fix(litellm): open-webui via OpenAI API (pas Ollama) + 3 profils Qwen3.6

LiteLLM expose l'API OpenAI /v1/* pas l'API Ollama /api/*. open-webui
doit etre branche via la section 'OpenAI API' (env OPENAI_API_BASE_URL +
OPENAI_API_KEY), pas via 'Ollama'. L'override ajoute ces vars a open-webui,
force-recreate pour propager. Confirme en prod: HTTP 200 sur :4000/v1/models
depuis le conteneur open-webui. Les 4 modeles Qwen3.6 remontent dans le chat.

docker-compose.litellm.yml

@@ -1,20 +1,33 @@
 # ═══════════════════════════════════════════════════════════
 # OVERRIDE litellm — Ajoute LiteLLM + jean-proxy a la stack Effi
-# ‎
+#   + configure open-webui pour parler a LiteLLM en mode OpenAI API
-# Usage :
+#
-#   docker compose -f docker-compose.yml -f docker-compose.litellm.yml up -d litellm jean-proxy
+# Usage (depuis /home/effi/effi sur serveur Effi) :
-# ‎
+#   docker compose -f docker-compose.yml -f docker-compose.litellm.yml up -d --build
-# IMPORTANT : n ajoute QUE les services litellm + jean-proxy.
+#
-# Les services existants (open-webui, wol-proxy, hermes, qdrant, ...)
+# IMPORTANT : cet override modifie open-webui (ajoute OPENAI_API_BASE_URL +
-# ne sont PAS modifies, donc PAS de redemarrage involontaire.
+# OPENAI_API_KEY + remet OLLAMA_BASE_URL sur le wol-proxy originel :3011).
-# ‎
+# open-webui sera recree a la prochaine 'up --force-recreate' pour propager.
-# Une fois LiteLLM valide (curl :4000/v1/models), on pourra repointer
+# LiteLLM expose l'API OpenAI (/v1/*), pas l'API Ollama (/api/*) — donc
-# open-webui en passant OLLAMA_BASE_URL=http://litellm:4000 — mais c est
+# open-webui DOIT etre configure via la section "OpenAI API" (admin UI)
-# une etape de validation utilisateur, pas automatique.
+# et non via la section "Ollama".
 # ═══════════════════════════════════════════════════════════
 
 services:
 
+  # ─────────────────────────────────────────────────────────
+  # open-webui — repointe vers LiteLLM via connexion OpenAI API
+  #   L'ancien backend Ollama (wol-proxy :3011) reste configuré pour
+  #   retrocomparabilité mais le LLM Jhon/Ollama n'est plus accessible
+  #   la nuit (contention VRAM). Le routing par modele se fait cote LiteLLM.
+  # ─────────────────────────────────────────────────────────
+  open-webui:
+    environment:
+      - OLLAMA_BASE_URL=http://host.docker.internal:3011
+      - OPENAI_API_BASE_URL=http://host.docker.internal:4000/v1
+      - OPENAI_API_KEY=sk-effi-litellm-master
+      - ENABLE_OPENAI_API=True
+
   # ─────────────────────────────────────────────────────────
   # 1. jean-proxy — Reverse-proxy vers Jean (.11:8080) + WOL
   #    Clone du wol-proxy, meme MAC cible, port cible = 8080

docs/ARCHITECTURE-LITELLM.md

@@ -107,25 +107,30 @@ curl -s -X POST http://localhost:4000/v1/chat/completions \
   -d '{"model":"llama3.1","messages":[{"role":"user","content":"Bonjour"}],"max_tokens":30}'
 ```
 
-### Commutation de open-webui vers LiteLLM (étape utilisateur)
+### Commutation de open-webui vers LiteLLM — réalisée
 
-Une fois les tests validés :
+⚠️ LiteLLM expose l'**API OpenAI** (`/v1/*`), **pas** l'API Ollama (`/api/*`).
+open-webui ne peut donc pas brancher LiteLLM sur sa section "Ollama" (≠ protocole).
 
-1. Éditer `/home/effi/effi/docker-compose.yml` (seulement cette ligne) :
+L'override `docker-compose.litellm.yml` configure donc open-webui via la section **OpenAI API** :
-   ```yaml
+- `OPENAI_API_BASE_URL=http://host.docker.internal:4000/v1`
-   OLLAMA_BASE_URL=http://host.docker.internal:4000   # LiteLLM au lieu de :3011
+- `OPENAI_API_KEY=sk-effi-litellm-master`
-   ```
+- `ENABLE_OPENAI_API=True`
-2. Ajouter la master key LiteLLM dans `/home/effi/effi/.env` :
+- `OLLAMA_BASE_URL=http://host.docker.internal:3011` (conservé pour rétrocompat — mais le PC gaming OOM si Jean tourne, donc ce backend ne remonte pas de modèles)
-   ```
-   LITELLM_MASTER_KEY=sk-effi-litellm-master
-   ```
-3. Redémarrer open-webui uniquement :
-   ```bash
-   docker compose -f docker-compose.yml -f docker-compose.litellm.yml up -d open-webui
-   ```
-4. Dans open-webui : Admin → Settings → Connections → l'URL est déjà `http://host.docker.internal:4000`. Vérifier que les deux modèles apparaissent dans le dropdown.
 
-ℹ️ Cette étape est volontairement laissée manuelle — c'est l'unique impact sur le service en prod (1 redémarrage open-webui). Hermes, wol-proxy, qdrant etc. ne sont pas touchés.
+Appliqué via :
+```bash
+docker compose -f docker-compose.yml -f docker-compose.litellm.yml up -d --force-recreate open-webui
+```
+
+Dans l'UI open-webui : **Admin → Settings → Connections → "OpenAI API"**. L'URL est pré-remplie (`http://host.docker.internal:4000/v1`) et la clé `sk-effi-litellm-master`. Les 4 modèles Qwen3.6 (`qwen3.6-reason`, `qwen3.6-27b`, `qwen3.6-fast`, `qwen3.6`) apparaissent dans le dropdown du chat.
+
+### Modèles exposés (profil Qwen3.6 — vramp oblige)
+
+| Modèle dans open-webui | Raisonnement | Quand l'utiliser | Latence TTFT |
+|---|---|---|---|
+| `qwen3.6-fast` / `qwen3.6` | OFF | Chat, mail, extraction simple | ~0.4-1 s |
+| `qwen3.6-reason` / `qwen3.6-27b` | ON | Code, analyse, rapports, RAG, tâches complexes | 10-40 s |
 
 ### En cas de rollback