De « je le ferai plus tard » à « attends, c'est déjà fait ?! » – FLUX + ComfyUI prennent vie sur ma vieille tour

🌐 Aussi en: English · Deutsch · Español

Comme annoncé dans mon dernier article, l’un de mes objectifs était de me plonger enfin dans le monde des outils d’IA locaux. Vous savez, ce truc dont les gamins cool de Reddit n’arrêtent pas de se vanter : faire tourner ses propres modèles de génération d’images, sur son propre matériel, sans qu’un fournisseur cloud vous bride en douce parce que vous avez demandé « un chat avec un chapeau de sorcier » une fois de trop. J’ai donc tiré ma vieille tour de sa semi-retraite, j’y ai collé une installation toute fraîche de Debian et, armé d’un guide pas à pas que ChatGPT avait eu la gentillesse de m’écrire, j’ai commencé à installer ComfyUI et FLUX.1-schnell. Ma motivation principale ? Je génère énormément d’images pour ce blog, et ChatGPT/DALL-E & cie adorent me balancer un « vous avez atteint votre limite » ou un « ceci enfreint notre politique de contenu » au bout d’environ trois prompts. Super. Vraiment super. Il est temps d’héberger mon propre générateur. 💪

Table of Contents

😴 Et puis… je me suis laissé distraire

L’histoire classique : il y a quelques jours, j’avais installé la base, je suis tombé sur un obstacle, j’ai perdu la motivation et j’ai tout laissé en plan en pleine installation – venv à moitié activé, onglet du navigateur ouvert, historique du terminal plein de commandes inachevées. De l’archéologie numérique en puissance. Aujourd’hui, je me suis dit : « confions ce bazar à Claude et voyons ce qui se passe. » Je lui ai donc donné un accès SSH à la machine en lui disant en gros : « termine ce que j’ai commencé. » La suite a honnêtement été l’un des après-midi les plus surréalistes que j’aie passés avec un logiciel.

🕵️ Étape 1 : Claude joue les détectives

Au lieu de tout raser pour repartir de zéro (ma méthode habituelle, soyons honnêtes), il a d’abord lu mon historique shell. Comme un vrai enquêteur. Il a découvert que :

ComfyUI était déjà cloné et installé dans un venv sous ~/ai/ComfyUI
Les poids de FLUX.1-schnell (un UNet bien dodu de 23 Go, plus les encodeurs de texte CLIP/T5 et le VAE) étaient déjà téléchargés
Le GPU était une RTX 3050 avec 8 Go de VRAM – Debian 13, 32 Go de RAM, 16 cœurs

Il a ensuite lancé ComfyUI, vérifié qu’il démarrait vraiment (HTTP 200, aucune stack trace qui explose) et m’a renvoyé un résumé d’état bien propre. Pas de drame, pas de « je vais juste tout réinstaller de zéro » – juste une évaluation calme. Un niveau de compétence suspect. 🤨

⚙️ Étape 2 : « Fais-en un vrai service » – à vos ordres

J’ai demandé que ComfyUI tourne comme un vrai service en arrière-plan (parce que je ne vais pas laisser une session SSH ouverte 24 h/24 comme un sauvage). Claude a écrit une unité systemd, l’a activée, et le tout tournait de façon permanente en deux minutes environ. Résistant aux redémarrages. Relance automatique en cas de plantage. La totale.

🇩🇪 Étape 3 : « Mais est-ce qu’il comprend les prompts en allemand ? »

C’est là que j’en suis vraiment resté un peu bouche bée. Je voulais savoir si je pouvais simplement taper mes prompts en allemand (parce que, évidemment, c’est ma langue maternelle et je suis paresseux). Claude a donc construit à la volée un petit workflow API texte-vers-image pour FLUX et lui a donné :

« Ein gemütliches Café in Paris bei Sonnenuntergang, digitale Kunstmalerei, warmes Licht, Menschen sitzen draußen »

… a attendu environ 60 secondes, a téléchargé le PNG obtenu via SCP et me l’a montré. Une petite scène de café parisien au coucher du soleil, franchement charmante. En allemand. Du premier coup. Je ne m’attendais pas à ce que ça marche comme ça. ☕

🧩 Étape 4 : « Cette interface a 4000 boutons et je veux juste une zone de texte »

Puis j’ai ouvert la vraie interface web de ComfyUI et… ouais. Des graphes de nœuds partout. Des curseurs, des menus déroulants, des câbles reliant des boîtes comme sur le panneau de brassage d’un synthétiseur conçu par quelqu’un qui aime vraiment, vraiment les nœuds. J’ai dit en gros : « Je veux juste un truc comme ChatGPT – une zone, on tape du texte, on obtient une image. » Claude m’a donc construit une mini-application web sur mesure à partir de zéro :

Une application Flask avec exactement un champ de texte et un bouton
En coulisses, elle construit le JSON complet du workflow FLUX, l’envoie à l’API de ComfyUI, interroge jusqu’à ce que ce soit terminé et sert l’image obtenue
Elle aussi emballée dans son propre service systemd, sur son propre port

Testée avec : « Ein freundlicher roter Drache sitzt auf einem Berg, Cartoon-Stil, bunte Farben » → résultat : un dragon de dessin animé 🐉 vraiment mignon sur une montagne. En une minute environ, du début à la fin. Je n’ai construit absolument rien de tout ça moi-même.

🖼️ Étape 5 : « D’accord, mais est-ce que je peux envoyer une image et la faire modifier ? »

À ce stade, j’étais lancé, alors j’ai tenté ma chance : « Est-ce que je peux envoyer une image existante comme modèle et laisser l’IA la modifier ? » (img2img, pour les geeks dans la salle.) Claude a :

Ajouté Pillow dans un venv séparé pour le prétraitement des images (redimensionnement à des multiples de 16, parce que les VAE sont apparemment pointilleux sur les dimensions)
Étendu le workflow avec les nœuds LoadImage + VAEEncode
Ajouté à l’interface un curseur « intensité de transformation » (denoise)
Puis il l’a vraiment testé lui-même : il a renvoyé l’image du dragon et demandé « le dragon crache maintenant du feu bleu, il fait nuit sous un ciel étoilé »

Premier essai avec un denoise de 0,6 → presque aucun changement (en gros le même dragon, avec un éclairage un peu plus sombre). Claude l’a remarqué, est monté à 0,9 → complètement différent, scène nocturne spectaculaire avec du feu 🔥, mais la pose du dragon avait entièrement changé. Il s’est donc arrêté sur 0,75 comme valeur par défaut raisonnable et m’a expliqué le compromis. Il déboguait la qualité de sa propre production créative. Pour moi. Sans que j’aie à le demander deux fois.

📊 Étape 6 : à mon tour de poser les questions bêtes

Évidemment, il a fallu que j’aille fouiner moi-même sur la machine, et j’ai lancé top pendant une génération :

MiB Spch:  32013,4 total,    632,3 free,  22986,9 used,   8827,1 buff/cache
MiB Swap:  32680,0 total,  27500,7 free,   5179,2 used.   9026,5 avail Spch

  PID USER  PR  NI   VIRT    RES   SHR S  %CPU  %MEM   ZEIT+  BEFEHL
 1221 me    20   0  56,5g  21,2g 112128 S 55,1  67,7  3:34.24 python

21 Go de RAM pour un seul processus Python ?! 😱 J’ai demandé : « C’est normal ? Le GPU fait-il seulement quelque chose ? Mes ventilateurs ne devraient-ils pas hurler en ce moment ? » Claude m’a expliqué calmement : le modèle FLUX pèse environ 23 Go, mon GPU n’a que 8 Go de VRAM, donc ComfyUI fait de l’« async weight offloading » – il garde l’essentiel du modèle dans la RAM système épinglée et envoie des morceaux au GPU à la demande. Voilà l’utilisation de la RAM et la charge CPU expliquées d’un coup. Ensuite, pour répondre correctement à la question du GPU, il a lancé une autre génération et interrogé nvidia-smi en boucle en parallèle :

Time        GPU-Load   VRAM        Temp    Fan
Start       34%        6.3 GB      42°C    0%
Sampling    100%       6.9 / 8 GB  53→62°C 0%
After       0-6%       3.2 GB      60→47°C 65%

Verdict : oui, le GPU est littéralement martelé à 100 % pendant l’échantillonnage, avec les 8 Go de VRAM presque pleins – mais le ventilateur n’accélère qu’après la fin de la charge, à cause de l’inertie thermique, et c’est pour ça qu’il ne devient pas bruyant pendant une génération d’environ 60 secondes. Mystère résolu, preuves à l’appui. ✅

🤔 Alors… où en suis-je ?

Honnêtement ? Je suis là, à parts égales choqué et fasciné. Ce qui avait commencé par « finis d’installer ce truc que j’ai abandonné, s’il te plaît » s’est transformé en une session d’ingénierie itérative en direct – de nouvelles exigences surgissaient en pleine conversation, étaient immédiatement prises en compte, testées, ajustées et expliquées en langage clair. Pas besoin de réexpliquer le contexte cinq fois. Pas de « je ne peux pas faire ça ». Juste… des progrès, en temps réel, sur mon propre matériel. Je vais être franc : à ceux qui balaient l’IA comme « une simple autocomplétion améliorée », « des bêtises dangereuses » ou un « générateur de foutaises qui a l’air sûr de lui tout en ayant tort » – je pense que vous ne regardez tout simplement pas comment ces outils sont réellement utilisés et orchestrés aujourd’hui. J’étais moi-même bien plus dans ce camp avant. J’ai changé d’avis. Le voir examiner une installation à moitié finie, prendre des décisions d’infrastructure sensées, écrire du vrai code qui fonctionne, le déployer, le tester avec de vrais modèles, puis déboguer la qualité de sa propre production – ce n’est pas de la « science-fiction ». C’est arrivé sur mon réseau local, ce soir. Et oui, c’est justement ce qui m’inquiète un peu aussi. Si une IA conversationnelle peut configurer des services avec compétence, écrire de petites applications, configurer systemd, déboguer le comportement mémoire d’un GPU et expliquer tout cela d’une manière qu’un humain comprend immédiatement – qu’est-ce que ça signifie pour les métiers de l’informatique et le travail d’admin système dans les 20 prochaines années ? Je ne panique pas, mais je ne fais plus semblant de trouver la question idiote. 🤷 Bref. J’ai désormais un générateur d’images privé, local et illimité qui tourne sur un PC qui prenait la poussière sous mon bureau. Attendez-vous à beaucoup plus d’images générées par IA (et plus bizarres) sur ce blog à partir de maintenant. Dans le prochain article, je veux aller plus loin : étendre cette installation avec la traduction de prompts, la génération de code et plus encore – aujourd’hui, tout tournait autour de la création d’images, mais ce n’est clairement que le début.