Pourquoi self-héberger Flowise sur un VPS
Flowise manipule des données sensibles : clés API OpenAI/Anthropic, documents internes vectorisés, historiques de conversation, logiques métier de vos agents. En version cloud partagée, ces éléments transitent par une infrastructure que vous ne contrôlez pas. Sur un VPS dédié, le canvas Flowise, la base de données et les embeddings restent chez vous. Vous gardez la main sur les versions (les flux évoluent vite entre releases), sur les connecteurs activés, et sur la facturation des modèles puisque vous branchez vos propres clés. Un VPS vous permet aussi d'exposer les flux en API REST pour les intégrer à vos propres applications, sans quota imposé par un éditeur.
Les bénéfices concrets d'un Flowise auto-hébergé
- Confidentialité totale des prompts, clés API et documents indexés, qui ne quittent jamais votre serveur.
- Endpoints d'inférence exposés en API REST sans limite de débit imposée par un tiers.
- Choix libre du modèle (OpenAI, Anthropic, Mistral, ou un LLM local via Ollama sur le même réseau).
- Persistance maîtrisée des flux et des bases vectorielles dans des volumes Docker que vous sauvegardez.
- Mise à jour quand vous le décidez, sans subir une migration forcée du canvas.
- Coût prévisible : un seul prix VPS mensuel, pas de tarification au nombre de flux ou d'exécutions.
Prérequis matériels et logiciels
Flowise lui-même est léger, mais l'usage réel dépend des embeddings et des bases vectorielles. Comptez au minimum 2 vCPU et 2 Go de RAM pour un usage de test, et 4 vCPU / 4 à 8 Go de RAM si vous indexez des documents volumineux ou faites tourner plusieurs flux concurrents. Prévoyez 10 Go de disque pour les conteneurs et les stores vectoriels. Côté logiciel : Docker et Docker Compose installés, un nom de domaine ou sous-domaine (ex. flowise.votre-domaine.ma) pointant vers l'IP du VPS, et le port 443 ouvert. Les clés API des fournisseurs LLM que vous comptez utiliser sont à préparer en amont.
Déployer Flowise avec Docker et HTTPS
Préparer le VPS et Docker
Connectez-vous en SSH, mettez à jour le système puis installez Docker via curl -fsSL https://get.docker.com | sh. Vérifiez avec docker compose version. Créez un dossier dédié : mkdir -p /opt/flowise && cd /opt/flowise.
Écrire le docker-compose.yml
Définissez le service avec l'image officielle flowiseai/flowise, le port interne 3000, un volume nommé ~/.flowise pour la persistance, et les variables FLOWISE_USERNAME et FLOWISE_PASSWORD pour protéger l'interface d'administration dès le premier démarrage.
Lancer le conteneur
Exécutez docker compose up -d puis docker compose logs -f pour confirmer que Flowise écoute. À ce stade il répond en local sur 127.0.0.1:3000, non exposé publiquement, ce qui est volontaire.
Configurer le reverse proxy
Installez Caddy ou Nginx Proxy Manager. Avec Caddy, une ligne suffit dans le Caddyfile : flowise.votre-domaine.ma { reverse_proxy localhost:3000 }. Caddy obtient et renouvelle automatiquement le certificat Let's Encrypt.
Sécuriser l'accès et les clés
Renforcez l'authentification, restreignez le port 3000 au loopback dans le firewall (ufw deny 3000), et ajoutez vos clés API LLM directement dans l'interface Flowise (section Credentials) plutôt qu'en clair dans le compose.
Tester un flux et l'API
Créez un chatflow simple, publiez-le, puis appelez son endpoint avec curl -X POST https://flowise.votre-domaine.ma/api/v1/prediction/ pour valider l'exposition REST.
Pour des flux RAG performants et sans coût d'API externe, branchez Flowise sur un conteneur Ollama tournant sur le même VPS via le réseau Docker interne (http://ollama:11434). Vous combinez ainsi embeddings et génération en local : aucune donnée ne sort du serveur, et la latence chute car tout transite par le réseau privé du host.
La documentation officielle
Pour la configuration avancée et les options propres à l'outil, référez-vous à la documentation officielle de Flowise. Ce guide couvre la mise en ligne sur VPS ; la doc éditeur reste la référence pour les réglages fins, les mises à jour majeures et les cas d'usage spécifiques.
