Applications → Ollama + Qdrant
Ollama exécute des modèles de langage open-source localement sur votre serveur ReefOffice. Qdrant stocke les embeddings vectoriels qui rendent vos documents recherchables. Ensemble, ils alimentent l'IA privée — aucune donnée ne quitte jamais votre serveur pour être traitée par un fournisseur d'IA externe.
Ollama gère le calcul — il télécharge, charge et exécute des modèles d'IA open-source (LLaMA, Mistral, Qwen, Phi, Gemma et des centaines d'autres) directement sur votre serveur. Qdrant fournit la mémoire — il stocke les embeddings vectoriels qui permettent la recherche sémantique dans vos documents. Chaque plan ReefOffice utilise Qdrant pour indexer le contenu des documents ; les plans Private AI ajoutent la génération par Ollama pour répondre aux questions sur vos documents.
Ollama exécute des centaines de modèles open-source sur le CPU ou GPU de votre serveur — LLaMA, Mistral, Qwen, Gemma, Phi, DeepSeek et plus. Les modèles sont téléchargés, mis en cache et exécutés localement. Pas d'appels API vers des fournisseurs externes.
Qdrant stocke les embeddings vectoriels de vos fichiers, factures, contrats et notes. La recherche sémantique trouve les documents par leur sens, pas seulement par mots-clés. Intégré sur chaque plan ReefOffice.
Sur les plans Private AI, Ollama génère des réponses à partir de votre corpus documentaire. Les réponses sont générées sur votre serveur à partir de vos documents indexés, avec références sources.
Choisissez le modèle adapté à votre cas d'usage. Exécutez un modèle petit et rapide pour le chat quotidien, un modèle multilingue pour les questions-réponses documentaires, ou un modèle plus grand pour le raisonnement complexe.
Les plans Private AI incluent une capacité GPU dédiée sur l'infrastructure ReefOffice en Allemagne. Pour les configurations locales uniquement, Ollama utilise le CPU avec une inférence optimisée.
Chaque plan ReefOffice indexe automatiquement vos documents avec les embeddings bge-m3 via Qdrant. Les nouveaux fichiers dans Nextcloud, Paperless et Dolibarr sont traités sans configuration manuelle.
Détail technique
Ollama utilise llama.cpp pour l'inférence locale efficace avec support de l'accélération GPU, des modèles quantifiés (format GGUF) et du cache de prompt. Sur ReefOffice, il fonctionne comme un service NixOS natif. Qdrant est une base de données vectorielle haute performance écrite en Rust, fonctionnant comme un conteneur Docker avec stockage persisté et authentification par clé API.
Ollama alimente Open WebUI pour le chat privé de type ChatGPT et Hermes Agent pour les tâches IA autonomes. Qdrant fournit la couche de recherche vectorielle utilisée par la fonction de recherche documentaire ReefOffice, par les déclencheurs Activepieces et par Hermes.
Pour la recherche et l'indexation de documents, oui — la génération d'embeddings avec bge-m3 s'exécute efficacement sur CPU. Pour le chat et les réponses IA, les performances dépendent de la taille du modèle et du matériel.
Les modèles varient de 1,5 Go (petit modèle quantifié) à plus de 40 Go (modèle 70B en pleine précision). Les modèles recommandés pour votre plan sont préinstallés. Les modèles supplémentaires sont téléchargés à la demande et mis en cache.
Oui. Sur les plans sans GPU local, vous pouvez connecter une clé de fournisseur d'IA externe (OpenAI, Anthropic, Mistral AI). Open WebUI et Hermes utiliseront l'API externe pour la génération tout en gardant votre recherche documentaire locale via Qdrant.
Réservez une démo et voyez comment Ollama et Qdrant sur ReefOffice vous offrent des capacités d'IA privées — recherche documentaire, réponses sémantiques et exécution locale de modèles — le tout sur votre propre serveur.