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>

ansible/roles/llama_server/README.md

@@ -69,17 +69,22 @@ Compile llama.cpp (backend HIP/ROCm) et déploie le service **llama-server GPU**
 | `llama_embed_model_alias` | `nomic-embed-text` | — |
 | `llama_embed_n_gpu_layers` | `0` (CPU — évite la contention GPU avec `:1234`) | — |
 
-## ⚠️ Gap IaC — instances CPU hors Ansible
+## Instances CPU retirées (2026-06-20)
 
-Le rôle ne gère que l'instance **GPU** (`llama-server.service`). Les services suivants existent sur gpu-01 mais ont été créés **à la main** (non reproductibles par `make apply-gpu`) :
+Trois serveurs llama CPU **manuels** (hors Ansible) tournaient sur gpu-01 et ont été
+**supprimés** (stop + disable + `rm` des units + ports firewall fermés) car inutilisés —
+ils n'étaient même plus routés par LiteLLM (alias absents de `/etc/litellm/config.yaml`) :
 
-| Service | Port | Modèle | Usage |
+| Service (supprimé) | Port | Modèle | Ex-usage |
 |---|---|---|---|
 | `llama-server-system.service` | 1236 | Qwen3-1.7B CPU | profil `system` |
 | `llama-server-monitor.service` | 1237 | Qwen3-1.7B CPU | profil `monitor` |
-| `llama-server-dev.service` | — | (non documenté, présent dans /etc/systemd/system) | ? |
+| `llama-server-dev.service` | 1235 | Qwen3-4B CPU | profil `dev` |
 
-**À faire** : templatiser ces instances dans le rôle (liste d'instances avec port/modèle/threads) pour qu'une réinstallation de gpu-01 restaure les 3 serveurs.
+> Le rôle ne gère désormais **que** l'instance GPU (`llama-server.service`, `:1234`) et
+> l'embed CPU (`llama-embed.service`, `:1238`). Les profils Hermès `system`/`monitor`
+> n'ont plus de backend dédié — repointer leurs alias LiteLLM sur `qwen3-8b` (GPU) si on
+> veut les réactiver.
 
 ## Caveats