Introduction : du code amateur au laboratoire IA
Depuis mes débuts universitaires en Assembly puis C++, j’ai toujours eu du mal à écrire un code propre. Récemment, les outils d’agentic coding comme Claude Code m’ont permis de progresser rapidement, mais chaque machine nécessitait encore une configuration fastidieuse. Mon objectif était simple : centraliser tout dans mon serveur Proxmox et y accéder depuis n’importe quel navigateur.
1. Pourquoi Proxmox pour un laboratoire IA ?
Proxmox offre une virtualisation légère grâce aux conteneurs LXC, idéale pour héberger plusieurs agents sans surcharge mémoire. De plus, son interface web simplifie la gestion des ressources et la mise à jour des images.
L’intégration d’un hub IA dans un conteneur permet de conserver l’isolation tout en partageant les modèles locaux via OpenCode.
Gestion des ressources
Chaque agent peut être limité en CPU et RAM, évitant les conflits entre tâches lourdes comme le fine‑tuning ou la génération de code.
2. Mise en place du conteneur Jean
Jean, l’outil open-source d’openLabs, ne possède pas de modèle intégré mais orchestre des CLI d’agents (Claude Code, Codex, Cursor…). Il crée un worktree dédié pour chaque tâche afin que les modifications restent isolées.
Pour le déployer :
- Créer un LXC sur Proxmox.
- Installer Java et Git.
- Cloner le dépôt Jean.
- Configurer OpenCode pour pointer vers vos modèles locaux.
Connexion sécurisée avec Caddy
Caddy sert de reverse proxy HTTPS, utilisant votre domaine personnel. Grâce à un token d’accès, l’interface reste protégée tout en restant accessible depuis n’importe quel navigateur.
3. Choisir les bons modèles locaux
La sélection dépend du type de tâches : génération de code, documentation ou recherche. Les modèles open-source comme CodeLlama ou Llama 2 Code offrent un bon compromis entre performance et coût.
Il est crucial d’ajuster les paramètres de prompt pour éviter que l’agent ne « se perde » dans des boucles infinies. Une bonne pratique : définir une limite de tokens et un timeout explicite.
Optimisation du prompt
Utilisez des prompts structurés avec des exemples clairs, puis laissez l’agent générer le code à partir d’une description fonctionnelle.
4. Automatiser les mises à jour et la maintenance
Proxmox permet de créer des snapshots réguliers du conteneur Jean. En cas de corruption ou de besoin de rollback, vous pouvez revenir rapidement à un état stable.
L’automatisation via Ansible ou Terraform peut déclencher ces snapshots à intervalles définis, assurant ainsi la continuité de votre laboratoire IA.
« L’IA n’est pas seulement une question de puissance, mais aussi d’organisation. Un environnement bien structuré permet de tirer le meilleur parti des agents sans perdre de temps sur la configuration. »
Conclusion : un hub IA accessible et maîtrisable
En centralisant vos agents IA dans Proxmox via Jean et Caddy, vous obtenez une plateforme robuste, sécurisée et facile à maintenir. Vous n’avez plus besoin de configurer chaque machine séparément ; tout est géré depuis votre navigateur.
Prêt à transformer votre serveur en laboratoire d’IA performant ? Téléchargez le dépôt Jean dès aujourd’hui, suivez ce guide et commencez à coder vos propres agents sans effort supplémentaire !
