# Stack IA auto-hébergée

- Link: https://krikrak.fr/ma-stack-ia/
- Published: 2026-08-21T17:25:20+02:00
- Author: krikrak

Cette chronique ouvre les coulisses de l’atelier. Voici la stack IA auto-hébergée
qui tourne au quotidien dans mon activité.

Le socle repose sur des services Docker auto-hébergés. Des fournisseurs externes
complètent le socle quand la tâche l’exige.

L’ensemble tient en trois étages : mémoire documentaire, cockpit de pilotage et 
bras automate. Le schéma ci-dessous relie chaque brique.

Le schéma et le panorama décrivent l’existant. Rien de théorique : chaque brique
tourne déjà.

    ```mermaid
    flowchart LR

      subgraph docs["Docs - mémoire froide"]
        direction TB
        docsmd["Markdown et dépôts Git"]
      end

      oikb["oikb"]
      qdrant["qdrant
    base vectorielle"]
      ollama["ollama
    modèle local"]
      extai["Fournisseurs externes
    OpenAI, Anthropic, Mistral et NVIDIA"]
      n8n["n8n"]
      openterm["open-terminal
    sandbox Docker"]
      git["Git
    Forgejo et GitHub"]
      creds["Credentials"]

      subgraph owui["open-webui"]
        direction TB
        knowledges["Knowledges"]
        chats["Chats, notes et mémoire"]
      end

      subgraph ordi["ORDI"]
        direction TB
        vscode["VS Code"]
        owuicptr["owui-cptr"]
      end

      docsmd --- oikb
      oikb --- knowledges
      chats --- knowledges
      knowledges --- qdrant
      qdrant --- owui
      qdrant --- n8n
      ollama --- owui
      ollama --- n8n
      ollama --- ordi
      owui --- n8n
      owui --- owuicptr
      openterm --- owui
      n8n --- git
      n8n --- creds
      n8n --- owuicptr
      git --- ordi
      git --- docsmd
      extai --- owui
      extai --- n8n
      extai --- ordi
    ```

## Les briques en un coup d’œil

La plupart des briques tournent en Docker sur le serveur. Voici le rôle de chacune.

Les sections suivantes reprennent chaque étage dans l’ordre du schéma. De la mémoire
au poste de travail.

Ce panorama bouge avec les besoins. La stack décrite ici est celle d’aujourd’hui,
pas un dogme.

| Brique | Rôle | 
| oikb | Synchronisation des documents vers les Knowledges | 
| open-webui | Cockpit : chats, notes, mémoire, savoirs et automations | 
| qdrant | Base vectorielle pour le RAG | 
| ollama | Serveur de modèles local auto-hébergé | 
| Fournisseurs externes | OpenAI, Anthropic, Mistral et NVIDIA | 
| n8n | Workflows d’agents, automations et serveurs MCP | 
| open-terminal | Linux virtualisé en Docker pour exécuter et versionner | 
| Git | Dépôts sur Forgejo et GitHub | 
| owui-cptr | Terminal open-webui sur le poste de travail | 
| VS Code | Développement sur le poste de travail |

## Une mémoire froide en markdown

Tout part des documents en markdown. Fiches de compétences, documentations externes
et dépôts GitHub forment la mémoire froide.

oikb synchronise cette mémoire vers les Knowledges d’open-webui. Le service tourne
en Docker avec le reste de la stack.

Les dépôts vivent sur Forgejo et GitHub. Git versionne la documentation comme du
code.

Cette mémoire froide ne dépend d’aucun service tiers. Les fichiers restent ouverts,
exportables et réversibles.

## open-webui, le cockpit

open-webui sert de poste de pilotage. Chats, notes et automations s’y retrouvent.
La mémoire des conversations y vit aussi.

Les Knowledges s’appuient sur qdrant, une base vectorielle dédiée au RAG. Les documents
deviennent interrogeables en langage naturel.

open-terminal ajoute un terrain d’action : un Linux virtualisé en Docker pour exécuter,
construire et versionner.

Les chats alimentent aussi les Knowledges. Une conversation utile devient une ressource
durable.

## Des modèles locaux et externes

Un serveur ollama auto-hébergé fournit le socle local. Un modèle unique couvre les
usages quotidiens.

Quatre fournisseurs externes complètent le socle. Le cockpit et l’automate y accèdent
par API.

Chaque fournisseur se branche sur le cockpit comme sur l’automate. Le choix dépend
de la tâche.

Le socle local permet de traiter des données sans les exposer à l’extérieur.

## n8n, le bras automate

n8n orchestre l’ensemble : workflows d’agents, automatisations et serveurs MCP.

L’outil puise dans la base vectorielle pour contextualiser ses agents. Il déclenche
open-webui et le sandbox selon les besoins.

Les identifiants restent centralisés en un point. Notion, messageries et API tierces
s’y retrouvent. Un seul endroit à sécuriser et à auditer.

Chaque automatisation suit le même chemin documentaire. Les workflows vivent en 
Docker et se versionnent dans Git.

## Le poste de travail

Sur mon ordinateur, deux outils consomment la stack : VS Code pour le code et owui-
cptr pour le terminal.

owui-cptr relie open-webui à la machine. Les agents pilotent un vrai terminal depuis
le cockpit.

VS Code reste l’outil central du métier. La stack ne remplace pas le savoir-faire:
elle l’assiste.

Les modèles restent joignables depuis le poste. Le cockpit comme l’automate exposent
leurs API.

## Ce que la stack garantit

La documentation reste en markdown sous Git. La connaissance vit dans une base maîtrisée.
Les actions passent par des automates lisibles. Rien ne se retrouve enfermé dans
une boîte noire.

Cette première passe décrit l’architecture telle qu’elle tourne. Coûts réels et 
limites suivront dans une mise à jour.

Un dernier point d’honnêteté : cette stack demande de l’entretien. Chaque brique
se met à jour et se surveille.

Vous voulez une stack pareille sans y passer vos soirées ? C’est le type de chantier
que j’accompagne. J’en parle sur mes [services](https://krikrak.fr/services/).

[Discutons de votre stack](https://krikrak.fr/services/)