#Pourquoi brancher Nextcloud sur Ollama

Nextcloud Assistant est la fenêtre IA intégrée à Nextcloud (icône « baguette magique » dans la barre du haut) : elle regroupe des tâches comme résumer un texte, le reformuler, générer un brouillon, extraire des points clés ou traduire. Depuis Nextcloud Hub, un assistant de « chat contextuel » permet aussi de dialoguer avec un modèle et, avec le contexte adéquat, d'interroger ses propres fichiers.

Le problème : les back-ends proposés par défaut ou dans la démo pointent souvent vers des API cloud (OpenAI, ou les services hébergés de Nextcloud). Pour un cloud auto-hébergé, cela réintroduit exactement ce qu'on cherchait à éviter — l'envoi de contenus privés à un tiers. Brancher l'assistant sur Ollama, qui tourne sur votre propre machine et écoute sur http://localhost:11434, garde le texte de vos documents strictement sur votre infrastructure.

Souveraineté des données: Aucun contenu de fichier, email ou note ne quitte votre serveur. Utile pour le RGPD comme pour la simple tranquillité.
Coût nul à l'usage: Pas de facturation au token : une fois le matériel amorti, les résumés et rédactions sont gratuits et illimités.
Modèles au choix: Vous décidez du modèle (Llama, Qwen, Mistral) et de sa quantification selon votre VRAM, au lieu de subir un modèle imposé.
Fonctionne hors ligne: L'assistant reste disponible même sans accès internet, tant que le serveur Nextcloud et Ollama tournent.

Nextcloud Assistant vs Nextcloud AI

« Assistant » est l'interface (la baguette magique et le chat). Elle ne fait rien seule : elle délègue à des « providers » de tâches IA fournis par des applications back-end. C'est ce back-end qu'on va faire pointer vers Ollama — l'interface, elle, ne change pas.

#Comment ça marche : AppAPI et ExApp

Nextcloud ne parle pas directement à Ollama. Entre les deux s'intercale un mécanisme d'applications externes. Comprendre les trois briques évite bien des tâtonnements dans la configuration.

Assistant: L'app front-end intégrée à Nextcloud qui expose les tâches (résumé, reformulation, chat) dans l'interface utilisateur.
AppAPI: L'application Nextcloud qui gère le cycle de vie des applications externes (ExApps) : installation, déploiement, communication. C'est le socle à installer en premier.
ExApp back-end IA: Une application externe (conteneur) qui implémente les providers de tâches et sait parler à un moteur d'inférence. Les plus utilisées pour du local : « integration_openai » (compatible tout endpoint OpenAI, dont Ollama) et « LocalAI » via l'ExApp dédiée.
Deploy Daemon: Le service (souvent Docker) qu'AppAPI pilote pour lancer et arrêter les conteneurs d'ExApps. Sans un Deploy Daemon fonctionnel, aucune ExApp ne peut se déployer.

Le chemin d'une requête est donc : vous cliquez « Résumer » dans l'Assistant → Nextcloud confie la tâche au provider → l'ExApp (par ex. integration_openai) formate un appel au format OpenAI → cet appel part vers l'endpoint d'Ollama → la réponse remonte le même chemin. La clé est de faire pointer l'ExApp d'intégration vers l'URL d'Ollama, en mode OpenAI-compatible.

→

Le raccourci integration_openai

Ollama expose une API compatible OpenAI sur /v1 (http://IP:11434/v1). L'application « OpenAI and LocalAI integration » de Nextcloud, configurée avec cette URL, suffit dans beaucoup de cas et évite de gérer une ExApp conteneurisée complète. On détaille les deux voies plus bas.

#Prérequis

Nextcloud Hub récent: Une version supportant AppAPI et l'Assistant (Hub 6/7 ou plus récent). Idéalement une install Docker/AIO ou un serveur que vous administrez, pour pouvoir installer AppAPI et un Deploy Daemon.
Ollama installé et accessible: Sur la même machine ou une machine du réseau. Le daemon écoute par défaut sur http://localhost:11434. Vérifiez avec « ollama --version » et « ollama ps ».
Docker pour le Deploy Daemon: AppAPI déploie les ExApps via un daemon Docker. Sur Nextcloud AIO c'est intégré ; sur une install manuelle il faut un accès Docker (socket ou API).
Un peu de VRAM ou de RAM: Repère en Q4 : un 7B tient dans ~5 Go, un 14B dans ~9 Go. Sans GPU, la RAM prend le relais, en plus lent — acceptable pour des résumés occasionnels.
Accès admin Nextcloud: Les réglages Assistant, AppAPI et intégrations se font dans « Paramètres d'administration ».

#1. Préparer Ollama et choisir un modèle

Commencez par un modèle instruct polyvalent et francophone. Pour un usage familial ou une petite équipe, un modèle 7–8B en Q4_K_M offre le meilleur compromis qualité/mémoire : il résume et reformule très correctement en français tout en tenant dans ~5 Go de VRAM.

Terminal — récupérer un modèle

# Modèle polyvalent 7-8B, bon en français, léger
ollama pull qwen2.5:7b

# Alternative Mistral, également solide en FR
ollama pull mistral:7b

# Vérifier qu'il répond
ollama run qwen2.5:7b "Résume en une phrase : Nextcloud est un cloud auto-hébergé."

Point crucial : Ollama doit être joignable depuis Nextcloud. Si Nextcloud tourne dans Docker, « localhost » désigne le conteneur, pas votre machine. Faites écouter Ollama sur toutes les interfaces et pointez l'intégration vers l'IP de l'hôte (ou host.docker.internal selon la plateforme).

Terminal — exposer Ollama sur le réseau (systemd)

# Éditer le service
sudo systemctl edit ollama

# Ajouter dans la section [Service] :
#   Environment="OLLAMA_HOST=0.0.0.0:11434"

# Recharger et redémarrer
sudo systemctl daemon-reload
sudo systemctl restart ollama

# Depuis le serveur Nextcloud, tester l'accès
curl http://IP_DE_L_HOTE:11434/api/tags

N'exposez pas Ollama à l'internet

OLLAMA_HOST=0.0.0.0 ouvre le port 11434 sur tout le réseau — pratique en LAN, dangereux si la machine est exposée. L'API Ollama n'a pas d'authentification. Restez sur le réseau local, ou placez un pare-feu / reverse proxy authentifié devant. Ne redirigez jamais ce port depuis votre box.

#2. Installer AppAPI et un Deploy Daemon

Dans Nextcloud, l'IA passe par AppAPI. Cette étape pose le socle qui permettra de déployer les ExApps de tâches IA.

01
Installer AppAPI
Paramètres d'administration → Applications → catégorie « Tools » (ou « Outils ») → recherchez « AppAPI » et activez-la. Elle apparaît ensuite comme entrée dédiée dans les réglages admin.
02
Configurer un Deploy Daemon
Dans Paramètres d'administration → AppAPI, ajoutez un « Deploy Daemon » de type Docker. Sur Nextcloud AIO, le daemon est pré-provisionné ; sinon, renseignez l'accès au socket Docker (ex. /var/run/docker.sock) et lancez le test de connexion intégré.
03
Vérifier l'état
AppAPI affiche l'état du daemon (vert = prêt). Tant qu'il n'est pas au vert, les ExApps ne pourront pas se déployer — inutile d'aller plus loin avant de régler ce point.
04
Installer l'app Assistant
Toujours dans Applications, activez « Assistant » si elle n'est pas déjà là. C'est elle qui affiche la baguette magique dans l'interface.

Deux voies possibles

Vous pouvez soit déployer une ExApp back-end conteneurisée via AppAPI (ex. l'ExApp LocalAI/Ollama), soit rester plus simple avec l'application « OpenAI and LocalAI integration » qui n'a besoin que d'une URL. Pour débuter avec Ollama, cette seconde voie est la plus directe — c'est celle détaillée à l'étape suivante.

#3. Brancher l'intégration OpenAI/LocalAI

L'application « OpenAI and LocalAI integration » sait parler à tout endpoint respectant l'API OpenAI. Comme Ollama expose /v1, il suffit de lui donner la bonne URL et de choisir le modèle.

01
Installer l'intégration
Applications → recherchez « OpenAI and LocalAI integration » et activez-la. Elle enregistre des providers de tâches (génération de texte, résumé, etc.) que l'Assistant pourra utiliser.
02
Renseigner l'URL d'Ollama
Paramètres d'administration → « Connected accounts » (ou la section de l'intégration) → champ « Service URL » : indiquez l'endpoint OpenAI d'Ollama, par exemple http://IP_DE_L_HOTE:11434/v1. Laissez la clé API vide ou mettez une valeur factice : Ollama ne la vérifie pas.
03
Choisir le modèle par défaut
Dans la même page, sélectionnez le modèle à utiliser pour la génération de texte (ex. qwen2.5:7b). S'il n'apparaît pas dans la liste, saisissez son nom exact tel que renvoyé par « ollama list ».
04
Enregistrer et tester
Validez. L'intégration interroge l'endpoint pour lister les modèles ; une erreur ici signale presque toujours un problème d'URL ou de réseau (voir Dépannage).

Terminal — valider l'endpoint OpenAI d'Ollama

# Depuis le serveur Nextcloud, l'endpoint /v1 doit répondre
curl http://IP_DE_L_HOTE:11434/v1/models

# Et une complétion de chat au format OpenAI
curl http://IP_DE_L_HOTE:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen2.5:7b",
    "messages": [{"role": "user", "content": "Dis bonjour en une phrase."}]
  }'

→

URL selon l'emplacement d'Ollama

Ollama sur la même machine hors Docker : http://localhost:11434/v1. Nextcloud en Docker et Ollama sur l'hôte : http://host.docker.internal:11434/v1 (ou l'IP LAN de l'hôte). Ollama sur une autre machine : son IP réseau. Testez toujours l'URL avec curl depuis l'environnement de Nextcloud, pas depuis votre poste.

#4. Résumer, rédiger et chatter sur ses fichiers

Une fois le provider branché, la baguette magique de l'Assistant s'anime. Voici les usages concrets, du plus simple au plus riche.

Résumer un texte: Ouvrez l'Assistant (baguette magique), collez ou sélectionnez un texte, tâche « Résumé ». Idéal pour un long email dans Nextcloud Mail ou une note interminable.
Reformuler / corriger: Réécrire un paragraphe dans un ton plus formel, corriger le style, raccourcir. Pratique dans Nextcloud Text et les Deck cards.
Générer un brouillon: Depuis une consigne (« rédige une invitation à la réunion de vendredi »), l'assistant produit un premier jet à retoucher.
Extraire les points clés: Transformer un compte-rendu en liste d'actions ou de décisions.
Chat contextuel: L'onglet de discussion de l'Assistant permet un dialogue libre avec le modèle Ollama, utile pour brainstormer sans quitter Nextcloud.

Pour « chatter sur ses fichiers » au sens strict (poser des questions dont la réponse est dans vos documents), il faut un contexte fourni au modèle. Deux approches : coller le contenu du fichier dans le chat pour un document ponctuel, ou déployer une ExApp de type « Context Chat » qui indexe vos fichiers et alimente le modèle par recherche sémantique — l'équivalent d'un RAG intégré à Nextcloud. La première est immédiate ; la seconde demande une ExApp supplémentaire et davantage de ressources.

Context Chat = RAG maison

L'ExApp « Context Chat » (via AppAPI) construit un index vectoriel de vos fichiers et le combine au modèle Ollama pour répondre en citant vos documents. C'est puissant mais gourmand (embeddings + vector store) : réservez-le à un serveur correctement dimensionné, et commencez par le chat simple pour valider la chaîne.

#Dimensionner le serveur

Le bon matériel dépend du nombre d'utilisateurs simultanés et de l'ambition (résumés ponctuels vs RAG permanent). Voici des repères réalistes.

Usage familial (1–5 pers.): Modèle 7–8B en Q4_K_M. Un GPU d'entrée type RTX 3060 12 Go, ou un Mac Apple Silicon à mémoire unifiée, suffit largement pour des résumés et rédactions. Sans GPU, ça marche sur CPU en quelques secondes à dizaines de secondes par requête.
Petite PME (5–20 pers.): Modèle 7–14B. Une RTX 4070/4080 16 Go absorbe les pics ; un 14B en Q4 tient dans ~9 Go. Prévoyez de la RAM système confortable pour le reste de la stack Nextcloud.
Usage soutenu / Context Chat: Ajoutez la charge des embeddings et du vector store. Visez une RTX 4090 24 Go ou un Mac M4 Pro 24–48 Go unifié, et surveillez « ollama ps » pour vérifier que le modèle reste sur GPU.
CPU seul: Viable pour un foyer peu exigeant : privilégiez un 3B–7B, acceptez la latence. Au-delà, le GPU devient vite indispensable pour une expérience fluide.

→

Un seul modèle chargé à la fois

Ollama décharge et recharge les modèles selon la demande. Si Nextcloud et un autre service se partagent le même Ollama, gardez idéalement un seul modèle « chaud » pour éviter les rechargements coûteux. « OLLAMA_KEEP_ALIVE » permet de le maintenir en mémoire entre deux requêtes.

#Dépannage

« Connection refused » / aucun modèle listé: Nextcloud ne joint pas Ollama. Le plus souvent, l'URL pointe sur localhost alors que Nextcloud est en Docker. Testez l'URL avec curl depuis le conteneur Nextcloud et utilisez host.docker.internal ou l'IP de l'hôte.
Le Deploy Daemon reste au rouge: AppAPI n'accède pas à Docker. Vérifiez le montage du socket /var/run/docker.sock et les permissions ; sur AIO, relancez le conteneur maître. Sans daemon vert, aucune ExApp ne se déploie.
L'Assistant n'affiche aucune tâche: Aucun provider n'est enregistré. Vérifiez que « OpenAI and LocalAI integration » (ou l'ExApp back-end) est activée et correctement configurée, puis rechargez la page.
Le modèle demandé est introuvable: Le nom ne correspond pas à « ollama list ». Saisissez le tag exact (ex. qwen2.5:7b) et vérifiez qu'il est bien tiré (« ollama pull »).
Réponses très lentes: Le modèle tourne sur CPU faute de VRAM. Contrôlez avec « ollama ps » (GPU vs CPU) et descendez d'une taille ou d'une quantification.
Réponses en anglais: Certains modèles répondent en anglais par défaut. Choisissez un modèle solide en français (Qwen, Mistral) ou ajoutez une consigne « réponds en français » dans le prompt système de l'intégration.

#Pour aller plus loin

Ce montage réutilise des briques déjà couvertes sur le site. Ces guides prolongent celui-ci :

Installer Ollama : Windows, macOS et Linux: Le guide d'installation de base si vous partez de zéro avant de brancher Nextcloud dessus.
Choisir sa quantification (Q4, Q5, Q8, FP16): Pour arbitrer entre taille de modèle et VRAM disponible sur votre serveur Nextcloud.
Déployer un chatbot IA pour son équipe sur intranet: Pour aller vers une stack Ollama multi-utilisateurs plus large autour de votre cloud.

Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.

Suite logique

Installation · 6 min

Nextcloud Assistant + Ollama : l'IA dans votre cloud auto-hébergé