Quels modèles de langage sont pris en charge ?

Ollama pour les modèles locaux, ainsi qu'OpenAI, Anthropic, Azure OpenAI, Mistral, Google Gemini, LiteLLM, Cohere, TogetherAI, Groq et Llama.cpp. Vous pouvez changer de fournisseur espace de travail par espace de travail sans perdre vos documents ni votre index.

Combien de RAM faut-il ?

AnythingLLM consomme environ 512 Mo à elle seule. Tout dépend ensuite d'où tourne le modèle : si vous appelez une API externe, 2 Go de RAM sont suffisants ; si vous faites tourner Ollama sur le même VPS avec un modèle de 7 milliards de paramètres, prévoyez 8 Go au total.

L'outil tient-il de gros volumes documentaires ?

Oui. La base vectorielle LanceDB embarquée monte à plusieurs millions de vecteurs sur un seul VPS, sans configuration. Pour des corpus vraiment volumineux, vous pouvez basculer la base vectorielle vers Qdrant, Pinecone ou Weaviate depuis Settings → Vector DB, sans changer le reste de l'installation.

Créer, héberger et exploiter des solutions IA.

AnythingLLM

Espace de travail IA privé : vos documents deviennent une base de connaissance interrogeable, avec RAG intégré, agents sans code et le modèle de langage de votre choix.

512 Mo (2 Go et plus avec Ollama en local) RAM 1 vCPU Port 3001 Disponible

Code source

Stack technique

DockerNode.jsPythonSQLiteLanceDB

RAM minimum512 Mo (2 Go et plus avec Ollama en local)

CPU minimum1 vCPU

Port par défaut3001

OS compatiblesubuntu-24.04

AnythingLLM est une application d'IA open source tout-en-un qui transforme vos documents en une base de connaissance privée et interrogeable. Elle tient dans une seule image Docker, tourne sur un VPS de 2 Go et se branche sur le modèle que vous utilisez déjà : Ollama en local, OpenAI, Anthropic, Mistral, Azure OpenAI, LiteLLM et d'autres. Le moteur de RAG intégré ingère des PDF, des documents Word, du texte brut, des dépôts de code, des transcriptions YouTube, des pages Notion et des espaces Confluence, puis les découpe, les vectorise et les indexe dans une base vectorielle LanceDB embarquée. À chaque question, AnythingLLM retrouve les passages pertinents, les transmet en contexte à votre modèle et renvoie une réponse sourcée.

Chaque espace de travail est isolé : ses propres documents, son propre modèle, sa propre consigne système — pratique pour séparer la documentation produit, les contrats et le code. AnythingLLM embarque aussi un constructeur d'agents sans code, qui enchaîne recherche web, exécution de code, récupération documentaire et appels d'API externes. La gestion multi-utilisateurs avec rôles (administrateur, gestionnaire, utilisateur) la rend utilisable en équipe, et une API REST documentée permet d'intégrer le moteur dans vos propres produits. Le projet est publié sous licence MIT, avec plus de 62 000 étoiles GitHub en juillet 2026, sans télémétrie et utilisable en environnement totalement déconnecté d'Internet.

Fonctionnalités clés

RAG intégré — ingestion de PDF, documents Word, fichiers texte, dépôts de code, YouTube, Confluence et Notion, avec découpage, vectorisation et indexation automatiques.

Compatible avec tous les modèles — Ollama, OpenAI, Anthropic, Mistral, Azure OpenAI, Google Gemini, LiteLLM, Cohere, TogetherAI, Groq, Llama.cpp et les modèles locaux.

Constructeur d'agents sans code — chaînez recherche web, exécution de code, récupération documentaire et appels d'API sans écrire une ligne.

Espaces de travail cloisonnés — documents, modèle et consigne système sont propres à chaque espace, ce qui évite les fuites de contexte entre sujets.

Multi-utilisateurs avec rôles administrateur, gestionnaire et utilisateur — utilisable en équipe dès l'installation.

Base vectorielle interchangeable — LanceDB embarquée sans configuration, ou raccordement à Qdrant, Pinecone, Chroma ou Weaviate ; API REST documentée pour intégrer le moteur à vos applications.

Quand utiliser cette solution ?

1

Base de connaissance interne

Téléversez vos procédures, vos contrats et votre documentation technique. Votre équipe pose ses questions en langage naturel et obtient des réponses sourcées, avec renvoi aux passages d'origine. Si le modèle est servi par Ollama sur le même VPS, aucune donnée ne sort de votre serveur.

2

Assistant pour développeurs

Ingérez votre base de code, vos documents d'architecture et vos références d'API. AnythingLLM devient un assistant privé qui connaît votre pile et répond en contexte, sans exposer votre code source à un service tiers.

3

IA orientée client

Exposez l'API REST d'AnythingLLM pour alimenter un module de discussion dans votre produit, adossé exclusivement à votre propre documentation. Vous maîtrisez ce que le modèle a le droit de citer, et le contenu indexé reste hébergé chez vous.

Déployer AnythingLLM sur votre VPS

Guide optimisé pour les VPS Cloud ServOrbit.

01

Commander un VPS ServOrbit

AnythingLLM elle-même se contente d'environ 512 Mo de RAM. Le dimensionnement dépend du modèle : avec une API externe (OpenAI, Anthropic, Mistral), 2 Go suffisent largement ; avec Ollama installé sur le même VPS et un modèle de 7 milliards de paramètres, comptez 8 Go au total. Prévoyez de l'espace disque pour vos documents et leurs vecteurs.

02

Déployer depuis le Marketplace

Dans votre espace client ServOrbit : Marketplace → IA → AnythingLLM → Déployer. L'image mintplexlabs/anythingllm:latest (environ 700 Mo) est récupérée une fois et le conteneur démarre en quelques secondes sur le port 3001. Le volume nommé anythingllm-storage conserve l'ensemble des documents, des réglages et la base SQLite.

03

Se connecter la première fois

Il n'y a aucun identifiant à vous transmettre : cette installation démarre en mode mono-utilisateur SANS mot de passe. Ouvrez-la immédiatement, terminez l'assistant de configuration, puis allez dans Paramètres activer « Password Protect Instance » — avant cela, quiconque atteint l'adresse peut lire vos documents et changer vos réglages.

04

Créer le compte administrateur au premier accès

AnythingLLM ne prend pas de domaine, et c'est délibéré : à l'installation il n'a AUCUN compte, donc aucun écran de connexion — le publier derrière une adresse publique reviendrait à offrir la création du premier administrateur au premier visiteur venu. L'accès se fait par tunnel SSH : ssh -L 3001:127.0.0.1:3001 root@<ip-de-votre-vps> puis http://localhost:3001 — 3001 est le port du catalogue, reprenez celui affiché sur la fiche de votre app dans l'espace client. AnythingLLM détecte une installation neuve et vous guide dans la création du premier compte administrateur ; c'est également à ce moment qu'est fixé le secret JWT servant à signer toutes les sessions utilisateur.

05

Connecter un fournisseur de modèle

Rendez-vous dans Settings → LLM Provider. Choisissez Ollama s'il tourne sur le même VPS, OpenAI en renseignant votre clé d'API, ou tout autre fournisseur pris en charge. AnythingLLM teste la connexion avant d'enregistrer. En pointant sur LiteLLM, vous pourrez changer de fournisseur plus tard sans retoucher vos espaces de travail.

06

Créer un espace de travail et téléverser vos documents

Cliquez sur New Workspace, nommez-le (par exemple « Documentation produit »), puis déposez vos PDF ou collez une URL. AnythingLLM découpe le contenu, calcule les vecteurs et les enregistre dans LanceDB. Posez votre première question : le système récupère les passages pertinents et les transmet à votre modèle. Créez ensuite les comptes de votre équipe et attribuez les rôles.

Questions fréquentes

AnythingLLM est un espace de travail IA auto-hébergé qui réunit dans un seul conteneur le RAG documentaire, la discussion multi-modèles et des agents. Open WebUI est avant tout une interface de discussion pour vos modèles, orientée conversation ; Dify est une plateforme visuelle pour construire des applications LLM et des pipelines destinés à d'autres utilisateurs. AnythingLLM se situe entre les deux : son point d'entrée est votre corpus documentaire, organisé en espaces de travail cloisonnés et interrogeable avec citations.

Non, et il n'est pas possible d'en attacher un. AnythingLLM démarre sans aucun compte : le premier visiteur qui atteint l'application en devient l'administrateur. Tant que cette prise en main initiale n'est protégée par rien, ServOrbit ne publie pas l'app derrière un domaine — l'accès passe par un tunnel SSH (ssh -L 3001:127.0.0.1:3001 root@<ip-de-votre-vps>), donc chiffré et réservé à qui détient la clé SSH du VPS. Une fois votre compte administrateur créé et l'application passée en mode multi-utilisateur, elle a un vrai écran de connexion : écrivez-nous, nous republierons la recette avec le domaine.

La version auto-hébergée est publiée sous licence MIT et entièrement gratuite ; Mintplex Labs propose par ailleurs une offre hébergée et une application de bureau, mais tout le nécessaire à un déploiement privé se trouve dans l'image Docker open source. Documents, vecteurs, réglages et base SQLite résident dans le volume anythingllm-storage de votre VPS ; le projet n'émet aucune télémétrie et fonctionne y compris sur une machine coupée d'Internet, à condition d'utiliser un modèle local.

Intégrer le bouton de déploiement

Vous maintenez un projet qui utilise AnythingLLM ? Ce bouton permet à vos lecteurs de le déployer sur un VPS en un clic, sans lire de documentation Docker.

Markdown

[![Deploy AnythingLLM on ServOrbit](https://servorbit.com/brand/deploy/button.svg)](https://servorbit.com/vps-cloud?template=anything-llm&utm_source=deploy-badge&utm_medium=referral&utm_campaign=anything-llm)

HTML

<a href="https://servorbit.com/vps-cloud?template=anything-llm&utm_source=deploy-badge&utm_medium=referral&utm_campaign=anything-llm"><img src="https://servorbit.com/brand/deploy/button.svg" alt="Deploy AnythingLLM on ServOrbit" height="40"></a>

Le bouton pointe vers la commande d'un VPS avec le template présélectionné. L'image est servie depuis servorbit.com — rien à héberger de votre côté.

Solutions complémentaires

Intelligence Artificielle

Activez AnythingLLM sur votre infrastructure.

VPS Cloud dédié — IPv4 incluse, datacenter européen, support inclus. Vos données ne quittent jamais votre serveur.

Configuration recommandée : 512 Mo (2 Go et plus avec Ollama en local) RAM · 1 vCPU