chore(gpu-01): retire les serveurs llama CPU system/monitor/dev (inutilisés) (#31)

Trois instances llama-server CPU manuelles (hors Ansible) tournaient sur gpu-01
sans servir : déjà orphelines de LiteLLM (alias absents de config.yaml, d'où le
bruit "Invalid model name"). Suppression complète :

gpu-01 (opérationnel, déjà fait) :
- systemctl disable --now + rm des units llama-server-{system,monitor,dev}
- ports firewall 1235/1236/1237 fermés

Repo :
- monitoring : scrape jobs (values.yaml) + alertes LlamaServer{System,Monitor}Down
  (alerts-ai.yaml) retirés → plus de "target down"/alertes fantômes ; panneaux de
  statut dashboard-infrastructure recyclés (system→llama-embed, monitor supprimé).
- docs admin/ + hermes-skills (souls funk-ai/brain, SKILL agent-delegation) mises à
  jour : inventaire modèles, profils Hermès system/monitor sans backend (à repointer
  sur qwen3-8b), litellm, ops, monitoring.

Les profils Hermès system/monitor existent toujours mais sans backend dédié.
Dashboards Grafana dashboard-ai (panneaux graphiques CPU) laissés tels quels
(cosmétique, séries vides, aucune alerte).

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>

admin/ia/litellm.md

@@ -14,8 +14,6 @@ Hermes / ask-agent / Open WebUI / n8n
    LiteLLM Proxy
         ├── hermes-default       →  qwen3-8b            →  llama-server gpu-01 :1234  (GPU)
         ├── qwen3-8b             →  llama-server gpu-01 :1234  (GPU, gratuit)
-        ├── qwen3-1.7b-system    →  llama-server gpu-01 :1236  (CPU 14 threads, gratuit)
-        ├── qwen3-1.7b-monitor   →  llama-server gpu-01 :1237  (CPU 14 threads, gratuit)
         ├── claude-sonnet-4-6    →  api.anthropic.com           (cloud, payant)
         └── claude-opus-4-7      →  api.anthropic.com           (cloud, payant)
 ```
@@ -40,13 +38,13 @@ sudo journalctl -u litellm -n 50
 |---|---|---|
 | `hermes-default` | qwen3-8b sur gpu-01 :1234 (GPU) | Gratuit |
 | `qwen3-8b` | llama-server gpu-01 :1234 (ROCm 7.x) | Gratuit |
-| `qwen3-1.7b-system` | llama-server gpu-01 :1236 (CPU, 14 threads) | Gratuit |
-| `qwen3-1.7b-monitor` | llama-server gpu-01 :1237 (CPU, 14 threads) | Gratuit |
 | `claude-sonnet-4-6` | Anthropic API | ~$3/$15 par million tokens in/out |
 | `claude-opus-4-7` | Anthropic API | Plus cher, meilleur raisonnement |
 
-> `qwen3-1.7b-system` et `qwen3-1.7b-monitor` sont utilisés par `ask-agent system` et
-> `ask-agent monitor` — voir [hermes.md](hermes.md).
+> **Alias CPU retirés (2026-06-20)** : `qwen3-1.7b-system` et `qwen3-1.7b-monitor` (serveurs CPU
+> gpu-01 :1236/:1237) ont été supprimés avec leurs serveurs. Ils étaient déjà absents de
+> `/etc/litellm/config.yaml` (d'où le bruit `Invalid model name` historique). `ask-agent system`
+> et `ask-agent monitor` n'ont donc plus de backend — repointer sur `qwen3-8b` pour les réactiver.
 
 > ⚠️ **Qwen3 = modèle « thinking »** : il raisonne avant de répondre. Avec un `max_tokens`
 > faible, il peut renvoyer un `content` **vide** (budget épuisé en `reasoning_content`) ou
@@ -111,19 +109,15 @@ elle vient du vault Ansible (`vault_anthropic_api_key`). Jamais en clair dans co
 
 ---
 
-## ⚠️ Gap IaC — modèles CPU absents du template Ansible
+## Modèles servis (2026-06-20)
 
-`ansible/roles/litellm/templates/config.yaml.j2` n'inclut que 4 modèles :
-`hermes-default`, `qwen3-8b`, `claude-sonnet-4-6`, `claude-opus-4-7`.
+`ansible/roles/litellm/templates/config.yaml.j2` et `/etc/litellm/config.yaml` exposent
+4 modèles : `hermes-default`, `qwen3-8b`, `claude-sonnet-4-6`, `claude-opus-4-7`.
 
-Les entrées `qwen3-1.7b-system` (:1236) et `qwen3-1.7b-monitor` (:1237) ont été ajoutées
-**manuellement** dans `/etc/litellm/config.yaml` sur storage-01.
-
-Un `make apply-storage` sur un hôte vierge ne déploierait PAS les routes CPU nécessaires
-à `ask-agent system` et `ask-agent monitor`.
-
-**Axe d'amélioration** : ajouter les 2 entrées CPU dans `config.yaml.j2` avec des variables
-dans `defaults/main.yml` (`litellm_cpu_system_url`, `litellm_cpu_monitor_url`).
+Les anciennes entrées CPU `qwen3-1.7b-system` (:1236) et `qwen3-1.7b-monitor` (:1237) ont été
+**retirées** avec leurs serveurs (cf. `admin/ia/llama_server.md`). Elles étaient déjà absentes
+du fichier live → `ask-agent system`/`monitor` n'avaient déjà plus de route. Pour les réactiver,
+ajouter un alias pointant sur `qwen3-8b` (GPU) plutôt que de recréer des serveurs CPU.
 
 ---