From 0ce6be04bbfa20781a58fe5aadde95eefc237df1 Mon Sep 17 00:00:00 2001
From: alkatrazz <alkatrazz@localhost.localdomain>
Date: Tue, 12 May 2026 23:03:05 +0200
Subject: [PATCH] =?UTF-8?q?docs:=20r=C3=A9organisation=20install/=20?=
 =?UTF-8?q?=E2=80=94=20guides=20s=C3=A9par=C3=A9s=20par=20machine?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- admin/install/README.md        — index + ordre d'installation recommandé
- admin/install/storage-01.md   — AlmaLinux + RAID5 + Ansible + stack IA (Hermes/LiteLLM/Qdrant/PostgreSQL)
- admin/install/gpu-01.md       — AlmaLinux + ROCm + llama-server (RX 6700XT, HSA_OVERRIDE)
- admin/install/kubernetes.md   — ex admin/installe.md (Talos + MetalLB + Traefik)
- admin/README.md               — séparation install/ vs référence opérationnelle

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
---
 admin/README.md                              |  11 +-
 admin/install/README.md                      |  22 +
 admin/install/gpu-01.md                      | 365 ++++++++++
 admin/{installe.md => install/kubernetes.md} |   0
 admin/install/storage-01.md                  | 728 +++++++++++++++++++
 5 files changed, 1125 insertions(+), 1 deletion(-)
 create mode 100644 admin/install/README.md
 create mode 100644 admin/install/gpu-01.md
 rename admin/{installe.md => install/kubernetes.md} (100%)
 create mode 100644 admin/install/storage-01.md

diff --git a/admin/README.md b/admin/README.md
index 0e63ef3..44b4849 100644
--- a/admin/README.md
+++ b/admin/README.md
@@ -1,6 +1,14 @@
 # Administration Funk — Index
 
-Commandes utiles pour administrer, débugger et comprendre l'infrastructure.
+## Guides d'installation (première mise en place)
+
+| Guide | Cible |
+|---|---|
+| [install/storage-01.md](install/storage-01.md) | AlmaLinux + RAID5 + Ansible + stack IA complète |
+| [install/gpu-01.md](install/gpu-01.md) | AlmaLinux + ROCm + llama-server (RX 6700XT) |
+| [install/kubernetes.md](install/kubernetes.md) | Talos + MetalLB + Traefik + DNS wildcard |
+
+## Référence opérationnelle (administration courante)
 
 | Fichier | Contenu |
 |---|---|
@@ -15,6 +23,7 @@ Commandes utiles pour administrer, débugger et comprendre l'infrastructure.
 | [systeme.md](systeme.md) | Services, logs, ressources, NetworkManager, dnf |
 | [litellm.md](litellm.md) | LiteLLM Proxy — routage Qwen local + Claude API, config, validation |
 | [hermes.md](hermes.md) | Hermes Agent — service, config, modèle, API, debug |
+| [talos.md](talos.md) | Talos Linux — administration quotidienne du cluster k8s |
 | [incidents.md](incidents.md) | Incidents passés — causes, résolutions, fixes permanents |
 | **Gestion cluster** | |
 | `funk-start` / `funk-stop` / `funk-status` | Aliases locaux → `ssh storage-01 "sudo /usr/local/bin/funk-cluster [start\|stop\|status]"` |
diff --git a/admin/install/README.md b/admin/install/README.md
new file mode 100644
index 0000000..ea82722
--- /dev/null
+++ b/admin/install/README.md
@@ -0,0 +1,22 @@
+# Guides d'installation Funk
+
+Guides d'installation complets, écrits après avoir réalisé chaque étape en réel.
+Chaque fichier couvre une machine ou une couche du projet de A à Z.
+
+| Guide | Machine | OS | Rôle |
+|---|---|---|---|
+| [storage-01.md](storage-01.md) | storage-01 | AlmaLinux 9.7 | Passerelle + RAID5 + services IA (Hermes, LiteLLM, Qdrant, PostgreSQL) |
+| [gpu-01.md](gpu-01.md) | gpu-01 | AlmaLinux 9.7 | Inférence LLM (ROCm + llama-server, RX 6700XT) |
+| [kubernetes.md](kubernetes.md) | compute-01/02/03 | Talos v1.13 | Cluster Kubernetes (MetalLB, Traefik, DNS wildcard) |
+
+## Ordre d'installation recommandé
+
+```
+1. storage-01   ← indépendant, point d'entrée de tout le lab
+2. gpu-01       ← nécessite storage-01 (DNS, NAT, NFS)
+3. kubernetes   ← nécessite storage-01 (DHCP, DNS, NFS, NAT)
+```
+
+storage-01 est la pièce centrale : sans lui, rien d'autre ne fonctionne
+(pas de DHCP pour les nœuds Talos, pas de NAT pour sortir sur internet,
+pas de DNS `lab.local`, pas de NFS pour les modèles LLM).
diff --git a/admin/install/gpu-01.md b/admin/install/gpu-01.md
new file mode 100644
index 0000000..a1949ca
--- /dev/null
+++ b/admin/install/gpu-01.md
@@ -0,0 +1,365 @@
+# Installation gpu-01
+
+Guide d'installation complet de gpu-01 — de l'ISO AlmaLinux 9.7 à llama-server
+en production avec ROCm sur RX 6700XT. Écrit après installation réelle.
+
+---
+
+## Sommaire
+
+1. [Rôle et architecture](#1-rôle-et-architecture)
+2. [Installation AlmaLinux 9.7 (base OS)](#2-installation-almalinux-97-base-os)
+3. [Configuration réseau initiale (manuelle)](#3-configuration-réseau-initiale-manuelle)
+4. [Prérequis : storage-01 opérationnel](#4-prérequis--storage-01-opérationnel)
+5. [Jouer le playbook Ansible](#5-jouer-le-playbook-ansible)
+6. [Vérifications post-install](#6-vérifications-post-install)
+7. [Pièges et incidents rencontrés](#7-pièges-et-incidents-rencontrés)
+
+---
+
+## 1. Rôle et architecture
+
+gpu-01 est le serveur d'inférence LLM du lab. Il n'est pas dans le cluster Kubernetes.
+Il est consommé par storage-01 (LiteLLM le pointe directement via HTTP).
+
+### Ce qu'il fait
+
+| Fonction | Détail |
+|---|---|
+| Inférence LLM | llama-server (llama.cpp) via ROCm 7.x sur RX 6700XT 12 GB VRAM |
+| Embeddings | `/v1/embeddings` OpenAI-compatible (`--embeddings --pooling mean`) |
+| NFS client | Monte `/srv/data/models` depuis storage-01 → symlink pour llama-server |
+
+### Matériel
+
+| Composant | Détail |
+|---|---|
+| CPU | AMD Ryzen 5 3600 (6c/12t) |
+| RAM | 32 GB DDR4 |
+| GPU | AMD RX 6700XT — 12 GB VRAM, architecture RDNA2 (gfx1031) |
+| OS | AlmaLinux 9.7 |
+| Disque | SSD SATA 500 GB (OS + binaires) |
+| Stockage modèles | NFS via storage-01 `/srv/data/models` → monté sur `/mnt/models` |
+
+### Contrainte critique — RX 6700XT (gfx1031)
+
+La RX 6700XT n'est **pas officiellement supportée** par ROCm. Son GFX ID est `gfx1031`.
+ROCm ne reconnaît que jusqu'à `gfx1030` dans la plupart des versions.
+
+**Workaround permanent** dans tout service qui utilise le GPU :
+```
+HSA_OVERRIDE_GFX_VERSION=10.3.0
+```
+
+Sans cette variable, ROCm ne voit pas le GPU et l'inférence tombe sur le CPU.
+
+---
+
+## 2. Installation AlmaLinux 9.7 (base OS)
+
+Même ISO que storage-01 : AlmaLinux 9.7 minimal.
+
+```bash
+sudo dd if=AlmaLinux-9.7-x86_64-minimal.iso of=/dev/sdX bs=4M status=progress conv=fsync
+```
+
+### Paramètres d'installation (Anaconda)
+
+**Réseau** : gpu-01 est dans le LAN cluster — il n'a pas d'accès direct au LAN domestique.
+Pour accéder à internet pendant l'install (télécharger les packages ROCm), il faut que
+storage-01 soit déjà en ligne et fasse le NAT.
+
+Configurer l'interface réseau :
+- IP statique : `192.168.10.20/24`
+- Gateway : `192.168.10.1` (storage-01)
+- DNS : `192.168.10.1`
+- Hostname : `gpu-01`
+
+**Disque** : sélectionner le SSD SATA (pas le NVMe si présent — celui-ci peut être
+réservé à autre chose). Partitionnement automatique LVM convient.
+
+**Utilisateur** : root avec mot de passe temporaire.
+
+---
+
+## 3. Configuration réseau initiale (manuelle)
+
+Avant Ansible, vérifier que gpu-01 est joignable via storage-01 :
+
+```bash
+# Depuis le poste perso via jump
+ssh -J ansible@192.168.1.200 root@192.168.10.20
+```
+
+Depuis storage-01 :
+```bash
+ping 192.168.10.20    # doit répondre
+```
+
+Si storage-01 n'a pas encore `192.168.10.20 gpu-01` dans `/etc/hosts` :
+```bash
+ssh s01 "echo '192.168.10.20 gpu-01' | sudo tee -a /etc/hosts"
+```
+
+Vérifier que gpu-01 a accès à internet via storage-01 (NAT) :
+```bash
+ssh -J s01 root@192.168.10.20 "ping -c3 8.8.8.8"
+```
+
+---
+
+## 4. Prérequis : storage-01 opérationnel
+
+gpu-01 dépend de storage-01 pour :
+- **DNS** : `192.168.10.1` doit résoudre `lab.local`
+- **NAT** : pour télécharger les packages ROCm (~10 GB de téléchargements)
+- **NFS** : `/srv/data/models` doit être exporté pour monter les modèles
+
+Vérifier avant de continuer :
+```bash
+ssh s01 "sudo systemctl is-active dnsmasq nftables nfs-server"
+# → active / active / active
+```
+
+---
+
+## 5. Jouer le playbook Ansible
+
+Tout se lance depuis le poste perso à la racine du repo.
+
+### Test de connectivité
+
+```bash
+make ping
+# gpu-01 doit maintenant répondre
+```
+
+Si gpu-01 n'est pas encore dans l'inventaire, il l'est déjà (`ansible/inventory.yml`) :
+```yaml
+gpu_hosts:
+  hosts:
+    gpu-01:
+      ansible_host: 192.168.10.20
+      ansible_ssh_common_args: '-o StrictHostKeyChecking=no -o ProxyJump=root@192.168.1.200'
+```
+
+La première exécution se fait en root. Après le rôle `common`, ce sera le compte `ansible`.
+
+### Phase 1 — Base OS
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/gpu-01.yml --tags common
+```
+
+Même chose que storage-01 : hostname, timezone, EPEL, user ansible, SSH durci.
+
+### Phase 2 — ROCm
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/gpu-01.yml --tags rocm
+```
+
+Le rôle `rocm` fait :
+- Ajoute le repo AMD officiel (`amdgpu-install`)
+- Installe ROCm 7.x (`rocm-hip-sdk`, `rocm-opencl-runtime`, `rocminfo`, `clinfo`)
+- Ajoute l'user `ansible` aux groupes `video` et `render` (accès GPU sans root)
+- Déploie `/etc/environment` et `/etc/profile.d/rocm.sh` avec `HSA_OVERRIDE_GFX_VERSION=10.3.0`
+- Reload udev pour les permissions GPU
+
+> L'installation ROCm pèse environ 8-10 GB — prévoir 15-20 minutes selon la connexion.
+> gpu-01 télécharge via le NAT de storage-01.
+
+Vérifier :
+```bash
+ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 rocminfo | grep -A3 'Agent 2'"
+# doit lister : AMD Radeon RX 6700 XT, gfx1031
+```
+
+### Phase 3 — NFS client (modèles)
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/gpu-01.yml --tags nfs_client
+```
+
+Le rôle `nfs_client` fait :
+- Installe `nfs-utils`, `autofs`
+- Configure les montages dans `/etc/fstab` (ou automount) :
+  - `/mnt/nfs` ← `192.168.10.1:/srv/data/nfs/k8s`
+  - `/mnt/models` ← `192.168.10.1:/srv/data/models`
+- Options : `nfsvers=4,soft,timeo=30,retrans=3,x-systemd.automount`
+- Crée le symlink `/opt/lmstudio/.lmstudio/models` → `/mnt/models`
+
+> Les montages sont `soft` avec timeout : si storage-01 est éteint, gpu-01 boot
+> normalement et ne reste pas bloqué à attendre le NFS.
+
+Vérifier :
+```bash
+ssh g01 "df -h /mnt/models"
+ssh g01 "ls /mnt/models/"
+# → bartowski/Qwen3-8B-GGUF/  (ou autre modèle présent sur le RAID)
+```
+
+### Phase 4 — llama-server (inférence ROCm)
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/gpu-01.yml --tags llama_server
+```
+
+Le rôle `llama_server` fait :
+- Télécharge le binaire `llama-server` pré-compilé pour ROCm (release llama.cpp GitHub)
+- Déploie `/etc/systemd/system/llama-server.service` :
+  - `HSA_OVERRIDE_GFX_VERSION=10.3.0` dans l'environnement
+  - `--model /mnt/models/bartowski/Qwen3-8B-GGUF/Qwen3-8B-Q4_K_M.gguf`
+  - `--alias qwen3-8b`
+  - `--ctx-size 32768`
+  - `--host 0.0.0.0 --port 1234`
+  - `--embeddings --pooling mean` (pour `/v1/embeddings` OAI-compatible)
+- Active et démarre `llama-server.service`
+
+Variables dans `host_vars/gpu-01/vars.yml` :
+```yaml
+llama_model_path: "/mnt/models/bartowski/Qwen3-8B-GGUF/Qwen3-8B-Q4_K_M.gguf"
+llama_model_alias: "qwen3-8b"
+llama_ctx_size: 32768
+```
+
+> Avec un contexte de 32768 tokens, l'empreinte mémoire est :
+> ~5 GB modèle + ~3 GB KV cache = ~8 GB sur 12 GB VRAM.
+> Ajuster `llama_ctx_size` si un modèle plus lourd est utilisé.
+
+---
+
+## 6. Vérifications post-install
+
+### Checklist
+
+```bash
+# 1. GPU détecté par ROCm
+ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 rocminfo | grep -E 'Agent|gfx'"
+
+# 2. NFS monté
+ssh g01 "df -h /mnt/models && ls /mnt/models/"
+
+# 3. llama-server actif
+ssh g01 "sudo systemctl is-active llama-server"
+ssh g01 "curl -s http://localhost:1234/v1/models | python3 -m json.tool"
+
+# 4. Inférence fonctionnelle (test depuis storage-01)
+ssh s01 "curl -s http://192.168.10.20:1234/v1/chat/completions \
+  -H 'Content-Type: application/json' \
+  -H 'Authorization: Bearer lm-studio' \
+  -d '{\"model\":\"qwen3-8b\",\"messages\":[{\"role\":\"user\",\"content\":\"ping\"}],\"max_tokens\":10}'"
+
+# 5. Embeddings fonctionnels
+ssh s01 "curl -s http://192.168.10.20:1234/v1/embeddings \
+  -H 'Content-Type: application/json' \
+  -H 'Authorization: Bearer lm-studio' \
+  -d '{\"model\":\"qwen3-8b\",\"input\":\"test\"}' | python3 -c 'import sys,json; d=json.load(sys.stdin); print(len(d[\"data\"][0][\"embedding\"]), \"dimensions\")'"
+# → 4096 dimensions
+```
+
+### VRAM en cours d'inférence
+
+```bash
+ssh g01 "watch -n 2 'cat /sys/class/drm/card*/device/mem_info_vram_used'"
+# Affiche la VRAM utilisée en octets — diviser par 1073741824 pour avoir des GB
+```
+
+---
+
+## 7. Pièges et incidents rencontrés
+
+---
+
+### ❌ ROCm ne voit pas le GPU — HSA_OVERRIDE absent
+
+**Symptôme** : `rocminfo` liste uniquement le CPU, pas le GPU RX 6700XT.
+llama-server démarre mais tourne sur le CPU → ~2 tok/s au lieu de ~35 tok/s.
+
+**Cause** : La RX 6700XT est `gfx1031`, non officiel dans ROCm. Sans `HSA_OVERRIDE_GFX_VERSION=10.3.0`,
+ROCm ignore ce GPU.
+
+**Fix** : La variable doit être présente dans :
+1. `/etc/environment` (sessions interactives)
+2. Le `[Service]` de `llama-server.service` (service systemd)
+
+```ini
+[Service]
+Environment=HSA_OVERRIDE_GFX_VERSION=10.3.0
+```
+
+Géré par le rôle Ansible `llama_server`. Vérifier :
+```bash
+ssh g01 "sudo systemctl cat llama-server | grep HSA"
+```
+
+---
+
+### ❌ Gemma 4 — crash ROCm au-delà de 800 tokens
+
+**Symptôme** : llama-server crash ou freeze dès que le contexte dépasse ~800 tokens
+avec les modèles Gemma 4.
+
+**Cause** : Bug de compatibilité entre l'architecture Gemma 4 et le backend ROCm
+sur cette combinaison ROCm 7.x + gfx1031 (non officiel). Non reproduit avec Qwen3.
+
+**Fix** : Utiliser Qwen3-8B ou Qwen2.5-14B. Ne pas charger de modèles Gemma 4 sur gpu-01.
+
+---
+
+### ❌ Embeddings — erreur si --pooling absent
+
+**Symptôme** : Requêtes vers `/v1/embeddings` retournent une erreur 500 ou des vecteurs vides.
+
+**Cause** : llama-server nécessite `--embeddings` ET `--pooling mean` pour activer
+les embeddings OAI-compatible. `--embeddings` seul active le endpoint mais sans
+pooling les résultats sont incorrects.
+
+**Fix** : Le service doit avoir les deux flags :
+```
+--embeddings --pooling mean
+```
+
+Géré par le rôle Ansible `llama_server`.
+
+---
+
+### ❌ NFS bloquant au boot si storage-01 est éteint
+
+**Symptôme** : gpu-01 boot très lentement (plusieurs minutes) ou reste bloqué en
+attendant les montages NFS si storage-01 n'est pas allumé.
+
+**Cause** : Montages NFS en `hard` (comportement par défaut) — le client attend
+indéfiniment que le serveur réponde.
+
+**Fix** : Options `soft,timeo=30,retrans=3` dans fstab/automount + `x-systemd.automount`.
+Avec `soft`, si storage-01 ne répond pas en 30 × timeo ms, le montage échoue proprement
+et gpu-01 continue à démarrer. Le montage sera réessayé au premier accès.
+
+Géré par le rôle Ansible `nfs_client`.
+
+---
+
+### ❌ llama-server redémarre pas si modèle indisponible au boot
+
+**Symptôme** : `llama-server.service` en `failed` au démarrage car `/mnt/models/...`
+n'est pas encore monté (NFS automount).
+
+**Cause** : Conflit d'ordre de démarrage — llama-server démarre avant que
+le montage NFS soit déclenché.
+
+**Fix** : `After=mnt-models.automount` dans le `.service`. Géré par Ansible.
+Ou simplement `sudo systemctl start llama-server` après boot.
+
+---
+
+### Résumé des points d'attention
+
+| Sujet | Règle |
+|---|---|
+| HSA_OVERRIDE | `HSA_OVERRIDE_GFX_VERSION=10.3.0` dans tout service GPU et dans `/etc/environment` |
+| Gemma 4 | Interdit sur gpu-01 — crash ROCm >800 tokens |
+| Embeddings | `--embeddings --pooling mean` obligatoires ensemble |
+| Contexte 32k | ~8 GB VRAM sur 12 GB — ajuster si modèle plus lourd |
+| NFS boot | Options `soft,timeo=30` — jamais `hard` |
+| ROCm install | ~10 GB de téléchargement — prévoir le NAT storage-01 opérationnel |
diff --git a/admin/installe.md b/admin/install/kubernetes.md
similarity index 100%
rename from admin/installe.md
rename to admin/install/kubernetes.md
diff --git a/admin/install/storage-01.md b/admin/install/storage-01.md
new file mode 100644
index 0000000..1f9a300
--- /dev/null
+++ b/admin/install/storage-01.md
@@ -0,0 +1,728 @@
+# Installation storage-01
+
+Guide d'installation complet de storage-01 — de l'ISO AlmaLinux à la stack IA
+complète (Hermes + LiteLLM + Qdrant + PostgreSQL). Écrit après installation réelle.
+
+---
+
+## Sommaire
+
+1. [Rôle et architecture](#1-rôle-et-architecture)
+2. [Installation AlmaLinux 9.7 (base OS)](#2-installation-almalinux-97-base-os)
+3. [Configuration réseau initiale (manuelle)](#3-configuration-réseau-initiale-manuelle)
+4. [Préparer le poste perso pour Ansible](#4-préparer-le-poste-perso-pour-ansible)
+5. [Cloner le repo et initialiser Ansible](#5-cloner-le-repo-et-initialiser-ansible)
+6. [Configurer le vault Ansible (secrets)](#6-configurer-le-vault-ansible-secrets)
+7. [Jouer le playbook — phase par phase](#7-jouer-le-playbook--phase-par-phase)
+8. [Vérifications post-install](#8-vérifications-post-install)
+9. [Pièges et incidents rencontrés](#9-pièges-et-incidents-rencontrés)
+
+---
+
+## 1. Rôle et architecture
+
+storage-01 est la machine centrale du lab. Elle n'est **pas dans le cluster Kubernetes**
+— elle est la fondation sur laquelle tout le reste repose.
+
+### Ce qu'elle fait
+
+| Fonction | Détail |
+|---|---|
+| Passerelle NAT | Forward LAN cluster → internet, LAN domestique → LAN cluster |
+| DHCP + DNS | dnsmasq pour le LAN cluster (`192.168.10.0/24`) et le wildcard `*.lab.local` |
+| Stockage RAID5 | 4 disques SATA 1 TB → 2,7 TB utiles, montés sur `/srv/data` |
+| NFS | Exports vers gpu-01 et le cluster k8s (`/srv/data/nfs/k8s`, `/srv/data/models`) |
+| Hermes Agent | Agent IA autonome avec mémoire vectorielle |
+| LiteLLM Proxy | Routage LLM : Qwen local (gpu-01) ↔ Claude API (Anthropic) |
+| Qdrant | Base vectorielle pour la mémoire de Hermes (`hermes_memory`) |
+| PostgreSQL 16 | Bases pour Hermes et LiteLLM |
+
+### Interfaces réseau
+
+| Interface | IP | Rôle |
+|---|---|---|
+| `enp4s0` | `192.168.1.200` | WAN — vers Freebox (LAN domestique `192.168.1.0/24`) |
+| `enp6s0f3u2c2` | `192.168.10.1` | LAN cluster (`192.168.10.0/24`) — carte USB-Ethernet |
+
+> `enp6s0f3u2c2` est une carte USB-Ethernet branchée en permanence — les noms d'interface sont contre-intuitifs.
+
+### RAID5
+
+4 disques SATA 1 TB (Seagate/WD) assemblés en RAID5 software Linux (`md0` ou `md127`).
+- Capacité utile : ~2,7 TB
+- Tolérance : 1 disque mort
+- Point de montage : `/srv/data`
+- ⚠️ `sdb` a généré des erreurs I/O après une coupure de courant — surveiller avec `smartctl`
+
+---
+
+## 2. Installation AlmaLinux 9.7 (base OS)
+
+### Télécharger l'ISO
+
+AlmaLinux 9.7 minimal (pas de desktop) :
+`https://repo.almalinux.org/almalinux/9/isos/x86_64/`
+
+Flasher sur clé USB :
+```bash
+sudo dd if=AlmaLinux-9.7-x86_64-minimal.iso of=/dev/sdX bs=4M status=progress conv=fsync
+```
+
+### Paramètres d'installation (Anaconda)
+
+Dans l'installeur graphique Anaconda :
+
+**Langue / clavier** : Français ou English — peu importe, Ansible configure le reste.
+
+**Disque système** : sélectionner le NVMe interne uniquement.
+- Ne pas sélectionner les disques SATA (RAID5) — ils sont gérés manuellement.
+- Partitionnement automatique convient (LVM sur NVMe).
+
+**Réseau** : configurer uniquement l'interface WAN (`enp4s0`) pendant l'install :
+- IP statique : `192.168.1.200/24`
+- Gateway : `192.168.1.254` (Freebox)
+- DNS : `1.1.1.1`
+- Hostname : `storage-01`
+
+L'interface LAN (`enp6s0f3u2c2`) sera configurée par Ansible.
+
+**Utilisateurs** :
+- Root : définir un mot de passe temporaire (sera désactivé par Ansible)
+- Créer un premier utilisateur `ansible` (ou laisser Ansible le créer — dans ce cas se connecter en root pour la première exécution)
+
+### Premier boot
+
+Après l'installation, vérifier que la machine est joignable depuis le poste perso :
+```bash
+ping 192.168.1.200
+ssh root@192.168.1.200
+```
+
+---
+
+## 3. Configuration réseau initiale (manuelle)
+
+Avant de lancer Ansible, il faut que storage-01 soit SSH-accessible et que les deux
+interfaces réseau soient opérationnelles. Ces opérations sont faites une seule fois
+depuis la console ou root SSH.
+
+### Configurer l'interface LAN (USB-Ethernet)
+
+```bash
+# Se connecter en root
+ssh root@192.168.1.200
+
+# Identifier la carte USB-Ethernet (généralement enp6s0f3u2c2 ou similaire)
+nmcli device status
+ip link show
+
+# Créer la connexion NetworkManager
+nmcli connection add type ethernet \
+  ifname enp6s0f3u2c2 \
+  con-name lan-cluster \
+  ipv4.method manual \
+  ipv4.addresses 192.168.10.1/24 \
+  ipv4.never-default yes \
+  connection.autoconnect yes
+
+nmcli connection up lan-cluster
+```
+
+Vérifier :
+```bash
+ip addr show enp6s0f3u2c2
+# → inet 192.168.10.1/24
+```
+
+### Activer l'IP forwarding
+
+```bash
+echo 'net.ipv4.ip_forward = 1' >> /etc/sysctl.d/99-forwarding.conf
+sysctl -p /etc/sysctl.d/99-forwarding.conf
+```
+
+> Ansible gère aussi l'IP forwarding, mais l'activer maintenant permet aux nœuds
+> Talos de sortir sur internet dès que dnsmasq et nftables seront en place.
+
+### Ajouter gpu-01 dans /etc/hosts (si gpu-01 sera installé avant dnsmasq)
+
+```bash
+echo '192.168.10.20 gpu-01' >> /etc/hosts
+```
+
+---
+
+## 4. Préparer le poste perso pour Ansible
+
+Tout Ansible se lance depuis le **poste perso** (ou storage-01 une fois qu'il est
+opérationnel — voir section suivante).
+
+### Installer Python et créer le venv
+
+```bash
+# Python 3 doit être disponible
+python3 --version
+
+# Créer le venv à la racine du repo
+cd /mnt/nvme0n1/nvme0n1p3/Projets/lab
+python3 -m venv .venv
+source .venv/bin/activate
+
+# Installer ansible-core
+pip install -r requirements.txt
+# ansible-core>=2.17,<2.18
+```
+
+### Installer les collections Ansible
+
+```bash
+.venv/bin/ansible-galaxy collection install -r ansible/requirements.yml
+```
+
+### Générer une clé SSH pour Ansible
+
+```bash
+# Si pas encore de clé ed25519
+ssh-keygen -t ed25519 -C "ansible@poste-perso" -f ~/.ssh/id_ed25519
+
+# Copier la clé publique vers storage-01
+ssh-copy-id -i ~/.ssh/id_ed25519.pub root@192.168.1.200
+```
+
+Ansible utilisera le compte `ansible` (créé par le rôle `common`) — mais pour la
+première exécution, il se connecte en root.
+
+### Configurer ~/.ssh/config
+
+```
+Host s01
+    HostName 192.168.1.200
+    User ansible
+    IdentityFile ~/.ssh/id_ed25519
+
+Host g01
+    HostName 192.168.10.20
+    User ansible
+    ProxyJump s01
+    IdentityFile ~/.ssh/id_ed25519
+    StrictHostKeyChecking no
+```
+
+---
+
+## 5. Cloner le repo et initialiser Ansible
+
+```bash
+git clone git@github.com:Alkatrazz24/Funk-lab.git
+cd Funk-lab
+
+python3 -m venv .venv
+source .venv/bin/activate
+pip install -r requirements.txt
+.venv/bin/ansible-galaxy collection install -r ansible/requirements.yml
+```
+
+### Structure Ansible du repo
+
+```
+ansible/
+├── inventory.yml                  # hosts + groupes
+├── playbooks/
+│   ├── site.yml                   # import storage-01.yml + gpu-01.yml
+│   ├── storage-01.yml             # playbook storage-01
+│   └── gpu-01.yml                 # playbook gpu-01
+├── group_vars/
+│   ├── all/
+│   │   ├── vars.yml               # variables globales (dns_domain, cluster_network...)
+│   │   └── vault.yml              # secrets chiffrés (Ansible Vault)
+│   └── gateway/
+│       └── vars.yml               # interfaces réseau storage-01
+├── host_vars/
+│   ├── storage-01/
+│   │   └── vars.yml               # RAID uuid, NFS exports, chemins services
+│   └── gpu-01/
+│       └── vars.yml               # modèle llama-server, montages NFS
+└── roles/
+    ├── common/                    # hostname, timezone, EPEL, user ansible, SSH hardenin
+    ├── gateway/                   # nftables + NAT + IP forwarding
+    ├── dnsmasq/                   # DNS lab.local + DHCP cluster
+    ├── nfs_server/                # RAID5 fstab + exports NFS
+    ├── postgresql/                # PostgreSQL 16 sur RAID5
+    ├── qdrant/                    # Qdrant vectordb sur RAID5
+    ├── litellm/                   # LiteLLM proxy + hermes-switch
+    ├── hermes_agent/              # Hermes Agent + Dashboard
+    ├── rocm/                      # ROCm AMD pour gpu-01
+    ├── llama_server/              # llama-server sur gpu-01
+    └── nfs_client/                # montages NFS automatiques (gpu-01)
+```
+
+### Variables globales (`group_vars/all/vars.yml`)
+
+```yaml
+dns_domain: lab.local
+ntp_servers:
+  - 0.fr.pool.ntp.org
+  - 1.fr.pool.ntp.org
+cluster_network: 192.168.10.0/24
+wan_gateway: 192.168.1.254
+```
+
+### Variables gateway (`group_vars/gateway/vars.yml`)
+
+```yaml
+wan_interface: enp4s0          # NIC PCIe — vers Freebox
+lan_interface: enp6s0f3u2c2    # NIC USB — vers LAN cluster
+wan_ip: 192.168.1.200
+lan_ip: 192.168.10.1
+```
+
+### Variables storage-01 (`host_vars/storage-01/vars.yml`)
+
+```yaml
+ansible_host: 192.168.1.200
+raid_uuid: "3add8360-fa01-47eb-8aa1-0e84bacbbc15"
+raid_mount: /srv/data
+nfs_exports:
+  - path: /srv/data/nfs/k8s
+    network: "{{ cluster_network }}"
+    options: "rw,sync,no_subtree_check,no_root_squash"
+  - path: /srv/data/models
+    network: "{{ cluster_network }}"
+    options: "rw,sync,no_subtree_check,no_root_squash"
+hermes_data_dir: /srv/data/hermes
+postgres_data_dir: /srv/data/postgres
+qdrant_data_dir: /srv/data/qdrant
+```
+
+---
+
+## 6. Configurer le vault Ansible (secrets)
+
+Le vault contient les mots de passe et l'API key Anthropic. Il est chiffré dans git.
+
+### Fichier mot de passe vault
+
+```bash
+# Créer le fichier de mot de passe (ne jamais le committer — dans .gitignore)
+echo "ton-mot-de-passe-vault" > .vault_pass
+chmod 600 .vault_pass
+```
+
+`ansible.cfg` pointe automatiquement dessus :
+```ini
+[defaults]
+vault_password_file = .vault_pass
+```
+
+### Créer le vault avec les secrets
+
+```bash
+cd ansible/
+../.venv/bin/ansible-vault create group_vars/all/vault.yml
+```
+
+Contenu du vault :
+```yaml
+vault_anthropic_api_key: "sk-ant-..."
+vault_pg_hermes_password: "mot-de-passe-fort"
+vault_pg_litellm_password: "mot-de-passe-fort"
+```
+
+Pour modifier plus tard :
+```bash
+make vault-edit
+# ou
+cd ansible && ../.venv/bin/ansible-vault edit group_vars/all/vault.yml
+```
+
+---
+
+## 7. Jouer le playbook — phase par phase
+
+Il est recommandé d'appliquer les rôles dans l'ordre ci-dessous, par petits
+blocs, pour valider chaque couche avant de passer à la suivante.
+
+### Test de connectivité
+
+```bash
+make ping
+# ou
+cd ansible && ../.venv/bin/ansible all -m ping
+```
+
+Sortie attendue :
+```
+storage-01 | SUCCESS => {"ping": "pong"}
+```
+
+> gpu-01 échouera si pas encore installé — normal.
+
+### Phase 1 — Base OS
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags common
+```
+
+Le rôle `common` fait :
+- Hostname → `storage-01`
+- Timezone → Europe/Paris
+- EPEL activé
+- `dnf update -y` (tous les packages à jour)
+- Packages de base : `vim`, `curl`, `wget`, `git`, `htop`, `tmux`, `rsync`, `lsof`, `net-tools`, `bind-utils`
+- Création user `ansible` avec sudo NOPASSWD
+- Clé SSH publique du poste perso déposée dans `~/.ssh/authorized_keys`
+- SSH durci : `PermitRootLogin no`, `PasswordAuthentication no`, `X11Forwarding no`
+
+Après cette étape, les connexions root ne fonctionnent plus — utiliser `ssh s01`.
+
+### Phase 2 — Passerelle (nftables + NAT)
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags gateway
+```
+
+Le rôle `gateway` fait :
+- Déploie `/etc/nftables.conf` depuis le template (flush + rebuild complet)
+- Active IP forwarding (`sysctl net.ipv4.ip_forward=1`)
+- Active et redémarre `nftables`
+
+Vérifier que le NAT fonctionne depuis le LAN cluster :
+```bash
+# Depuis une machine du cluster (si déjà installée)
+ssh 192.168.10.11 "curl -s https://ifconfig.me"
+```
+
+### Phase 3 — DNS + DHCP (dnsmasq)
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags dnsmasq
+```
+
+Le rôle `dnsmasq` fait :
+- Installe `dnsmasq`
+- Déploie la config depuis template : DNS `lab.local`, DHCP `192.168.10.50-99`, baux statiques MACs
+- Wildcard `*.lab.local → 192.168.10.200` (Traefik)
+- Override systemd : dnsmasq attend que l'interface USB-Ethernet soit prête avant de démarrer
+
+Tester depuis le poste perso :
+```bash
+dig @192.168.10.1 storage-01.lab.local +short
+# → 192.168.10.1
+
+dig @192.168.10.1 test.lab.local +short
+# → 192.168.10.200 (wildcard)
+```
+
+> Sans l'override systemd, dnsmasq démarre avant que `enp6s0f3u2c2` (USB-Ethernet)
+> soit disponible → `bind(): Address not available` → service en échec au boot.
+
+### Phase 4 — NFS + RAID5
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags nfs_server
+```
+
+Le rôle `nfs_server` fait :
+- Installe `nfs-utils` et `mdadm`
+- Persiste la config RAID dans `/etc/mdadm.conf` (pour survie aux reboots)
+- Ajoute `/srv/data` dans `/etc/fstab` avec `_netdev 0 0`
+- Crée les répertoires d'export (`/srv/data/nfs/k8s`, `/srv/data/models`)
+- Déploie `/etc/exports` et recharge `nfs-server`
+
+Vérifier :
+```bash
+ssh s01 "cat /proc/mdstat"          # RAID doit être [4/4] [UUUU]
+ssh s01 "sudo exportfs -v"          # doit lister les deux exports
+ssh s01 "df -h /srv/data"           # doit afficher ~2.7 TB
+```
+
+> **UUID du RAID** : récupérer avec `sudo blkid | grep md` sur storage-01 et
+> mettre à jour `host_vars/storage-01/vars.yml` avant de jouer ce rôle.
+
+### Phase 5 — PostgreSQL 16
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags postgresql
+```
+
+Le rôle `postgresql` fait :
+- Installe le repo officiel PGDG (EL9)
+- Désactive le module AppStream par défaut (`dnf module disable postgresql`)
+- Installe `postgresql16-server` et `python3-psycopg2`
+- Crée `/srv/data/postgres` sur le RAID5 et le configure comme `PGDATA`
+- Override systemd pour pointer sur le bon `PGDATA`
+- `initdb` si la base n'existe pas encore
+- Crée les bases `hermes` et `litellm` et leurs users avec les mots de passe du vault
+
+Vérifier :
+```bash
+ssh s01 "sudo -u postgres psql -c '\l'"
+# doit lister : hermes, litellm, postgres, template0, template1
+```
+
+### Phase 6 — Qdrant
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags qdrant
+```
+
+Le rôle `qdrant` fait :
+- Télécharge le binaire Qdrant (release GitHub)
+- Crée un user système `qdrant`
+- Configure le stockage dans `/srv/data/qdrant`
+- Déploie `qdrant.service` (bind `0.0.0.0:6333`, gRPC `6334`)
+- Active et démarre le service
+
+Vérifier :
+```bash
+ssh s01 "curl -s http://localhost:6333/healthz"
+# → {"result":"ok","status":"ok","time":0.00...}
+```
+
+### Phase 7 — LiteLLM Proxy
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags litellm
+```
+
+Le rôle `litellm` fait :
+- Installe `litellm` via pip dans un venv dédié
+- Déploie `/etc/litellm/config.yaml` avec les modèles (Qwen local + Claude)
+- Configure `master_key: lm-studio` (aligné avec `LM_API_KEY=lm-studio` dans Hermes)
+- Déploie `litellm.service` (bind `127.0.0.1:4000` — jamais exposé sur le réseau)
+- Déploie le script `hermes-switch` dans `/usr/local/bin/`
+
+Config LiteLLM (résumé) :
+```yaml
+model_list:
+  - model_name: hermes-default
+    litellm_params:
+      model: openai/qwen3-8b
+      api_base: http://192.168.10.20:1234/v1
+      api_key: lm-studio
+
+  - model_name: claude-sonnet-4-6
+    litellm_params:
+      model: anthropic/claude-sonnet-4-6
+      api_key: "{{ vault_anthropic_api_key }}"
+
+general_settings:
+  master_key: lm-studio
+```
+
+Vérifier :
+```bash
+ssh s01 "curl -s http://localhost:4000/health -H 'Authorization: Bearer lm-studio'"
+```
+
+### Phase 8 — Hermes Agent
+
+```bash
+cd ansible && ../.venv/bin/ansible-playbook playbooks/storage-01.yml --tags hermes_agent
+```
+
+Le rôle `hermes_agent` fait :
+- Crée un user système `hermes` avec home sur le RAID5 (`/srv/data/hermes`)
+- Installe Hermes via son installer officiel dans `/opt/hermes`
+- Crée le venv Python (`/srv/data/hermes/hermes-agent/venv/`) avec `qdrant-client`
+- Déploie `~hermes/.config/hermes/config.yaml` :
+  - `model.provider: lmstudio`
+  - `model.base_url: http://127.0.0.1:4000/v1`
+  - `model.name: hermes-default`
+- Déploie `hermes-agent.service` et `hermes-dashboard.service`
+- Déploie `/usr/local/bin/hermes-tui` (wrapper pour TUI interactif)
+- Permissions `/opt/hermes` → `711` (traversable, non listable)
+
+Vérifier :
+```bash
+ssh s01 "sudo systemctl status hermes-agent hermes-dashboard"
+```
+
+Dashboard accessible depuis le poste perso (restreint à `192.168.1.10`) :
+```
+http://192.168.1.200:9119
+```
+
+TUI interactif (doit être lancé sous le compte hermes) :
+```bash
+ssh storage-01
+sudo -i -u hermes
+cd /srv/data/hermes
+hermes --tui
+```
+
+---
+
+## 8. Vérifications post-install
+
+### Checklist complète
+
+```bash
+# 1. Réseau
+ping 192.168.10.20                              # gpu-01 joignable
+ssh g01 "curl -s https://ifconfig.me"          # NAT fonctionnel
+dig @192.168.10.1 storage-01.lab.local +short  # DNS lab.local
+
+# 2. RAID
+ssh s01 "cat /proc/mdstat"                     # [4/4] [UUUU]
+ssh s01 "df -h /srv/data"                      # ~2.7 TB monté
+
+# 3. NFS
+ssh s01 "sudo exportfs -v"                     # exports actifs
+
+# 4. PostgreSQL
+ssh s01 "sudo -u postgres psql -c '\l'"        # bases hermes + litellm présentes
+
+# 5. Qdrant
+ssh s01 "curl -s http://localhost:6333/healthz" | python3 -m json.tool
+
+# 6. LiteLLM
+ssh s01 "curl -s http://localhost:4000/health -H 'Authorization: Bearer lm-studio'"
+
+# 7. Hermes
+ssh s01 "sudo systemctl is-active hermes-agent hermes-dashboard"
+
+# 8. funk-cluster (script de gestion global)
+ssh s01 "sudo /usr/local/bin/funk-cluster status"
+```
+
+### Services actifs attendus
+
+```bash
+ssh s01 "sudo systemctl list-units --type=service --state=running | grep -E 'dnsmasq|nfs|postgres|qdrant|litellm|hermes|nftables'"
+```
+
+---
+
+## 9. Pièges et incidents rencontrés
+
+---
+
+### ❌ dnsmasq ne démarre pas au boot — "Address not available"
+
+**Symptôme** : `systemctl status dnsmasq` → `bind(): Address not available`.
+Storage-01 rebooté → dnsmasq en `failed`, plus de DHCP pour le cluster.
+
+**Cause** : dnsmasq tentait de binder sur `192.168.10.1` (`enp6s0f3u2c2`, USB-Ethernet)
+avant que cette interface soit disponible. L'USB-Ethernet est détectée plus tard que
+les NIC PCIe dans la séquence de boot.
+
+**Fix** : Un override systemd dans `/etc/systemd/system/dnsmasq.service.d/wait-lan.conf` :
+```ini
+[Unit]
+After=network-online.target sys-subsystem-net-devices-enp6s0f3u2c2.device
+Wants=network-online.target sys-subsystem-net-devices-enp6s0f3u2c2.device
+```
+
+Géré par le rôle Ansible `dnsmasq` — ne pas modifier manuellement.
+
+---
+
+### ❌ Boucle fsck au boot après coupure de courant
+
+**Symptôme** : Boot bloqué sur `emergency mode`, impossible de saisir le mot de passe root
+(messages d'erreur défilants), le RAID `/dev/md0` ne monte plus.
+
+**Cause** : Coupure de courant → corruption du filesystem XFS sur `almalinux-root` (NVMe).
+systemd tentait de monter `/srv/data` (RAID5) avant que le RAID soit assemblé, créant
+une boucle bloquante.
+
+**Résolution** (procédure complète dans `admin/incidents.md`) :
+1. Shell via GRUB (`init=/bin/bash` dans la ligne kernel)
+2. `lvm vgchange -ay` pour activer le LVM
+3. `xfs_repair /dev/mapper/almalinux-root` (pas `fsck` — XFS a son propre outil)
+4. Commenter `/srv/data` dans `/etc/fstab` temporairement pour booter
+5. Après boot : corriger fstab → ajouter `_netdev 0 0` pour `/srv/data`
+
+**Fix permanent dans fstab** :
+```
+UUID=3add8360-... /srv/data ext4 defaults,noatime,nodiratime,_netdev 0 0
+```
+- `_netdev` : attend que les périphériques soient prêts (RAID assemblé) avant de monter
+- `0 0` : désactive le `fsck` automatique au boot (le RAID a sa propre intégrité)
+
+Géré par le rôle Ansible `nfs_server`. Vérifier que ces options sont bien présentes.
+
+---
+
+### ❌ hermes --tui "gateway error" si lancé sous le mauvais compte
+
+**Symptôme** : `hermes --tui` lancé depuis le compte `ansible` retourne des "gateway error"
+en boucle. TUI inutilisable.
+
+**Cause** : Hermes charge sa configuration depuis `$HERMES_HOME`, qui doit pointer vers
+`/srv/data/hermes`. Lancé sous `ansible`, les variables d'environnement ne sont pas
+correctes et `hermes` cherche sa config dans `~ansible/.config/hermes/` qui n'existe pas.
+
+**Fix** : Toujours lancer le TUI sous le compte `hermes` :
+```bash
+ssh storage-01
+sudo -i -u hermes
+cd /srv/data/hermes
+hermes --tui
+```
+
+Ou via le wrapper `/usr/local/bin/hermes-tui` qui gère automatiquement l'environnement.
+
+---
+
+### ❌ qdrant-client : méthode search() supprimée en v1.14+
+
+**Symptôme** : Scripts Python Hermes qui appellent Qdrant échouent avec
+`AttributeError: 'AsyncQdrantClient' object has no attribute 'search'`.
+
+**Cause** : `qdrant-client` v1.14+ a supprimé la méthode `search()`.
+Elle est remplacée par `query_points()`.
+
+**Fix** : Mettre à jour les scripts pour utiliser `query_points()`.
+Le rôle Ansible `hermes_agent` installe la version compatible — ne pas faire
+`pip install qdrant-client` manuellement sans vérifier la version.
+
+---
+
+### ❌ LM_API_KEY absent → Hermes ne peut pas appeler LiteLLM
+
+**Symptôme** : Hermes démarre mais toutes les requêtes vers LiteLLM échouent avec 401.
+
+**Cause** : Hermes utilise `LM_API_KEY` comme Bearer token. LiteLLM attend `master_key`.
+Les deux doivent avoir la même valeur. Si `LM_API_KEY` n'est pas défini dans
+l'environnement du service systemd, Hermes envoie un token vide ou incorrect.
+
+**Fix** : Le service `hermes-agent.service` doit avoir dans sa section `[Service]` :
+```ini
+Environment=LM_API_KEY=lm-studio
+```
+
+La valeur `lm-studio` est une valeur magique alignée avec `master_key: lm-studio`
+dans la config LiteLLM. Géré par le rôle Ansible.
+
+---
+
+### ❌ hermes -z ne fonctionne pas depuis n'importe où
+
+**Symptôme** : `hermes -z "question"` depuis `/home/ansible` → erreur de chemin,
+Hermes ne trouve pas son `.git`.
+
+**Cause** : Hermes remonte l'arborescence à la recherche d'un `.git` pour localiser
+sa config de projet. Si lancé depuis un répertoire sans `.git` en amont, il échoue.
+
+**Fix** : Toujours lancer depuis `/srv/data/hermes` :
+```bash
+cd /srv/data/hermes && hermes -z "ta question"
+```
+
+---
+
+### Résumé des points d'attention
+
+| Sujet | Règle |
+|---|---|
+| dnsmasq au boot | Override systemd obligatoire pour USB-Ethernet |
+| fstab `/srv/data` | `_netdev 0 0` — jamais `0 2` |
+| TUI Hermes | Toujours sous le compte `hermes`, depuis `/srv/data/hermes` |
+| `hermes -z` | Toujours depuis `/srv/data/hermes` |
+| LM_API_KEY | Doit valoir `lm-studio` (= `master_key` LiteLLM) |
+| qdrant-client | Utiliser `query_points()` pas `search()` (supprimé en v1.14+) |
+| RAID sdb | Surveiller régulièrement avec `smartctl -a /dev/sdb` |
+| UUID RAID | Vérifier `host_vars/storage-01/vars.yml` avant de jouer `nfs_server` |
+| Vault | `.vault_pass` ne doit jamais être commité — dans `.gitignore` |