d’achat.

Questions fréquentes

Quelle plateforme d’agents IA choisir pour une entreprise ?

OpenAI API est la meilleure plateforme de modèles ZDR pour la plupart des entreprises à la recherche de capacités de pointe ; Amazon Bedrock est préférable lorsqu’une politique de conservation doit bloquer les écarts par défaut dans toute une organisation AWS. Google Gemini Enterprise Agent Platform s’intègre le mieux à un environnement Google Cloud existant. Le choix change dès qu’une fonction indispensable de mémoire, de fichier, de recherche ou d’agent managé sort de la ZDR.

Quel est le meilleur agent IA en 2026 ?

Il n’existe pas un agent unique qui soit optimal pour tous les workflows d’entreprise. Pour une ZDR stricte, construisez l’agent autour d’un endpoint de modèle sans état pris en charge et gardez l’état durable dans des systèmes contrôlés par le client. OpenAI domine pour les modèles de pointe en ZDR, Bedrock pour l’application des politiques, et Fireworks ou Groq pour l’inférence de modèles ouverts.

Quelles tendances IA marquent les entreprises en 2026 ?

La séparation entre l’accès au modèle et la propriété de l’état constitue une tendance majeure. Les règles de conservation des modèles de pointe déterminent désormais leur éligibilité, tandis que les entreprises doivent de plus en plus maîtriser la mémoire, les fichiers, les traces et la gouvernance des outils afin de préserver la confidentialité des workflows agent sensibles.

Quelle est la meilleure plateforme d’IA en 2026 ?

Pour un programme d’IA générative entreprise au sens large, la meilleure plateforme est celle qui correspond aux contrôles cloud, aux besoins en modèles, à la frontière des données et à l’équipe d’exploitation de l’organisation. Pour l’exigence plus étroite de ZDR, OpenAI API, Amazon Bedrock et Google Gemini Enterprise Agent Platform arrivent en tête, avec des compromis différents en matière de couverture fonctionnelle et d’application des règles.

Vous cherchez une méthode d’une page pour associer les outils d’IA aux workflows métier et à leur niveau de risque ? Recevez l’AI Tools Map for Business Owners via la newsletter.