L’IA générative s’est installée dans les usages quotidiens des équipes, souvent par la petite porte : des collaborateurs collent du code, des procédures internes ou des données clients dans des chatbots publics. Pour un DSI ou un RSSI, la question n’est plus de savoir s’il faut proposer un assistant conversationnel, mais comment le faire sans perdre la maîtrise des données. Faire tourner des modèles en local avec Ollama règle la question du moteur d’inférence ; il manque encore une interface web multi-utilisateurs, avec gestion des droits, historique et recherche dans vos documents. C’est exactement la place qu’occupe Open WebUI.
Qu’est-ce qu’Open WebUI ?
Open WebUI est une plateforme d’IA auto-hébergée, développée sur GitHub par le projet open-webui. Elle se présente comme une interface de chat proche de celles des services commerciaux, mais elle s’exécute sur votre infrastructure et peut fonctionner entièrement hors ligne. Elle se connecte à Ollama ainsi qu’à toute API compatible OpenAI : LM Studio, vLLM, Mistral, Groq, OpenRouter ou un fournisseur cloud de votre choix.
Au-delà du simple chat, le projet couvre un périmètre large :
RAG (Retrieval-Augmented Generation) : import de documents dans des bases de connaissances, recherche hybride (BM25 et vectorielle) et reranking ;
Gestion des accès : contrôle d’accès par rôles (RBAC), groupes d’utilisateurs, intégration LDAP et Active Directory, SSO via OAuth ou en-têtes de confiance, provisionnement SCIM 2.0 ;
Extensibilité : plugins (Filters, Actions, Pipes, Tools), serveurs d’outils MCP et OpenAPI, modèles personnalisés avec instructions et connaissances dédiées ;
Fonctions avancées : génération d’images (ComfyUI, AUTOMATIC1111, DALL·E…), appels vocaux avec plusieurs moteurs STT/TTS, évaluation de modèles en mode arène avec classement ELO, statistiques d’usage.
Point d’attention juridique : le code est publié sous l’Open WebUI License, qui impose notamment de conserver la marque « Open WebUI », certaines contributions anciennes restant sous leur licence d’origine. Si vous envisagez un déploiement en marque blanche, lisez attentivement les fichiers LICENSE et LICENSE_HISTORY du dépôt.
Architecture et fonctionnement
Open WebUI est une application web composée d’un frontend et d’un backend Python. Le backend gère l’authentification, les conversations, les fichiers et les appels aux moteurs d’inférence. Il ne fait pas tourner les modèles lui-même : il délègue l’inférence à Ollama ou à un point de terminaison compatible OpenAI. Cette séparation permet de placer l’interface sur une petite VM et les modèles sur un serveur équipé de GPU.
Côté stockage, la base par défaut est SQLite ; pour la production, la documentation recommande PostgreSQL via la variable DATABASE_URL. Les fichiers peuvent être stockés localement ou sur S3, GCS et Azure Blob. Pour le RAG, neuf bases vectorielles sont prises en charge, dont ChromaDB, PGVector, Qdrant, Milvus, Elasticsearch et OpenSearch. Enfin, Redis permet la montée en charge horizontale sur plusieurs réplicas, et l’observabilité passe par OpenTelemetry.
Installation
La méthode recommandée est le conteneur. Le volume open-webui:/app/backend/data est indispensable : sans lui, la base et les fichiers disparaissent à la recréation du conteneur. Voici les principales variantes documentées :
# Option 1 : Ollama est déjà installé sur l'hôte
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data --name open-webui --restart always \
ghcr.io/open-webui/open-webui:main
# Option 2 : Ollama tourne sur un autre serveur
docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://ollama.exemple.local \
-v open-webui:/app/backend/data --name open-webui --restart always \
ghcr.io/open-webui/open-webui:main
# Option 3 : image tout-en-un avec Ollama intégré (GPU NVIDIA)
docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama \
-v open-webui:/app/backend/data --name open-webui --restart always \
ghcr.io/open-webui/open-webui:ollama
# Installation sans conteneur (Python 3.12 recommandé)
pip install open-webui
open-webui serve Avec Docker, l’interface est ensuite accessible sur http://localhost:3000 (le port 8080 du conteneur est publié sur le port 3000 de l’hôte) ; en installation pip, elle répond sur le port 8080. Une image :cuda existe pour l’accélération NVIDIA, et le projet documente aussi un déploiement sur Kubernetes pour les environnements déjà orchestrés.
Premiers pas et usage
Le premier compte créé devient administrateur, puis l’inscription publique se désactive automatiquement. Si vous la réactivez avec ENABLE_SIGNUP=true, les nouveaux comptes reçoivent le rôle par défaut pending et doivent être validés par un administrateur. Pour un déploiement automatisé, les variables WEBUI_ADMIN_EMAIL, WEBUI_ADMIN_PASSWORD et WEBUI_ADMIN_NAME créent l’administrateur au démarrage, uniquement si aucun utilisateur n’existe.
Dans le panneau d’administration, vous déclarez ensuite vos connexions (URL d’Ollama, clés d’API compatibles OpenAI), puis vous organisez l’accès :
Groupes et permissions : réservez certains modèles à une équipe, limitez l’accès aux outils ou au téléversement de fichiers ;
Bases de connaissances : importez procédures, documentations techniques ou politiques internes, puis rattachez-les à un modèle personnalisé (par exemple un assistant « support N1 » qui répond à partir de votre base documentaire) ;
Modèles personnalisés : définissez un prompt système, des outils autorisés et des documents de référence pour chaque cas d’usage ;
Clés d’API : activables avec
ENABLE_API_KEYS=true, elles héritent des droits de leur propriétaire et peuvent être restreintes à certaines routes.
Cas d’usage en entreprise
Dans un service informatique, plusieurs usages se dégagent rapidement :
Assistant documentaire interne : un modèle rattaché aux procédures d’exploitation, aux PRA ou aux guides de configuration répond aux questions des équipes en citant ses sources, sans exposer ces documents à un service externe ;
Aide au support et à la rédaction : reformulation de tickets, synthèse de journaux d’incident, rédaction de comptes rendus ou de communications aux utilisateurs ;
Passerelle maîtrisée vers le cloud : lorsque certains usages exigent un modèle commercial, Open WebUI peut servir de point d’entrée unique vers une API compatible OpenAI. Vous gardez alors la main sur les comptes, les groupes autorisés et la journalisation, plutôt que de laisser chaque collaborateur ouvrir son propre abonnement ;
Évaluation de modèles : le mode arène permet de comparer anonymement les réponses de plusieurs modèles sur vos propres questions et d’établir un classement avant de choisir celui à généraliser.
Dans tous les cas, le dimensionnement dépend surtout du moteur d’inférence : l’interface elle-même est légère, ce sont les modèles et le nombre d’utilisateurs simultanés qui déterminent les besoins en GPU et en mémoire.
Pour l’exploitation, la documentation insiste sur deux points : sauvegarder le volume avant chaque mise à jour (certaines migrations de base sont irréversibles) et fixer une valeur stable pour WEBUI_SECRET_KEY, faute de quoi les sessions sont invalidées à chaque recréation du conteneur. Voici la procédure de mise à jour documentée et quelques variables de durcissement à adapter :
# 1. Sauvegarder le volume avant toute mise à jour
docker run --rm -v open-webui:/data -v $(pwd):/backup \
alpine tar czf /backup/openwebui-$(date +%Y%m%d).tar.gz /data
# 2. Mettre à jour (les données du volume sont conservées)
docker rm -f open-webui
docker pull ghcr.io/open-webui/open-webui:main
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data -e WEBUI_SECRET_KEY="votre-cle-secrete" \
--name open-webui --restart always ghcr.io/open-webui/open-webui:main
# 3. Exemples de variables de durcissement (fichier .env)
WEBUI_SECRET_KEY=une-valeur-longue-et-stable
DATABASE_URL=postgresql://openwebui:motdepasse@db:5432/openwebui
DEFAULT_USER_ROLE=pending
CORS_ALLOW_ORIGIN=https://ia.exemple.fr
WEBUI_SESSION_COOKIE_SECURE=true
FORWARDED_ALLOW_IPS=10.0.0.10
AUDIT_LOG_LEVEL=METADATA
ENV=prod Comparaison avec les alternatives
Plusieurs projets occupent un terrain voisin. LM Studio est une application de bureau : idéale pour un poste individuel, elle n’offre pas de gestion multi-utilisateurs centralisée. LibreChat est une interface web open source orientée multi-fournisseurs, appréciée pour agréger des API cloud. AnythingLLM met l’accent sur le RAG par espaces de travail et existe en version bureau comme en version serveur. Open WebUI se distingue par la profondeur de ses fonctions d’entreprise (RBAC fin, LDAP, SCIM, journal d’audit, montée en charge avec Redis) et par son intégration très poussée avec Ollama. En contrepartie, son périmètre fonctionnel est vaste, ce qui augmente la surface d’attaque à maîtriser, et sa licence impose la conservation de la marque.
Bonnes pratiques de sécurité
Ne pas exposer directement l’application : Open WebUI ne termine pas TLS. Placez-la derrière un reverse proxy (Nginx, Caddy, HAProxy) en HTTPS, ajoutez les en-têtes de sécurité (HSTS, CSP…) et, idéalement, une couche VPN ou d’accès Zero Trust ;
Restreindre les en-têtes de confiance : limitez
FORWARDED_ALLOW_IPSà l’adresse du proxy et, si vous utilisez l’authentification par en-tête, assurez-vous que le proxy supprime ces en-têtes dans les requêtes clientes ;Centraliser l’authentification : branchez l’OAuth sur votre fournisseur d’identité, par exemple Authentik, filtrez les domaines autorisés avec
OAUTH_ALLOWED_DOMAINSet activez la MFA ;Réduire la surface d’attaque : les Tools et Functions exécutent du code arbitraire côté serveur. Désactivez-les avec
ENABLE_PLUGINS=falsesi vous ne les utilisez pas, tout comme l’exécution de code (ENABLE_CODE_EXECUTION=false,ENABLE_CODE_INTERPRETER=false) ;Tracer l’activité : le journal d’audit est désactivé par défaut ;
AUDIT_LOG_LEVEL=METADATAenregistre l’activité de l’API, utile pour un SIEM ;Maîtriser les données : définissez ce qui peut être versé dans les bases de connaissances (classification, données personnelles au sens du RGPD) et documentez la durée de conservation des conversations.
Conclusion
Open WebUI apporte la brique qui manquait aux déploiements d’IA locale : une interface soignée, multi-utilisateurs, gouvernable et connectable à vos modèles comme à vos référentiels d’identité. Associé à Ollama sur un serveur GPU, il permet d’offrir aux équipes un assistant conversationnel et un moteur de recherche documentaire sans que les données quittent votre infrastructure. Sa richesse fonctionnelle impose en revanche une vraie démarche de durcissement : proxy HTTPS, authentification centralisée, plugins limités, sauvegardes avant chaque mise à jour. Commencez par un pilote restreint à une équipe, mesurez les usages, puis élargissez.
À lire aussi : LM Studio : exécution locale des modèles d’IA générative · Jupyter : un outil puissant pour la science des données
