Nœud IA Expérimental — edge computing & IA souveraine
Projet : PRISME — France 2030
Dénomination dossier : Nœud IA Expérimental (ex-Gromarty · ex-hostname marty)
Licence communs PRISME : CC BY-NC-SA 4.0 — voir Licence CC BY-NC-SA 4.0
Serveur edge : Nœud IA POC (WRX90, GPU RTX PRO 5000 — 48 Go VRAM)
Production métier : Serveur Outils Grainerie (stack Grainerie — n8n, Baserow, Calendrier)
1. Pourquoi l'edge computing dans PRISME ?
Les organisations culturelles manipulent des données sensibles (planning, contrats, RH, mobilités, contacts artistes) et ont un besoin croissant d'assistance IA — sans accepter systématiquement l'envoi de ces données vers des clouds propriétaires.
L'edge computing (calcul en périphérie, au plus près du lieu de production des données) répond à trois enjeux du dossier — et s'inscrit dans l'objectif structurant d'autonomisation des structures : construire des outils de production souverains sur infrastructure décentralisée. Voir Autonomie & outils souverains.
| Enjeu PRISME | Apport edge |
|---|---|
| Souveraineté des données (F05) | Inférence et orchestration IA sur infrastructure maîtrisée |
| Sobriété numérique | Réduction des allers-retours cloud ; modèles quantifiés localement |
| IA responsable ICC | Validation humaine, profils métiers, pas d'entraînement sur œuvres sans accord |
| Mutualisation filière | Modèle reproductible pour structures équipées d'un nœud edge léger |
| IA fédérée | Amélioration collective des têtes légères Marty sans centraliser les données ICC — voir IA fédérée Marty |
| Structures de moindre taille | Spoke léger + hub réseau partagé — pas de GPU dédié par structure |
PRISME ne propose pas le edge comme mode unique : c'est une brique complémentaire à l'écosystème n8n / Baserow / Calendrier — pour les traitements IA à forte sensibilité ou à faible latence. L'apprentissage fédéré (Calendrier Grainerie) étend ce modèle au réseau de structures : le modèle va vers les données, seules les mises à jour agrégées et consenties circulent.
2. Architecture — deux nœuds complémentaires
flowchart TB U["Utilisateurs<br/>équipes · compagnies"] SOG["Serveur Outils Grainerie<br/>Calendrier · Baserow · n8n · PostgreSQL"] NIAE["Nœud IA POC<br/>vLLM · Hermes · profils marty-*"] U -->|HTTPS| SOG SOG -->|API · webhooks · MCP| NIAE
| Nœud | Rôle | Maturité |
|---|---|---|
| Serveur Outils Grainerie | Données métier, workflows, application calendrier | Production (TRL 6–7) |
| Nœud IA POC | Inférence LLM locale, agents Hermes, outillage dev | Expérimentation (TRL 4–5) |
Principe : les données métier restent sur Serveur Outils Grainerie ; Nœud IA POC exécute les inférences et agents sur demande, via tunnels sécurisés et profils à périmètre restreint — sans réplication massive des données vers le cloud.
2bis. Mesure énergétique Serveur Outils Grainerie
La consommation de Serveur Outils Grainerie (orchestrateur métier — scénario mesh R2) est documentée selon la méthodologie tri-niveaux Grainerie (SSH → exporteurs → Prometheus grainerie:spok_*).
| Indicateur clé (05/07/2026) | Valeur |
|---|---|
| Puissance hôte | ~635 W (grainerie:spok_power_watts) |
| CPU hôte | ~17 % (1 min) |
| RAM | 101 / 251 GiB · Baserow ~73 GiB |
| Réseau uplink | Calme (échantillon 5 s sur bond0 / enp4s0f3) |
Référence complète : Méthodologie mesure Serveur Outils Grainerie · source opérationnelle
2ter. Mesure énergétique — Nœud IA POC
La consommation du Nœud IA POC (inférence edge — scénario R1) est documentée selon la méthodologie tri-niveaux NIAE (SSH + nvidia-smi → DCGM → Prometheus SOG grainerie:marty_*).
| Indicateur clé (05/07/2026, vLLM actif) | Valeur |
|---|---|
| Puissance GPU | ~300 W (grainerie:marty_gpu_power_watts) |
| Utilisation GPU / VRAM | 100 % · ~89 % VRAM |
| Température GPU | ~81 °C |
Réserve : pas de capteur puissance hôte — GPU mesuré directement ; total à la prise = wattmètre ou estimation TDP.
Référence complète : Méthodologie mesure Nœud IA POC · source opérationnelle
3. Stack Nœud IA Expérimental — contenu du dépôt
Nœud IA Expérimental consolide l'espace de travail edge (sources : home-nassim, snapshot prod Snapshot production marty, application Application Marty (dépôt dev)).
| Répertoire | Contenu |
|---|---|
| remote llm stack | Compose Docker — vLLM, Hermes gateway/dashboard/workspace, Traefik |
| profiles | 34 profils marty-* (grainerie, baserow, calendar, infra, …) |
| hermes-skills | Skills métier (Baserow Grainerie, agent-tools, …) |
| baserow * | Scripts et projets Baserow liés à La Grainerie |
| plan config stack marty | Source de vérité architecture Hermes v2 |
4. Composants edge — détail technique
4.1 Inférence locale (vLLM)
- Serveur : Nœud IA POC — WRX90, GPU 48 Go VRAM
- Alias stable :
marty-llm(OpenAI-compatible v1) - Modèles : registre Configuration (models registry) — bascule sans reconfig Hermes (Gemma, Qwen, Hermes-3, …)
- Sécurité : vLLM en
127.0.0.1sur le Nœud IA POC ; accès dev via tunnel SSH (:18000) - Contrainte : un gros modèle chargé à la fois (sobriété VRAM)
4.2 Orchestration agentique (Hermes v2)
Trois surfaces sur le Nœud IA POC :
| Surface | Rôle |
|---|---|
| Gateway | API tools, profils, MCP, délégation multi-agents |
| Dashboard | Sessions, skills, jobs, kanban |
| Workspace | UI « command center » |
Profil marty-grainerie — agent dédié La Grainerie :
- Mission : compréhension organisation fabrique cirque, RAG métier, recommandations
- Outils : scan architecture projets, Baserow, emails, web (périmètre contrôlé)
- Risque : low` — validation humaine pour actions à impact
- Config : marty grainerie
Profils voisins : marty-baserow, marty-calendar, marty-webhook (intégration n8n).
4.3 Lien avec l'écosystème Grainerie (Serveur Outils Grainerie)
| Connexion | Usage |
|---|---|
| API Baserow / n8n | Agents marty-grainerie, workflows automatisés |
| Calendrier Grainerie | Module Marty IA embarqué (specs SPEC_MARTY_*) |
| Traefik / réseau | Cartographie Cartographie réseau SOG ↔ marty |
| Syncthing | Sync fichiers inter-nœuds (sans centralisation cloud) |
4.4 Fine-tuning & gouvernance modèle (expérimental)
Le dépôt inclut des pipelines veracity (datasets, LoRA, bench anti-hallucination) :
- marty train — entraînement / évaluation locale
- Fragment — règles de véracité
4.5 Petits modèles spécialisés (SLM) — désescalade technique
PRISME répond au diagnostic du collectif Désescalade numérique (sobriété, moins de cloud centralisé) par une réduction d'échelle plutôt qu'un rejet de l'IA :
| Niveau | Exemple | Usage PRISME |
|---|---|---|
| GPAI cloud | GPT-4, Gemini | Veille ponctuelle — évité pour données sensibles |
| Modèle généraliste local | Gemma, Qwen (7–35 B) | marty-llm, profils Hermes |
| SLM métier | Modèle léger + LoRA | Vocabulaire ICC, admin, résidences |
| Sans LLM | n8n, règles Baserow | Prioritaire si suffisant |
Cible : 2–3 SLM métiers documentés, inférence edge, < 15 B paramètres quantifiés — mutualisables via blueprint « PRISME-edge-minimal ».
Labo création pure : les expérimentations sur l'IA et la création artistique relèvent d'un espace de recherche séparé (contraintes éco, philo, éthique, sociale) — voir Labo IA & création pure. Les outils opérationnels Marty restent sur l'administration et l'organisation.
5. Positionnement TRL & maturité
| Composant | TRL actuel | TRL cible PRISME | Commentaire |
|---|---|---|---|
| Infra edge Nœud IA POC (vLLM + Docker) | 5–6 | 7 | Opérationnel en labo, pas encore mutualisé filière |
| Hermes + profils marty-* | 4–5 | 6–7 | 34 profils · bench veracity M6–M12 · GPU ~300 W mesuré (méthodologie) |
Agent marty-grainerie | 4–5 | 6 | RAG métier, intégration Baserow/n8n |
| Marty dans Calendrier v3 | 4–5 | 6–7 | Assistant contextuel, RGPD intégré |
| Modèle mutualisable « nœud edge ICC » | 3–4 | 6 | Blueprint à documenter dans PRISME |
Statut global : POC avancé / pré-production — usage interne Grainerie et direction technique, pas encore déployé chez les partenaires consortium.
6. Alignement avec les pôles PRISME
| Pôle | Contribution edge |
|---|---|
| Observer | Métriques consommation GPU, comparaison cloud vs local, veille modèles open source |
| Expérimenter | Protocoles d'essai IA locale ; labo création pure (résidences encadrées) |
| Développer | Connecteurs Hermes ↔ Baserow/n8n ; blueprint « nœud edge structure culturelle » |
| Accompagner | Formation « IA souveraine pour les ICC » ; grille choix cloud / edge |
| Diffuser | Charte IA + guide déploiement edge minimal (commun open source) |
7. Cas d'usage edge — filière ICC
| Cas d'usage | Garde-fous PRISME |
|---|---|
| Synthèse compte rendu interne | Relecture humaine |
| Classification documents admin | Audit échantillon |
| Aide rédaction mails (templates) | Pas d'envoi auto |
| Assistant navigation Calendrier | Intentions validées |
| Traduction contenus internes | Validation native speaker |
| Veille sectorielle large | Sources citées |
| Décision programmation | Interdit (humain seul) |
8. Feuille de route PRISME (36 mois)
| Phase | Mois | Jalons edge |
|---|---|---|
| Stabiliser | 1–6 | Doc blueprint nœud edge ; bench veracity v1 publié en interne |
| Pilote Grainerie | 4–12 | Marty intégré Calendrier + 3 workflows n8n assistés |
| Transfert | 8–18 | Déploiement edge allégé chez 1–2 structures CIRC-INO |
| Commun | 12–24 | Package Docker « PRISME-edge-minimal » + charte IA |
| Évaluation | 18–30 | Indicateurs : latence, coût, empreinte carbone vs cloud |
| Diffusion | 24–36 | MOOC module IA souveraine ; guide mutualisation |
11. PRISME-Mesh — réseau edge mutualisé
Complète l'inférence locale (Nœud IA POC) et l'apprentissage fédéré (FedAvg) par la mutualisation de capacité de calcul :
| Mécanisme | Objet |
|---|---|
| FedAvg (Marty) | Améliorer le modèle — agrégats uniquement |
| PRISME-Mesh | Partager le GPU/CPU en créneaux libres — jobs d'inférence |
| Hub fixe | Nœud mutualisé unique (fabrique, CIRC-INO) |
Principe : « J'ai des ressources — je les partage lorsque je ne les utilise pas. »
| Jalon | Mois |
|---|---|
| Protocole + charte mesh | M12 |
| Registre nœuds opérationnel | M18 |
| ≥ 3 nœuds contributifs | M24 |
| Orchestrateur jobs SLM | M18–M24 |
Référence complète : Axe entrepreneurial & edge §4 · Protocole PRISME-Mesh