L'Inde invente une IA qui va vers les données, pas l'inverse
New Delhi propose un cadre inédit pour entraîner des modèles d'IA sur des données sensibles sans jamais les extraire des silos qui les contiennent. La formule du conseiller scientifique en chef du gouvernement résume l'idée : le modèle voyage vers la donnée, et non l'inverse. Un chantier pilote traite déjà deux millions de dossiers bancaires par quinzaine.
Tout entraînement d'IA commence par la même question : qui possède les données, et qui peut s'en servir ? Pour les banques, les hôpitaux, les administrations, la réponse est presque toujours la même : les données restent là où elles sont, et les lois qui les protègent rendent leur transfert hors des murs institutionnels illégal ou politiquement impossible. L'Inde vient de proposer une réponse architecturale à cette impasse.
Le modèle comme voyageur, la donnée comme territoire
Le cadre s'appelle DEPA, pour Data Empowerment and Protection Architecture for AI Training. Son principe central est formulé par Ajay Kumar Sood, conseiller scientifique en chef du gouvernement indien : "le modèle voyage vers la donnée, et non la donnée vers le modèle". En pratique, cela signifie qu'un modèle d'IA est envoyé dans un environnement sécurisé contrôlé par le détenteur des données, y effectue ses calculs, et n'en ressort qu'avec des gradients ou des poids mis à jour, jamais avec des informations brutes. Le détenteur de données, désigné "Training Data Provider" dans le manuel, ne cède aucun dossier, aucun relevé, aucune image médicale. Il loue, en quelque sorte, l'accès de calcul à son silo.
MeitY, le ministère indien de l'informatique, a publié ce manuel opérationnel fin octobre 2026. S. Krishnan, secrétaire d'État au ministère, a résumé l'enjeu lors de la présentation : "les ambitions IA de l'Inde doivent s'appuyer sur la capacité à utiliser la donnée de façon responsable et sécurisée". Le texte dit explicitement vouloir "libérer 500 milliards de dollars de valeur pour le PIB indien d'ici 2030".
Deux pilotes, deux secteurs sensibles
L'Inde ne part pas de zéro. Deux expérimentations opèrent depuis mars 2026, selon Livemint qui a détaillé leur fonctionnement. Dans la finance, un réseau de banques a testé l'approche pour identifier, parmi les clients d'une fintech partenaire, lesquels remplissaient les conditions pour une carte de crédit. Le modèle a traité plus de deux millions de dossiers en deux semaines. Cruciale : aucune banque n'a vu les données clients de la fintech, et la fintech n'a pas vu les critères de scoring des banques. Seuls les noms des candidats éligibles ont circulé, après consentement individuel.
Dans le médical, des hôpitaux et une start-up de santé numérique entraînent conjointement un détecteur de tumeurs sur des IRM. La start-up n'a jamais accès aux scans. Elle envoie son modèle, récupère un modèle amélioré. Les images ne quittent pas l'enceinte hospitalière. Ce type de collaboration était auparavant bloqué par les règles de confidentialité médicale, même lorsque toutes les parties souhaitaient coopérer.
Ce que l'Europe peut en retirer
L'architecture DEPA n'est pas une invention indienne au sens strict : la famille des techniques de "federated learning" (apprentissage fédéré) est documentée depuis plusieurs années, et des start-ups comme Owkin en France l'utilisent déjà dans la recherche médicale. Ce que l'Inde formalise, c'est un standard national interopérable, avec un protocole de consentement, des rôles définis (Training Data Provider, Model Developer, Data Trustee) et une couche de gouvernance publique.
Pour les pays de l'Union européenne, le parallèle avec le RGPD est immédiat. L'une des contraintes les plus souvent citées par les entreprises qui développent des modèles en Europe est précisément l'impossibilité de centraliser des données personnelles pour l'entraînement. Un cadre équivalent au DEPA permettrait de débloquer des masses de données médicales, judiciaires ou financières aujourd'hui inaccessibles, sans dérogation aux textes existants. La Commission européenne explore des pistes similaires dans le cadre du Data Act, entré en vigueur en 2024, mais aucun équivalent opérationnel au DEPA n'existe encore à l'échelle du marché unique. L'Inde, avec 1,4 milliard d'habitants et des silos de données publiques considérables, est en train de construire le retour d'expérience que Bruxelles n'a pas encore.
Le manuel DEPA est ouvert aux commentaires publics jusqu'en décembre 2026. Sa version définitive conditionnera des investissements qui, selon New Delhi, pourraient repositionner l'Inde comme fournisseur de services IA pour l'ensemble du marché mondial des données réglementées, y compris en Europe.
Questions fréquentes
Qu'est-ce que le cadre DEPA pour l'IA ?
DEPA (Data Empowerment and Protection Architecture for AI Training) est un cadre indien qui permet d'entraîner des modèles d'IA sur des données sensibles sans les extraire de leur silo d'origine. Le modèle voyage vers la donnée, et non l'inverse.
Quels secteurs sont concernés par les pilotes DEPA ?
Finance (ciblage d'offres de crédit sur plus de 2 millions de dossiers bancaires) et santé (détection de tumeurs sur IRM hospitaliers). Deux pilotes actifs depuis mars 2026.
Est-ce comparable au federated learning utilisé en Europe ?
Oui, l'architecture est proche du federated learning. Ce que l'Inde ajoute, c'est un standard national avec des rôles formalisés, un protocole de consentement et une couche de gouvernance publique, ce qui manque encore à l'UE.
