Qu’est-ce que Facet ?
Facet est un moteur local d’analyse et de tri de photos doté d’une galerie web : il note chaque image, puis vous permet de parcourir, trier et organiser les résultats. Le README indique que tout s’exécute sur votre machine, sans cloud, compte ni clé d’API, et le code est sous licence MIT.
Le fichier LICENSE désigne Nicolas Coevoet comme titulaire du droit d’auteur. Le travail se partage entre deux outils : un scanner lancé en ligne de commande et un visualiseur qui sert la galerie dans votre navigateur.
Où l’obtenir
Facet s’installe depuis son dépôt de code avec Docker ou un script d’installation ; le projet ne publie ni installeur, ni fiche sur une boutique d’applications, ni binaire de release.
Option | Comment l’obtenir |
|---|---|
| Docker (recommandé) | Guide d’installation : cloner, indiquer le dossier de photos, docker compose up |
| Sans Docker | Cloner, lancer bash install.sh, puis python facet.py et python viewer.py (Linux, macOS) |
| Documentation | Dossier docs du dépôt |
| Site web | ncoevoet.github.io/facet |
| Code source | github.com/ncoevoet/facet (MIT) |
| Versions | Releases GitHub, notes uniquement |
Version testée : v1.25.0, publiée le 27 octobre 2026 selon la release GitHub ; le dernier push dans le dépôt date du 28 octobre 2026. L’installation exige un terminal, Git et Docker ou Python : c’est une mise en place pour développeurs, pas une installation par double-clic. Aucune page de politique de confidentialité distincte n’a été trouvée sur le site du projet ni dans la documentation lue ; les déclarations de confidentialité figurent dans le README.
Prérequis
La documentation indique que Facet fonctionne sur toute machine dotée d’un CPU et qu’un GPU NVIDIA ou un Mac Apple Silicon doté de beaucoup de mémoire débloque ses modèles les plus puissants.
Profils
- Ce que disent les sources:
- legacy : CPU seul ; 8gb : NVIDIA 6-14 Go ; 16gb : NVIDIA 14-20 Go ; 24gb : NVIDIA 20 Go ou plus
Téléchargement initial
- Ce que disent les sources:
- Selon la documentation, une seule fois, environ 4.7 Go (legacy), 6.9 Go (8gb), 14.6 Go (16gb) ou 19.1 Go (24gb)
Apple Silicon
- Ce que disent les sources:
- Utilise le backend Metal pour les modèles Torch ; le profil auto est calculé sur la mémoire unifiée totale, 32 Go atteignant 16gb
Mémoire
- Ce que disent les sources:
- La documentation ne donne aucun minimum de RAM ; elle prévient qu’un conteneur à mémoire plafonnée peut être arrêté en plein scan avec les gros profils
Logiciel
- Ce que disent les sources:
- Docker, ou Python 3.12 (3.10+ fonctionne) et Node.js 20+ pour compiler la galerie en installation manuelle
Système d’exploitation
- Ce que disent les sources:
- Windows, macOS ou Linux ; sous Windows, la documentation renvoie à Docker et, pour un GPU NVIDIA, à WSL2
Formats de photo
- Ce que disent les sources:
- JPEG, HEIC, 10 formats RAW, PNG, WebP, TIFF, AVIF et JPEG XL, entre autres
Ces chiffres proviennent de la documentation du projet ; PromptQuorum n’a mesuré ni la durée de scan ni l’usage mémoire sur aucun matériel.
Premiers pas
Ces étapes suivent la documentation du projet ; PromptQuorum ne les a pas exécutées.
- 1Récupérez le code et indiquez le dossier
Why it matters: Clonez le dépôt, copiez .env.example vers .env et définissez PHOTOS_DIR sur votre dossier de photos. - 2Démarrez Facet
Why it matters: Lancez docker compose up -d ; avec une carte NVIDIA, ajoutez le fichier compose correspondant à sa taille, ou utilisez le script d’installation sans Docker. - 3Scannez et attendez les téléchargements
Why it matters: Le premier scan télécharge les modèles de votre profil, crée la base de données et note les photos ; vous pouvez parcourir la galerie pendant ce temps. - 4Ouvrez la galerie et définissez un mot de passe
Why it matters: Ouvrez le visualiseur dans le navigateur, connectez-vous avec le mot de passe d’édition que l’image Docker affiche une fois, puis définissez un mot de passe du visualiseur avant de partager le port.
Fonctions principales
Chaque point ci-dessous provient du README ou de la documentation du projet ; PromptQuorum n’en a testé aucun.
- Noter. Neuf dimensions par photo, dont la qualité esthétique, la composition, la qualité des visages, la netteté des yeux et l’exposition, pondérées par catégorie de contenu (plus de 30 catégories).
- Trier. Groupes de rafales, de photos similaires et de scènes, repérage des clignements, détection des quasi-doublons et tri automatique avec aperçu à blanc ; les séries d’exposition et les panoramas restent entiers.
- Parcourir. Vues mosaïque et grille, filtres, frise chronologique, carte, albums dont des albums intelligents, diaporamas thématiques et souvenirs « il y a un an ».
- Organiser. Personnes nommées avec suggestions de fusion, notes par étoiles, étiquettes et actions groupées avec annulation rapide.
- Partager et connecter. Liens d’album avec mode de relecture par les clients, fichiers XMP annexes pour Lightroom, darktable et digiKam, boîte WebDAV pour les envois depuis le téléphone et synchronisation des notes avec Immich.
Fonctions d’IA et où elles s’exécutent
L’IA centrale travaille sur les images : modèles de notation de la qualité, embeddings pour la recherche, modèles de visages et détection du sujet ; les étiquettes, légendes et critiques rédigées viennent d’un modèle vision-langage facultatif.
- Notes de qualité. Les profils 16gb et 24gb utilisent TOPIQ pour la note esthétique, tandis que legacy et 8gb utilisent des embeddings CLIP avec une tête esthétique ; la documentation indique que des évaluateurs complémentaires comme LIQE sont disponibles sur tous les profils.
- Recherche. Des requêtes comme « coucher de soleil sur la plage » sont comparées aux embeddings : SigLIP 2 sur 16gb et 24gb, OpenCLIP ViT-L-14 sur legacy et 8gb.
- Visages. InsightFace détecte et reconnaît les visages, puis un regroupement les réunit en personnes ; les blendshapes MediaPipe facultatifs affinent la lecture des clignements et des sourires.
- Sujets. BiRefNet sépare le sujet de l’arrière-plan pour juger la mise au point et le cadrage.
- My Taste. Vos comparaisons A/B, notes et décisions de tri alimentent un optimiseur de pondérations et un classement personnel.
- Modèle vision-langage. Étiquettes, légendes et critiques s’exécutent dans le même processus sur les profils 16gb et 24gb, ou sur un serveur distant Ollama ou compatible OpenAI défini par vlm_backend ; l’image est alors envoyée à ce serveur.
Flux de données et confidentialité
Le README indique que tout s’exécute sur votre machine, sans cloud, compte ni clé d’API, et la documentation précise qu’un scan se contente de lire vos photos et écrit les résultats dans la base de données propre à Facet. Les modèles sont récupérés au premier usage auprès de sources Hugging Face, PyIQA et InsightFace dans des caches locaux ; PromptQuorum n’a pas testé le fonctionnement hors connexion après ce téléchargement.
Requêtes sortantes relevées dans la documentation et le code : une vérification des mises à jour qui interroge GitHub sur la dernière release tous les 7 jours sauf si updates.enabled vaut false ; des tuiles de carte que le navigateur charge depuis le serveur de tuiles d’OpenStreetMap ; une boîte d’édition GPS qui cite le géocodeur Photon ; et, seulement si vous réglez vlm_backend sur Ollama ou un serveur compatible OpenAI, les images que vous y envoyez. Le script du visualiseur écoute par défaut sur toutes les interfaces, et tant que viewer.password est vide, toute personne qui atteint le port peut parcourir la photothèque et télécharger les originaux. Le point d’accès pour assistants MCP est activé par défaut ; sur une installation ouverte, il fournit une clé anonyme en lecture seule, et viewer.mcp.enabled sur false le désactive.
📌Remarque: Ce sont les déclarations du projet et la lecture que PromptQuorum fait de sa documentation et de son code. Le trafic réseau n’a pas été inspecté et le reste du code source n’a pas été audité.
Licences des modèles
Le code de Facet est sous licence MIT, mais certains modèles qu’il télécharge par défaut ne sont pas sous licence pour un usage commercial. La page de licences du projet classe pyiqa (TOPIQ, LIQE et les autres évaluateurs) comme du code PolyForm Noncommercial avec des poids CC BY-NC-SA, et les poids InsightFace buffalo_l comme réservés à la recherche non commerciale. L’API GitHub ne reconnaît aucune licence pour le dépôt : lisez donc le fichier LICENSE lui-même.
Avec licensing.mode réglé sur commercial, Facet se limite aux modèles sous licence permissive : les composants restreints ne sont jamais importés ni téléchargés, et chaque emplacement est dirigé vers un remplaçant, par exemple YuNet et SFace pour les visages. Le script d’installation standard et l’image Docker incluent les paquets restreints, et une installation commerciale ne bascule pas le mode d’elle-même. La page précise qu’elle est une information et non un conseil juridique.
📌Remarque: Si vous comptez utiliser Facet dans une entreprise, vérifiez vous-même la licence de chaque modèle avant de vous fier à la configuration par défaut.
À qui il s’adresse
- Les photographes aux grandes photothèques qui veulent trier rafales, clignements et quasi-doublons avant de retoucher.
- Les auto-hébergeurs qui souhaitent une galerie privée avec recherche en langage naturel et regroupement des visages, et qui sont à l’aise avec Docker.
- Les utilisateurs de Lightroom, darktable et digiKam qui veulent récupérer notes et sélections sous forme de fichiers annexes standard.
Ce que nous n’avons pas pu vérifier
- Qualité de l’IA. La précision de la notation, le regroupement des visages, la pertinence de la recherche et la vitesse de scan n’ont pas été testés ; le README qualifie lui-même la note esthétique d’approximative.
- Usage hors connexion. Nous n’avons pas vérifié si Facet fonctionne entièrement hors ligne après le premier téléchargement des modèles.
- Stabilité des versions. Les notes de la v1.23.1 indiquent que la v1.23.0 est sortie sans l’image Docker CUDA, et trois versions ont paru entre le 24 et le 27 octobre 2026 : attendez-vous à des changements rapides.
- Support. Le README décrit un projet d’un seul développeur, sans le support des outils de tri commerciaux.
- Étapes d’installation. Les commandes proviennent de la documentation et PromptQuorum ne les a pas exécutées.
Concurrents et alternatives
L’annuaire compte trois autres outils testés de photothèque et de bibliothèque d’images dans le même segment.
Immich
- Plateformes:
- Serveur (Docker), iOS, Android, navigateur
- Prix / licence:
- Gratuit / AGPL-3.0
- Différence clé:
- Sauvegarde depuis le téléphone et recherche ; selon le README de Facet, Facet ajoute la notation de qualité et le tri et peut synchroniser les notes avec Immich
Articles sur Immich (1)
- Immich Review: Self-Hosted Photo Library with Smart SearchMis à jour 26 octobre 2026
PhotoPrism
- Plateformes:
- Serveur (Docker), navigateur
- Prix / licence:
- Community gratuite / AGPL-3.0
- Différence clé:
- Photothèque auto-hébergée avec IA ; le README de Facet la range avec Immich parmi les outils d’organisation, de recherche et de sauvegarde
Articles sur PhotoPrism (1)
- PhotoPrism Review: Self-Hosted AI Photo Library for Your ServerMis à jour 24 octobre 2026
PixlStash
- Plateformes:
- Application de bureau Windows, macOS, Linux, web
- Prix / licence:
- Gratuit / GPL-3.0
- Différence clé:
- Bibliothèque d’images avec étiquetage local, légendes et intégration ComfyUI, installée comme application de bureau
Articles sur PixlStash (1)
- PixlStash Review: Self-Hosted Image Library Manager with Local AI TaggingMis à jour 17 octobre 2026
Vérifiez le prix, la licence et les plateformes actuels de chaque application sur sa propre page.
Questions fréquentes
Facet a-t-il besoin d’un GPU ?
Non. Le profil legacy exécute notation, visages, étiquettes, tri et galerie sur un CPU, simplement plus lentement ; TOPIQ, SigLIP 2 et les légendes intégrées exigent les profils NVIDIA 16gb ou 24gb, sauf si vous pointez vlm_backend vers un serveur distant.
Facet modifie-t-il ou supprime-t-il mes photos ?
La documentation indique qu’un scan ne fait que les lire. Écrire notes et mots-clés dans vos fichiers est une action facultative distincte, et le déplacement des rejets vers la corbeille ne fonctionne que si viewer.cull.allow_trash est activé.
Puis-je utiliser Facet depuis mon téléphone ?
Il n’existe pas d’application native. La galerie est une application web adaptative et installable, et la documentation décrit l’envoi de photos par PhotoSync ou toute application WebDAV vers une boîte surveillée.
Comment utiliser Facet à titre commercial ?
Installez la version commerciale, réglez licensing.mode sur commercial et lancez la commande doctor, qui affiche la situation de licence active ; lisez ensuite la page des licences des modèles.
Comment garder la galerie privée ?
Définissez viewer.password et placez le visualiseur derrière un proxy inverse en HTTPS ; la documentation de déploiement donne des exemples avec nginx et Caddy.
Verdict
Facet est un moyen gratuit et activement maintenu de noter, trier et parcourir une grande photothèque locale, avec regroupement des visages et recherche en langage naturel exécutés sur votre propre machine. En face : une installation qui demande un terminal et un gros téléchargement de modèles au premier lancement, selon la page de licences du projet des poids de modèles par défaut sans licence commerciale, selon sa documentation un visualiseur ouvert tant qu’aucun mot de passe n’est défini, une fonction facultative pouvant envoyer des images à un serveur distant, et aucune affirmation sur la qualité de l’IA que nous ayons pu vérifier ici. Il convient aux photographes et aux auto-hébergeurs à l’aise avec Docker ; qui veut une application à double-clic ou un assistant LLM doit chercher ailleurs.
Sources
- Site web de Facet — présentation des fonctions et démarrage rapide, consultés le 28 octobre 2026.
- README de Facet — fonctions, prérequis, licences et comparaisons, consultés le 28 octobre 2026.
- Documentation de Facet — installation, configuration, déploiement et pages sur les agents d’IA, consultées le 28 octobre 2026.
- Modèles et licences tiers — licence de chaque modèle, consultée le 28 octobre 2026.
- Facet sur GitHub — versions et activité des commits, consultées le 28 octobre 2026.