Points clés
- Cet avis complète la fiche de Farfalle dans l'annuaire des logiciels LLM locaux
- Gratuit et open source sous licence Apache 2.0, vérifié le 18/09/2026
- S'installe via Docker Compose ; tourne en local sur
http://localhost:3000une fois configuré - Backends LLM : entièrement local via Ollama (Llama 3, Mistral, Gemma, Phi-3), ou cloud via OpenAI, Groq, ou des modèles personnalisés via LiteLLM
- Fournisseurs de recherche : SearXNG, Tavily, Serper et Bing
- Pile technique : frontend Next.js, backend FastAPI, Redis pour la limitation de débit, selon le dépôt
- 3 541 étoiles GitHub au moment de cet avis (18/09/2026)
- Une démo hébergée utilisant uniquement des modèles cloud est disponible sur farfalle.dev, sans auto-hébergement
📍 En une phrase
Farfalle est un moteur de recherche IA gratuit, open source (Apache 2.0) et auto-hébergé, inspiré de Perplexity, qui associe un fournisseur de recherche à un LLM — y compris des modèles entièrement locaux via Ollama — pour répondre aux questions avec des sources citées.
💬 En termes simples
Plutôt que de demander à Perplexity ou un service hébergé similaire de chercher sur le web et de résumer les résultats, Farfalle vous permet d'exécuter vous-même ce type d'outil, sur votre propre serveur, et de le connecter éventuellement à un modèle local afin que vos requêtes et le raisonnement du modèle ne quittent jamais votre infrastructure.
📌Remarque: Cet avis s'appuie sur le README GitHub et les métadonnées du dépôt de Farfalle. Il n'affirme pas que PromptQuorum a effectué des benchmarks pratiques comparant la qualité des réponses de Farfalle à Perplexity ou à d'autres moteurs de recherche hébergés.
Qu'est-ce que Farfalle ?
Farfalle est une application de recherche auto-hébergée et open source qui répond à une requête en récupérant des résultats auprès d'un fournisseur de recherche, puis en faisant synthétiser par un LLM une réponse citée, dans le style de Perplexity. Comme vous l'exécutez vous-même, vous choisissez quel fournisseur de recherche et quel LLM (local ou cloud) alimentent chaque recherche.
- Type de produit : une application web auto-hébergée (avec une API sous-jacente) — pas un produit SaaS hébergé, bien qu'une démo limitée avec modèles cloud existe sur farfalle.dev
- Créateur/dépôt : github.com/rashadphz/farfalle
- Licence : Apache 2.0, d'après le dépôt
- Localité : hybride — peut fonctionner entièrement hors ligne avec un LLM local et une instance SearXNG auto-hébergée, ou utiliser des fournisseurs de recherche/LLM cloud, ou combiner les deux
- Échelle : 3 541 étoiles GitHub au moment de cet avis (18/09/2026)
- Pile technique : frontend Next.js, backend FastAPI, Redis pour la limitation de débit, composants shadcn/ui, selon le dépôt
Que fait réellement Farfalle ?
Farfalle prend une question, récupère des résultats auprès du fournisseur de recherche choisi, puis fait lire ces résultats à un LLM qui rédige une réponse citée — une étape de planification façon agent décide comment mener la recherche avant que la réponse soit générée.
- Étape de recherche : interroge l'un des quatre fournisseurs pris en charge — SearXNG (auto-hébergeable, sans clé API nécessaire), Tavily, Serper ou Bing
- Étape de réponse : un LLM synthétise une réponse à partir des résultats récupérés, en citant les sources, dans un format façon Perplexity
- Support LLM local : se connecte à Ollama pour une inférence entièrement locale, avec Llama 3, Mistral, Gemma et Phi-3 cités dans le dépôt comme modèles locaux pris en charge
- Support LLM cloud : modèles OpenAI (GPT-4o, GPT-3.5-turbo) et Llama 3 hébergé sur Groq, plus d'autres fournisseurs routés via LiteLLM
- Recherche agentique : le README décrit un agent qui planifie et exécute la recherche plutôt qu'une étape de récupération unique et fixe
- Intégration navigateur : Farfalle peut être défini comme moteur de recherche par défaut d'un navigateur, selon le dépôt
- Éléments de feuille de route : le dépôt liste l'historique de conversation et la recherche dans les fichiers locaux comme des fonctionnalités prévues, pas encore livrées, au moment de cet avis — vérifiez le statut actuel sur le dépôt avant de vous y fier
Exemples d'utilisation : trois façons d'utiliser Farfalle
Ce sont des cas d'usage concrets construits à partir de la configuration documentée de Farfalle, pas des scénarios hypothétiques.
Installer Farfalle
Farfalle s'installe gratuitement via Docker Compose — son code source est sur GitHub.
Source | Lien |
|---|---|
| Dépôt GitHub (code source, Apache 2.0) | github.com/rashadphz/farfalle |
| Cloner le dépôt | git clone https://github.com/rashadphz/farfalle.git |
| Copier le modèle d'environnement | cp .env-template .env |
| Démarrer via Docker Compose | docker-compose -f docker-compose.dev.yaml up -d |
| Démo hébergée (modèles cloud uniquement) | farfalle.dev |
Après le démarrage, l'application est disponible sur http://localhost:3000. Les clés API optionnelles pour les fournisseurs de recherche ou de LLM cloud vont dans le fichier .env — elles ne sont pas nécessaires si vous fonctionnez entièrement avec un modèle Ollama local et une instance SearXNG auto-hébergée. Vérifiez les étapes de configuration actuelles sur le dépôt GitHub avant de les exécuter, car les instructions peuvent changer d'une version à l'autre.
Tarifs et licence de Farfalle
Farfalle lui-même est gratuit, sans palier payant. Il est sous licence Apache 2.0, d'après le dépôt — une licence permissive qui autorise l'usage commercial, la modification et la redistribution.
- Aucun abonnement, aucun palier payant, aucune limite d'usage imposée par Farfalle lui-même
- Aucun compte ni inscription requis pour l'auto-héberger
- L'exécuter entièrement en local (SearXNG auto-hébergé plus un modèle Ollama local) n'a aucun coût par requête au-delà de votre propre matériel et électricité
- Si vous connectez plutôt Tavily, Serper, Bing, OpenAI ou Groq, la tarification propre de ces fournisseurs s'applique — Farfalle n'ajoute aucune marge
- La démo hébergée sur farfalle.dev est une instance séparée, limitée et à modèles cloud uniquement, pas un palier de produit payant
Farfalle vs Local Deep Research
Farfalle et Local Deep Research combinent tous deux la recherche web avec un LLM, mais visent des usages différents : Farfalle est conçu pour des réponses de recherche rapides, citées et en un seul échange, tandis que Local Deep Research est conçu pour des rapports de recherche plus longs et à plusieurs étapes.
Cas d'usage principal
- Farfalle:
- Q&R citée, rapide, façon Perplexity
- Local Deep Research:
- Rapports de recherche approfondie à plusieurs étapes
Interface
- Farfalle:
- Application web + CLI
- Local Deep Research:
- Application web + CLI + API Python
Support LLM local
- Farfalle:
- Via Ollama
- Local Deep Research:
- Via Ollama et d'autres backends locaux
Fournisseurs de recherche
- Farfalle:
- SearXNG, Tavily, Serper, Bing
- Local Deep Research:
- Plusieurs, dont SearXNG
Méthode d'installation
- Farfalle:
- Docker Compose
- Local Deep Research:
- pip ou Docker
Si vous voulez un remplacement de recherche rapide et à réponse unique, le périmètre de Farfalle convient mieux. Si vous avez besoin d'un rapport de recherche plus long synthétisé à partir de nombreuses sources, consultez directement Local Deep Research. Les deux sont gratuits et open source ; vérifiez les fonctionnalités actuelles sur le dépôt de chaque projet avant de décider.
À qui s'adresse Farfalle ?
Farfalle convient aux personnes qui veulent une expérience de recherche façon Perplexity qu'elles contrôlent de bout en bout, avec la possibilité de garder toute la pile en local.
Pour quoi Farfalle n'est pas adapté
Farfalle ne convient pas si vous voulez un produit hébergé sans configuration, l'historique de conversation dès aujourd'hui, ou des rapports de recherche approfondie à plusieurs étapes.
- Pas sans configuration — l'auto-hébergement nécessite Docker Compose et, pour une pile entièrement locale, votre propre installation SearXNG et Ollama
- Pas encore un outil d'historique de conversation — le dépôt le liste comme élément de feuille de route, pas comme fonctionnalité livrée, au moment de cet avis
- Pas encore un outil de recherche dans les fichiers locaux — également listé comme feuille de route, pas livré, au moment de cet avis
- Pas entièrement local sauf si vous le choisissez ainsi — Tavily, Serper et Bing sont des fournisseurs de recherche cloud ; seul SearXNG peut être auto-hébergé aux côtés d'un modèle Ollama local pour une pile entièrement hors ligne
- Pas soutenu par un tour de financement ou une entreprise que cet avis a pu vérifier — considérez-le comme un projet maintenu de façon indépendante, soutenu par sa communauté
Erreurs courantes à propos de Farfalle
La plupart des confusions autour de Farfalle viennent de l'hypothèse qu'il est automatiquement entièrement privé, ou de l'attente de fonctionnalités encore en feuille de route.
Concurrents et alternatives
Farfalle est le plus souvent comparé à d'autres outils de recherche locale et de recherche approfondie auto-hébergés comme Local Deep Research, Onyx et Hyperlink — sa principale distinction est un format de réponse citée rapide, façon Perplexity, avec une configuration Docker Compose simple.
Outil | Connu pour | Lien |
|---|---|---|
| Local Deep Research | Génération de rapports de recherche approfondie à plusieurs étapes sur des sources locales et web | Avis Local Deep Research |
| Onyx | Plateforme de recherche d'entreprise et de RAG auto-hébergée (anciennement Danswer) | Avis Onyx |
| Hyperlink (Nexa AI) | Application de recherche locale et d'assistant personnel sur vos propres fichiers | Avis Hyperlink |
Cette liste reflète les outils couramment comparés à Farfalle, pas un classement indépendant de PromptQuorum — vérifiez l'ensemble de fonctionnalités actuel de chaque outil avant de choisir.
Questions fréquentes
Qu'est-ce que Farfalle ?
Farfalle (github.com/rashadphz/farfalle) est un moteur de recherche IA gratuit, open source (Apache 2.0) et auto-hébergé, inspiré de Perplexity, qui associe un fournisseur de recherche à un LLM pour produire des réponses citées.
Farfalle est-il gratuit ?
Oui. Farfalle est gratuit et open source sous licence Apache 2.0, sans palier payant. Si vous connectez un fournisseur de recherche ou de LLM payant (Tavily, Serper, Bing, OpenAI, Groq), la tarification propre de ce fournisseur s'applique — Farfalle lui-même ne facture rien.
Farfalle peut-il fonctionner entièrement hors ligne avec des modèles locaux ?
Oui, si vous le configurez ainsi : connectez Ollama pour un LLM entièrement local et auto-hébergez SearXNG pour la recherche. Tavily, Serper et Bing restent des services cloud, à éviter si vous voulez une pile entièrement hors ligne.
Comment installer Farfalle ?
Clonez le dépôt, copiez .env-template vers .env, puis exécutez docker-compose -f docker-compose.dev.yaml up -d. L'application est alors disponible sur http://localhost:3000. Vérifiez les étapes de configuration actuelles sur le dépôt GitHub avant de les exécuter.
Quels LLM locaux Farfalle prend-il en charge ?
Via Ollama, le dépôt cite Llama 3, Mistral, Gemma et Phi-3 comme modèles locaux pris en charge.
Quels fournisseurs de recherche Farfalle prend-il en charge ?
Quatre : SearXNG (auto-hébergeable, sans clé API nécessaire), Tavily, Serper et Bing.
Farfalle a-t-il une version hébergée à essayer en premier ?
Oui, une démo limitée utilisant uniquement des modèles cloud tourne sur farfalle.dev, séparée du déploiement auto-hébergé via Docker Compose.
Farfalle prend-il en charge l'historique de conversation ou la recherche dans mes propres fichiers locaux ?
Pas encore, au moment de cet avis — le dépôt liste les deux comme éléments de feuille de route plutôt que comme fonctionnalités livrées. Vérifiez le README actuel pour un statut à jour.
Quelle licence utilise Farfalle ?
Apache 2.0, d'après le dépôt — une licence permissive qui autorise l'usage commercial, la modification et la redistribution.
En quoi Farfalle diffère-t-il de Local Deep Research ?
Farfalle est conçu pour des réponses citées rapides et en un seul échange, façon Perplexity, tandis que Local Deep Research est conçu pour des rapports de recherche plus longs et à plusieurs étapes. Voir la section de comparaison dédiée ci-dessus pour plus de détails.