Déployer un modèle IA chez soi
Des LLM, des configs d'inférence et des stacks pour déployer l'IA sur vos propres machines, sans envoyer vos données ailleurs.
- [1v6b7a4] Chat IA privé minimal : Ollama et Open WebUI | stack | fr | MIT | https://contextetech.com/stacks/chatgpt-prive-ollama-open-webui-1v6b7a4 - [15a5imm] Automatisations locales : n8n et Ollama | stack | fr | MIT | https://contextetech.com/stacks/n8n-ollama-automatisations-locales-15a5imm - [8o0iz7] Chat privé sur vos documents : Ollama, Qdrant, Open WebUI | stack | fr | MIT | https://contextetech.com/stacks/chat-prive-documents-ollama-qdrant-8o0iz7
Chat IA privé minimal : Ollama et Open WebUI
La stack la plus simple pour un chat IA privé : Ollama et Open WebUI en docker-compose, interface sur le port 3000.
Automatisations locales : n8n et Ollama
Stack docker-compose pour automatiser avec une IA locale : n8n (workflows) et Ollama (modèle), sans envoyer de données à une API externe.
Chat privé sur vos documents : Ollama, Qdrant, Open WebUI
Stack docker-compose pour un chat privé sur vos documents : Ollama (modèle), Qdrant (base vectorielle) et Open WebUI (interface).
Que veut dire déployer un modèle IA ?
Déployer, c'est faire tourner un modèle sur vos propres machines ou serveurs plutôt que d'appeler une API externe : vos données restent chez vous. On choisit un modèle (LLM, embeddings), un moteur (Ollama, vLLM, llama.cpp) et, si besoin, une stack complète en docker-compose.