Connecter un LLM à POSAC

Guide pour connecter un modèle de langage (IA) à POSAC — en local, en labo ou via une API distante.

POSAC intègre un assistant IA pour nommer les classes CHD, interpréter les résultats et extraire des variables. Ce module fonctionne avec n'importe quel LLM compatible OpenAI, configuré selon votre environnement.

Les trois modes de connexion

Mode	Quand l'utiliser	Confidentialité	Coût
Local (Ollama)	Poste de travail ou serveur dédié	Maximale — aucune donnée ne sort	Gratuit (coût électricité/matériel)
Labo / VPS	Ollama déployé sur serveur institutionnel	Haute — réseau interne	Gratuit (coût infrastructure)
API distante	Sans infrastructure propre	Données envoyées chez le prestataire	Payant (à la requête)

Données sensibles et corpus d'entretiens

Si votre corpus contient des données personnelles ou sensibles (entretiens non anonymisés, données de santé, données protégées par un accord de recherche), privilégiez le mode local ou labo. Le mode API distante envoie des extraits du corpus aux serveurs du prestataire.

① Mode local avec Ollama

Installation

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

Démarrer Ollama en autorisant POSAC

# Autoriser les connexions depuis POSAC (CORS)
OLLAMA_ORIGINS="*" ollama serve

Télécharger un modèle

# Modèles recommandés pour le français
ollama pull mistral          # 7B — bon équilibre qualité/vitesse
ollama pull mistral-nemo     # 12B — meilleure qualité
ollama pull llama3.1         # 8B — très bon en multilingue
ollama pull qwen2.5:14b      # 14B — excellent en analyse de texte

Choisir la taille du modèle

7B–8B : nécessite 8 Go de RAM GPU (ou 16 Go RAM CPU). Rapide, qualité correcte.
12B–14B : nécessite 12–16 Go RAM GPU. Meilleure compréhension du français académique.
34B+ : nécessite 32+ Go RAM. Qualité proche des API distantes.

Configuration dans POSAC

Dans Réglages IA de POSAC :

Environnement : Local
URL : http://localhost:11434
Modèle : nom du modèle téléchargé (ex. mistral, qwen2.5:14b)

② Mode labo / VPS (Ollama sur serveur)

Si votre laboratoire dispose d'un serveur GPU ou d'un VPS, déployez Ollama dessus et accédez-y depuis POSAC.

Sur le serveur

# Démarrer Ollama en écoutant sur toutes les interfaces
OLLAMA_HOST=0.0.0.0:11434 OLLAMA_ORIGINS="*" ollama serve

# Télécharger le modèle
ollama pull mistral-nemo

Sécuriser l'accès (recommandé)

# Exemple nginx — reverse proxy avec authentification basique
server {
    listen 443 ssl;
    server_name ollama.votre-labo.fr;

    location / {
        auth_basic "POSAC LLM";
        auth_basic_user_file /etc/nginx/.htpasswd;
        proxy_pass http://localhost:11434;
    }
}

Configuration dans POSAC

Environnement : Labo
URL : https://ollama.votre-labo.fr (ou l'IP du serveur)
Modèle : mistral-nemo (ou le modèle déployé)

Depuis un VPS public

Si POSAC est hébergé sur un VPS, Ollama doit être accessible depuis l'IP du VPS. Vérifiez le pare-feu : le port 11434 doit être ouvert ou le reverse proxy configuré.

③ API distante

Pour utiliser un fournisseur d'API sans infrastructure propre.

Fournisseurs compatibles

Fournisseur	Modèle recommandé	Forces	Clé API
Anthropic	claude-sonnet-4-5	Excellent en analyse académique	anthropic.com
OpenAI	gpt-4o-mini	Très bon en français	platform.openai.com
Mistral AI	mistral-large	Français natif, RGPD EU	console.mistral.ai
Groq	llama-3.1-70b	Très rapide, gratuit limité	console.groq.com
OpenRouter	Au choix	Agrège plusieurs fournisseurs	openrouter.ai
Together AI	Meta-Llama-3.1-70B	Open source hébergé	api.together.xyz

Configuration dans POSAC

Environnement : Distant
Fournisseur : sélectionner dans la liste
Clé API : coller la clé obtenue sur le site du fournisseur
Modèle : sélectionner ou saisir l'identifiant du modèle

Mistral AI et le RGPD

Mistral AI est une entreprise française dont les serveurs sont en Europe. C'est le choix le plus adapté aux données de recherche soumises au RGPD quand une API distante est nécessaire.

Tester la connexion

Une fois configuré, utilisez le bouton Tester la connexion dans les Réglages IA de POSAC. Un message de succès confirme que le LLM répond correctement.

Fonctions IA disponibles

Fonction	Où	Description
Nommage des classes	CHD → résultats	Propose un label court pour chaque classe
Interprétation	CHD → résultats	Synthèse analytique des classes et de leurs relations
Extraction de variables	Préparer → Variables	Lit chaque document et propose des valeurs pour les variables définies
Résumé de corpus	IA scientifique → Résumés	Vue synthétique des métriques lexicales

Coût des API distantes

Chaque appel à une API distante consomme des tokens et est facturé. Pour l'analyse d'un corpus de 50 entretiens, comptez entre 0,10 € et 2 € selon le fournisseur et le modèle. Utilisez un modèle léger (gpt-4o-mini, mistral-small) pour les tâches simples.

Connecter un LLM à POSAC

On this page