SEC.01

Le playbook

Le run démarre en lecture seule : les sondes de reconnaissance décident de la suite. Les étapes qui suivent sont adaptées à la distribution et à l'état trouvés — une vraie machine est rarement propre.

1. 01recondistro, version, noyau et architecture (x86_64 ou aarch64 → sbsa dans les URL NVIDIA)
2. 02reconun GPU NVIDIA est-il présent ? aucun → arrêter, rien à installer
3. 03reconpilote déjà installé et fonctionnel ? quelle version / CUDA max ?
4. 04reconmodule nouveau ou nvidia chargé ?
5. 05reconSecure Boot actif ? (un module non signé ne se chargera pas)
6. 06reconen-têtes du noyau courant installés (requis pour construire le module) ?
7. 07reconDocker présent ? (alors le Container Toolkit est utile)
8. 08agirInstaller les en-têtes du noyauvérif
9. 09agirAjouter le dépôt CUDA officiel NVIDIAvérif
10. 10agirInstaller le pilote NVIDIAdestructifvérif
11. 11agirInstaller le toolkit CUDAvérif
12. 12agirInstaller le NVIDIA Container Toolkit (seulement si Docker est présent)vérif
13. 13agirVérifier le GPUvérif

SEC.02

Ce qu'elle vérifie

Chaque étape embarque sa propre vérification. Le run ne continue que si elle passe, donc ce que la recette annonce comme fait est ce qui est réellement sur le serveur.

1. 01vérifInstaller les en-têtes du noyauVérifié partest -d "/lib/modules/$(uname -r)/build" && echo okattendu : ok
2. 02vérifAjouter le dépôt CUDA officiel NVIDIAVérifié parapt-cache policy cuda-toolkit 2>/dev/null | head -3; dnf -q list cuda-toolkit 2>/dev/null | tail -1; trueattendu : un candidat cuda-toolkit depuis developer.download.nvidia.com
3. 03vérifInstaller le pilote NVIDIAVérifié parnvidia-smi -L 2>&1 || modinfo -F version nvidiaattendu : une ligne « GPU 0: … » ; sinon une version de module = installé mais redémarrage requis (à faire par l’utilisateur)
4. 04vérifInstaller le toolkit CUDAVérifié par/usr/local/cuda/bin/nvcc --version | tail -2attendu : Cuda compilation tools, release …
5. 05vérifInstaller le NVIDIA Container Toolkit (seulement si Docker est présent)Vérifié pardocker info --format '{{json .Runtimes}}' | grep -c nvidiaattendu : 1
6. 06vérifVérifier le GPUVérifié parnvidia-smi -L | grep -c GPUattendu : au moins 1 (échec juste après l’install = redémarrage requis, à signaler)

SEC.03

Les garde-fous

Les consignes non négociables que le run doit respecter, quoi qu'il trouve sur le serveur.

SEC.04

Comment une recette s'exécute dans Servor

Servor est zero-knowledge : la plateforme ne peut rien exécuter seule. Quand vous lancez cette recette, un run lit la reconnaissance, planifie les étapes et demande votre validation. Chaque commande approuvée est signée par votre navigateur — avec une clé que le serveur ne voit jamais — puis relayée telle quelle à l'agent, qui vérifie la signature localement avant d'exécuter.

SEC.05

Bouton Deploy on Servor

Vous maintenez Pilotes NVIDIA + CUDA ou un projet qui en dépend ? Ajoutez ce bouton à votre README ou à votre site : en un clic, vos utilisateurs l'installent sur leur propre serveur.

SEC.06

D'autres recettes ia / ml

1. 01OllamaOllama pour faire tourner des LLM locaux (GPU NVIDIA si présent, sinon CPU), API sur 127.0.0.1, pull d’un modèle optionnel.
2. 02JupyterLabJupyterLab via Docker, sur 127.0.0.1 avec un token d’accès généré (accès par tunnel SSH).
3. 03Open WebUIInterface web pour LLM (Ollama) Open WebUI via Docker, sur 127.0.0.1, branchée sur l’Ollama local.
4. 04ComfyUI (Stable Diffusion)ComfyUI pour la génération d’images, installé depuis le dépôt officiel en service systemd (GPU NVIDIA recommandé, CPU possible).
5. 05Serveur d’inférence vLLMvLLM pour servir un LLM en API OpenAI-compatible sur 127.0.0.1, protégée par une clé générée. GPU NVIDIA requis.