Chat privé sur vos documents : Ollama, Qdrant, Open WebUI
# Chat privé sur vos documents : Ollama, Qdrant, Open WebUI code: 8o0iz7 | type: stack | language: fr | licence: MIT | version: v1 description: Stack docker-compose pour un chat privé sur vos documents : Ollama (modèle), Qdrant (base vectorielle) et Open WebUI (interface). page: https://contextetech.com/stacks/chat-prive-documents-ollama-qdrant-8o0iz7 mcp: connect https://contextetech.com/mcp then call load_resource with code "8o0iz7" (or ask "load 8o0iz7") json: https://contextetech.com/api/resources/contextetech--chat-prive-documents-ollama-qdrant python: pip install contexte && contexte get 8o0iz7 citation (required by the licence): contextetech. (2026). Chat privé sur vos documents : Ollama, Qdrant, Open WebUI (Version 1) [Stack]. Contexte Tech. https://contextetech.com/stacks/chat-prive-documents-ollama-qdrant-8o0iz7
Stack docker-compose pour un chat privé sur vos documents : Ollama (modèle), Qdrant (base vectorielle) et Open WebUI (interface).
Accès Moyen
- Lire des fichiers ou des données
- Modifier ou supprimer des fichiers
- Envoyer des données sur Internet
- Lancer des commandes sur la machine : Non
Services
- Ollama : fait tourner le modèle
- Qdrant : base vectorielle
- Open WebUI : interface de chat et import de documents
Ports : 3000 (interface), 11434 (Ollama), 6333 (Qdrant)
1. docker compose up -d 2. Télécharger un modèle : docker compose exec ollama ollama pull mistral 3. Ouvrir http://localhost:3000, créer le compte administrateur, puis importer vos documents.
docker-compose.yml
services:
ollama:
image: ollama/ollama
volumes:
- ollama:/root/.ollama
ports:
- "11434:11434"
qdrant:
image: qdrant/qdrant
volumes:
- qdrant:/qdrant/storage
ports:
- "6333:6333"
open-webui:
image: ghcr.io/open-webui/open-webui:main
depends_on: [ollama, qdrant]
environment:
- OLLAMA_BASE_URL=http://ollama:11434
- VECTOR_DB=qdrant
- QDRANT_URI=http://qdrant:6333
volumes:
- open-webui:/app/backend/data
ports:
- "3000:8080"
volumes:
ollama:
qdrant:
open-webui:- Identifiant
- contextetech--chat-prive-documents-ollama-qdrant
- Fichier
- docker-compose.yml
- Format
- YML
- Taille
- 574 octets
- Encodage
- UTF-8
- Tokens estimés
- ≈ 159
- Usage commercial
- Autorisé
- Données personnelles
- Aucune
- Version
- 1.0
- Publié le
- 1 octobre 2026 à 18:46
- Mis à jour le
- 16 octobre 2026 à 23:19
- Stockage
- en base
Statistiques
J'aime : 0 · Commentaires : 0
Cliquez sur un compteur pour l’afficher ou le masquer, survolez le graphique pour le détail. Une vue par visiteur et par jour, robots exclus ; décompte commencé le 30 septembre 2026.
Coût estimé
- Tokens d'entrée par appel
- ≈ 377
| Modèle | Par appel | Par mois |
|---|---|---|
| GPT-6 Luna · OpenAImeilleur prix | 0,00003 € | 0,03 € |
| DeepSeek Flash · DeepSeek | 0,00010 € | 0,10 € |
| Mistral Large · Mistral AI | 0,00017 € | 0,17 € |
| DeepSeek V4 Pro · DeepSeek | 0,00044 € | 0,44 € |
| GPT-6 Sol · OpenAI | 0,00066 € | 0,66 € |
| Claude Sonnet 5.5 · Anthropic | 0,00066 € | 0,66 € |
| Claude Opus 5.5 · Anthropic | 0,00133 € | 1,33 € |
| Modèle open source hébergé chez soi (Ollama, vLLM) | 0 € d'API (coût du serveur seulement) | |
Coût d'entrée seulement, sans la réponse du modèle. Prix publics des fournisseurs (Mistral AI, DeepSeek, OpenAI, Anthropic), tarif standard en dollars converti en euros au taux BCE du 13 octobre 2026. Estimation : 1 token ≈ 3,6 caractères.
Commun aux 3 régions
Contenu créé par l'auteur, sans source extérieure.
Usage commercial autorisé · citer l'auteur · modifications permises.
Accès déclarés : lire des fichiers, modifier des fichiers, envoyer sur Internet.
Hébergé en France (Scaleway, Paris). Aucun transfert hors UE.
Union européenne · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de résumé à fournir.
États-Unis · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de documentation à publier.
Chine · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement ; les contenus générés par IA diffusés en Chine doivent être marqués (2025).
Synthèse indicative au 30/09/2026, sans valeur de certification juridique. Méthode et sources →
Qualité du contenu
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
MCP contexte
https://contextetech.com/mcp
charge 8o0iz7
Ajoutez l'adresse comme connecteur dans les pages des applications d'IA, puis envoyez la demande ci-dessus.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--chat-prive-documents-ollama-qdrant" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
docker-compose.yml
services:
ollama:
image: ollama/ollama
volumes:
- ollama:/root/.ollama
ports:
- "11434:11434"
qdrant:
image: qdrant/qdrant
volumes:
- qdrant:/qdrant/storage
ports:
- "6333:6333"
open-webui:
image: ghcr.io/open-webui/open-webui:main
depends_on: [ollama, qdrant]
environment:
- OLLAMA_BASE_URL=http://ollama:11434
- VECTOR_DB=qdrant
- QDRANT_URI=http://qdrant:6333
volumes:
- open-webui:/app/backend/data
ports:
- "3000:8080"
volumes:
ollama:
qdrant:
open-webui:
Lancer
# enregistrez docker-compose.yml, puis : docker compose up -d docker compose ps
Communauté
Pas encore de commentaire. Partagez votre retour, il aidera les suivants.