Définition de la catégorie · Pour conseils d'administration, DSI et directions des risques
What is an AI operating layer?
The AI operating layer for the regulated enterprise. We engineer governance, audit and runtime between foundation models and your business workflows. Multi-model by architecture, sovereign by construction, defensible to your board, your regulator, your operators.
La définition
La couche entre le modèle et le travail.
Une couche opérationnelle d'IA est la combinaison de gouvernance, d'audit et de runtime construite entre les modèles de fondation et les workflows métier. Elle décide quel modèle traite quelle tâche, sous quelle politique, avec quelle résidence de données. Elle consigne chaque action dans une piste d'audit immuable. Elle donne à l'entreprise un kill switch qui relève de l'architecture, pas d'une fonctionnalité.
-
Pas un intégrateur
L'intégrateur câble des systèmes puis s'en va. La couche opérationnelle reste et opère. Elle répond du workflow en production, pas du document de passation.
-
Pas un cabinet de conseil
Le cabinet recommande. La couche opérationnelle exécute. La différence se voit le jour où le régulateur demande la piste d'audit, pas le deck de stratégie.
-
Pas un fournisseur de modèles
La couche est agnostique au modèle par conception. Une entreprise réglementée ne peut jamais être captive de la roadmap, du prix ou de la juridiction d'un fournisseur.
Le marché a convergé en 2026 : MIT Technology Review a décrit l'IA d'entreprise comme une couche opérationnelle en avril, et Anthropic comme OpenAI ont créé des activités d'implémentation le même trimestre. Lire l'analyse
Pourquoi elle existe maintenant
La réglementation a attaché les obligations à la couche, pas au modèle.
L'EU AI Act s'applique aux systèmes d'IA à haut risque à partir du 2 août 2026. Presque aucune des obligations opérationnelles ne pèse sur le fournisseur du modèle. Elles pèsent sur la couche qui l'opère, c'est-à-dire l'entreprise.
-
Article 12 · Journalisation
Les systèmes à haut risque doivent générer des journaux automatiquement pendant leur durée de vie. Une API de modèle ne le fait pas pour votre workflow. La couche opérationnelle, si.
-
Article 19 · Enregistrements
Période d'utilisation, données d'entrée, bases de référence consultées, identité des personnes ayant vérifié les résultats. C'est la piste d'audit que la couche produit nativement.
-
Article 26 · Devoirs du déployeur
La surveillance et la supervision humaine incombent au déployeur, pas au fournisseur. La boucle de supervision est une fonction de la couche opérationnelle, appliquée par tâche.
Notre newsroom suit le calendrier d'application : ce qui s'applique réellement le 2 août gouverner l'action, pas le modèle
Les trois propriétés
Ce qui qualifie une couche de couche opérationnelle.
Beaucoup de produits revendiquent le mot. Trois propriétés font le test, et chacune est architecturale : elle ne peut pas être ajoutée plus tard comme une fonctionnalité.
-
Multi-modèles par architecture
La couche orchestre plusieurs modèles de fondation sous une même gouvernance. Le choix du modèle est une décision de routage par tâche, réversible à tout moment. Si retirer un fournisseur casse le système, c'est un wrapper, pas une couche opérationnelle.
-
Audit par architecture
Chaque action est enregistrée au moment où elle se produit, de façon immuable, avec le contexte exigé par l'article 19. Une piste d'audit reconstituée après coup est de la documentation, pas de l'audit. La différence est ce qu'un régulateur accepte.
-
Souveraine par construction
Résidence des données, juridiction du modèle et contrôle d'accès sont décidés par l'entreprise et appliqués par la couche, avec zéro donnée en clair côté serveur là où l'architecture l'exige. Une souveraineté plaquée est une déclaration d'intention, pas une propriété.
L'architecture de référence complète, la matrice d'intégration et la politique de stack sont publiées. Voir la page Engineering Voir comment nous opérons
Réponses directes
Les questions que les acheteurs seniors posent réellement.
Qu'est-ce qu'une couche opérationnelle d'IA ?
An AI operating layer is the governance, audit and runtime engineered between foundation models and business workflows. It decides which model runs, under which policy, with which audit trail, and gives the enterprise a kill switch that works at the architecture level, not as a feature.
En quoi est-ce différent d'une plateforme d'IA ou d'un fournisseur de modèles ?
Un fournisseur de modèles vend de l'intelligence. Une plateforme vend de l'outillage. La couche opérationnelle est ce qui rend l'un comme l'autre défendable en production : application des politiques par tâche, piste d'audit immuable par action, et architecture agnostique au modèle pour que l'entreprise ne soit jamais captive d'un fournisseur. Quand choisir Hikari Blue, et quand ne pas le faire
Qui l'opère ?
Des opérateurs, pas des consultants. Les engagements Hikari Blue sont conduits par quatre practices nommées : Engineering, Strategy, Talent et Run, chacune signée par un partner nommé. Le modèle de practice La profondeur sectorielle
Où tourne-t-elle ?
Dans votre environnement ou en déploiement souverain, sous votre fournisseur d'identité et votre moteur de politiques. Les options de déploiement et l'architecture de référence sont documentées sur la page Engineering
Pour conseils d'administration, DSI et directions des risques
Voir la couche opérationnelle appliquée à vos propres workflows.
Trente minutes avec un partner nommé. Nous projetons la couche sur un workflow que vous opérez déjà, avec la piste d'audit que votre régulateur demanderait. Vous repartez avec le schéma, que nous travaillions ensemble ou non.