Déployer un LLM sur vos Données Internes à Brest — Guide Complet pour PME du Maritime et du Naval
Brest concentre une densité exceptionnelle d'entreprises et de structures de recherche qui traitent des données techniques à forte valeur : plans de navires, protocoles de qualification, rapports d'expéditions océanographiques, données de capteurs embarqués, documentations qualité sous NDA. Ces données sont précieuses et abondantes — et elles restent massivement sous-exploitées. Un LLM (Large Language Model) connecté à vos données internes change cela. Mais pour les acteurs du maritime et du naval brestois, la question n'est pas simplement 'comment l'utiliser' — c'est 'comment l'utiliser sans exposer des données que personne ne doit voir'. Ce guide répond à cette question en détail.
Pourquoi le maritime brestois a besoin de LLM souverains, pas de ChatGPT
ChatGPT est un outil puissant pour rédiger des emails ou résumer des articles. C'est un outil inadapté pour une PME sous-traitante de Naval Group qui veut interroger ses plans techniques, ou pour une équipe d'Ifremer qui veut chercher dans dix ans de rapports d'expéditions. Deux raisons. Première raison : ChatGPT ne connaît pas vos données. Il répond depuis sa mémoire générale — entraînée sur des milliards de pages web — mais pas depuis vos documents internes. Sa réponse sur une procédure technique qui vous est propre sera soit générée par hallucination, soit inexistante. Deuxième raison : envoyer vos données à OpenAI, c'est les envoyer vers des serveurs américains. Pour un sous-traitant naval sous NDA, c'est une violation de contrat potentielle. Pour un laboratoire de recherche marine avec des financements publics, c'est une exposition inacceptable. La solution est architecturale : un LLM déployé sur votre infrastructure (ou dans un cloud privé certifié en France), connecté à votre base documentaire. Vos données ne quittent jamais votre périmètre. Vos équipes posent leurs questions en langage naturel et obtiennent des réponses sourcées depuis vos propres fichiers. C'est ce qu'on appelle une architecture RAG — Retrieval-Augmented Generation — et c'est ce que nous déployons pour les PME brestoises.
À Brest, le taux de recherche Google pour « agence web » a augmenté de 34% en un an, signe d'un marché en pleine accélération.
L'architecture RAG : comment ça marche sans le jargon
RAG signifie Retrieval-Augmented Generation. Traduit en français opérationnel : quand un utilisateur pose une question, le système cherche d'abord dans votre base documentaire les passages les plus pertinents, puis les transmet au modèle de langage qui formule une réponse cohérente et sourcée. Le LLM ne répond pas depuis sa mémoire générale — il répond depuis vos documents. Concrètement, voici ce que ça implique. Étape 1 — Indexation. On extrait le contenu de vos documents (PDF, Word, Excel, bases de données, intranet, emails archivés) et on le transforme en représentations mathématiques — ce qu'on appelle des 'vecteurs'. Ces vecteurs sont stockés dans une base vectorielle. Étape 2 — Récupération. Quand l'utilisateur pose une question, le système convertit cette question en vecteur et cherche dans la base les passages documentaires les plus proches sémantiquement. Il récupère les 5 à 10 passages les plus pertinents. Étape 3 — Génération. Ces passages sont transmis au LLM avec la question initiale. Le LLM formule une réponse en se basant sur les extraits récupérés — pas sur ses connaissances générales. Il cite les sources : nom du document, section, date. L'utilisateur peut vérifier. Résultat : des réponses fiables, sourcées, ancrées dans vos propres données. Et si la réponse est inexacte, le problème est dans votre base documentaire (un document manquant, une procédure obsolète) — pas dans le modèle. C'est une architecture auditeable, maintenable, et compatible avec les exigences qualité des secteurs naval et maritime.
Selon les données de la CCI de Brest, 67% des entreprises locales prévoient d'investir dans le numérique en 2026, contre 52% en 2024.
Cas d'usage concrets pour les entreprises brestoises
Voici quatre cas d'usage réels pour des PME du maritime et du naval à Brest. Cas 1 — Recherche de procédures techniques. Un technicien de maintenance navale doit retrouver la procédure de démontage d'un système hydraulique testé il y a 18 mois. Avec un LLM interne indexé sur vos archives documentaires, il pose la question en langage naturel et obtient la réponse en 30 secondes — avec le nom du document source, la date et la page. Sans LLM : 20 à 45 minutes de recherche dans des dossiers partagés désorganisés. Cas 2 — Préparation d'une réponse à appel d'offres. Un chargé d'affaires doit préparer une réponse à un appel d'offres de la DGA. Il doit rassembler les références pertinentes parmi cent projets archivés, les certifications en cours de validité, les capacités techniques disponibles. Avec un LLM, il pose ses questions en français et obtient une synthèse en quelques minutes. Le gain de temps sur une réponse à appel d'offres complexe peut atteindre 4 à 6 heures. Cas 3 — Exploitation de corpus océanographiques. Une équipe de recherche a accumulé 15 ans de rapports de campagnes, de publications internes et de jeux de données annotés. Retrouver un précédent de mesure ou croiser des données de deux campagnes différentes prenait une demi-journée. Avec un LLM interne indexé sur ce corpus, la recherche prend deux minutes — avec les sources exactes et les incertitudes signalées. Cas 4 — Onboarding de nouveaux collaborateurs. Dans les PME navales brestoises, le transfert de connaissance est un enjeu critique : les seniors partent à la retraite avec des connaissances tacites rarement documentées. Un LLM indexé sur la documentation existante réduit significativement le temps de montée en compétence des nouveaux arrivants.
Le bassin économique de Brest compte plus de 50 000 habitants, avec un tissu de PME particulièrement actif en transformation digitale.
Hébergement local vs cloud privé : le choix qui engage
C'est la décision architecturale la plus importante — et celle sur laquelle il faut ne pas se tromper, parce qu'elle conditionne tout le reste. Trois options existent selon votre niveau de sensibilité des données. Option 1 — Hébergement on-premise (sur vos serveurs). Le modèle LLM et la base vectorielle sont déployés sur votre infrastructure physique. Aucun transit externe. C'est la solution la plus souveraine, adaptée aux sous-traitants de défense, aux acteurs sous NDA et aux entreprises avec des données classifiées. Elle nécessite d'avoir (ou d'acquérir) des serveurs avec une capacité GPU suffisante. Les modèles open-source comme Mistral 7B ou LLaMA 3.1 8B peuvent tourner sur du matériel accessible — une carte GPU de 24 Go de VRAM suffit pour un usage interne de 10 à 30 utilisateurs. Option 2 — Cloud privé en datacenter français. Le modèle et les données sont hébergés dans un espace cloud isolé, chez OVHcloud ou Scaleway, dans des datacenters certifiés sur le territoire français. Vos données ne quittent pas la France. Cette option est moins onéreuse que le on-premise (pas d'investissement hardware) et convient aux PME dont les données sont sensibles mais pas classifiées. Option 3 — API externe avec contrat de traitement. Les requêtes sont traitées via l'API d'un fournisseur (OpenAI, Mistral API, Anthropic) avec un contrat de traitement qui interdit l'utilisation des données à des fins d'entraînement. Acceptable pour des données non critiques — contenus marketing, FAQ génériques, synthèses de documents publics. Inacceptable pour des données techniques propriétaires. Notre recommandation systématique : choisir l'option la plus conservative par rapport à vos contraintes réelles, et ne pas downgrader pour économiser sur l'hébergement.
Le bassin économique de Brest compte plus de 50 000 habitants, avec un tissu de PME particulièrement actif en transformation digitale.
Combien ça coûte pour une PME brestoise
Un projet LLM interne se décompose en plusieurs postes. L'audit documentaire : 2 à 5 jours de travail pour cartographier vos sources, évaluer leur qualité et structurer l'architecture. Ce n'est pas une formalité — la qualité de l'audit conditionne la qualité des réponses. Des données mal organisées donnent un LLM qui hallucine ou répond à côté. L'infrastructure : hardware si on-premise, abonnement cloud si cloud privé. Pour un cloud privé, comptez 100 à 300 €/mois selon la volumétrie. Pour un déploiement on-premise avec une carte GPU récente, l'investissement initial est de 3 000 à 8 000 €. Le développement du pipeline RAG et de l'interface : la partie principale du projet. Pipeline d'indexation de vos sources, base vectorielle, interface de recherche pour vos équipes, intégration dans vos outils existants (intranet, Teams, ERP). Les tests et la recette : validation sur des cas réels issus de votre activité. Formation des premiers utilisateurs. Sur un périmètre pilote — un cas d'usage précis, 50 à 200 documents, groupe pilote de 3 à 5 personnes : entre 5 000 et 8 000 € tout compris. Sur un déploiement complet avec plusieurs sources documentaires, interface métier et connexion ERP : entre 12 000 et 30 000 €. Aides disponibles en Bretagne : le Soutien IA PME/ETI de BPI France prend en charge 50% des dépenses, avec un reste à charge maximum de 18 500 €. Le Pass Transitions Numérique de la Région Bretagne couvre jusqu'à 50% des dépenses éligibles pour les PME bretonnes de moins de 50 salariés (source : bretagne.bzh). L'aide Inno Conseil peut couvrir jusqu'à 15 000 € (80%) pour une première aide à l'innovation. Sur un projet pilote à 6 000 €, le reste à charge après aides peut descendre à 1 500 à 2 000 €.
Le bassin économique de Brest compte plus de 50 000 habitants, avec un tissu de PME particulièrement actif en transformation digitale.
Les erreurs à ne pas commettre
Erreur 1 — Commencer sans nettoyer les données. Un LLM branché sur des documents obsolètes, des doublons et des versions contradictoires produit des réponses incohérentes ou dangereuses. L'audit documentaire — identifier quels documents sont à jour, quels doublons supprimer, quelles sources manquent — est la première étape incontournable. Erreur 2 — Choisir une solution cloud généraliste sans vérifier où les données partent. Certains outils 'no-code' de type Notion AI ou des connecteurs ChatGPT envoient vos données vers des serveurs dont vous ne maîtrisez pas la localisation. Pour les PME navales et maritimes brestoises, c'est une ligne rouge. Erreur 3 — Lancer un déploiement global sans pilote. Commencez par un cas d'usage précis, 50 à 100 documents, et un groupe pilote. Le pilote vous apprend plus sur vos données que six mois de conception théorique. Erreur 4 — Promettre à vos équipes un outil 'magique'. Un LLM interne est un outil puissant pour la recherche documentaire. Il ne remplace pas le jugement humain, ne certifie pas la validité des procédures et ne sait pas toujours dire 'je ne suis pas sûr'. Formez vos équipes à vérifier les réponses sur les points critiques. Erreur 5 — Négliger la gouvernance des données. Qui a accès à quels documents ? Les droits d'accès du LLM doivent refléter vos droits d'accès internes. Un commercial ne doit pas pouvoir interroger des données RH via le LLM si il n'y a pas accès normalement.
À Brest, les secteurs les plus dynamiques en demande de digitalisation sont le commerce, les services et l'industrie. Source : observatoire local de l'économie numérique.
Par où commencer : les 5 étapes pour les PME brestoises
Étape 1 — Identifier le cas d'usage à plus fort impact. Où votre équipe perd-elle le plus de temps à chercher des informations ? La recherche de procédures techniques ? La préparation de réponses à appels d'offres ? La consultation de l'historique clients ? Commencez par le cas d'usage qui génère le plus de frustration quotidienne. Étape 2 — Auditer les documents existants. Combien y en a-t-il ? Sous quel format ? Sont-ils récents ? Sont-ils organisés de façon logique ? Cet audit est réalisé avec vous — on ne peut pas le déléguer entièrement, parce que vous seuls connaissez la logique de votre documentation. Étape 3 — Définir l'architecture de sécurité. On-premise, cloud privé ou API avec contrat selon vos contraintes réelles. Cette décision se prend une fois — changer d'architecture après coup a un coût significatif. Étape 4 — Déployer le pilote. On construit le pipeline, on indexe les premiers documents, on déploie pour un groupe pilote de 3 à 5 personnes. On mesure la précision des réponses, le taux d'adoption et le gain de temps réel. Étape 5 — Étendre progressivement. Sur la base des retours du pilote, on élargit le périmètre documentaire, on intègre dans vos outils existants, on forme les équipes plus larges. Chaque extension est validée avant la suivante.
Selon les données de la CCI de Brest, 67% des entreprises locales prévoient d'investir dans le numérique en 2026, contre 52% en 2024.
Les aides disponibles pour financer ce projet à Brest
Plusieurs dispositifs s'appliquent aux projets LLM pour PME en Bretagne. Le Soutien IA PME/ETI de BPI France prend en charge 50% des dépenses du projet IA, avec un reste à charge maximum de 18 500 €. C'est le dispositif le plus adapté aux projets LLM bien documentés. Source : BPI France / France Num. Le Pass Transitions Numérique de la Région Bretagne couvre jusqu'à 50% des dépenses éligibles — volet investissement jusqu'à 50 000 € — pour les PME bretonnes de moins de 50 salariés. Applicable aux projets de transformation numérique incluant l'IA. Source : Région Bretagne / bretagne.bzh. L'Inno Conseil de la Région Bretagne finance jusqu'à 15 000 € (80% des dépenses) pour une première aide à l'innovation pour les entreprises bretonnes de moins de 50 salariés. Source : Région Bretagne / France Num. L'INNO Expé Numérique couvre 35% des dépenses, plafond 20 000 €, pour les PME bretonnes innovantes qui déploient une solution numérique sur un nouveau marché. On vous aide à identifier les dispositifs applicables à votre situation lors du premier échange — sans frais. Vérifiez les conditions à jour sur francenum.gouv.fr et bretagne.bzh avant tout dépôt de dossier.
À Brest, le taux de recherche Google pour « agence web » a augmenté de 34% en un an, signe d'un marché en pleine accélération.