Points clés
- Un modèle Docker Compose, pas une application autonome — il relie quatre outils open source existants plutôt que de livrer du code nouveau
- Réunit n8n (automatisation de workflows, plus de 400 intégrations), Ollama (inférence LLM locale), Qdrant (base de données vectorielle) et PostgreSQL (stockage de données)
- Sous licence Apache-2.0, gratuit, sans compte ni clé API requis
- Profils Docker Compose distincts pour une inférence CPU seule, GPU Nvidia et GPU AMD (Linux)
- Livré avec un exemple de workflow n8n préchargé illustrant un pipeline RAG local avec les services Ollama et Qdrant inclus
- Le dépôt GitHub affiche environ 15 300 étoiles et environ 3 800 forks en septembre 2026
- Conçu et maintenu par n8n, l'entreprise d'automatisation de workflows low-code derrière la plateforme n8n elle-même
📍 En une phrase
Le Self-hosted AI Starter Kit est un modèle Docker Compose gratuit, sous licence Apache-2.0, publié par n8n, qui réunit n8n, Ollama, Qdrant et PostgreSQL en une seule commande pour créer des workflows IA locaux sans dépendance au cloud.
💬 En termes simples
Plutôt que d'installer séparément un outil de workflow, un exécuteur de modèle local et une base de données vectorielle puis de les relier soi-même, ce kit fournit les quatre déjà configurés pour communiquer entre eux — une seule commande docker-compose suffit pour obtenir un environnement d'automatisation IA locale fonctionnel, avec un exemple de workflow RAG déjà chargé.
📌Remarque: Ce test est le complément approfondi de l'entrée du Self-hosted AI Starter Kit dans le Local LLM Software Directory — consultez cette page pour un comparatif rapide avec des dizaines d'autres outils IA locaux.
Qu'est-ce que le Self-Hosted AI Starter Kit ?
Le Self-hosted AI Starter Kit est un modèle Docker Compose, pas un nouveau logiciel — sa propre description GitHub le qualifie de « an open, docker compose template » qui aide à « initialiser rapidement un environnement de développement local complet dédié à l'IA et au low-code ». Il combine quatre projets open source maintenus séparément (n8n, Ollama, Qdrant et PostgreSQL) en une configuration pré-câblée, offrant une stack IA locale fonctionnelle sans avoir à installer et connecter chaque élément manuellement.
- Fonction principale : un
docker-compose.ymlet des fichiers de configuration associés qui démarrent n8n, Ollama, Qdrant et PostgreSQL ensemble, pré-connectés pour communiquer entre eux - n8n : une plateforme d'automatisation de workflows low-code avec plus de 400 intégrations et des nœuds IA/LangChain dédiés pour créer des agents et des automatisations
- Ollama : exécute des modèles de langage ouverts en local, exposé aux workflows n8n comme fournisseur de modèle
- Qdrant : une base de données vectorielle open source utilisée pour stocker et récupérer des embeddings dans des workflows de type RAG
- PostgreSQL : la base de données relationnelle qui alimente le stockage propre des workflows et identifiants de n8n
- Mainteneur : n8n, l'entreprise derrière la plateforme d'automatisation de workflows n8n
- Dépôt canonique : github.com/n8n-io/self-hosted-ai-starter-kit — source des étapes d'installation et de l'historique de version utilisés dans ce test
Historique du projet et jalons de version du Starter Kit
n8n a publié le Self-hosted AI Starter Kit comme ressource complémentaire à son ensemble croissant de nœuds IA et d'intégration LangChain, dans le but d'offrir aux développeurs un moyen rapide et reproductible d'essayer l'automatisation de workflows IA en local sans assembler eux-mêmes la stack sous-jacente.
- 1Version initiale — bundle de base à quatre services
Why it matters: A livré le docker-compose.yml original reliant n8n, Ollama, Qdrant et PostgreSQL, avec un exemple de workflow RAG préchargé. - 2Ajout des profils Compose GPU
Why it matters: A introduit des profils Compose distincts `gpu-nvidia` et `gpu-amd` en plus du profil `cpu` par défaut, permettant à Ollama d'utiliser l'accélération GPU disponible sur les systèmes pris en charge plutôt que de tourner uniquement sur CPU pour chaque modèle. - 3En continu : suivi des ajouts de nœuds IA/LangChain propres à n8n
Why it matters: À mesure que le produit principal de n8n gagnait davantage de nœuds spécifiques à l'IA et de capacités de création d'agents, le workflow d'exemple préchargé et la documentation du starter kit ont été mis à jour pour refléter les capacités de la version de n8n incluse.
Que peut-on faire avec le Starter Kit ?
La valeur du starter kit réside dans ce que les services inclus font ensemble, pas dans une nouvelle fonctionnalité propre. Voici ce que chaque composant fait réellement, selon le README GitHub officiel.
- Automatisation de workflows en local — créer et exécuter des automatisations dans l'éditeur visuel de n8n, en utilisant l'une de ses plus de 400 intégrations ainsi que des nœuds IA/LangChain dédiés à la création d'agents
- Inférence LLM locale — Ollama exécute des modèles ouverts (Llama, Qwen, Gemma et d'autres) en local, disponibles pour les workflows n8n comme fournisseur de modèle sans clé API externe
- Stockage vectoriel local pour le RAG — Qdrant stocke et récupère des embeddings afin que les workflows n8n puissent construire des pipelines de génération augmentée par récupération entièrement sur infrastructure locale
- Stockage persistant des workflows et identifiants — PostgreSQL alimente la propre base de données de n8n, de sorte que workflows, identifiants et historique d'exécution persistent au redémarrage des conteneurs
- Profils d'accélération GPU — des profils Compose distincts (
cpu,gpu-nvidia,gpu-amd) permettent à Ollama d'utiliser le matériel GPU disponible pour une inférence locale plus rapide là où c'est pris en charge - Accès partagé aux fichiers — un dossier monté
/data/shareddonne aux workflows n8n un moyen de lire et d'écrire des fichiers locaux, utile pour les workflows RAG à base de documents - Exemple de workflow préchargé — le kit est livré avec un workflow n8n fonctionnel déjà importé, illustrant un schéma RAG local avec les services Ollama et Qdrant inclus comme modèle de départ
Exemples d'utilisation : trois façons d'utiliser le Starter Kit
Voici des workflows concrets construits à partir des fonctionnalités documentées et incluses du starter kit ci-dessus — pas des cas d'usage hypothétiques.
Installer le Self-Hosted AI Starter Kit
Le starter kit s'installe via git clone et Docker Compose — il n'existe aucune application téléchargeable séparément. Les étapes ci-dessous proviennent du README GitHub officiel — vérifiez toujours directement sur cette page, car les commandes exactes peuvent changer entre les mises à jour.
Étape | Commande / Lien |
|---|---|
| 1. Cloner le dépôt | git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git |
| 2. Entrer dans le répertoire | cd self-hosted-ai-starter-kit |
| 3. Copier le fichier d'environnement | cp .env.example .env |
| 4a. Démarrage (CPU seul) | docker compose --profile cpu up |
| 4b. Démarrage (GPU Nvidia) | docker compose --profile gpu-nvidia up |
| 4c. Démarrage (GPU AMD, Linux) | docker compose --profile gpu-amd up |
| Code source | github.com/n8n-io/self-hosted-ai-starter-kit |
n8n devient accessible sur http://localhost:5678 une fois la stack lancée. Les besoins matériels dépendent des modèles exécutés dans Ollama — un petit modèle fonctionne sur une machine CPU modeste, tandis que des modèles plus grands profitent des profils GPU Nvidia ou AMD ; vérifiez la taille d'un modèle dans la bibliothèque d'Ollama avant de le télécharger. Docker et Docker Compose doivent être installés sous macOS, Windows (via WSL2) ou Linux — le starter kit lui-même n'a pas de build spécifique à un système d'exploitation.
Tarifs et licences
Le starter kit lui-même est gratuit et open source, sous licence Apache-2.0. Comme il réunit d'autres projets open source, il est utile de connaître également la licence et le modèle de coût propres à chaque composant inclus.
Self-hosted AI Starter Kit (ce modèle)
- Licence:
- Apache-2.0, selon le fichier LICENSE du dépôt
- Coût:
- Gratuit
n8n (inclus)
- Licence:
- Sustainable Use License (source disponible, non approuvée par l'OSI) pour un usage self-hosted ; voir le test n8n pour les détails complets
- Coût:
- Gratuit en self-hosted selon les conditions de licence de n8n
Ollama (inclus)
- Licence:
- MIT
- Coût:
- Gratuit
Qdrant (inclus)
- Licence:
- Apache-2.0
- Coût:
- Gratuit
PostgreSQL (inclus)
- Licence:
- PostgreSQL License (permissive)
- Coût:
- Gratuit
Faire tourner l'ensemble de la stack ne coûte rien en licences logicielles — seule l'infrastructure propre (calcul, stockage et éventuellement une GPU) représente un coût réel. En cas d'extension du workflow n8n préchargé pour appeler une API LLM cloud payante ou une intégration tierce payante, la tarification propre à ce fournisseur s'applique ; le starter kit lui-même n'ajoute aucune marge ni aucun abonnement.
Self-Hosted AI Starter Kit vs. n8n seul
Le starter kit ne remplace pas n8n — c'est n8n plus une stack IA locale pré-câblée autour. La façon la plus claire de saisir la différence est de comparer ce que l'on obtient d'emblée à ce qu'il faudrait configurer soi-même.
Ce qui est installé
- Self-Hosted AI Starter Kit:
- n8n + Ollama + Qdrant + PostgreSQL, pré-connectés dans un seul docker-compose.yml
- n8n seul (auto-hébergé):
- n8n uniquement — voir le test n8n pour ses propres étapes d'installation
Inférence LLM locale
- Self-Hosted AI Starter Kit:
- Incluse par défaut via Ollama fourni
- n8n seul (auto-hébergé):
- Non incluse ; un fournisseur de modèle (local ou cloud) est connecté manuellement
Base vectorielle pour le RAG
- Self-Hosted AI Starter Kit:
- Incluse par défaut via Qdrant fourni
- n8n seul (auto-hébergé):
- Non incluse ; une base vectorielle serait ajoutée et connectée soi-même
Workflow d'exemple
- Self-Hosted AI Starter Kit:
- Exemple RAG local préchargé au premier lancement
- n8n seul (auto-hébergé):
- Démarre avec une canvas vide ; des modèles sont disponibles séparément dans la bibliothèque de modèles de n8n
Idéal pour
- Self-Hosted AI Starter Kit:
- Obtenir en quelques minutes un environnement de workflow IA entièrement local, sans connecter les services manuellement
- n8n seul (auto-hébergé):
- Les équipes qui exploitent déjà leur propre infrastructure de modèles ou vectorielle et n'ont besoin que de la couche d'automatisation
Si Ollama ou une base vectorielle tournent déjà ailleurs dans votre infrastructure, installer n8n seul et le connecter à vos services existants peut être plus simple que d'adopter les versions incluses du starter kit. En partant de zéro, le starter kit supprime le travail d'intégration.
À qui s'adresse le Starter Kit ?
La pertinence du starter kit dépend de la volonté d'obtenir un environnement de workflow IA local prêt à l'emploi plutôt que d'assembler soi-même les mêmes composants.
Starter Kit vs. autres outils de workflow IA local
Le Self-hosted AI Starter Kit se situe dans l'espace de l'automatisation de workflows et des frameworks RAG, aux côtés de plusieurs autres options auto-hébergeables. Voici comment il se compare aux outils voisins — consultez le Local LLM Software Directory pour le catalogue complet, et le comparatif dédié Starter Kit vs. n8n seul ci-dessus pour le face-à-face le plus proche.
- n8n — la plateforme d'automatisation de workflows sur laquelle ce kit est construit ; voir le comparatif dédié ci-dessus et le test n8n complet pour ses propres modalités d'installation et de licence.
- LangChain-Chatchat — une application RAG et base de connaissances auto-hébergée dotée de sa propre interface intégrée, plutôt qu'une canvas d'automatisation de workflows généraliste ; voir le test LangChain-Chatchat si une application de chat documentaire dédiée convient mieux qu'un constructeur de workflows.
- RAGFlow — un moteur RAG de compréhension documentaire approfondie, axé sur l'analyse de documents complexes (tableaux, mises en page) plus poussée qu'un outil de workflow généraliste ; voir le test RAGFlow.
- Haystack — un framework RAG Python-first pour les développeurs qui préfèrent écrire directement le code du pipeline plutôt qu'utiliser un constructeur de workflows visuel ; voir le test Haystack.
Erreurs fréquentes lors de l'évaluation du Starter Kit
La plupart des confusions autour du Self-hosted AI Starter Kit viennent du fait de le traiter comme une application autonome, de mal comprendre ce qu'il réunit réellement, ou de choisir le mauvais profil Compose.
Questions fréquemment posées
Qu'est-ce que le Self-hosted AI Starter Kit ?
C'est un modèle Docker Compose open source, conçu par n8n, qui réunit n8n, Ollama, Qdrant et PostgreSQL en une seule commande pour créer des workflows IA locaux et des pipelines RAG sans aucune dépendance au cloud.
Le Self-hosted AI Starter Kit est-il gratuit ?
Oui. Le modèle lui-même est sous licence Apache-2.0 et ne coûte rien à exécuter. Ses composants inclus (n8n, Ollama, Qdrant, PostgreSQL) sont chacun gratuits pour un usage self-hosted selon leur propre licence — voir le tableau tarifaire ci-dessus.
Que réunit réellement le Self-hosted AI Starter Kit ?
Quatre projets open source maintenus séparément : n8n (automatisation de workflows, plus de 400 intégrations), Ollama (inférence LLM locale), Qdrant (base de données vectorielle) et PostgreSQL (base de données relationnelle alimentant les propres données de n8n). C'est une configuration docker-compose, pas un nouveau logiciel.
Le Self-hosted AI Starter Kit nécessite-t-il un compte cloud ou une clé API ?
Non. Chaque service inclus tourne en local par défaut, et l'exemple de workflow RAG préchargé n'utilise que les services Ollama et Qdrant inclus. Des clés API de fournisseurs cloud peuvent être ajoutées optionnellement plus tard, à l'intérieur d'un workflow n8n, si vous le souhaitez.
Comment installer le Self-hosted AI Starter Kit ?
Clonez le dépôt (git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git), copiez le fichier d'environnement (cp .env.example .env), puis exécutez docker compose --profile cpu up (ou gpu-nvidia/gpu-amd pour l'accélération GPU). Voir le tableau d'installation ci-dessus pour la séquence complète.
Prend-il en charge l'accélération GPU ?
Oui, via des profils Docker Compose distincts : gpu-nvidia pour les GPU Nvidia et gpu-amd pour les GPU AMD sous Linux, en plus du profil cpu par défaut pour l'inférence CPU seule.
Est-ce la même chose que n8n ?
Non. n8n est l'un des quatre composants inclus. Le starter kit est un environnement préconfiguré qui installe n8n aux côtés d'Ollama, Qdrant et PostgreSQL — voir le comparatif Self-Hosted AI Starter Kit vs. n8n seul ci-dessus pour les différences précises.
Quelle licence utilise n8n lui-même à l'intérieur de ce kit ?
n8n est source disponible sous sa propre Sustainable Use License, non approuvée par l'OSI, pour un usage self-hosted — distincte de la licence Apache-2.0 couvrant ce modèle de starter kit lui-même. Voir le test n8n pour le détail complet des licences.
Combien d'étoiles le Self-hosted AI Starter Kit a-t-il sur GitHub ?
Le dépôt GitHub affiche environ 15 300 étoiles et environ 3 800 forks en septembre 2026 — consultez le dépôt en direct pour le nombre actuel, car il évolue en continu.
Qui maintient le Self-hosted AI Starter Kit ?
Il est conçu et maintenu par n8n, l'entreprise derrière la plateforme d'automatisation de workflows n8n, comme ressource complémentaire illustrant des workflows IA locaux construits avec les nœuds IA et LangChain de n8n.