Présentation du service

Vast Data a annoncé DataEnclave, une couche de confidential computing intégrée à son Vast DataEngine et à son Vast AI Operating System. Le service permet d’exécuter des modèles d’intelligence artificielle avancés sur des données sensibles sans exposer ni les données ni les poids du modèle. La cible principale regroupe les institutions financières, les fournisseurs de santé, les agences gouvernementales et les organisations soumises à des exigences strictes de résidence des données.

Architecture et mécanismes de sécurité

DataEnclave s’appuie sur la technologie de confidential computing de Nvidia, qui crée des Trusted Execution Environments (TEE) couvrant à la fois le CPU et le GPU. Toutes les mémoires invitées – RAM du processeur, mémoire du GPU et le trafic NVLink – sont chiffrées. Avant le déchiffrement des données ou des poids, un processus d’attestation cryptographique vérifie l’intégrité du matériel, du logiciel et des politiques de gouvernance. Cette attestation repose sur le projet open‑source Trustee de la Cloud Native Computing Foundation ou, alternativement, sur l’offre Confidential AI de Fortanix.

Les clés de chiffrement restent sous le contrôle du client grâce à une intégration directe avec leurs systèmes de gestion de clés (KMS). Le journal d’audit, stocké dans le data‑warehouse Vast DataBase, consigne chaque événement d’attestation, de libération de clé et de cycle de vie de l’enclave, offrant une traçabilité complète sans révéler le contenu protégé.

Déploiement et écosystème

DataEnclave peut être installé dans des centres de données internes, des clouds IA publics ou des environnements totalement isolés (air‑gapped). Les partenaires matériels cités – Cisco Systems et Super Micro Computer – fourniront des systèmes pré‑intégrés. Au niveau logiciel, les premiers partenaires de modèles incluent Cohere, CrowdStrike, Deepgram, The San Francisco AI Factory, Fundamental Research Labs et TwelveLabs. Cette diversité montre que DataEnclave supporte à la fois des charges de travail de traitement du langage naturel et de reconnaissance audio, tout en maintenant la séparation de propriété entre les poids de base et les poids finement ajustés.

Implications et limites

En isolant les modèles et les données dans un TEE, DataEnclave répond à la réticence des développeurs à distribuer leurs poids propriétaires sur des infrastructures tierces. Le modèle économique annoncé – aucune facturation supplémentaire, le service étant inclus dans la pile AI – pourrait réduire le coût total de possession pour les entreprises qui préfèrent exploiter leurs propres ressources ou choisir un cloud régional. Cependant, la solution dépend fortement de la disponibilité de matériel Nvidia compatible et de la robustesse des KMS clients. De plus, l’attestation repose sur des projets open‑source qui, bien que largement audités, restent potentiellement exposés à des vulnérabilités non découvertes. Enfin, le calendrier de disponibilité (pré‑visualisation maintenant, lancement prévu au premier trimestre 2027) indique que les organisations les plus réglementées devront attendre plusieurs mois avant de pouvoir tester la solution en production.