Que change l’auto-hébergement de Claude Managed Agents pour la souveraineté de l’IA ?

Le 12 novembre 2026, Anthropic a ouvert en bêta privée une version auto-hébergée de Claude Managed Agents. Le serveur d’orchestration, sa base de données et les workers qui exécutent les outils tournent dans le cloud ou sur site de l’organisation cliente, et seules les requêtes vers le modèle en sortent. L’accès se demande auprès de l’équipe de compte Anthropic.

La souveraineté d’un agent IA désigne la capacité d’une organisation à décider, couche par couche, où s’exécutent le modèle, l’orchestration et les outils, qui détient les identifiants et les historiques de sessions, et ce qui franchit son périmètre. Elle s’évalue sur l’architecture complète de l’agent, au-delà du seul choix du fournisseur de modèle.

Ce qu’Anthropic a annoncé le 12 novembre

Selon l’article de produit publié par Anthropic, le harnais, les sandboxes, les identifiants et l’historique des sessions peuvent tourner dans votre propre cloud ou sur site. L’organisation exploite elle-même le serveur Managed Agents, sa base de données et les workers où les agents lancent leurs outils shell et fichiers. Les secrets peuvent rester dans son gestionnaire de secrets, et les limites réseau d’un sandbox se règlent dans son propre pare-feu.

Les appels au modèle partent vers la destination de votre choix : l’API Claude d’Anthropic, Amazon Bedrock, Google Agent Platform, Microsoft Foundry, ou une passerelle interne. Si votre organisation bénéficie d’une rétention zéro des données avec Anthropic, elle s’applique aux requêtes envoyées à Claude, comme pour tout appel à l’API Messages.

Ce que l’annonce ne dit pas

L’offre est une bêta privée. Aucune date de disponibilité générale ni aucune tarification n’a été communiquée, et les conditions d’une bêta peuvent évoluer avant toute généralisation. L’exploitation devient aussi une charge de l’organisation : disponibilité du serveur, sauvegarde de la base, mises à jour, supervision des workers. Un lecteur pressé retiendra « tout chez moi », alors que les requêtes vers le modèle continuent de sortir, par la route que vous choisissez.

Pourquoi le débat sur la souveraineté de l’IA se trompe-t-il de couche ?

Le débat public sur la souveraineté de l’IA se concentre sur le modèle : la nationalité de son éditeur, le lieu de son entraînement, la juridiction qui s’applique à lui. Cette question compte pour les données qui partent en inférence, par exemple des pièces de dossiers clients. Elle laisse de côté tout ce qui entoure l’appel au modèle et qui, dans un agent, représente l’essentiel de la surface de risque.

Un agent en production est un système : un modèle qui raisonne, une orchestration qui enchaîne les étapes et garde la mémoire, des outils et des données auxquels il accède. Chaque couche a son propriétaire possible, sa juridiction et son mode de panne. Les traiter séparément permet de répondre à une question que « souverain ou non » ne tranche jamais : qu’est-ce qui doit rester chez nous, et pourquoi ?

Le modèle : où partent les requêtes

La première couche est l’inférence. Le choix porte sur la route des requêtes : directement vers l’éditeur, via un fournisseur cloud déjà sous contrat, ou via une passerelle interne qui journalise et filtre. Cette route se décide indépendamment de l’endroit où tourne l’orchestration, un choix que l’orchestration auto-hébergée rend explicite. Une passerelle interne applique par exemple le même contrôle à tous les appels, quel que soit l’agent qui les émet. Le modèle reste dans tous les cas une dépendance externe qu’il faut pouvoir remplacer, sujet traité dans notre article sur la dépendance au modèle et l’architecture.

L’orchestration : sessions, identifiants, historique

La deuxième couche est celle que l’annonce déplace. L’orchestration détient la mémoire de l’agent, l’historique de ses sessions et les identifiants qu’il utilise : c’est là que se trouvent les traces de ce qu’il a lu, décidé et exécuté. Pour un DPO ou un responsable de la sécurité, cet historique est souvent plus sensible que le prompt d’origine, car il agrège des données de plusieurs sources et des décisions intermédiaires. Le garder dans sa propre base simplifie la politique de rétention, l’accès pour audit et la réponse à un incident.

Les données et les outils : connecteurs, secrets, réseau

La dernière couche est la plus négligée. Un agent agit par ses outils : connecteurs vers les systèmes métier, serveurs MCP, accès aux fichiers, exécution de code. La souveraineté réelle d’un agent dépend des droits qu’on lui accorde sur ces outils, bien plus que de la nationalité du modèle. Un agent qui peut écrire dans un ERP avec un compte trop large pose un risque, qu’il tourne sur un cloud public ou sur un serveur interne. Des secrets stockés dans un gestionnaire maîtrisé et des sorties réseau limitées à une liste d’hôtes autorisés réduisent ce risque sans le supprimer. Notre analyse des risques des serveurs MCP en production détaille les points de contrôle.

Pour un DSI de secteur régulé, l’intérêt de cette grille est pratique. Elle transforme une objection globale, souvent exprimée par « nous ne pouvons pas utiliser cet outil », en une série de décisions localisées. Une couche peut être acceptable telle quelle, une autre exiger un hébergement interne, une troisième une passerelle. L’objection de souveraineté se traite alors couche par couche, avec des preuves différentes à fournir à chaque fois, plutôt que par un refus général.

Comment appliquer la grille couche par couche à un agent réel ?

Prenons un exemple illustratif et générique : un agent qui prépare des dossiers de réclamation pour un service client, en lisant des pièces jointes et en proposant une réponse qu’un conseiller valide. L’exemple illustre une méthode et ne décrit aucun déploiement réel.

Un tableau de décision par couche

Pour chaque couche, la même série de questions cadre la décision :

Dans l’exemple, les pièces jointes contiennent des données personnelles. L’organisation peut décider que l’inférence passe par un fournisseur cloud déjà couvert par un contrat de traitement, que l’historique reste dans sa propre base, et que l’agent n’a qu’un droit de lecture sur le dossier client, l’écriture revenant au conseiller. Chaque choix se justifie séparément, ce qui rend la décision défendable devant un comité des risques.

Ce que l’exploitation interne exige

Héberger l’orchestration déplace la charge vers l’équipe plateforme. Elle assume la disponibilité, les sauvegardes, les montées de version et la supervision, des tâches que l’offre hébergée portait. Une organisation sans équipe plateforme mature gagnera peut-être davantage à garder l’orchestration hébergée et à durcir les deux autres couches. L’arbitrage dépend de la sensibilité des données, de la capacité d’exploitation et des exigences du régulateur sectoriel.

Notre méthode des zones de confiance aide à classer les agents avant de choisir leur hébergement : un agent en lecture seule n’appelle pas le même périmètre qu’un agent qui exécute des paiements. La classification précède l’architecture, et c’est elle qui évite de sur-dimensionner l’hébergement des agents à faible risque.

Quel lien entre souveraineté, résilience et AI Act ?

Le choix d’hébergement touche à la protection des données, à la continuité d’activité et à la preuve de conformité, qui ne se règlent pas avec le même levier.

Résilience : ce que vous pouvez rebasculer

Une panne chez un fournisseur arrête les agents qui en dépendent. L’auto-hébergement de l’orchestration ne protège pas d’une indisponibilité du modèle, puisque les requêtes y vont toujours. En revanche, pouvoir changer la route d’inférence sans réécrire l’orchestration améliore la capacité de bascule. Cela suppose de tester la bascule avant d’en avoir besoin, avec un second chemin d’inférence déjà contractualisé. Notre article sur le fournisseur de modèle devenu intégrateur détaille les questions à poser aux fournisseurs.

AI Act : traçabilité et supervision humaine

L’AI Act attend des systèmes à haut risque de la traçabilité, une supervision humaine effective et une documentation technique. Selon le paquet Digital Omnibus (règlement (UE) 2026/1744), les obligations des systèmes à haut risque autonomes de l’annexe III sont décalées au 2 décembre 2027. Ce report laisse le temps de construire la traçabilité, à condition de la décider dès maintenant. Un historique de sessions maîtrisé, avec des journaux exploitables, constitue la matière première de cette preuve.

La supervision humaine pèse tout autant sur l’architecture : si un conseiller valide les actions d’un agent, l’orchestration doit conserver qui a validé quoi, et quand. Ce détail relève de la couche d’orchestration, que le modèle ne voit jamais. Notre guide de la conformité à l’AI Act en entreprise décrit le cadre, et la page gouvernance LOOP™ la manière de l’organiser.

Quelles questions poser avant de demander l’accès à la bêta ?

Une bêta privée s’adresse à des organisations qui savent déjà ce qu’elles veulent tester. Avant de solliciter l’équipe de compte, quelques questions évitent une demande prématurée :

La dernière est celle qu’on oublie. Une architecture qui dépend d’une bêta sans date de généralisation doit prévoir sa sortie, par exemple en gardant les définitions d’agents dans un format que l’on sait porter vers l’offre hébergée. Vos contrats et vos équipes juridiques fixent les engagements exacts.

Comment décider sans attendre la disponibilité générale ?

Une grande part du travail ne dépend pas de la bêta. Cartographier les agents existants, classer leurs données et leurs droits, nommer un responsable par couche, définir les journaux attendus : tout cela s’engage dès maintenant, avec l’offre hébergée comme avec l’auto-hébergement. Quand l’accès s’ouvrira, la décision ne portera plus que sur le placement des couches.

Un bon indicateur de maturité est la rapidité avec laquelle on répond à la question d’un comité des risques : pour tel agent, où sont les données, qui détient les identifiants, quel historique existe ? Si la réponse demande trois équipes et une semaine de recherche, la gouvernance passe avant l’hébergement dans la liste des chantiers. Cette cartographie sert quel que soit le choix d’hébergement final, et elle rend les échanges avec un fournisseur ou un régulateur plus factuels.

Notre lecture : la souveraineté d’un agent se pilote par une grille de décisions tenue dans le temps ; un label attribué une fois ne la remplace pas. Le diagnostic de maturité IA situe en quelques minutes où en est votre gouvernance. La page gouvernance IA en entreprise détaille la méthode, et celle des agents IA en entreprise le passage en production. Koneetiv, partenaire officiel Anthropic, accompagne ce cadrage ; l’article sur la sécurisation d’un agent Claude en production en donne les premiers réflexes.