Configuration requise pour un serveur d’agent IA

Faut-il un GPU pour auto-héberger un agent IA ?

Presque certainement pas, et c’est l’idée reçue la plus répandue sur l’auto-hébergement d’agents. On confond deux tâches très différentes : faire tourner le modèle, et faire tourner l’agent.

• Faire tourner le modèle, c’est transformer des tokens en tokens. C’est la partie qui demande un GPU, beaucoup de VRAM et une grosse machine.
• Faire tourner l’agent (décider de la suite, appeler des outils et des API, stocker la mémoire, relancer en cas d’échec et piloter la boucle) : c’est un travail d’application ordinaire, un peu de CPU, une RAM modeste et un peu de disque.

Un agent qui utilise votre propre clé, comme Hermes Agent, n’assure que la seconde tâche. Lorsqu’il a besoin que le modèle réfléchisse, il envoie une requête HTTPS à OpenRouter, OpenAI ou Anthropic avec votre propre compte, puis attend la réponse. Votre serveur passe la plupart de son temps inactif, à attendre le réseau. C’est pourquoi une petite instance suffit, et pourquoi un GPU resterait inutilisé.

L’exception concerne le cas où vous voulez aussi faire tourner le modèle de langage sur votre propre matériel, en pointant l’agent vers un point de terminaison local compatible OpenAI. C’est une configuration légitime, mais c’est une machine différente avec d’autres exigences : la VRAM devient la contrainte principale, et les chiffres ci-dessous ne s’appliquent plus.

Configuration minimale et recommandée

Ce sont les exigences de l’environnement d’exécution de l’agent lui-même. Votre fournisseur d’IA facture séparément l’usage du modèle, et ce coût dépend de la quantité de réflexion de l’agent, et non de la taille du serveur sur lequel il tourne.

Comment dimensionner selon votre charge de travail

Dimensionner un agent ne dépend pas du nombre de tâches que vous avez, mais du nombre qui tournent en même temps et de la mémoire que chacune occupe pendant son travail.

• Assistant personnel, quelques tâches planifiées, travail ponctuel occasionnel : 2 vCPU / 4 GB suffisent largement. L’instance est inactive la plupart du temps.
• Plusieurs agents en parallèle, de longues recherches en plusieurs étapes, ou des tâches qui téléchargent et traitent des fichiers : 4 vCPU / 8 GB. La concurrence et l’ensemble de travail sont ce qui vous pousse vers cette offre, et non le nombre de tâches.
• Pour les agents qui lancent des outils lourds (builds, automatisation de navigateur, traitement de médias), dimensionnez pour l’outil et non pour l’agent : c’est lui qui dominera à la fois le CPU et la RAM.

Commencez petit. Comme l’agent attend surtout le fournisseur de modèle, une instance peu chargée est l’état normal, et passer à plus grand plus tard se fait par un changement d’offre et non par une migration.

Ce que cela coûte sur Flux

Les deux offres sont à l’usage avec la première semaine offerte, et incluent le tableau de bord protégé par mot de passe, Tailscale intégré pour l’accès au réseau privé, TLS et la protection DDoS. Votre usage du fournisseur d’IA vous est facturé directement par eux, car Hermes fonctionne avec votre propre clé. Consultez le guide pas à pas d’auto-hébergement d’un agent IA pour la marche à suivre du déploiement.

Ces chiffres changent-ils sur un VPS fait maison ?

L’agent demande le même CPU, la même RAM et le même disque où qu’il tourne, mais sur un VPS vous portez aussi le système d’exploitation, un runtime de conteneurs, un reverse proxy et la supervision que vous ajoutez. Prévoyez donc une marge au-dessus des chiffres ci-dessus plutôt que de les égaler exactement.

La différence la plus importante n’est pas la capacité, mais tout ce qui l’entoure : renouvellement des certificats, règles de pare-feu, correctifs, sauvegardes, et le fait d’être la personne qui remarque à 3 h du matin que la machine ne répond plus. Ce sont les vraies exigences de l’auto-hébergement, et elles n’apparaissent pas dans une fiche technique.