J’ai acheté une IA pour gagner du temps. Puis j’ai commencé à contourner ses limites.

À 23 h 47, j’ai rouvert mon ordinateur portable. Mes crédits d’IA étaient sur le point d’expirer.

J’avais remis ma brosse à dents dans son gobelet et branché mon téléphone. J’étais prêt à aller me coucher. Puis j’ai consulté la page d’utilisation et vu qu’un pack de crédits que j’avais payé expirait à minuit.

Je suis resté planté là quelques secondes. J’ai déjà payé pour ça. Autant en profiter.

J’ai donc pris un dossier que j’avais mis de côté pour le lendemain après-midi et je l’ai glissé dans la conversation. C’était un lot de notes de projet. Je voulais seulement obtenir un plan sommaire. Je me suis donné une demi-heure.

La fois suivante où j’ai regardé l’heure, il était deux heures du matin.

Le lendemain, je me suis assis avec un café froid et le vrai travail que j’avais prévu de faire. Je revenais sans cesse à la même question. Est-ce que j’utilisais l’IA pour gagner du temps, ou est-ce que je sacrifiais mon temps pour profiter de toute l’IA que j’avais payée ?

Au début, chaque abonnement se justifiait

Je travaille à mon compte. Je crée des sites web, rédige des propositions et trie les piles de documents que les clients m’envoient avant le début d’un projet. Très vite, j’ai commencé à ouvrir un outil d’IA pour ces trois tâches. Il pouvait me fournir un premier brouillon, m’aider à comprendre une erreur ou transformer une demi-page de notes en quelque chose sur lequel je pouvais vraiment travailler.

Le premier abonnement a été une décision facile. Puis j’ai payé pour Codex parce que je l’utilisais assez pour le justifier. J’ai gardé un autre outil pour les jours où j’atteignais la limite au milieu d’un projet. Il y a aussi eu quelques recharges et, de temps en temps, une facture d’API.

Je m’étais dit que je garderais le tout sous la barre des 200 $ par mois. Quand j’ai enfin fait le total, j’avais déjà dépassé cette somme.

J’aurais pu accepter la facture si les outils m’aidaient à livrer dans les délais. Ce qui m’a vraiment pesé, c’est de tous les payer et de me demander quand même si je pourrais finir un projet demain après-midi.

J’ai commencé à budgéter mes prompts comme des heures facturables

Le lundi était consacré au tri des exigences. Le mardi, au code. Le mercredi devait laisser un peu de marge pour les modifications du client. J’ai créé un tableur avec une ligne par outil et des colonnes indiquant ce qu’il me restait et la date prévue de réinitialisation.

On aurait dit que je maîtrisais la situation. En réalité, je me retrouvais face à une nouvelle série de décisions avant même d’avoir pu ouvrir le travail. Est-ce que j’envoie tout le brief maintenant ? Est-ce que cette révision risque de consommer le reste de mon quota ? Est-ce que je devrais garder Codex pour la dernière passe ?

Une fois, j’ai réparti une tâche entre deux outils pour tirer le meilleur parti de ce qu’il me restait. J’ai recollé le brief, expliqué ce que j’avais déjà essayé et rouvert le même diff. Quand le deuxième outil a fini de rattraper son retard, j’avais moi-même perdu le fil.

Une autre fois, une réponse est simplement restée là. Impossible de savoir si attendre me donnerait une réponse ou si une nouvelle tentative consommerait davantage de ce qu’il me restait.

Un client m’a demandé si je pouvais lui renvoyer une révision le jour même. Avant de taper « Je vais faire de mon mieux », j’ai regardé l’heure de réinitialisation dans mon tableau de bord des crédits d’utilisation de Codex. Je pouvais expliquer une modification complexe à un client. Mais je ne savais pas comment lui expliquer que je vérifiais un compteur d’utilisation avant de lui donner un délai de livraison.

Même une réinitialisation a fini par ressembler à une échéance

J’ai pris l’habitude de vérifier les informations sur la réinitialisation le matin, vers midi, puis une dernière fois avant de me déconnecter. Quelqu’un sur X avait récupéré ses crédits. Quelqu’un d’autre attendait toujours. Une fois, Tibo a expliqué qu’un changement de mise en cache avait fait consommer plus rapidement leur quota aux longues sessions Codex. L’équipe est revenue en arrière et a réinitialisé les crédits.

Dès que mes crédits revenaient, je cherchais quoi en faire. Une fois, j’ai avancé un projet de week-end au vendredi soir parce que je pouvais enfin le lancer. Un autre soir, j’ai dit à ma famille que je les rejoindrais pour dîner après avoir envoyé une dernière invite.

Une invite en est devenue deux. Ensuite, il fallait que je vérifie le résultat. J’ai repéré quelque chose que je voulais changer, alors je l’ai renvoyé.

Quand je suis arrivé à table, le dîner était froid. Personne ne m’avait demandé de travailler tard. J’étais simplement tellement habitué à surveiller le compteur que ranger mon ordinateur portable alors qu’il me restait encore du crédit me donnait l’impression de gâcher quelque chose.

J’avais commencé à choisir les tâches en fonction de celles qui consommeraient mes crédits

Un soir, j’ai regardé ma liste de tâches et j’ai vu quelque chose d’important que je repoussais depuis trois jours. Je venais de passer deux heures à mettre au propre un lot de contenu dont je n’avais pas besoin avant la fin de la semaine. C’était une tâche facile à confier à l’outil tant qu’il me restait des crédits.

J’ai reculé ma chaise. Quand il me restait peu de crédits, je reportais des choses au lendemain. Quand j’en récupérais, je les ramenais à ce soir. J’avais commencé à laisser le compteur décider quelle tâche passerait en premier.

Ce qui m’avait plu dans l’IA au départ, c’était de pouvoir essayer une idée tant qu’elle était encore fraîche. Dernièrement, la moitié de mes idées se retrouvaient avec la même note à côté. Réessayer après la réinitialisation.

J’ai trouvé un autre point de départ dans la communauté CasaOS

Je cherchais une meilleure façon d’organiser les fichiers de projet quand je me suis intéressé à CasaOS et aux discussions sur l’auto-hébergement. Des gens faisaient tourner de petits modèles sur leurs propres machines et leur confiaient une tâche à la fois. Certains conservaient les fichiers et les outils qui les traitaient sur le même serveur. C’est là que j’ai commencé à m’intéresser au ZimaCube 2.

J’ai passé en revue mes tâches récentes et dressé une courte liste des choses que j’essaierais d’abord en local.

• Transforme un dossier de notes en vrac en plan.
• Rédige des réponses aux mêmes types de courriels auxquels je réponds chaque semaine.
• Extrais quelques champs du texte que j’ai déjà préparé.
• Rédige un court script que je pourrai exécuter et vérifier moi-même.
• Fais une première passe sur les textes courants.

Aucune de ces tâches ne semble très importante à elle seule. Pourtant, elles reviennent toute la semaine. Et elles utilisaient une partie du quota que je voulais garder disponible pour le jour où un changement délicat dans un dépôt se présenterait.

Pour la première fois, j’ai dû déterminer de quel matériel j’avais besoin

Avec un abonnement, je savais où trouver le bouton de mise à niveau. Maintenant, j’essayais de déterminer combien de mémoire il faudrait à un modèle, quelle quantité devait tenir dans la mémoire du GPU et si ça ne me dérangerait pas d’attendre un peu plus longtemps pour une tâche en arrière-plan. J’ai commencé à examiner les configurations du ZimaCube 2 en pensant à des tâches concrètes.

Apprendre à faire tourner un modèle en local m’a pris plus de temps que d’ouvrir un autre compte. Un conteneur refusait de démarrer, alors j’ai consulté les journaux. Un modèle m’a fourni un plan inutilisable, alors j’ai essayé avec un extrait plus court de la source et modifié ma demande. Il m’est quand même arrivé de tomber sur des tâches lentes.

Au moins, j’avais quelque chose de concret à examiner. Est-ce que j’utilisais un modèle inadapté à la tâche ? Est-ce que je lui en avais demandé trop d’un coup ? Est-ce que je me heurtais à une limite matérielle ? Chaque réponse m’aidait à mieux savoir quoi essayer avant de dépenser plus.

Un soir, je faisais défiler YouTube quand je suis tombé sur une vidéo de Zero to MVP. Il faisait tourner de petits modèles sur un ZimaCube 2. L’un extrayait du texte à partir d’images, et il en utilisait d’autres pour résumer et traduire. J’avais passé tout ce temps à lire des articles sur le matériel, et voilà quelqu’un qui montrait un type de travail que je pouvais vraiment m’imaginer faire avec cette machine. Ça m’a poussé à chercher d’autres configurations, notamment un assistant privé et un NAS capable de traiter des photos et des documents.

Témoignage d’un utilisateur de Zima

Zero to MVP@ZeroToMVP

★★★★★

Petits modèles. Tâches quotidiennes.

Explore les modèles compacts sur ZimaCube 2 pour la reconnaissance optique de caractères, les résumés d’articles et la traduction de fichiers, en attribuant aux tâches précises et répétitives leur propre flux de travail local.

Alpha Nerd Tech@alphanerdtravels

★★★★★

Un cloud privé, avec une couche d’IA.

Associe Nextcloud et un assistant IA Alpha hébergé en local sur ZimaCube 2, réunissant les fichiers de projet et un assistant personnalisé dans un environnement autogéré.

野市零 / Zero Noichi@zero-onech

★★★★★

Donner un nouveau rôle aux informations stockées.

Expériences avec un NAS IA sur ZimaCube 2 : étiquettes photo, extraction de documents et recherche en langage naturel. Un projet de création en évolution, qui nécessite encore des ajustements.

J’ai conservé les premières tâches qui fonctionnaient en local

J’ai continué à utiliser les outils cloud pour les tâches qui le justifiaient. Si je travaillais sur un problème de programmation complexe ou si je devais réfléchir à un projet compliqué, je continuais à les utiliser.

Pour les notes, l’extraction de texte et une première réécriture, j’ai commencé par essayer un modèle local. J’ai vérifié le résultat en le comparant à l’original. Certaines tâches ont pris plus de temps que prévu, et les plus importantes nécessitaient toujours une relecture attentive. Mais lorsqu’une tâche s’exécutait entièrement sur mon propre matériel, elle ne consommait pas mon quota Codex.

Cela a changé un petit aspect de ma façon de commencer à travailler. Si je voulais simplement obtenir un plan à partir d’un lot de notes, je pouvais ouvrir le dossier et commencer là. Je n’avais pas besoin d’ouvrir d’abord une page d’utilisation.

Ce qui m’a donné l’impression que ça en valait la peine, c’était une clôture tout à fait ordinaire

Un soir, j’ai terminé une proposition et j’ai vu qu’il me restait encore quelques tâches sur ma liste. J’étais fatigué. Elles pouvaient attendre.

J’ai enregistré le fichier. J’ai fermé l’ordinateur portable. L’idée ne m’est pas venue de vérifier si l’un de mes comptes avait été réinitialisé, ni de trouver des notes que je pourrais passer dans un outil avant de me coucher.

J’avais terminé ce que je voulais terminer. Pour la première fois depuis un moment, c’était une raison suffisante pour m’arrêter.

Faire tourner les tâches quotidiennes ailleurs

Si vous avez déjà rouvert votre ordinateur portable parce que vous avez repris vos habitudes, commencez par ce que vous vouliez faire ce soir-là. Il s’agissait peut-être d’un dossier de notes ou d’un lot de documents que vous pouviez vérifier en une seule fois. Choisissez une tâche que vous effectuez assez souvent pour remarquer quand elle peut être exécutée en local, et gardez les outils cloud auxquels vous faites encore appel quand le travail se complique.

• Le modèle Standard pour les fichiers et l’IA occasionnelle basée sur le processeur. Commencez par cette option si votre priorité est de stocker des fichiers de projet et que vous souhaitez seulement essayer de petits modèles pour des tâches comme créer des plans ou extraire du texte simple. Vérifiez que le modèle tient dans la mémoire et que la vitesse du processeur convient à la tâche.
• Pro pour un serveur domestique plus sollicité et évolutif. Choisissez cette option si vous comptez utiliser plusieurs applications auto-hébergées en plus du stockage, ou si vous souhaitez choisir votre GPU compatible plus tard. Le modèle Pro est livré sans GPU dédié.
• Creator Pack (SKU ZCU084-R2) pour exécuter régulièrement des modèles d’IA en local avec un GPU. Choisissez cette option si l’exécution de modèles compatibles sur le serveur est une priorité dès le premier jour. Il est fourni avec une NVIDIA RTX PRO 2000 dotée de 16 Go de VRAM et 64 Go de mémoire système. Vérifiez la compatibilité de votre modèle et de votre charge de travail avec cette configuration.