NVIDIA Confidential Computing : protéger les données pendant l'inférence IA sans perdre en vitesse

En février 2025, NVIDIA a publié une présentation technique de Confidential Computing (CC), une solution matérielle de protection des données d'entreprise pendant les calculs d'IA, conçue pour l'ère des systèmes agentiques.

Pourquoi la sécurité est devenue le principal frein à l'IA

Trois problèmes liés freinent le déploiement massif de l'IA en entreprise : la confidentialité des données, la souveraineté (c'est-à-dire le contrôle de l'endroit et de la manière dont les données sont traitées) et la sécurité au moment même du calcul, le data-in-use.

Les mécanismes de chiffrement traditionnels protègent les données stockées et en transit. Mais pendant l'inférence, quand le GPU traite réellement une requête, les données sont accessibles en mémoire. Ce moment « ouvert » constitue la vulnérabilité clé des déploiements d'IA en entreprise.

Pour les secteurs soumis à des exigences réglementaires strictes, comme la finance, la santé, le droit et le secteur public, cette faille a historiquement bloqué ou nettement limité l'adoption de modèles d'IA de fournisseurs tiers.

Qu'est-ce que NVIDIA Confidential Computing

La solution protège les données au niveau du matériel : même pendant le calcul sur GPU, les données restent chiffrées et isolées dans un environnement d'exécution de confiance (Trusted Execution Environment, TEE). Ni le système d'exploitation, ni l'hyperviseur, ni les autres processus n'ont accès aux informations traitées.

Caractéristiques clés de la technologie :

• Isolation matérielle des données sur tout leur cycle de vie : stockage, transmission et calcul
• La protection est intégrée à l'architecture du GPU, et non à une couche logicielle superposée
• Elle traite en même temps la confidentialité, la souveraineté des données et la sécurité de l'inférence
• NVIDIA affirme qu'il n'y a pas de perte de performances significative par rapport à un calcul non protégé

Cette dernière affirmation est le principal point de différenciation : les mécanismes de sécurité matériels traditionnels entraînaient un surcoût important, obligeant les équipes à sacrifier soit la vitesse, soit la protection.

Pourquoi les systèmes agentiques en ont besoin

L'architecture d'IA agentique bouleverse le modèle de menaces. Un agent qui construit seul des chaînes d'actions, appelle des outils, interroge des bases de données et consulte des documents d'entreprise traite des données sensibles non pas une fois, mais tout au long d'un pipeline en plusieurs étapes. Dans une telle architecture, protéger uniquement l'« entrée » et la « sortie » ne suffit pas : il faut sécuriser les données à chaque étape de la chaîne.

C'est précisément pour ce scénario que NVIDIA présente Confidential Computing comme une brique d'infrastructure de base. Pour les organisations qui craignaient de confier leurs données d'entreprise aux modèles d'IA d'un fournisseur tiers, les garanties d'isolation matérielle pourraient lever l'objection principale, sans qu'il soit nécessaire de bâtir une infrastructure on-premise isolée.

Ce que cela signifie

À mesure que les systèmes d'IA agentique passent du laboratoire à la production, la sécurité matérielle pendant l'inférence cesse d'être une option pour devenir une exigence de base. L'approche de NVIDIA, une protection sans compromis sur les performances, pourrait devenir la norme pour le déploiement d'IA en entreprise dans les secteurs réglementés.