GED on-premise : pourquoi les banques ouest-africaines y passent (et pas au cloud)
BCEAO, souveraineté, LCB-FT : les raisons objectives pour lesquelles les banques en Afrique de l'Ouest privilégient la GED on-premise. Étude de cas, architecture type, coût comparé et comment concilier IA et souveraineté.
En 2026, alors que le monde entier migre vers le cloud, les banques ouest-africaines font un choix de plus en plus assumé : une GED on-premise, hébergée sur leur infrastructure, sans aucun appel vers les hyperscalers. Ce choix n'est pas de la résistance au progrès — c'est une réponse pragmatique à des contraintes réglementaires, techniques et géopolitiques très concrètes.
1. La BCEAO et la souveraineté des données bancaires
La BCEAO (Banque Centrale des États d'Afrique de l'Ouest), et plus largement l'UMOA, exigent que les données clients et les opérations soient hébergées sur le territoire national ou régional. Les directives LCB-FT (lutte anti-blanchiment, financement du terrorisme) renforcent ces exigences. Un cloud AWS/GCP/Azure avec des datacenters en Europe ou aux États-Unis soulève des questions juridiques que beaucoup de CIO préfèrent éviter.
2. Le Cloud Act et les risques extraterritoriaux
Le Cloud Act américain de 2018 permet aux autorités US d'exiger l'accès aux données stockées par un fournisseur cloud américain, même si ces données sont hébergées ailleurs. Pour une banque qui gère des comptes de clients potentiellement sous sanctions OFAC, c'est un risque juridique et commercial que même un datacenter européen n'élimine pas.
Une GED on-premise sur un datacenter national (ADIE au Sénégal, ANPTIC au Burkina, etc.) élimine complètement cette exposition extraterritoriale.
3. Le coût réel d'une GED cloud pour une banque
Sur le papier, une GED cloud est moins chère. Mais pour une banque qui gère 500 000 dossiers clients et 2 millions de pages OCR, le coût en transfert réseau, stockage chaud, appels API et licences SaaS explose. Le TCO 5 ans d'une GED cloud premium dépasse souvent celui d'une solution on-premise bien architecturée.
Comparaison TCO 5 ans (500k dossiers)
- GED SaaS cloud premium : 300-500 k€ / 5 ans (licence + stockage + API).
- GED on-premise commerciale : 180-300 k€ / 5 ans (licence + hardware + exploitation).
- GED open-source + intégration : 120-200 k€ / 5 ans (intégration + hardware + exploitation).
4. L'IA locale change la donne
Il y a 2 ans, une GED sans IA devenait difficile à vendre (classification automatique, extraction d'entités, recherche sémantique). Mais envoyer des documents bancaires confidentiels à OpenAI ou Claude en API publique reste inacceptable pour les RSSI. La percée 2024-2026 : les LLM open-source locaux (Llama 3, Mistral, Qwen) exécutés via Ollama sur GPU A100 ou H100, qui permettent de faire tourner une IA de classification et d'extraction directement dans le datacenter bancaire.
Architecture type d'une GED bancaire on-premise avec IA
- Ingestion multi-canale (scan, email, API) → queue locale (RabbitMQ / Kafka).
- OCR local (Tesseract / PaddleOCR) sur chaque page.
- Classification IA via Ollama avec modèle qwen2-7b ou mistral-7b fine-tuné sur corpus bancaire.
- Extraction d'entités (nom, IBAN, date, montant) via le même LLM.
- Indexation full-text (OpenSearch / Elasticsearch local).
- Stockage chiffré AES-256 (volumes LUKS + clés HSM).
- API REST sécurisée pour consultation applicative.
- Synchronisation vers CFN local pour archivage long terme.
5. L'expérience concrète d'une banque UEMOA
Sans citer de nom, voici le retour d'une banque pan-africaine qui a déployé une GED on-premise sur l'année 2025 : 1,2 million de dossiers clients indexés, OCR+classification en 820 ms moyen par document, recherche full-text sub-100 ms sur l'ensemble du corpus, audit BCEAO préparé en 4 h au lieu de 2 semaines. Coût total : 210 k€ sur 5 ans incluant matériel, licences et support SoftValley Labs.
6. Les objections classiques et leurs réponses
« Le on-premise ne scale pas »
Faux. Une architecture Kubernetes bien pensée scale horizontalement. Ajouter des nœuds GPU pour l'OCR ou les workers IA est un jeu d'enfant. Les banques traitent des millions d'opérations mobile money sur leur propre infrastructure — la GED est plus simple.
« On manque de compétences IT en interne »
L'exploitation peut être externalisée en contrat d'infogérance local. SoftValley Labs et d'autres acteurs proposent un run 24/7 depuis Dakar ou Abidjan. Le on-premise ne veut pas dire auto-géré.
« L'IA sur LLM local, c'est moins performant qu'OpenAI »
Pour de la classification documentaire et de l'extraction d'entités, un modèle 7-13B fine-tuné atteint aujourd'hui 95-98 % de précision sur corpus bancaire. La différence avec GPT-4 est négligeable pour ces tâches ciblées, et largement compensée par la conformité.
Conclusion
Le on-premise n'est pas un recul technologique — c'est la seule architecture qui combine conformité BCEAO, souveraineté des données bancaires, coût maîtrisé et IA performante sans fuite. En 2026, c'est la meilleure option pour la majorité des banques ouest-africaines. Les banques qui ont fait ce choix ne reviennent pas en arrière.