feat(litellm): heartbeat anti-502 + request_timeout 20s

Cause racine du 502 « 1ʳᵉ demande après une pause » : la connexion keep-alive
LiteLLM↔llama-server devient inactive → llama-server la ferme → LiteLLM garde le
socket mort → la requête suivante part dans le vide → timeout → 502.

- llm-heartbeat : service systemd qui appelle hermes-default toutes les 15s
  (max_tokens:1, /no_think → ~10ms GPU) → la connexion n'est jamais inactive,
  jamais périmée. Logge les échecs → sert aussi de sonde (vraie génération).
- request_timeout 60→20s : un socket périmé échoue vite, dans la fenêtre où
  num_retries:2 peut rejouer sur une connexion neuve (sinon le client abandonnait
  avant le retry → 502 sec).
- Doc : admin/incidents-llm-gpu.md (fix racine) + README rôle.

⚠️ heartbeat appelle hermes-default en continu → si bascule sur Claude (facturé),
mettre llm_heartbeat_enabled: false. request_timeout global → remonter si Claude.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

admin/incidents-llm-gpu.md

@@ -124,8 +124,29 @@ tentative) et renvoie 502.
    (⚠️ redémarre LiteLLM — service partagé Hermes/n8n/Open WebUI/Ghostfolio).
 3. **Purge immédiate** (sans attendre l'IaC) : `sudo systemctl restart litellm` vide le pool.
 
-### Reste à faire (cause racine)
+### Fix racine — heartbeat (déployé)
 
-Tant que `llama-server` se fige et nécessite des redémarrages, le pool LiteLLM se re-périme.
-La vraie prévention = **watchdog de génération réelle** qui détecte le freeze et, idéalement,
-bounce **à la fois** llama-server **et** litellm pour repartir sur des connexions saines.
+Le timeout/retry ne fait que **borner** la casse : la 1ʳᵉ demande après une pause restait lente
+(la connexion keep-alive devient inactive → llama-server la ferme → LiteLLM garde le socket mort).
+La **vraie** cause = la connexion qui devient *périmée pendant l'inactivité*.
+
+**Solution** : `llm-heartbeat` (rôle `litellm`) — un service systemd qui appelle `hermes-default`
+toutes les `llm_heartbeat_interval` s (défaut 15 s, `max_tokens:1`, `/no_think` → ~10 ms GPU).
+La connexion LiteLLM↔llama-server n'est **jamais** inactive → jamais périmée → la 1ʳᵉ vraie
+demande tombe toujours sur un tuyau vivant. Logge les échecs (`journalctl -u llm-heartbeat`),
+donc sert aussi de **sonde** (génération réelle, pas juste `/health`).
+
+```bash
+ansible-playbook -i inventory.yml playbooks/storage-01.yml --tags litellm   # déploie heartbeat + config
+systemctl status llm-heartbeat ; journalctl -u llm-heartbeat -f             # vérifier
+```
+
+⚠️ Le heartbeat appelle `hermes-default` en continu → si on bascule cet alias sur **Claude**
+(API facturée), mettre `llm_heartbeat_enabled: false`.
+
+### Reste à faire (durci, mais pas zéro-risque)
+
+Le heartbeat empêche la *péremption par inactivité*. Si `llama-server` **se fige** carrément
+(wedge ROCm), le heartbeat le **détecte** (échecs loggués) mais ne le **répare pas** encore.
+Évolution possible : sur N échecs consécutifs du heartbeat → restart auto de `llama-server`
+**et** `litellm` (watchdog actif). Pour l'instant : détection + alerte manuelle.