title: LibreChat created: 2026-06-07 updated: 2026-06-07 type: app tags: [catalogue, artificial-intelligence, llm, frontend, multi-llm, typescript, react, ollama, openai, auto-hebergement] confidence: high contested: false sources: [https://selfh.st/apps/?tag=Artificial+Intelligence, https://github.com/danny-avila/LibreChat]

💬 LibreChat

Clone de ChatGPT unifié et open source — interface unique pour dialoguer avec tous vos LLMs (OpenAI, Anthropic, Google, Ollama local, et plus), avec mémoire long-terme, agents MCP, artefacts, code interpreter et gestion multi-utilisateurs prête pour la production.

Métadonnée	Valeur
Site web	librechat.ai
GitHub	danny-avila/LibreChat
License	MIT
Langage	TypeScript, React, Node.js
Étoiles	7 887 ⭐
Dernière MAJ	2026-06-06
Catégorie	cat-artificial-intelligence

Description

LibreChat est né d'un constat simple : pourquoi payer ChatGPT Plus pour accéder à GPT-4, Claude, Gemini, et aux modèles locaux, alors qu'on peut tout avoir dans une seule interface auto-hébergée ? C'est l'ambition du projet : devenir le point d'entrée universel pour tous les LLMs, qu'ils soient cloud ou locaux.

La liste des providers supportés est impressionnante : OpenAI (avec toutes les options de vision, dall-e, etc.), Anthropic (Claude Sonnet, Opus, Haiku), Google Gemini, Mistral, Groq, OpenRouter (qui agrège des centaines de modèles), Ollama (modèles locaux), et tout backend OpenAI-compatible (app-localai, vLLM, etc.). On peut basculer d'un modèle à l'autre au milieu d'une conversation pour comparer les réponses — un killer feature unique à LibreChat.

Les fonctionnalités modernes sont au rendez-vous : mémoire long-terme persistante (l'agent se souvient entre sessions), artefacts (zone latérale pour afficher du HTML, React, Mermaid généré par l'IA), code interpreter (sandbox Python), recherche web intégrée, upload de fichiers (PDF, DOCX, CSV), custom presets (rôles GPT-like), et agents MCP (Model Context Protocol) qui permettent d'étendre les capacités via des outils standards.

Côté administration, LibreChat excelle : authentification multi-providers (email/password, OAuth Google/GitHub/Discord/Apple, LDAP, SAML), RBAC granulaire par modèle, quotas, multi-utilisateurs avec isolation des conversations, et API admin pour scripter. C'est probablement la solution la plus complète pour une PME ou un homelab familial qui veut offrir un accès IA à plusieurs personnes.

Installation

Option 1 : Docker Compose (recommandé)

# docker-compose.yml
version: '3.8'

services:
  librechat:
    image: ghcr.io/danny-avila/librechat:latest
    container_name: librechat
    restart: unless-stopped
    ports:
      - "3080:3080"
    env_file:
      - .env
    volumes:
      - librechat_data:/app/data
      - librechat_images:/app/client/public/images
    depends_on:
      - mongodb
      - rag-api

  mongodb:
    image: mongo:7
    container_name: librechat-mongo
    restart: unless-stopped
    volumes:
      - mongo_data:/data/db
    command: mongod --replSet rs0
    healthcheck:
      test: echo "try { rs.status() } catch (err) { rs.initiate() }" | mongosh --quiet
      interval: 10s
      timeout: 5s
      retries: 30

  rag-api:
    image: ghcr.io/danny-avila/librechat-rag-api-dev:latest
    container_name: librechat-rag
    restart: unless-stopped
    ports:
      - "8001:8001"
    env_file:
      - .env

volumes:
  mongo_data:
  librechat_data:
  librechat_images:

Option 2 : Installation manuelle

# Prérequis : Node 20+, MongoDB 6+, Meilisearch (optionnel)
git clone https://github.com/danny-avila/LibreChat.git
cd LibreChat
cp .env.example .env  # éditer avec vos clés API

npm install
npm run backend:build
npm run frontend:build
npm start

Configuration

Le fichier .env est central. Sections clés :

# --- LLM Providers ---
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GOOGLE_KEY=...
OLLAMA_API_BASE_URL=http://ollama:11434

# --- Auth ---
ALLOW_EMAIL_LOGIN=*** ALLOW_GOOGLE_LOGIN=true
GOOGLE_CLIENT_ID=...
GOOGLE_CLIENT_SECRET=...

# --- Recherche (optionnel) ---
MEILI_HOST=http://meilisearch:7700
MEILI_MASTER_KEY=...

# --- RAG ---
RAG_API_URL=http://rag-api:8001

Les endpoints personnalisés (custom endpoints) permettent d'ajouter n'importe quel backend OpenAI-compatible dans la même UI que les modèles officiels.

Alternatives

Open Source

app-open-webui — concurrent direct, plus simple d'admin, RAG intégré nativement
app-lobe-chat — équivalent plus design, moins de features d'admin
ChatGPT-Next-Web — clone minimaliste, sans mémoire ni multi-users
Hugging Face Chat UI — officiel HF
TypingMind — fork commercial self-hosted

Propriétaires (ce que cette app remplace)

ChatGPT Team / Enterprise — multi-users, mémoire, à 25$/user/mois
Claude Pro / Team — sans la jailbreak
Poe (Quora) — multi-LLM, mais cloud
You.com — multi-LLM, payant
Microsoft Copilot Studio — verrouillage enterprise

Sécurité

Authentification : activer au minimum `ALLOW_EMAIL_LOGIN=*** et un provider OAuth pour réduire le risque de brute force
API keys : stockées chiffrées en DB Mongo, mais préférer un vault (app-infisical, Vault) pour les déploiements production
Code interpreter : sandboxé, mais consomme des ressources — surveiller l'usage
Upload de fichiers : comme tout système avec extraction de documents, mettre à jour régulièrement
HTTPS obligatoire : passer par un reverse proxy (app-caddy, app-traefik)
MongoDB : ne JAMAIS exposer le port 27017 sur Internet, garder bindIp: 127.0.0.1 ou utiliser le réseau Docker interne uniquement

Ressources

Pages Liées

cat-artificial-intelligence — Catégorie parente
recettes-docker-compose — Templates Docker Compose
app-open-webui — Concurrent principal
Ollama — Modèles locaux (fiche à créer)
app-mongodb — Dépendance backend (fiche à créer)

6.5 KiB Raw Blame History