IA 100% locale 
|
🤖 100% local, zéro cloud Un assistant IA personnel qui tourne sur ta machine, sous ton contrôle, sans envoyer une seule donnée à l'extérieur. Ollama, Whisper, edge-tts : tout s'exécute localement sur GPU NVIDIA RTX 5080. |
🛡️ Intelligence défensive intégrée JARVIS n'est pas un chatbot. Il surveille l'infrastructure SOC en temps réel, bannit automatiquement les IPs malveillantes, redémarre les services critiques et alerte vocalement sur les menaces. |
🎯 Production, pas démo 17 400+ lignes, 10 onglets, pipeline audio complet, audit 10/10. Mis à jour hebdomadairement sur infrastructure réelle exposée à internet 24h/24. |
Initialisation du système — statuts des modules, message de bienvenue
Onglet JARVIS IA — conversation en temps réel, streaming SSE, sidebar système |
Onglet MONITOR — CPU, RAM, GPU, disques, sparklines 24h |
Onglet SETTINGS — GPU RTX Health, profils CUDA, sliders LLM |
Onglet JARVIS IA — profils prédéfinis (SOC, Code, Conversation, Raisonnement...) |
Onglet DSP AUDIO — égaliseur multi-bandes, compresseur, filtres, visualisation temps réel |
Onglet VOICE LAB — source vocale, paramètres fins, bibliothèque de voix, comparateur A/B |
Onglet SOC — compteurs de bans/alertes, graphique d'activité 24h, journal horodaté des actions proactives
| # | Phase | Ce qui a été construit | Pourquoi ce choix |
|---|---|---|---|
| 1 | Backend Flask + streaming | jarvis.py · 55 routes · SSE token par token · API Ollama | Base unifiée avant tout — toutes les fonctionnalités s'appuient sur ce serveur |
| 2 | Pipeline audio | TTS edge-tts Neural · STT Whisper turbo CUDA · DeepFilterNet NR | L'interaction vocale est le cœur de l'expérience JARVIS — sans ça, c'est juste une web app |
| 3 | Interface holographique | 10 onglets · glassmorphism · 17 400+ lignes · zéro framework | Chaque fonctionnalité mérite sa propre surface — pas de compromis sur l'ergonomie |
| 4 | Intégration SOC | ban-ip · restart-service · alertes vocales · journal horodaté | JARVIS doit pouvoir agir, pas seulement informer — SSH + CrowdSec + fail2ban |
| 5 | Auto-engine défensif | _soc_monitor_loop() · kill chain · exploit gap · ban auto 60s | Le SOC se défend seul même quand l'interface est fermée — JARVIS amplifie quand disponible |
| 6 | DSP Audio avancé | EQ 5 bandes · compresseur · analyseur spectral · TASCAM DAT | Qualité audio professionnelle — la voix de JARVIS doit être claire et agréable |
| 7 | Audit 10/10 | 90 passes NDT · 144 corrections · 0 dette technique · AST validé | Un système en production doit être maintenu comme tel — aucun raccourci |
| Capacité | Détail | |
|---|---|---|
| 🤖 | Conversation LLM locale | Ollama streaming token par token · 6 modèles · changement à chaud · profils liés par modèle |
| 🔊 | Pipeline audio complet | TTS Neural · STT Whisper CUDA · DeepFilterNet NR · EQ DSP · VU-mètres temps réel |
| 🛡️ | Auto-engine SOC | Surveillance 60s · kill chain · exploit gap · ban auto via CrowdSec SSH · restart services |
| 🎙️ | Alertes vocales | TTS automatique sur ÉLEVÉ/CRITIQUE · seuils configurables · cooldowns anti-spam |
| 🎯 | Interface holographique | 10 onglets · glassmorphism · 17 400+ lignes · zéro framework CSS/JS |
| 📊 | Monitoring temps réel | CPU · RAM · GPU RTX 5080 · disques · réseau · sparklines 24h |
| 🔒 | Sécurité loopback | Bind 127.0.0.1 · validation IP stricte · whitelist services · zéro credential dans le code |
| ✅ | Audit 10/10 | Zéro dette technique · 90 passes · 144 NDT corrigés · AST validé |
OS Windows 11 Pro
GPU NVIDIA RTX 5080 — 16 GB GDDR7 · CUDA 12
LLM Ollama (local) — phi4-reasoning:plus · deepseek-r1:14b · phi4:14b · qwen2.5:14b
TTS edge-tts Neural — fr-CA-AntoineNeural
STT faster-whisper turbo FR — CUDA float16
NR DeepFilterNet — réduction bruit micro temps réel
DSP numpy/scipy — EQ biquad 5 bandes · compresseur · analyseur spectral
Backend Python 3.11 — Flask · SSE streaming · ~3 360 lignes · 55 routes · dette zéro
Frontend Vanilla JS + HTML5 — 17 400+ lignes · 10 onglets · zéro dépendance NPM
SSH paramiko — actions SOC à distance (ban · restart · monitoring)
Intégration SOC — CrowdSec · fail2ban · nginx · Suricata
flowchart TD
A["🌐 Interface Web — localhost:5000\nThème holographique · 10 onglets · SSE streaming"]
B["⚙️ Flask Backend — jarvis.py\n~3 360 lignes · 55 routes · 124 fonctions · dette zéro"]
C["🤖 LLM\n/chat → Ollama streaming"]
D["🔊 Audio\n/tts → edge-tts · /stt → Whisper"]
E["🛡️ SOC\n/soc/ban · /soc/restart · /status"]
F["Serveur SOC — optionnel\nCrowdSec · fail2ban · nginx · Suricata"]
A -->|HTTP / Server-Sent Events| B
B --> C
B --> D
B --> E
E -->|paramiko SSH| F
| Objectif | Point d'entrée |
|---|---|
| 📖 Comprendre l'architecture et le pipeline LLM + audio | 01-PREREQUIS.md → 05-INTEGRATION-SOC.md |
| ⚙️ Installer les dépendances Python + Ollama + CUDA | Installation rapide ci-dessous |
| 🔊 Configurer le pipeline audio TTS · STT · DeepFilterNet | 03-PIPELINE-AUDIO.md |
| 🛡️ Connecter JARVIS au SOC pour les actions proactives | 05-INTEGRATION-SOC.md |
Ce dépôt met à disposition : Code source complet · 5 documents techniques · guide d'installation · configurations exemples
🔒 Les scripts opérationnels SOC, les clés SSH et les configurations d'infrastructure restent privés — connaissance construite, pas redistribuée.
# 1. Cloner le dépôt
git clone https://github.com/0xCyberLiTech/JARVIS.git
cd JARVIS
# 2. Installer les dépendances Python
pip install -r scripts/requirements.txt
# 3. Installer Ollama + un modèle
# → https://ollama.com
ollama pull phi4
# 4. Configurer (copier les templates)
cp config/jarvis_model.json.example scripts/jarvis_model.json
cp config/jarvis_llm_params.json.example scripts/jarvis_llm_params.json
# 5. Lancer JARVIS
cd scripts && python jarvis.py✔ JARVIS disponible sur → http://localhost:5000
| # | Document | Description |
|---|---|---|
| 01 | PREREQUIS.md | Python 3.11, Ollama, CUDA, dépendances système |
| 02 | LLM-OLLAMA.md | LLM local, API Ollama, streaming SSE, gestion modèles |
| 03 | PIPELINE-AUDIO.md | TTS edge-tts, file d'attente, STT Whisper VAD, DeepFilterNet NR |
| 04 | BACKEND-FLASK.md | Serveur Flask, routes, Server-Sent Events, modèles à chaud |
| 05 | INTEGRATION-SOC.md | Intégration SOC, ban/unban IP via SSH, alertes proactives auto |
| Modèle | VRAM | Points forts |
|---|---|---|
phi4-reasoning:plus |
14 Go | ⭐ Actif — SOC, raisonnement, chain-of-thought |
phi4:14b |
10 Go | Polyvalent, rapide, conversation |
deepseek-r1:14b |
14 Go | Raisonnement avancé, analyse complexe |
qwen2.5:14b |
14 Go | Code et analyse technique |
gemma4:latest |
10 Go | Généraliste, créatif |
llava-phi3:latest |
8 Go | Vision — analyse d'images |
JARVIS se connecte au dashboard SOC pour :
- Surveiller les métriques de sécurité (CrowdSec, fail2ban, Suricata) toutes les 30s
- Bannir automatiquement les IPs en cas de pic d'attaque (via CrowdSec SSH)
- Redémarrer les services critiques si détectés DOWN
- Alerter vocalement si le score de menace dépasse les seuils configurés
- Journaliser chaque action dans l'onglet SOC avec horodatage
✔ Bind 127.0.0.1 — non exposé sur le réseau
✔ Liste blanche des services autorisés (SSH)
✔ Validation des IPs avant toute action
✔ Aucun credential dans le code source
✔ Aucune donnée envoyée vers des services tiers
| 🖥️ Infrastructure & Sécurité | 💻 Développement & Web | 🤖 Intelligence Artificielle |
|
|
|
|
🔒 Projets proposés par 0xCyberLiTech · Développés en collaboration avec Claude AI (Anthropic) 🔒