Migrer de ChatGPT Enterprise vers une stack IA maîtrisée

ChatGPT Enterprise a convaincu vos équipes en quelques semaines. Aujourd'hui, la facture monte, les juristes posent des questions sur la localisation des données, et vous réalisez que chaque processus interne dépend d'une infrastructure américaine que vous ne contrôlez pas. Voici simplement le moment de choisir en connaissance de cause.

Ce que ChatGPT Enterprise inclut réellement (et ce qu'il ne dit pas)

OpenAI ne publie aucun tarif public pour ChatGPT Enterprise. La page officielle indique "Contact our sales team to discuss pricing" - point final. Selon des données de marché agrégées (2026), les contrats se négocient autour de 60 USD par utilisateur par mois, avec une fourchette de 45 à 75 USD selon le volume et la durée. Le minimum non officiel rapporté tourne autour de 150 sièges avec contrat annuel prépayé, soit environ 108 000 USD par an. Ces chiffres ne proviennent pas d'OpenAI directement. Source : page tarification officielle OpenAI.

Ce que le plan inclut réellement : accès aux modèles récents (GPT-5.5 Instant en illimité, fenêtre de contexte à 128 000 tokens), SSO SAML, provisionnement SCIM, analytics d'usage, RBAC, résidence des données dans 10 régions dont l'Europe. Les données ne sont pas utilisées pour entraîner les modèles par défaut. Enterprise Key Management permet de gérer ses propres clés de chiffrement. Les certifications couvrent SOC 2 Type 2, ISO 27001, 27701.

Ce que le plan ne dit pas clairement : l'achat est organisationnel, sans self-service, ce qui signifie que chaque modification contractuelle passe par l'équipe commerciale OpenAI. La flexibilité opérationnelle est réelle, la flexibilité contractuelle, beaucoup moins.

Pour les entreprises qui veulent comparer les options d'hébergement EU avant même d'aborder la migration, notre benchmark des providers IA souverains FR/EU donne une base de référence chiffrée.

Les 4 triggers qui déclenchent la migration

1. Le coût qui grimpe avec l'adoption

L'adoption interne de ChatGPT Enterprise suit une courbe prévisible : 10 utilisateurs pilotes, puis 50, puis la demande explose quand les premiers résultats circulent. Le rapport OpenAI State of Enterprise AI 2025 le confirme : les sièges ChatGPT Enterprise ont augmenté d'environ 9x en glissement annuel dans les organisations déployées. Chaque siège supplémentaire a un coût. À 60 USD par mois, 200 utilisateurs représentent 144 000 USD par an, hors intégrations personnalisées.

Le plan ChatGPT Business (le palier inférieur) est facturé 20 USD par utilisateur par mois, mais il manque SCIM, RBAC avancé et la résidence de données. Pour les PME qui n'ont pas besoin de toutes les fonctions Enterprise, payer le différentiel pour des fonctions inutilisées n'est pas rationnel.

Sur une API Mistral Small (hébergée en EU), le même volume de conversations revient à quelques centimes de token. Le calcul dépend des volumes, mais l'ordre de grandeur est différent : des milliers d'euros par mois contre des dizaines de milliers. C'est le premier déclencheur d'une migration.

2. Les données qui traversent des serveurs américains

ChatGPT Enterprise propose bien une résidence des données en Europe. Mais par défaut, sans configuration explicite, les requêtes peuvent être traitées sur des serveurs américains. La résidence européenne est une option, pas un comportement par défaut. Pour un grand nombre de contrats signés avant 2025, cette option n'a pas été explicitement activée.

Pour les secteurs réglementés (santé, finance, assurance, défense), la question ne se pose pas en termes de préférence mais d'obligation. Les données de santé en France nécessitent un hébergement certifié HDS. ChatGPT Enterprise ne dispose pas de cette certification. Azure OpenAI, lui, détient la certification HDS France.

La question à poser à votre DSI : savez-vous précisément dans quelle région vos conversations ChatGPT Enterprise sont traitées aujourd'hui ?

3. Le lock-in sur les capacités d'OpenAI

ChatGPT Enterprise signifie que votre roadmap d'automatisation est alignée sur la roadmap d'OpenAI. Quand un modèle change de comportement (GPT-4 vers GPT-4o vers GPT-5.5), vos agents et vos workflows peuvent régresser sans préavis. Les prompts calibrés sur un modèle ne se transfèrent pas automatiquement.

Le lock-in concerne aussi les intégrations : SharePoint, GitHub, Google Drive sont nativement connectés. Mais construire des workflows personnalisés avec des outils métier spécifiques (ERP, CRM sectoriel, base documentaire interne) demande de passer par l'API OpenAI ou les Apps ChatGPT. Dans les deux cas, vous restez dans l'écosystème.

Une stack construite autour d'un LLM gateway compatible OpenAI vous permet de basculer de modèle sans toucher à votre code d'intégration. C'est le principe d'une architecture portable.

4. L'AI Act et la conformité qui devient obligatoire

L'AI Act européen est entré en vigueur en août 2024. Les obligations s'échelonnent selon les cas d'usage et le niveau de risque. Pour les entreprises qui utilisent de l'IA dans des processus RH (recrutement, évaluation), financiers (scoring, décisions de crédit) ou légaux, la traçabilité et l'explicabilité deviennent des exigences documentaires.

ChatGPT Enterprise fournit des analytics d'usage, mais pas de logs d'audit structurés exportables pour chaque décision prise par un agent IA. Une stack maîtrisée avec un LLM gateway central permet de logguer, tracer et archiver chaque appel de modèle dans votre propre infrastructure. La conformité ne peut pas dépendre d'un fournisseur externe.

Notre article sur la gouvernance IA en entreprise avec le RGPD et l'AI Act détaille les obligations selon les cas d'usage.

Trois options concrètes pour une stack maîtrisée

Il n'existe pas d'alternative universelle à ChatGPT Enterprise. Le choix dépend de trois paramètres : niveau de souveraineté requis, capacités techniques internes, volume de tokens mensuel.

Option 1 : API Mistral (hébergement EU, entreprise française)

Mistral AI est une entreprise française soumise au RGPD et à la supervision de la CNIL. Son API cloud est hébergée en Europe sur sa propre infrastructure. Mistral Large 3 est facturé 0,50 USD par million de tokens en entrée et 1,50 USD en sortie. Mistral Small 4 descend à 0,10 USD en entrée et 0,30 USD en sortie. Source : page tarification Mistral.

Pour les entreprises qui ont besoin d'un contrôle total, les modèles open-weight Mistral (Mistral Small, Mistral Large) peuvent être déployés en self-hosted sur votre propre infrastructure. Aucune donnée ne quitte alors votre réseau. C'est pertinent pour les données sensibles ou les environnements air-gappés.

Option 2 : Azure OpenAI Service (RGPD, hébergement Europe garanti)

Azure OpenAI Service propose des déploiements "Data Zone Standard EUR" qui garantissent que toutes les données, inputs, outputs et logs, restent dans l'Union Européenne. Compatible avec les engagements EU Data Boundary de Microsoft. Cette option est particulièrement adaptée aux organisations qui utilisent déjà Azure et Microsoft 365 : la gouvernance des données est unifiée.

Attention : les déploiements de type "Global" peuvent envoyer les données hors UE. Le choix du type de déploiement est critique et doit être documenté.

Pour les données de santé, Azure OpenAI détient la certification HDS France, ce qui en fait l'une des rares options API cloud valides pour les établissements de santé français.

Option 3 : Self-hosted avec LLM gateway (contrôle maximum)

Déployer un modèle open source (LLaMA 3.3, Mistral, Qwen) sur votre infrastructure avec un LLM gateway comme LiteLLM ou OpenRouter donne un contrôle total sur les données, les coûts et les modèles. Scaleway (filiale du groupe Iliad) propose une alternative intermédiaire : ses Generative APIs Serverless hébergées à Paris facturent en euros natifs, avec un tier gratuit d'un million de tokens par mois et une réduction de 50% sur les traitements batch. Source : page tarification Scaleway.

La contrainte de cette option : elle nécessite une équipe capable de gérer le déploiement, les mises à jour de modèles et la sécurité. Pour les PME sans ressources MLOps internes, c'est rarement la bonne entrée.

Plan de migration en 4 étapes

Une migration de ChatGPT Enterprise ne se fait pas en un week-end. Le risque principal n'est pas technique : c'est la régression perçue par les utilisateurs qui ont optimisé leurs prompts sur GPT-5.5 pendant des mois.

Étape 1 : Audit des usages (semaines 1-2)

Cartographier les cas d'usage actifs : qui utilise ChatGPT Enterprise, pour quoi, avec quel volume. Identifier les workflows critiques (automatisés, avec API) versus les usages conversationnels libres. Les analytics d'usage ChatGPT Enterprise fournissent ces données. Cette étape révèle souvent que 20% des utilisateurs représentent 80% du volume, et que plusieurs cas d'usage pourraient être couverts par un modèle moins coûteux.

Étape 2 : Sélection du provider et tests comparatifs (semaines 3-5)

Sélectionner 2 providers candidats selon vos contraintes (souveraineté, budget, certifications). Tester chaque provider sur vos cas d'usage réels avec vos prompts actuels. Un test sur des données fictives ne prédit pas le comportement réel. Mesurer la qualité des réponses, la latence et la cohérence sur au moins 200 requêtes représentatives par provider.

Étape 3 : Migration pilote sur un périmètre limité (semaines 6-9)

Déployer le nouveau provider sur un département ou un cas d'usage non critique. Former les utilisateurs pilotes sur les différences de comportement du modèle. Collecter les retours pendant 3 semaines. Ajuster les prompts système et les paramètres avant le déploiement général. C'est aussi le moment de déployer le LLM gateway et de valider les logs d'audit.

Étape 4 : Bascule progressive et extinction du contrat (semaines 10-16)

Migrer les cas d'usage par ordre de criticité décroissante. Maintenir ChatGPT Enterprise en parallèle pendant la période de transition pour les utilisateurs avancés. Planifier l'extinction du contrat OpenAI en tenant compte du préavis contractuel (généralement 30 à 60 jours). Documenter les gains obtenus pour justifier la décision en interne.

Ce qui change vraiment après la migration

Les entreprises qui ont migré rapportent trois changements concrets, au-delà du coût.

Premier changement : la visibilité sur les usages s'améliore. Avec un LLM gateway central, chaque appel est loggué avec le modèle utilisé, le coût associé, l'utilisateur ou le service demandeur. Le FinOps IA devient possible : vous savez exactement ce que chaque département dépense en tokens.

Deuxième changement : la portabilité des workflows. Un agent IA construit sur une API standard (compatible OpenAI) peut basculer de Mistral à LLaMA à GPT sans réécriture. Quand un nouveau modèle sort, vous testez en une heure au lieu de refaire l'intégration. C'est ce qu'on appelle une architecture non-captive.

Troisième changement : la conformité documentée. Vos équipes juridiques peuvent produire, à la demande d'un régulateur ou d'un client, un rapport d'audit sur les décisions prises par votre IA. Avec ChatGPT Enterprise, cette traçabilité dépendait des outils OpenAI. Après la migration, elle est dans votre infrastructure.

Ce qui ne change pas, ou régresse temporairement : l'expérience utilisateur. GPT-5.5 Instant est très bon sur la rédaction non structurée et les tâches créatives. Mistral ou Claude couvrent la majorité des usages professionnels, mais les utilisateurs habitués à ChatGPT perçoivent une différence pendant les premières semaines. La gestion du changement est aussi importante que la migration technique.

Pour aller plus loin sur la mise en place d'une infrastructure IA en entreprise, notre guide sur l'infrastructure IA en entreprise couvre les choix d'architecture depuis zéro.