Résumé : nos agents tournent sur notre serveur. Nos données restent chez nous : seules les requêtes envoyées au modèle (Anthropic, OpenAI, Mistral...) sortent de notre infrastructure, et les API professionnelles ne les réutilisent pas pour entraîner leurs modèles. Notre rôle est de ne pas déposer dans nos outils ce qui ne doit pas y être, de vérifier les réponses de l'IA avant de les utiliser, et de distinguer faits, analyses et hypothèses dans ce que l'IA nous produit.
Ce que Hermes vous garantit
Hébergement et chiffrement
Hermes est auto-hébergé : il tourne sur notre propre serveur. Nos documents, nos sessions et nos workspaces restent stockés sur l'infrastructure que nous contrôlons. Le système multi-profil (dev, design, market...) isole les contextes les uns des autres : chaque profil a son propre workspace, ses propres sources et ses propres instructions. L'hébergement (lieu, chiffrement, sauvegardes) dépend de la configuration du serveur que nous avons choisi.
Aucune réutilisation pour l'entraînement des modèles
Les fournisseurs de modèles (Anthropic, OpenAI, Google, Mistral, OpenRouter) n'utilisent pas nos requêtes pour entraîner leurs modèles dès lors que nous passons par leurs API professionnelles (clé API payante). C'est la différence fondamentale entre un usage professionnel via nos agents (clé API contrôlée) et un usage personnel via ChatGPT ou Gemini gratuit, où les données peuvent être utilisées pour l'entraînement. Nos agents eux-mêmes ne sortent jamais de notre serveur — ils n'envoient aux modèles que ce que nous leur demandons de traiter.
Pour les structures avec des contraintes de souveraineté (collectivités, secteurs réglementés), Mistral Large est une option française, avec traitement des données en Europe.
Conformité RGPD
Nos agents étant auto-hébergés, la conformité RGPD dépend de la configuration de notre serveur : choix du pays d'hébergement, chiffrement au repos, contrôle des accès, durée de rétention. Nos données restent notre propriété — il suffit de les supprimer du workspace ou du serveur pour qu'elles disparaissent. Les fournisseurs de LLM auxquels nous adressons des requêtes via nos agents agissent comme sous-traitants au sens du RGPD pour le seul traitement d'inférence.
Ce que nous devons faire
Ne pas uploader ce qui ne doit pas l'être
Nos agents sont des environnements sécurisés pour nos données professionnelles. Mais certaines catégories de données ne doivent jamais y être saisies, quelle que soit la plateforme utilisée :
La règle générale : si nous ne mettrions pas cette information dans un email à un prestataire, ne la mettons pas dans nos agents.
Vérifier les réponses avant de les utiliser
L'IA peut se tromper. Elle peut produire une réponse très confiante qui contient une erreur factuelle, une date incorrecte, un chiffre inventé ou une interprétation erronée. Ce phénomène s'appelle l'hallucination.
Avant d'utiliser une réponse de l'IA dans un contexte engageant (document contractuel, communication officielle, données transmises à un tiers), vérifiez :
- Les faits et chiffres cités sont-ils vérifiables ?
- Les sources mentionnées existent-elles vraiment ?
- La réponse est-elle cohérente avec ce que nous savons du sujet ?
Plus le contexte est critique (juridique, financier, médical), plus la vigilance doit être élevée. L'IA prépare, structure et accélère. Elle ne remplace pas l'expertise humaine sur les sujets à enjeu.
Tracer les sources
Un agent comme Hermes affiche chaque tool call qu'il exécute — nous voyons les Read sur des chemins précis, les Grep qui ont trouvé l'info, les MCP servers consultés. Servez-vous-en pour distinguer ce qui vient de nos fichiers (donnée vérifiable, source identifiée) de ce qui vient de la connaissance générale du modèle (potentiellement datée, à vérifier). Claude Code fait de même dans sa boucle d'outils — chaque fichier lu, chaque commande exécutée est tracée.
Cas réels : quand l'IA tourne mal
Ces incidents sont publics et documentés. Ils illustrent des risques concrets.
Fuite de données confidentielles
En 2023, des ingénieurs d'un grand fabricant de semi-conducteurs ont collé du code source confidentiel dans ChatGPT pour le déboguer. Le code risquait d'être intégré aux données d'entraînement du modèle (les conditions d'utilisation de la version gratuite le permettaient à l'époque). L'entreprise a ensuite interdit l'usage de ChatGPT en interne.
Leçon : ne collez jamais de données confidentielles dans un outil IA dont nous ne maîtrisons pas le traitement des données. Nos agents, eux, tournent dans un environnement que nous contrôlons de bout en bout.
Engagement contractuel involontaire
En 2024, le chatbot d'une compagnie aérienne a inventé une politique de remboursement qui n'existait pas. Un client s'est appuyé sur cette réponse. Le tribunal a donné raison au client : l'entreprise était responsable de ce que son chatbot affirmait.
Leçon : l'IA engage notre responsabilité. Tout contenu publié ou envoyé à un client doit être validé par un humain.
L'exercice du feu rouge / feu vert
Pour chaque type de donnée que nous manipulons, demandez-nous : est-ce que je peux la confier à un agent IA ?
Feu vert : nous pouvons y aller
- Informations déjà publiques (site web, plaquette commerciale)
- Données internes non sensibles (compte-rendu de réunion, planning)
- Brouillons et documents de travail
- Données anonymisées
Feu orange : avec précaution
- Données clients (vérifiez notre politique de confidentialité)
- Données financières non publiées
- Échanges commerciaux en cours
- Documents contractuels
Feu rouge : ne le faisons pas (ou avec un cadre strict)
- Données personnelles sensibles (santé, religion, orientation)
- Codes d'accès, mots de passe, clés API
- Informations soumises au secret professionnel
- Données RH individuelles (salaires, sanctions, évaluations)
En cas de doute, appliquez le feu rouge. Mieux vaut être trop prudent que pas assez.
Le réflexe vérification
L'IA affirme les choses avec assurance, même quand elle se trompe. C'est ce qu'on appelle les hallucinations. Pour comprendre pourquoi ce phénomène est inhérent au fonctionnement des modèles de langage, consultez Comprendre l'IA.
Développez le réflexe de vérification systématique :
- Chiffres et dates : vérifiez toujours. L'IA invente des statistiques crédibles.
- Noms propres : vérifiez. L'IA peut attribuer une citation à la mauvaise personne.
- Références juridiques : vérifiez toujours. L'IA invente des articles de loi qui n'existent pas.
- "Selon une étude..." : si l'agent cite une étude, demandez-lui la source exacte et vérifiez qu'elle existe.
Plus l'information est factuelle et vérifiable, plus nous devons la vérifier.
Bonnes pratiques au quotidien
Distinguer fait, analyse et hypothèse
Dans les réponses de l'IA comme dans nos propres livrables, prenez l'habitude de distinguer :
- Fait : une information vérifiable, avec une source identifiable.
- Analyse : une déduction logique à partir de faits. Raisonnée, mais interprétable.
- Hypothèse : une projection ou une estimation raisonnée, mais non vérifiée.
L'IA mélange parfois ces trois niveaux sans le signaler. Notre lecture critique doit les séparer.
Commencer avec des données non sensibles
Si nous commençons à utiliser des agents comme Hermes, démarrez avec des documents internes peu sensibles : guides, procédures générales, FAQ, documentation produit publique. Observez comment l'agent les utilise. Élargissez progressivement à des données plus sensibles une fois que nous sommes à l'aise avec le fonctionnement du système.
Ne pas considérer une réponse juridique ou fiscale comme un avis officiel
L'IA peut produire une analyse juridique ou fiscale apparemment solide. Ce n'est pas un avis professionnel. Elle ne connaît pas le détail de notre situation, les évolutions récentes de la jurisprudence, ni les particularités locales. Utilisons ces réponses pour préparer nos questions à un professionnel, pas pour remplacer sa consultation.
Anonymiser quand c'est possible
Si une tâche ne nécessite pas d'identifier des personnes spécifiques (analyse d'un cas, rédaction d'un modèle, test d'un processus), remplacez les noms par des termes génériques avant de soumettre à l'IA. "Le client X" plutôt qu'un nom réel. Moins nous partageons de données personnelles, même dans un outil sécurisé, mieux c'est.
En cas de doute
Deux règles simples :
- En cas de doute sur la sensibilité d'une donnée, ne la saisissons pas et demandons d'abord.
- En cas de comportement inattendu d'un agent (réponse inappropriée, information qui semble erronée ou sensible), signalez-le à notre référent technique.
La sécurité n'est pas un obstacle à l'utilisation de l'IA. C'est ce qui rend l'usage durable.