stack-ia

name	stack-ia
description	Architecture IA complète — OpenRouter (texte/images propres), llama.cpp local (texte +18), ComfyUI/Flux local (images/vidéos +18), répartition GPU, et choix de modèles par usage.

Stack IA — Architecture Complète

---

Architecture

┌─────────────────────────────────────────────────────────┐
│                      REQUEST                             │
│                  (texte ou image)                        │
└──────────────────────┬──────────────────────────────────┘
                       │
         ┌─────────────┼─────────────┐
         │             │             │
    ┌────┴────┐   ┌────┴────┐   ┌────┴────┐
    │ SFW ?   │   │ NSFW ?  │   │ NSFW ?  │
    │ Texte   │   │ Texte   │   │ Image   │
    └────┬────┘   └────┬────┘   └────┬────┘
         │             │             │
    ┌────┴────┐   ┌────┴────┐   ┌────┴────┐
    │OpenRoute│   │llama.cpp│   │ ComfyUI │
    │  (API)  │   │ (GPU 1) │   │ (GPU 0) │
    └─────────┘   └─────────┘   └─────────┘

---

Répartition GPU (2× RTX 3090)

GPU	Usage	VRAM
GPU 0	ComfyUI (Stable Diffusion/Flux) + birefnet	2.8 GB + libre
GPU 1	llama.cpp (LLM local)	13 MB → 4-5 GB après chargement modèle

---

Choix des modèles par usage

Usage	Où	Modèle	Coût
Chatbot clean	OpenRouter	Qwen 2.5 72B (gratuit)	🆓
Chatbot premium	OpenRouter	DeepSeek V3	$
Chatbot +18	llama.cpp GPU1	Qwen 2.5 7B Q4 (local)	Gratuit
Images propres	OpenRouter	Gemini Pro Image	$
Images +18	ComfyUI GPU0	Flux Dev + LoRA	Gratuit
Vidéos +18	ComfyUI GPU0	AnimateDiff	Gratuit

Modèles open-source recommandés (GGUF pour llama.cpp)

Modèle	Taille Q4	VRAM	Points forts
Qwen 2.5 7B Instruct	4.7 GB	~5 GB	🇫🇷 Excellent français, roleplay
Qwen 2.5 14B Instruct	8.5 GB	~9 GB	🇫🇷 Meilleur français, plus intelligent
DeepSeek V2 Lite	8 GB	~9 GB	Raisonnement, code
Mistral 7B v0.3	4.5 GB	~5 GB	Standard, fiable
Llama 3.1 8B	5 GB	~5.5 GB	Polyvalent, instruct

---

Avantages de cette architecture

• Pas de censure sur le contenu +18 (tout en local)
• Pas cher pour le contenu propre (OpenRouter gratuit)
• Rapide pour le texte (API cloud < 1s vs local 5-10s)
• GPU utilisé intelligemment : 1 pour l'image, 1 pour le texte
• Scalable : on peut ajouter des GPU ou passer plus sur le cloud