FISA NR 2026 Groupe 2

Wiki Projet : TANA CORPORATION

1. Vision Globale

TANA AI repose sur le déploiement d'intelligences artificielles en local. Il garantit une confidentialité absolue des données métiers tout en créant un marché économique d'immunité. Et permet de faire tourner des serveur avec de l'Energie verte (électricité Française).

TANA POWER Système de pédalier de vélo sous les bureau qui permet au employer de faire des mouvement pendant la journée et généré de l'électricité.

2.1. Concept et Contexte Marché

Le projet consiste à créer une société de services spécialisée dans l'installation et l'exploitation d'intelligences artificielles exécutées localement (sur les serveurs du client ou du matériel dédié en France). L'approche repose sur l'utilisation de modèles open-source quantifiés, en plaçant la sobriété énergétique comme critère de conception fondamental et non comme un simple argument marketing.

Le contexte marché en 2026 est favorable :

• Exigences légales et publiques : La conformité à l'AI Act et la souveraineté des données sont des critères d'achat décisifs. Environ 70 % des appels d'offres publics exigent des critères de souveraineté (SovreAI, SafeBrain).
• Illusion de souveraineté : Une donnée hébergée en France mais gérée par un acteur soumis au Cloud Act n'est pas souveraine.
• Shadow AI : Environ 80 % des organisations font face à une utilisation de l'IA non maîtrisée par leurs collaborateurs (Intelligence Academy).

2.2. L'Offre de Services

L'offre est structurée de l'intervention ponctuelle la plus simple au service récurrent :

1. Audit IA & données (Payant, 5 à 15 k€) : Cartographie des usages, classification des données, et arbitrage entre les solutions locales et cloud en fonction de la sensibilité et de l'usage réel.
2. Déploiement clé en main : Intégration d'un modèle open-source quantifié en 4 bits (Mistral, Llama, Qwen) sur du matériel efficace. Mise en place d'une connexion aux documents du client via RAG (Retrieval-Augmented Generation) pour des cas d'usage précis : assistant interne, génération documentaire, support, résumés.
3. Supervision & maintenance (Abonnement mensuel) : Gestion des mises à jour des modèles, monitoring système, sécurité et monitoring énergétique (point différenciant).
4. Formation et mise en conformité : Formation aux usages, accompagnement sur l'AI Act et lutte contre le Shadow AI.

2.3. La Différenciation Environnementale

La promesse écologique constitue le cœur du positionnement stratégique, prouvée par des actions mesurables :

• Quantification systématique : L'utilisation de modèles quantifiés réduit drastiquement la consommation de calcul et permet de tourner sur du matériel modeste. La sobriété devient un facteur de compétitivité (L'Observatoire de la Tech).
• Dimensionnement à l'usage réel : Refus catégorique du sur-équipement. Privilégier du matériel efficient (NPU, GPU prosumer bien dimensionnés) ou du matériel reconditionné sous garantie.
• Mesure transparente : Fourniture, pour chaque déploiement, d'un bilan kWh/1 000 requêtes et de son équivalent CO₂. Cette donnée est directement exploitable par le client pour son reporting extra-financier (CSRD).
• Options d'hébergement avancées : Hébergement dans des micro-datacenters à faible PUE, valorisation de la chaleur fatale et choix d'un mix électrique bas-carbone.

2.4. Modèle Économique

Le modèle économique est conçu pour fidéliser le client et assurer des revenus récurrents, indispensables face à l'évolution rapide des modèles d'IA.

Audit payant (5 à 15 k€) ➔ Projet d'intégration (30 à 80 k€) ➔ Abonnement de supervision (1 à 3 k€/mois)

Le monitoring énergétique et le maintien en condition opérationnelle créent un partenariat durable.

2.5. Feuille de Route du Lancement (12-24 mois)

Phase 1 · Cadrage (Mois 1 à 3)

• Cibler les PME/ETI possédant des données sensibles (santé, juridique, industrie, secteur public).
• Verrouiller la stack technique : modèles open-source quantifiés + Ollama/vLLM + infrastructure RAG.
• Définir l'engagement environnemental chiffré (KPIs : kWh/1 000 requêtes, impact carbone).

Phase 2 · Preuve de valeur (Mois 3 à 6)

• Monter un démonstrateur interne sur un serveur à haute efficacité énergétique.
• Réaliser 2 à 3 déploiements pilotes chez des clients bêta-testeurs.
• Publier un comparatif de TCO (Coût Total de Possession) et un bilan énergétique précis « IA Locale vs IA Cloud ».

Phase 3 · Structuration (Mois 6 à 9)

• Rédiger les contrats types conformes à l'AI Act et souscrire à une assurance RC professionnelle adaptée.
• Industrialiser la méthodologie d'audit « IA sobre » pour la rendre reproductible.
• Négocier des partenariats stratégiques pour le hardware (fournisseurs de serveurs reconditionnés, énergéticiens).

Phase 4 · Go-to-market (Mois 9 à 12)

• Packager l'offre commerciale de bout en bout : Audit ➔ PoC ➔ Déploiement ➔ Supervision.
• Lancer le marketing de contenu : publication d'études de cas, valorisation de la mesure d'impact, prises de parole en conférences.
• Basculer activement la rentabilité vers le modèle récurrent (abonnement maintenance + monitoring).

Phase 2.5 · Croissance (Année 2)

• Lancer une offre gérée mutualisée par secteur d'activité, hébergée sur serveur dédié.
• Obtenir des labels de souveraineté/éco-responsabilité et répondre aux appels d'offres publics.
• Recruter l'équipe cœur : 2 à 3 ingénieurs MLOps et un profil expert en Énergie/RSE.

2.6. Analyse des Risques

• Concurrence des offres cloud souveraines : Les initiatives d'inférence régionalisée (type Mistral/SecNumCloud) pourraient concurrencer le modèle.
  • Mitigation : Se positionner en complément. L'audit inclut un arbitrage honnête et objectif entre les solutions locales et cloud.
• Obsolescence technique rapide : La technologie IA évolue à un rythme effréné.
  • Mitigation : Le modèle de revenus par abonnement permet d'opérer des mises à jour continues plutôt que de vendre une solution figée dans le temps.
• Tension sur le marché de l'emploi : La double compétence MLOps + Énergie est extrêmement rare.
  • Mitigation : Mise en place d'un plan de formation interne dès la phase 2 (Preuve de valeur).