J'ai transformé mon terminal Linux en assistant IA local et c'est vraiment pratique

Résumé : Ce article explique comment intégrer l'IA Llama 3.2 localement dans un terminal Linux via Ollama pour simplifier l'administration système. En configurant deux fonctions simples (ask et explain) dans le fichier .bashrc, l'utilisateur peut obtenir des explications immédiates sur des commandes complexes ou envoyer des flux de logs (comme journalctl) directement à l'IA pour une analyse en langage naturel. Cette approche, qui fonctionne efficacement sur un matériel standard sans GPU dédié, transforme le dépannage souvent ardu en un processus interactif et pédagogique, tout en garantissant la confidentialité des données grâce au traitement local. 

Lorsque j'ai commencé à utiliser Linux il y a quelques années, je détestais devoir résoudre les problèmes. J'avais l'habitude de copier les erreurs affichées sur mon terminal après une commande qui avait échoué, puis de chercher des réponses en ligne.

Même si je comprends mieux les logfiles aujourd'hui, j'ai essayé un projet pendant le week-end qui s'est avéré être très utile pour mon travail : j'ai connecté un modèle d'IA local à mon terminal Linux Mint. Cela a rendu la résolution des problèmes plus simple que je ne l'aurais imaginé. C'est l'une des meilleures applications des outils d'IA locaux gratuits que j'ai essayés.

Configuration simple pour ajouter un assistant IA local au terminal Linux 

J'ai effectué toute la configuration sur mon ordinateur portable HP équipé d'un double démarrage incluant Linux Mint. Au départ, je pensais que cela nécessiterait beaucoup de mémoire, d'espace de stockage et probablement un processeur graphique dédié. Mais mon ordinateur, avec 16 Go de RAM, une partition Linux de 185 Go et sans processeur graphique dédié, a suffi amplement.

Je me suis servi d'Ollama comme moteur et de Llama 3.2 pour les explications textuelles. Llama 3.2 ne pèse que 2 Go, ce qui est parfait pour mon ordinateur portable, et comme je n'ai pas de carte graphique, ça tourne directement sur le processeur. Les deux commandes ci-dessous m'ont aidé à passer cette première étape de la configuration.

curl -fsSL https://ollama.com/install.sh | sh

ollama pull llama3.2:3b

Ensuite, il était important que mon terminal et le modèle d'IA puissent communiquer, j'ai donc ajouté un bloc de commandes à mon fichier .bashrc :

explain() { 
 input=$(cat) 
 ollama run llama3.2:3b "$* $input" 
}
ask() { 
 ollama run llama3.2:3b "$*" 
}

Une fois que je les ai ajoutés, j'ai rechargé ma configuration shell et j'étais prêt à utiliser l'IA. L'ensemble de la configuration utilise ces quatre éléments clés :  

Ollama (Exécute des modèles d'IA locaux) - Légèreté et simplicité d'installation

Llama 3.2 (Modèle linguistique) - Petit et performant 

La commande explain (Envoie la sortie du terminal à l'IA) - Accélère le dépannage 

La commande « ask » (pose des questions générales sur l'IA) - Donne des explications rapides. 

Note : J'ai dû choisir entre Llama 3.2 et qwen2.5:0.5b. Même si ce dernier est plus petit et plus rapide, j'ai choisi Llama 3.2 car il est plus performant pour interpréter les logs et les commandes.

Avant, je redoutais les pages de manuel — maintenant, je demande simplement

J'utilise Linux depuis plusieurs années, mais je ne me souviens pas toujours à quoi servent tous les paramètres et options. Ainsi, même si les pages man sont très instructives, elles ne sont pas toujours faciles à interpréter, en particulier pour quelqu'un qui débute avec Linux. Je n'ai plus besoin d'ouvrir un nouvel onglet et de chercher des exemples. Je consulte simplement mon IA locale.

Voici deux commandes que je pourrais exécuter : 

ask « Explique ce que fait rsync --delete »
ask « Que montre journalctl -p 3 -xb ? » 

Le résultat est souvent une explication claire et simple. Bien sûr, ça ne remplace pas la documentation, bien au contraire, mais le vrai avantage, c'est comme si on avait un tuteur patient dans son terminal. Quand j'ai commencé à utiliser Linux, je passais plusieurs minutes à regarder rsync pendant que je configurais des scripts de sauvegarde. Cet outil m'aurait fait gagner beaucoup de temps. 

J'ai utilisé l'IA pour interpréter mes journaux Linux

La plupart des utilisateurs Linux débutants et intermédiaires s'accordent à dire que, même si les log sont très utiles, ils sont également très difficiles à comprendre. Ils fournissent tellement d'informations (des erreurs de démarrage aux serveurs défaillants en passant par les avertissements répétés) qu'il est assez difficile de tout comprendre. Ce que je fais maintenant, c'est transférer mes log vers mon IA locale à l'aide de la commande suivante :

journalctl -p 4 -xb | explain « Que signifient ces erreurs Linux ? »

Avec cette commande, mon IA locale m'affiche un résumé des erreurs critiques. Elle m'affiche parfois des avertissements que j'aurais pu ignorer et souligne également les causes des erreurs. Désormais, si une mise à jour perturbe un service, plutôt que de passer environ 20 minutes à parcourir les logs, je peux comprendre le problème en quelques minutes et savoir quelles solutions je peux essayer. 

Cela fonctionne sur n'importe quel log, y compris les scripts personnalisés, les logs d'application et votre sortie dmesg.

Comprendre ce que fait réellement mon système 

Les logs ne sont qu'un ensemble d'informations parmi celles que vous pouvez trouver sur votre appareil. ps aux ou df -h sont d'autres ensembles de résultats qui peuvent être difficiles à comprendre. Je les rends lisibles à l'aide de la commande explain. Voici deux exemples :

ps aux | explain « Explique ce que signifient ces processus »
df -h | explain « Explique cette utilisation du disque »

Ces commandes m'ont été d'une aide précieuse lors de la préparation d'une grande compilation ou d'une sauvegarde. Elles me permettent de savoir exactement ce qui occupe le plus d'espace disque ou de mémoire, sans avoir à trier manuellement les colonnes ou à recouper les chiffres. Cette application va bien au-delà de la simple exécution d'un chatbot sur un vieil ordinateur.

Avantages et inconvénients

Ollama est l'un des meilleurs outils pour exécuter une IA puissante sur votre ordinateur, et cette installation garantit qu'aucun log n'est envoyé vers le cloud. Si cela permet aux utilisateurs avancés de gagner du temps, cela aide également les débutants à passer en douceur à Linux et transforme le dépannage en un processus interactif.

Cependant, l'interprétation des journaux n'est pas toujours précise, et si vous devez parcourir des journaux très volumineux, cela peut dépasser l'espace contextuel de ce modèle particulier. Vous pouvez aller plus loin en utilisant votre LLM local avec les outils MCP (Model Context Protocol). Ainsi, vous bénéficiez d'une puissance accrue et dépassez le contexte du terminal. 

traduction de : https://www.makeuseof.com/local-ai-linux-terminal-troubleshooting/