commit2026

strapi_extraction/docs/RAGFlow-Configuration-Guide.md

@@ -0,0 +1,542 @@
+# Guide de Configuration RAGFlow - Site Fernand Gras-Calvet
+
+*Guide mis à jour pour RAGFlow 0.24.0 avec modèles Ollama disponibles*
+
+---
+
+## 🎯 Configuration Hardware Recommandée
+
+### **Setup Optimal :**
+- **RTX 4090 (24GB)** : Vectorisation et embedding
+- **RTX 2080Ti (11GB)** : Inference LLM pour autonomie
+- **Modèles locaux** via Ollama
+
+---
+
+## 📊 Configuration Embedding
+
+### **Modèle Embedding : qwen3-embedding:8b**
+
+```bash
+# Installation
+ollama pull qwen3-embedding:8b
+
+# Vérification
+ollama show qwen3-embedding:8b
+```
+
+**Spécifications :**
+- **Taille :** 8B paramètres
+- **Dimension :** 4096 (à vérifier avec ollama show)
+- **Max tokens :** **8192 tokens**
+- **Batch size RTX 4090 :** 64-128
+- **Performances :** Excellent pour le français et l'anglais
+
+**Configuration RAGFlow :**
+```yaml
+Model: qwen3-embedding:8b
+Max Tokens: 8192
+Dimension: 4096
+```
+
+---
+
+## 🤖 Configuration Chat Models
+
+### **Pour RTX 4090 (24GB VRAM) :**
+
+```bash
+# Recommandé - Équilibre qualité/performance
+ollama pull qwen2.5:14b
+
+# Alternative haute qualité (si VRAM suffisante)
+ollama pull qwen2.5:32b-q4_0
+
+# Alternative rapide
+ollama pull llama3.1:8b
+```
+
+### **Pour RTX 2080Ti (11GB VRAM) - Autonomie :**
+
+```bash
+# Recommandé pour l'autonomie
+ollama pull qwen2.5:7b
+
+# Alternatives fiables
+ollama pull llama3.1:7b
+ollama pull mistral:7b
+```
+
+**Limites de tokens :**
+- `qwen2.5:7b/14b` : **32,768 tokens**
+- `llama3.1:7b/8b` : **128,000 tokens** (limitez à 16384-32768 pour performance)
+- `mistral:7b` : **32,768 tokens**
+
+**Configuration RAGFlow Recommandée :**
+```yaml
+# Configuration Conservative (Recommandée)
+qwen2.5:14b → Max tokens: 16384
+qwen2.5:7b → Max tokens: 16384
+llama3.1:8b → Max tokens: 16384
+
+# Configuration Performance  
+qwen2.5:14b → Max tokens: 32768
+llama3.1:8b → Max tokens: 32768
+
+# Configuration Maximum (Attention VRAM)
+qwen2.5:14b → Max tokens: 65536
+```
+
+---
+
+## 👁️ Configuration VLM (Vision-Language Models)
+
+### **Modèles VLM Recommandés pour RAGFlow :**
+
+#### **Option 1 : Qwen3-VL (Recommandé)**
+```bash
+# Modèles disponibles par taille
+ollama pull qwen3-vl:2b    # Léger, RTX 2080Ti compatible
+ollama pull qwen3-vl:4b    # Équilibré
+ollama pull qwen3-vl:8b    # Haute qualité, RTX 4090
+ollama pull qwen3-vl:32b   # Maximum qualité (si VRAM suffisante)
+```
+
+**Spécifications Qwen3-VL :**
+- **Versions :** 2B, 4B, 8B, 30B, 32B, 235B
+- **Max tokens :** **8192 tokens** (toutes versions)
+- **Capacités :** Vision + Language + Tools + Thinking
+- **Support :** Images, documents, diagrammes
+- **Mise à jour :** Récente (4 mois)
+
+**Configuration RAGFlow :**
+```yaml
+qwen3-vl:2b → Max tokens: 8192
+qwen3-vl:4b → Max tokens: 8192  
+qwen3-vl:8b → Max tokens: 8192
+```
+
+#### **Option 2 : Llama3.2-Vision**
+```bash
+ollama pull llama3.2-vision:11b   # Recommandé RTX 4090
+ollama pull llama3.2-vision:90b   # Très haute qualité (multi-GPU)
+```
+
+**Spécifications Llama3.2-Vision :**
+- **Versions :** 11B, 90B
+- **Max tokens :** **8192 tokens**
+- **Spécialité :** Raisonnement sur images
+- **Performance :** Excellent pour l'analyse visuelle
+
+**Configuration RAGFlow :**
+```yaml
+llama3.2-vision:11b → Max tokens: 8192
+llama3.2-vision:90b → Max tokens: 8192
+```
+
+#### **Option 3 : MiniCPM-V (Efficace)**
+```bash
+ollama pull minicpm-v:8b    # Bon compromis performance/qualité
+```
+
+**Spécifications MiniCPM-V :**
+- **Taille :** 8B paramètres
+- **Avantage :** Optimisé pour l'efficacité
+- **Usage :** Vision-language understanding
+
+#### **Option 4 : LLaVA (Populaire)**
+```bash
+ollama pull llava:7b     # Version standard
+ollama pull llava:13b    # Plus performant
+ollama pull llava:34b    # Haute qualité
+```
+
+**Spécifications LLaVA :**
+- **Versions :** 7B, 13B, 34B
+- **Maturité :** Très stable, bien testé
+- **Communauté :** Large adoption
+
+### **Modèles VLM Spécialisés :**
+
+#### **Pour OCR et Documents :**
+```bash
+# OCR spécialisé
+ollama pull deepseek-ocr:3b
+ollama pull glm-ocr
+
+# Vision documentaire
+ollama pull granite3.2-vision:2b
+```
+
+#### **Pour Edge/Léger :**
+```bash
+# Très léger pour edge computing
+ollama pull moondream:1.8b
+ollama pull llava-phi3:3.8b
+```
+
+### **Recommandations par GPU :**
+
+**RTX 4090 (24GB) :**
+- **Optimal :** `qwen3-vl:8b` ou `llama3.2-vision:11b`
+- **Haute qualité :** `qwen3-vl:32b`
+- **Multi-tâches :** `llava:13b`
+
+**RTX 2080Ti (11GB) :**
+- **Recommandé :** `qwen3-vl:4b` ou `minicpm-v:8b`
+- **Léger :** `qwen3-vl:2b` ou `moondream:1.8b`
+- **OCR :** `deepseek-ocr:3b`
+
+### **Configuration VLM dans RAGFlow :**
+```yaml
+# VLM Model Settings
+Provider: Ollama
+Endpoint: http://localhost:11434
+Model: qwen3-vl:8b  # Ajustez selon votre GPU
+Max tokens: 4096-8192
+Temperature: 0.1-0.3
+Vision capabilities: Enabled
+```
+
+---
+
+## 🔄 Configuration Reranker
+
+### **Modèles Reranker Disponibles sur Ollama :**
+
+#### **Option 1 : BGE Reranker V2-M3 (Recommandé)**
+```bash
+# Installation via utilisateur communautaire
+ollama pull xitao/bge-reranker-v2-m3
+
+# Alternative
+ollama pull zyw0605688/bge-reranker-v2-m3
+```
+
+**Spécifications :**
+- **Taille :** 568M paramètres (1.2GB)
+- **Max tokens :** **8192 tokens**
+- **Quantification :** F16
+- **Performance :** Excellent pour le reranking multilingue
+
+**Configuration RAGFlow :**
+```yaml
+Model: xitao/bge-reranker-v2-m3
+Max tokens: 4096-8192
+Top-K rerank: 5-8
+```
+
+#### **Option 2 : Jina Reranker V3 (Plus récent)**
+```bash
+# Télécharger le modèle GGUF depuis Hugging Face
+# Puis l'importer dans Ollama (nécessite conversion manuelle)
+```
+
+**Spécifications :**
+- **Taille :** 597M paramètres
+- **Max tokens :** **131,000 tokens** (!!)
+- **Langues :** 24 langues entraînées, 93 supportées
+- **Performance :** +5.43% vs BGE-reranker-v2-m3
+
+### **Configuration Reranker dans RAGFlow :**
+```yaml
+Model: xitao/bge-reranker-v2-m3
+Max tokens: 8192
+Top-K rerank: 5-8
+```
+
+---
+
+## 🎯 Guide Max Tokens par Modèle (RTX 4090)
+
+### **📊 Tableau de Référence Max Tokens :**
+
+| Type | Modèle | Max Tokens | Recommandé RAGFlow |
+|------|--------|------------|-------------------|
+| **Embedding** | qwen3-embedding:8b | 8192 | **8192** |
+| | nomic-embed-text | 8192 | **8192** |
+| | mxbai-embed-large | 512 | **512** |
+| **Chat** | qwen2.5:7b | 32768 | **16384** (démarrage) |
+| | qwen2.5:14b | 32768 | **16384** (démarrage) |
+| | llama3.1:8b | 131072 | **16384** (performance) |
+| | mistral:7b | 32768 | **16384** |
+| **VLM** | qwen3-vl:8b | 8192 | **8192** |
+| | llama3.2-vision:11b | 8192 | **8192** |
+| | minicpm-v:8b | 4096 | **4096** |
+| **Reranker** | bge-reranker-v2-m3 | 8192 | **4096** (démarrage) |
+
+### **🚀 Configurations Prédéfinies RTX 4090 :**
+
+#### **Configuration Démarrage (Sécurisée) :**
+```yaml
+Embedding: 8192 tokens
+Chat: 16384 tokens
+VLM: 8192 tokens  
+Reranker: 4096 tokens
+VRAM utilisée: ~18GB
+```
+
+#### **Configuration Performance :**
+```yaml
+Embedding: 8192 tokens
+Chat: 32768 tokens
+VLM: 8192 tokens
+Reranker: 8192 tokens
+VRAM utilisée: ~20-22GB
+```
+
+#### **Configuration Maximum (Attention) :**
+```yaml
+Embedding: 8192 tokens
+Chat: 65536 tokens
+VLM: 16384 tokens
+Reranker: 8192 tokens
+VRAM utilisée: ~23GB (limite)
+```
+
+### **🔍 Comment Vérifier les Limites :**
+
+#### **Méthode 1 : Ollama Show**
+```bash
+ollama show qwen3-embedding:8b
+ollama show qwen2.5:14b
+ollama show qwen3-vl:8b
+```
+
+#### **Méthode 2 : Test Progressif**
+1. **Démarrez conservateur :** 4096 tokens
+2. **Augmentez progressivement :** 8192 → 16384 → 32768
+3. **Surveillez VRAM :** `nvidia-smi`
+4. **Testez stabilité :** Plusieurs requêtes consécutives
+
+### **⚠️ Signaux d'Alerte VRAM :**
+
+**🔴 Trop élevé si :**
+- Erreurs "CUDA out of memory"
+- Réponses très lentes (>10s)
+- `nvidia-smi` montre >22GB utilisés
+- RAGFlow plante ou freeze
+
+**🟡 Trop bas si :**
+- Réponses tronquées
+- Contexte perdu dans conversations longues
+- Messages "context length exceeded"
+
+**🟢 Optimal si :**
+- Réponses fluides (<5s)
+- VRAM stable 18-20GB
+- Pas d'erreurs de mémoire
+- Contexte préservé
+
+---
+
+## ⚙️ Configuration RAGFlow Interface
+
+### **Étape 1 : Configuration des Modèles**
+
+Dans RAGFlow > Settings > Models :
+
+```yaml
+# Embedding Model
+Provider: Ollama
+Endpoint: http://localhost:11434
+Model: qwen3-embedding:8b
+Dimension: 4096
+
+# Chat Model
+Provider: Ollama  
+Endpoint: http://localhost:11434
+Model: qwen2.5:14b  # ou 7b selon votre GPU
+
+# Reranker Model
+Provider: Ollama
+Endpoint: http://localhost:11434
+Model: xitao/bge-reranker-v2-m3
+```
+
+### **Étape 2 : Configuration Knowledge Base**
+
+```yaml
+# Parsing Settings
+Parser: Markdown
+Chunk size: 512-768 tokens
+Chunk overlap: 80-100 tokens
+Language: French/English
+
+# Retrieval Settings
+Top-K retrieval: 10-15
+Rerank Top-K: 5-8
+Similarity threshold: 0.7-0.8
+```
+
+### **Étape 3 : Configuration Chat**
+
+```yaml
+# Generation Settings
+Max output tokens: 2048-4096
+Temperature: 0.1-0.3 (précision)
+Top-p: 0.9
+Context window: 8192-16384
+```
+
+### **Configuration VLM (Optionnel)**
+
+```yaml
+# VLM Settings pour analyse d'images
+Model: qwen3-vl:8b
+Max tokens: 4096
+Vision input: Enabled
+Image analysis: Technical diagrams, screenshots, 3D prints
+Temperature: 0.2 (précision pour analyse technique)
+```
+
+---
+
+## 🚀 Optimisations Performance
+
+### **RTX 4090 (Embedding & Vectorisation) :**
+```yaml
+Batch size: 64-128
+Concurrent requests: 4-8
+GPU memory allocation: 20GB
+Precision: FP16
+```
+
+### **RTX 2080Ti (Chat Inference) :**
+```yaml
+Batch size: 16-32
+Model quantization: Q4_0 ou Q4_K_M
+Context length: Adaptatif selon besoin
+GPU memory allocation: 9GB
+```
+
+---
+
+## 🎨 Cas d'Usage VLM pour votre Site
+
+### **Analyse d'Images Techniques :**
+- **Impressions 3D** : Analyse des créations, matériaux, techniques
+- **Captures d'écran** : Interface du site, code, configurations
+- **Diagrammes** : Architecture système, flux de données
+- **Projets visuels** : Screenshots de projets, interfaces
+
+### **Support Visiteurs avec VLM :**
+- **"Que vois-tu sur cette image ?"** → Analyse contextuelle
+- **"Explique cette impression 3D"** → Description technique
+- **"Comment fonctionne cette interface ?"** → Guide utilisateur
+- **"Analyse ce code affiché"** → Explication technique
+
+### **Intégration Multimodale :**
+```yaml
+# Configuration pour site portfolio
+Text + Vision: Combine documentation markdown + images
+Use cases: 
+  - Analyse de captures d'écran du site
+  - Description d'impressions 3D
+  - Explication de diagrammes techniques
+  - Support visuel pour projets
+```
+
+---
+
+## 📁 Import de la Documentation
+
+### **Structure à importer :**
+```
+strapi_extraction/docs/
+├── 00-homepage.md                    # Présentation
+├── 01-projects-index.md              # Index projets  
+├── 02-competences-index.md           # Index compétences
+├── 99-site-architecture.md           # Architecture site
+├── project-*.md                      # 17 projets détaillés
+├── competence-*.md                   # 4 compétences détaillées
+└── README.md                         # Vue d'ensemble
+```
+
+### **Processus d'import :**
+1. **Créer Knowledge Base** : "Site Fernand Gras-Calvet"
+2. **Upload en batch** : Tous les fichiers .md
+3. **Attendre indexation** : Embedding + chunking
+4. **Vérifier chunks** : Dans l'interface RAGFlow
+5. **Tester retrieval** : Questions de validation
+
+---
+
+## 🧪 Questions de Test Recommandées
+
+### **Tests de base :**
+```
+"Quels sont les projets de Fernand ?"
+"Parle-moi du projet push_swap en détail"
+"Quelles sont ses compétences en intelligence artificielle ?"
+"Comment est structuré le site web ?"
+```
+
+### **Tests de navigation :**
+```
+"Comment un visiteur peut-il voir les projets ?"
+"Où trouve-t-on les informations sur l'impression 3D ?"
+"Comment contacter Fernand ?"
+"Quelle est l'architecture technique du site ?"
+```
+
+### **Tests de précision :**
+```
+"Combien de projets École 42 sont présentés ?"
+"Quels langages de programmation utilise Fernand ?"
+"Sur quel serveur est hébergé le site ?"
+"Quelles technologies Next.js sont utilisées ?"
+```
+
+### **Tests VLM (si configuré) :**
+```
+"Analyse cette capture d'écran du site"
+"Décris les impressions 3D visibles sur cette image"
+"Que vois-tu dans ce diagramme d'architecture ?"
+"Explique cette interface de développement"
+```
+
+---
+
+## 📈 Monitoring et Optimisation
+
+### **Métriques à surveiller :**
+- **Temps de réponse** embedding : < 500ms
+- **Temps de réponse** chat : < 3s
+- **Précision retrieval** : > 80%
+- **Satisfaction reranking** : Top-3 pertinence
+
+### **Ajustements possibles :**
+- **Chunk size** selon la précision
+- **Similarity threshold** selon le recall
+- **Temperature** selon la créativité souhaitée
+- **Top-K** selon la diversité des réponses
+
+---
+
+## 🔧 Dépannage Courant
+
+### **Problèmes fréquents :**
+
+**1. Modèle reranker non trouvé :**
+```bash
+# Vérifier les modèles disponibles
+ollama list
+
+# Réinstaller si nécessaire
+ollama pull xitao/bge-reranker-v2-m3
+```
+
+**2. VRAM insuffisante :**
+- Utiliser modèles quantifiés (Q4_0, Q4_K_M)
+- Réduire batch size
+- Utiliser des modèles plus petits (7B au lieu de 14B)
+
+**3. Réponses imprécises :**
+- Ajuster similarity threshold
+- Augmenter Top-K retrieval
+- Vérifier la qualité des chunks
+
+---
+
+*Guide mis à jour le 15/03/2026 - Compatible RAGFlow 0.24.0*

strapi_extraction/docs/nouveauCV_grascalvet.pdf

@@ -0,0 +1,60 @@
+                                             Gras-Calvet Fernand
+
+                                                  Etudiant Informatique /
+                                             Recherche alternance Data-IA
+
+                                             Expérience pro
+
+                                             Ostréiculture                                           1999-2012
+
+Présentation                                 Pendant plus de 12 ans, j’ai travaillé dans l’ostréiculture à Leucate,
+                                             assurant la gestion complète de l’entreprise familiale (Port-Leucate).
+Ancien infirmier de 46 ans, actuellement
+étudiant en informatique à l’École 42        Infirmier                                               2014-2023
+Perpignan, je recherche une alternance de
+2 ans pour me spécialiser dans               Suite à une reconversion professionnelle, j’ai exercé la profession
+l’automatisation agentique au sein des
+entreprises, en y apportant mon              d’infirmier pendant près de 10 ans. Dernier poste clinique Supervaltech
+expérience sur le traitement de Data et les
+nouveaux process basés sur les LLM. Mon      à St Estève en gériatrie de 2018-2023.
+parcours atypique reflète ma capacité
+d’adaptation, ma rigueur et mon esprit       Etudiant Ecole 42                                       2023- 2025
+d’équipe.
+                                             Après des problèmes de santé, bénéficiant d’une RQTH, j’ai entamé une
+Contact
+                                             nouvelle reconversion professionnelle dans le domaine de
+       06.12.01.01.72
+       grascalvet.fernand@gmail.com          l’informatique. Durant cette période j’ai validé le tronc commun de
+       fernandgrascalvet.com
+       https://github.com/Ladebeze66         l’école. Réalisant un stage dans un entreprise logiciel métier spécialisée
+
+       13 rue de Belfort 66600               dans le béton. L’objectif du stage étant basé sur l’élaboration d’un
+
+       Rivesaltes                            chatbot, multi-agent, automatisation (interfaçage) entre les différents
+
+Expérience                                   outils de l’entreprise (support, commercial, CRM ...).
+
+                                             Objectifs Alternance
+
+                                             Mes objectifs de stage sont d’approfondir mon expertise en
+                                             programmation, tout en renforçant mes compétences en travail
+                                             collaboratif et en gestion de projet. Je souhaite également maîtriser
+                                             des outils et technologies avancés afin d’apporter une réelle valeur
+                                             ajoutée aux équipes avec lesquelles je travaillerai.
+
+                                             Intérêts techniques et ambitions
+                                             professionnelles
+
+Python, PHP, HTML, C, C++                    Passionné d’informatique depuis mon plus jeune âge, j’ai suivi
+Windows, Linux, VM, Server , Shell ...       l’évolution des générations de PC et acquis une solide expertise en
+Docker                                       assemblage, maintenance et dépannage matériel.
+Ollama, LLMs , VLMs open-source, API         Également passionné par l’impression 3D, je possède plusieurs
+LangChain, Serveurs MCP ...                  machines et maîtrise des logiciels spécialisés tels que Fusion 360, ainsi
+                                             que des slicers (PrusaSlicer, Orca) et firmwares (Klipper, Marlin).
+Hardware informatique, Impression 3d         En parallèle, j’ai des notions en domotique, un domaine que j’aimerais
+                                             approfondir. Enfin, je m’intéresse particulièrement à l’intelligence
+   Language                                  artificielle, dans laquelle je souhaite me spécialiser après mon stage à
+                                             l’École 42.
+          Anglais
+          Espagnol
+