معظم الفرق التقنية بالمغرب كتعامل مع امتثال CNDP بحال هو عبء إداري. هاد الشي خطأ فالحساب. القانون 09-08 لحماية البيانات الشخصية، ملي كيتدمج بشكل صحيح فالبنية التحتية، كيولّي ميزة تنافسية هيكلية — خصوصاً دابا ملي AWS كتشغّل Wavelength Zone فكازابلانكا.
هاد المقال كيفكّك التداعيات التقنية الحقيقية : علاش الاعتماد على api.openai.com هو مخاطرة قانونية، كيفاش دير حجم مناسب لـ LLM سيادي، وشحال كتسوى البنية التحتية بالحقيقة مقارنة مع فاتورة API ديالك دابا.
المشكل ديال البنية القانونية اللي حتى واحد ما كيهضر عليه
القانون 09-08 كيقرّر تلاتة ديال الالتزامات اللي كيقيّدوا مباشرة كيفاش تقدر تنشر الذكاء الاصطناعي على بيانات العملاء : limitation des finalités (البيانات تستعمل غير للأغراض المعلنة)، minimisation (جمع غير اللي ضروري)، والحق فالولوج والمسح على الطلب.
ملي كتعدّي بيانات العملاء عبر API ديال OpenAI — حتى مع data processing agreement ديالهم — كتفقد التحكم العملي فالتلاتة. ما تقدرش تضمن أن البيانات ما تستعملاتش لتدريب الموديل. ما تقدرش تنفّذ طلب المسح على مستوى الموديل. وما تقدرش تعطي لمدقّق CNDP سجلّ كامل لمعالجة البيانات حيت ما عندكش الطبقة ديال traitement.
الغرامات ديال CNDP تحت القانون 09-08 توصل لـ 300 000 درهم للأشخاص الذاتيين و1 000 000 درهم للأشخاص المعنويين فكل مخالفة. الأهم، شكاية واحدة من عميل تقدر تولّد تدقيق كامل لسلسلة المعالجة ديالك. إيلا ما قدرتيش تبرّر كل API call مسّ بياناتو، عندك ثغرة فالامتثال (conformité).
هاد الشي ماشي نظري. ف 2025، جوج شركات SaaS فكازابلانكا وصلاتهم استفسارات رسمية من CNDP بعد طلبات ديال عملاء ما قدروش يلبّيوها — حيت البيانات عدّات عبر APIs أمريكية بلا أي مسار تدقيق قابل للاسترجاع.
الحجة التقنية لنشر LLM سيادي
شنو كيعني « سيادي » بصح فالإنتاج
الذكاء الاصطناعي السيادي ما كيعنيش تشغّل موديل على laptop فخزانة. كيعني :
- أوزان (weights) ديال الموديل مستضافين على بنية تحتية اللي كتتحكّم فيها، فاختصاص قضائي تقدر تبرّرو
- طلبات الاستدلال (inference) عمرها ما كتخرج من المحيط ديال الشبكة ديالك
- تسجيل كامل (audit logging) لكل زوج input/output، مع retention قابلة للضبط
- القدرة باش تنفّذ مسح البيانات على مستوى embeddings / vector store
AWS Wavelength Zone Casablanca : البنية اللي كتخلّي هاد الشي ممكن
AWS Wavelength Zone فكازابلانكا (تطلقات ف 2023) بدّلات الاقتصاد ديال الذكاء الاصطناعي السيادي فالمغرب. قبل الإطلاق ديالها، تشغيل الاستدلال (inference) على EC2 كان كيعني الاتجاه نحو eu-west-1 (إيرلندا) — مزيان لـ batch processing، ولكن ما يصلحش لميزات الوقت الحقيقي تحت 100ms ديال latence.
مع Casablanca Wavelength Zone، كتلقى :
- أقل من 10ms ديال latence للمستعملين المغاربة (مقابل 80-120ms نحو إيرلندا)
- إقامة البيانات داخل المملكة — قابلة للتدقيق تحت القانون المغربي
- نفس الـ toolchain ديال AWS (IAM, VPC, CloudWatch) — بلا ما تعاود تكوّن الفريق ديال DevOps
- طريق مباشر لـ credits ديال AWS Activate إيلا كنتي شركة فمراحلها الأولى
شجرة القرار لاختيار الموديل
الخطأ الأكثر شيوعاً اللي كنشوف ملي الفرق كيقرّروا « يمشيوا للسيادي » هو تكبير الموديل بزاف. ماشي كل use case كيحتاج موديل ب 70B parameters. معظم مهام NLP فالمؤسسات ديال SaaS المغربي — تصنيف الوثائق، استخراج البيانات المهيكلة، Q&R متعدد الأدوار على مجالات محصورة — كتنحلّ مزيان ب موديل 7B ولا 13B متعمل ليه fine-tuning، كيدور على instance GPU A10G واحدة.
تحديد حجم الموديل حسب use case
- تصنيف الوثائق، استخراج الكيانات، FAQ Q&R : Mistral 7B متعمل ليه fine-tune عبر LoRA. كيدور على
g4dn.xlarge(1× NVIDIA T4). تقريباً $0.526/ساعة on-demand. كيتحمّل 200 req/s فـ 200ms p95 latence. - الاستدلال متعدد الخطوات، توليد الكود، التلخيص المعقد : Llama 3 8B ولا Mistral Nemo 12B. كيدور على
g5.2xlarge(1× A10G). تقريباً $1.21/ساعة. كيتحمّل 80 req/s فـ 400ms p95. - تحليل السياق الطويل (100k+ tokens)، توليف متعدد الوثائق : Llama 3.1 70B مع quantization (AWQ/GPTQ). كيحتاج
p3.8xlarge(4× V100) ولاg5.12xlarge. تقريباً $4.80-6.12/ساعة. خلّيها للمعالجة offline.
SaaS مغربي كيعالج 500 000 API call فالشهر بسعر GPT-4o (تقريباً $0.005/1K input tokens، بافتراض 800 tokens فالمتوسط) = 22 000 درهم فالشهر. النشر المكافئ ديال Mistral 7B على instance g4dn.xlarge reserved = 2 800 درهم فالشهر كولشي شامل (compute + storage + transfer). الموديل كيستهلك من الشهر 2.
Stack السيادي : أش خاصك تبني بصح
1. طبقة الاستدلال (Inference)
دير النشر عبر vLLM (ماشي Ollama — vLLM عندو continuous batching بمستوى إنتاج، paged attention، وواجهة API متوافقة مع OpenAI). شغّلو ورا Application Load Balancer خاص داخل VPC ديالك. عمرك ما تكشف الـ inference endpoint للعموم.
2. Vector Store ل RAG
استعمل pgvector على Amazon RDS PostgreSQL إيلا الحجم ديال البيانات ديالك أقل من 10M vectors وبغيتي البساطة التشغيلية. لـ >10M vectors ولا متطلبات retrieval تحت 10ms، دير نشر Qdrant على ECS Fargate. الجوج كيشتاغلوا كاملين داخل VPC ديالك فكازابلانكا. تجنّب خدمات vector DB managed (Pinecone, Weaviate Cloud) — كيصيفطوا embeddings ديالك للبنية التحتية الأمريكية.
3. تسجيل التدقيق (Audit Logging)
كل inference call خاصو يسجّل : timestamp، hash ديال الطلب (SHA-256 ديال الـ input)، hash ديال الجواب، نسخة الموديل، user ID، session ID. خزّنهم فـ Amazon S3 مع Object Lock (امتثال WORM) لمدة احتفاظ ديال 5 سنوات على الأقل. هادي هي مسار التدقيق ديال CNDP ديالك.
4. Pipeline ديال مسح البيانات
ابني endpoint /api/cndp/erase اللي : (1) كيمسح embeddings ديال المستعمل من vector store، (2) كيفرّغ سياق الجلسة (session) من conversation store ديالك (Redis/DynamoDB)، (3) كيسجّل حدث المسح فمسار التدقيق ديالك، (4) كيرجّع شهادة مسح موقّعة كريبتوغرافياً. هاد الشي هو اللي كيفرضو Article 13 ديال CNDP ملي المستعمل كيمارس حقّو فالمحو تحت القانون المغربي 09-08.
الحجة التجارية للمؤسسات
زيادة على الامتثال، كاينة حجة مباشرة فالمداخيل. القطاعات اللي كتنمى بأسرع وتيرة فـ B2B SaaS فالمغرب — البنوك، التأمين، الصفقات العمومية، الصحة — ما غاديش يوقّعوا عقود enterprise مع موردين ما قادرينش يقدّموا data processing agreement كيغطّي المتطلبات التنظيمية المغربية.
بنية الذكاء الاصطناعي السيادي هي checkmark فكل procurement checklist ديال المؤسسات. كتزيل blocage ديال « legal review » اللي كيقتل دورات بيع ديال 6 شهور فالمرحلة الأخيرة. شفنا كيفاش قلّصات وقت إغلاق الصفقات بـ 40% عند fintech فكازابلانكا اللي دارت التحوّل المعماري فالربع الثالث ديال 2025.
السؤال ماشي واش خاصك تبني بنية تحتية ذكاء اصطناعي سيادية. السؤال هو واش غادي تبنيها دابا، قبل ما تخسر أول صفقة enterprise، ولا من بعد.