RAGatm Open
  • Open source · Apache-2.0
  • Local-first
  • Auto-hébergé
  • Réponses citées

Vos documents. Votre IA. Votre infrastructure.

Une plateforme RAG open source pour analyser vos documents grâce à des modèles d’IA hébergés localement, avec des réponses sourcées et une maîtrise de vos données.

Installer le profil CompactVoir le code sur GitHub

RAG against the machine

RAGatm Open répond à vos questions à partir de vos propres documents. Il retrouve les passages pertinents, les transmet à un modèle de langage exécuté sur votre machine, et renvoie une réponse qui cite ses sources.

Tout tourne chez vous : l’application, la base de données, les modèles. Dans la configuration qualifiée, aucun document n’est envoyé à un fournisseur d’IA distant, et le code publié ne contient aucun repli vers un service externe.

Trois bénéfices

Des réponses que vous pouvez vérifier

Chaque réponse cite le document, la page ou la diapositive et l’extrait utilisé. Si une dépendance manque, l’application le dit au lieu d’inventer.

Vos données restent chez vous

Modèles locaux, réseaux internes sans sortie Internet, un seul port publié. Vous contrôlez l’hébergement, les sauvegardes et les accès.

Des ressources raisonnables

Le profil Compact est qualifié sur une machine de 8 threads et 14 Go de RAM, sans GPU. Trois modèles ouverts, téléchargés une fois.

L’application

Captures réelles de l’édition Open, sur une instance isolée avec des documents fictifs.

Réponse de l’assistant à une question sur le corpus de démonstration, avec les marqueurs de sources et le panneau Sources listant les documents et extraits utilisés.
Réponse générée localement, avec ses citations. (génération réelle sur CPU, modèle qwen2.5 1,5 B, instance de démonstration sans reranker, ≈ 36 s ; ce n’est pas une mesure de performance)
Panneau latéral des sources avec un extrait déplié indiquant le document, la page et le texte retrouvé.
Panneau Sources : document, page et extrait exact. (génération réelle sur CPU, modèle qwen2.5 1,5 B, instance de démonstration sans reranker, ≈ 36 s ; ce n’est pas une mesure de performance)
Liste de documents (DOCX, PDF, TXT, Markdown) au statut « Prêt », colonne indexation avec le nombre d’extraits, bandeau indiquant le pipeline d’embeddings et les quotas.
Les 8 documents du corpus de démonstration sont prêts, avec le nombre d’extraits indexés.
Zone « glissez-déposez vos fichiers » listant PDF, Word, Excel, PowerPoint, CSV, HTML, Markdown, TXT et images, limite 50 Mo par fichier.
Import de documents : zone de dépôt et formats annoncés par le serveur.
Tableau de bord avec la barre latérale (Accueil, Assistant, Documents, Corpus métier, Espaces et membres, administration) et le sélecteur d’espace.
Accueil après connexion : espace courant, navigation et raccourcis.
Réponse de l’assistant avec citations affichée sur un écran de téléphone.
Réponse citée sur mobile. (génération réelle sur CPU, modèle qwen2.5 1,5 B, instance de démonstration sans reranker, ≈ 36 s ; ce n’est pas une mesure de performance)

Captures réalisées sur une instance RAGatm Open isolée (édition Open, profil Compact sur CPU, reranker désactivé pour la capture), avec les documents fictifs publiés dans le dépôt et un compte de démonstration.

Quatre étapes

Le parcours complet est décrit sur la page Architecture.

  1. Importez

    Déposez vos fichiers dans un espace documentaire cloisonné. Le contenu est validé par sa signature, extrait puis découpé.

  2. Indexez

    Chaque fragment reçoit un vecteur calculé localement et rejoint l’index plein texte de PostgreSQL.

  3. Interrogez

    Recherche hybride (mots-clés et vecteurs), puis reclassement par un cross-encoder local.

  4. Lisez la réponse citée

    Un modèle local génère la réponse en flux, avec les sources typées pour chaque affirmation.

Explorer l’architecture

Pour qui ?

Des organisations qui veulent interroger leurs documents sans les confier à un service distant.

PME

Procédures, contrats, rapports, documentation technique.

Cabinets et professions réglementées

Recherche et comparaison dans des dossiers volumineux, sur une infrastructure maîtrisée.

Associations

Archives, statuts, procès-verbaux, procédures internes.

Indépendants et chercheurs

Notes, publications, collections personnelles.

Équipes informatiques

Déploiement Docker Compose, API, contrats, modules.

Voir les cas d’usage

Formats pris en charge

Le catalogue recense tous les formats identifiés dans le code, avec un statut vérifié pour chacun.

Disponible par défaut
  • Texte brut (.txt)
  • Markdown (.md)
  • PDF (couche texte)
  • Word (.docx)
  • CSV
  • HTML
  • Excel (.xlsx)
  • PowerPoint (.pptx)
Disponible avec configuration
  • XML générique (.xml)
  • Dessin DXF (.dxf)
  • Courriel MIME (.eml)
Module optionnel
  • PDF scanné / image (OCR)
  • Image JPEG
  • Image PNG
  • Image TIFF
  • Image WEBP
  • Maquette IFC (.ifc)
  • Dessin DWG (.dwg)

Statuts évalués pour le profil Compact tel que publié. 44 formats recensés.

Consulter le catalogue des formats

IA locale et maîtrise des données

Ce que le code publié permet, ce qui est activé par défaut, et ce qui reste de votre responsabilité.

Modèles exécutés localement

Génération, embeddings et reranking passent par AI Gateway Open, qui n’appelle que des moteurs locaux (Ollama, TEI).

Aucun fournisseur externe

La seule valeur admise pour le repli externe est « none » ; des vérifications au démarrage refusent toute autre configuration.

Réseau cloisonné

Réseaux Docker internes, un seul port publié sur la boucle locale, aucune sortie Internet en fonctionnement nominal.

Code ouvert et auditable

Trois dépôts Apache-2.0, dépendances verrouillées par empreintes, images de base épinglées par digest.

Sauvegardes et données sous votre contrôle

Procédures de sauvegarde et de restauration documentées ; aucun poids de modèle ni donnée ne quitte votre hôte.

Authentification forte

Second facteur TOTP obligatoire pour chaque compte, rôles par workspace, espaces isolés.

Coûts maîtrisés, développé en France

Logiciel libre sans licence par utilisateur, fonctionnant sur un serveur sans GPU. Projet développé en France, dans une démarche européenne de maîtrise technologique ; aucune certification de souveraineté n’est revendiquée.

Un logiciel auto-hébergé n’est pas « conforme » ou « souverain » par nature : la conformité réglementaire et la sécurité de l’hôte restent la responsabilité de l’exploitant.

Performances mesurées

Profil Compact sur CPU, pile complète, corpus synthétique de 8 documents et 10 questions.

51sRéponse complète, profil Compact CPU27,8 – 71,3 s
10sPremier token côté client, profil Compact CPU3,9 – 17,9 s
21,5tokens/sDébit de génération, profil Compact CPU15,8 – 52,0 tokens/s
7,8GoMémoire au pic, profil Compact CPUreranker jusqu’à 5,7 Go ; Ollama ≈ 3 Go ; en régime stable (RC2) : TEI 3,5 Go, Ollama 3,0 Go

Voir toutes les mesures et la méthodologie

Architecture modulaire

Une application, une passerelle de modèles, un pool facultatif. Chaque composant a un rôle et un contrat.

ragatm-open

requis

Plateforme documentaire locale de questions-réponses sur documents (RAG) : espaces cloisonnés, ingestion asynchrone, recherche hybride + reranking, réponses sourcées, modèles exécutés localement via AI Gateway Open.

Voir sur GitHub

ai-gateway-open

requis

Passerelle d’inférence locale : génération (agrégée et en flux NDJSON), embeddings à identité de pipeline vérifiée, reranking cross-encoder, registre de modèles strict, erreurs typées, sondes non inférentielles. Aucun fournisseur distant.

Voir sur GitHub

ai-gateway-pool-open

facultatif

Routeur HTTP autonome devant une ou plusieurs AI Gateway Open, sans modifier le contrat gateway-api/1.0 : sélection de nœud, disjoncteur, allowlist d’upstreams, affinité de jobs, saturation. Facultatif pour Compact.

Voir sur GitHub

Explorer l’architecture Open source

Installez le profil Compact

Deux dépôts à cloner, un préflight, les modèles à approvisionner, puis une pile hors ligne.

Linux x86_64 · Docker Compose · 8 threads · 14 Go de RAM · sans GPU

git clone https://github.com/ragatm-open/ragatm-open.git
git clone https://github.com/ragatm-open/ai-gateway-open.git   # requis ; placé à côté de ragatm-open/
cd ragatm-open/compact && scripts/preflight.sh

Guide d’installation

Questions fréquentes

Mes documents sont-ils envoyés à un service d’IA externe ?

Non dans la configuration qualifiée : tous les modèles s’exécutent localement et le code publié ne contient aucun repli vers un fournisseur distant.

Faut-il un GPU ?

Non. Le profil Compact est qualifié sur CPU. Les profils GPU sont décrits mais non qualifiés.

Existe-t-il une image Docker officielle ?

Non : les images se construisent localement depuis les sources, avec des images de base épinglées par digest.

Lit-il les documents scannés ou l’audio ?

Pas dans l’édition Open publiée : l’OCR est une option de construction désactivée, et la passerelle ne contient aucun moteur de transcription.

Toutes les questions