🐾 Chaton - Assistant IA

Assistant conversationnel intelligent avec support RAG (Retrieval-Augmented Generation), multi-modal et export de documents.

Fonctionnalités

LLM Flexible

• Mode OpenAI : Connexion à une API compatible OpenAI (Albert, OpenAI, etc.). C'est son mode de fonctionnement nominal, vous devez posséder une clé pour l'API Albert de la DiNum.
• Mode Ollama : Utilisation de modèles locaux via Ollama (GPU fortement recommandé)
• Support multi-modal : texte, images, code
• Streaming des réponses

RAG (Retrieval-Augmented Generation)

• Collections locales : Via Qdrant (base vectorielle locale)
• Collections distantes : Via API Albert
• Recherche avancée
• Reranking avec modèle BGE
• Extension automatique du contexte avec chunks adjacents

Gestion de documents

• Upload multiple de PDFs
• Extraction de contenu web (URLs)
• Upload d'images pour analyse visuelle
• Support LaTeX dans les réponses

Export de documents

• Word (DOCX) : Export formaté des conversations
• Excel (XLSX) : Export de tableaux et données structurées (version préliminaire alpha)
• PowerPoint (PPTX) : Génération de présentations à partir d'un prompt, d'un document PDF ou du RAG

Profils intégrés

• Plusieurs profils (rôles) intégrés via un fichier de configuration des prompts systèmes pour s'adapter au contexte ou à la mission de l'assistant.

Interface utilisateur

• Interface Streamlit responsive
• Affichage des sources RAG
• Configuration avancée dans la sidebar

Prérequis

• Python 3.9+ (testé avec 3.12.8)
• (Optionnel) Qdrant pour les collections locales
• (Optionnel) Ollama pour les modèles locaux

Installation

1. Créer un environnement virtuel

python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate  # Windows

2. Installer les dépendances

Important : L'installation dépend de votre configuration matérielle.

Option A : GPU NVIDIA avec CUDA 11.8 (typiquement pour architecture Pascal, non supportée par les versions de CUDA > 11.8)

# Installer les dépendances de base
pip install -r requirements.txt

# Installer PyTorch avec CUDA 11.8
pip install -r requirements-cuda11.txt

Option B : GPU NVIDIA avec CUDA 12.x (architectures post-Pascal)

# Installer les dépendances de base
pip install -r requirements.txt

# Installer PyTorch avec CUDA 12.x
pip install -r requirements-cuda12.txt

Option C : CPU uniquement (sans GPU, adapté au fonctionnement Albert API, sinon bonne chance si vous utilisez des LLM locaux)

# Installer les dépendances de base
pip install -r requirements.txt

# Installer PyTorch CPU
pip install -r requirements-cpu.txt

Vérifier l'installation CUDA

# Vérifier la version CUDA disponible
python -c "import torch; print(f'CUDA disponible: {torch.cuda.is_available()}'); print(f'Version CUDA: {torch.version.cuda}')"

3. Configuration

Copiez le fichier d'exemple et configurez vos paramètres :

cp .env.example .env

Éditez .env avec vos paramètres :