Comment créer un espace de travail IA personnel avec des modèles locaux

Je me suis rendu compte que ma journée de travail était devenue une alternance infinie d'onglets. ChatGPT dans un onglet, Notion dans un autre, les emails via une interface web dans un troisième, et Ollama exécutant un Llama local dans le terminal. Des données dispersées entre cinq services différents, un contexte de conversation qui se perd, et payer une douzaine d'abonnements chaque mois, tout cela m'avait fatigué.

Je suis récemment tombé sur le dépôt Odysseus. Le projet propose de rassembler tous ces outils sous un même toit sur votre propre serveur ou ordinateur.

Ce qu'est cette plateforme tout-en-un

Les développeurs appellent Odysseus un espace de travail auto-hébergé. En essence, c'est une plateforme web Python qui combine un chat par réseau neuronal, un client email, un calendrier, un éditeur de texte et un système d'exécution de tâches par agents.

L'idée centrale du projet est simple. Au lieu de confier des données d'entreprise ou des notes personnelles à des clouds tiers, vous déployez l'application localement et connectez soit des poids locaux, soit des points de terminaison API de vos fournisseurs préférés.

Ce qu'il y a à l'intérieur

Les développeurs ont intégré un ensemble impressionnant de modules dans le système.

Chat, Agents et le protocole MCP

La base est une interface conversationnelle familière, mais avec un support d'outils. Les modèles peuvent exécuter des commandes shell, travailler avec des fichiers et maintenir le contexte dans une mémoire à long terme. Il y a un support pour le standard MCP (Model Context Protocol), vous pouvez donc connecter des outils externes et des scripts personnalisés au chat.

Module de recherche approfondie

Si vous avez besoin de rassembler des informations sur un sujet complexe, l'agent recherche dans les moteurs, télécharge les pages, lit les sources et génère un rapport structuré. C'est similaire à la fonctionnalité correspondante dans les services commerciaux, mais fonctionne avec les modèles de votre choix.

Test en aveugle (Comparer)

Un détail intéressant : l'interface inclut un mode de comparaison de modèles en aveugle. Vous envoyez une invite à deux réseaux à la fois, examinez les réponses anonymes, choisissez la meilleure et obtenez un résultat consolidé. Pratique lorsque vous devez vérifier concrètement si un modèle quantifié local fonctionne aussi bien qu'une version cloud volumineuse.

Documents, Email et Tâches

Le système inclut un éditeur de texte avec support Markdown, HTML, CSV et coloration syntaxique. Le modèle peut suggérer des modifications directement dans le texte.

Pour les emails, il y a un support des protocoles IMAP et SMTP. Le bot peut trier les messages entrants, résumer de longues discussions par email et préparer des brouillons de réponses. Le calendrier et la liste des tâches se synchronisent via CalDAV, vous pouvez donc attribuer des tâches planifiées aux agents.

Comment déployer

Vous pouvez lancer le système localement en quelques minutes via Docker.

Clonez le dépôt et naviguez vers le répertoire :

Copiez la configuration par défaut et lancez les conteneurs :

Après le démarrage, l'interface est disponible à http://localhost:7000. Le mot de passe admin initial est généré automatiquement, et vous devez le récupérer depuis les logs :

Le dépôt inclut également des instructions pour une installation native sur macOS et Linux si vous souhaitez extraire les performances maximales de votre GPU sans surcharge de virtualisation.

À qui s'adresse ce projet

Si vous avez juste besoin d'un simple wrapper pour l'API OpenAI, ce projet vous semblera surchargé. Il y a trop de choses ici : email, notes, calendrier, shell. Mais si vous cherchiez une interface unifiée pour combiner matériel local, travail textuel et automatisation des tâches routine sans envoyer de données à l'extérieur, Odysseus mérite définitivement le détour.

Gardez la sécurité à l'esprit. Les développeurs préviennent honnêtement : les outils ont accès au terminal et au système de fichiers, donc exposer des ports à l'extérieur sans authentification configurée et HTTPS est fortement déconseillé. Le projet est sous licence AGPL-3.0.