fak — démarrage rapide (un modèle local en 10 minutes)

Ceci est une page d’entrée localisée (entry point), pas une traduction complète de la documentation. La documentation canonique est en anglais — cette page vous met en route en ~10 minutes, puis vous renvoie vers la documentation anglaise. Avertissement : cette page est générée automatiquement et attend une relecture native — les corrections par issue/PR sont bienvenues.

Voir aussi : introduction en français · toutes les langues sur le hub i18n.

La promesse

En une dizaine de minutes, vous passez de zéro à une IA locale gouvernée : elle tourne hors ligne, sans clé d’API, sans facture cloud, et vos données ne quittent pas votre machine — un point direct pour le RGPD et le journal d’audit attendu par l’AI Act européen. Un CPU suffit pour les petits modèles ; aucun GPU requis.

Le chemin le plus rapide

Enveloppez votre agent existant avec un modèle local, en une seule commande :

fak guard --gguf qwen2.5:7b -- claude

fak se place entre l’agent et ses tool calls : il vérifie chaque tool call avant son exécution (capability floor en default-deny) et sert le modèle local en local. Vous ne réécrivez pas votre agent — vous l’enveloppez.

La preuve en 60 secondes (pas de clé, pas de modèle, pas de GPU)

go build -o fak ./cmd/fak
./fak preflight --policy examples/customer-support-readonly-policy.json --tool refund_payment --args "{}"   # -> DENY (POLICY_BLOCK)
./fak preflight --policy examples/customer-support-readonly-policy.json --tool search_kb     --args "{}"   # -> ALLOW
./fak agent --offline                                                                                       # injection blocked, task still completes

Ce que cela montre : une action hors de la liste d’autorisation est refusée par structure — un DENY fail-closed vérifié dans le kernel, sur le même call path — et la boucle d’agent termine sa tâche même lorsqu’une prompt injection est présente. Sur un banc d’essai en direct, l’injection a atteint la baseline non protégée 5/5 ; fak l’a murée 5/5. Les résultats d’outils suspects sont mis en quarantaine hors du contexte du modèle — le détecteur qui les signale est traité comme ~100 % contournable par conception : un bonus, jamais le plancher.

fak en bref

fak est un seul binaire Go statique qui se place entre votre agent IA et ses tool calls. Il vérifie chaque appel avant son exécution, et réutilise le travail partagé et stable au fil d’une session longue. Résultat : la même boucle d’agent devient plus sûre, moins chère et plus rapide, sans réécriture. Vous ne remplacez pas votre modèle — fak le gouverne et le met en cache. Qwen2/Qwen3 et GLM-MoE sont prouvés bit-exact dans le moteur de référence in-kernel ; tout le reste (DeepSeek, Mistral, n’importe quel modèle open-weights) est fronté via l’interface compatible OpenAI — Ollama / vLLM / SGLang / llama.cpp / LM Studio ou toute API compatible OpenAI.

À quelle vitesse ?

Le chiffre honnête : sur une session mesurée de 50 tours × 5 agents, fak fait ~4,1× moins de travail qu’une stack warm-cache déjà optimisée. C’est un levier de marge direct — le coût des tokens se compte en euros, et la réutilisation du travail partagé le réduit d’autant sur les flottes à lecture intensive.

Le chiffre spectaculaire de ~60× (environ 19 heures ramenées à ~19 minutes) n’est vrai que face à une boucle naïve qui re-envoie tout à chaque tour ; ce n’est pas le chiffre de référence. Le gain de réutilisation est self-host uniquement. fak garde le préfixe caché identique octet par octet en évacuant les vieux tours du milieu, si bien que la remise prompt-cache du provider survit — fak garantit l’identité octet-à-octet du préfixe ; que le provider réutilise réellement le cache est sa décision, que fak relaie plutôt qu’il ne la revendique.

Licence et coût

fak est Apache-2.0, libre, auto-hébergé — pas de carte bancaire, pas de facture transfrontalière, pas d’entité juridique à créer. git clone puis go install github.com/anthony-chaudhary/fak/cmd/fak@latest, c’est tout le chemin.

Où aller ensuite

Licence : Apache-2.0.