# Adapters LoRA — personnalisation des modèles par client

JackAILocal supporte les adapters LoRA au format GGUF, intégrés **au moment du
build** comme tout le reste (rien n'est téléchargé chez le client). C'est le
mécanisme de personnalisation pour le white-label B2B : un client d'affaires
fournit son adapter fine-tuné (ton, vocabulaire métier, langue) et chaque clé
livrée embarque « son » modèle.

## Comment ça marche

1. Le fine-tuning est fait en dehors de JackAILocal (axolotl, unsloth, PEFT…)
   puis l'adapter est converti en **GGUF** (`convert_lora_to_gguf.py` de
   llama.cpp). L'adapter doit cibler exactement le modèle de base packagé
   (ex. `qwen3.5:4b`) — un adapter entraîné sur un autre base model produit du
   bruit.
2. Déclarer l'adapter dans `manifest/lora-adapters.json` (voir
   `manifest/lora-adapters.example.json`) : nom du modèle final, modèle de
   base, fichier (URL + SHA-256 ou chemin local), prompt système optionnel,
   paramètres (`temperature`, `num_ctx`…).
3. Pendant le build, `factory/powershell/Install-LoraAdapters.ps1` :
   - place l'adapter dans `models/lora/`,
   - génère un Modelfile (`FROM base` + `ADAPTER fichier` + SYSTEM/PARAMETER),
   - exécute `ollama create <nom>` dans le store Ollama de la cible.
4. Ajouter le modèle créé au catalogue (`Add-ModelToCatalog.ps1`) pour que le
   runtime puisse le sélectionner, et inscrire la licence de l'adapter dans
   `licenses/THIRD_PARTY_NOTICES.md`.

## Backend llama.cpp

Le serveur llama.cpp accepte aussi les adapters au lancement :
`llama-server -m base.gguf --lora adapter.gguf`. Convention identique :
fichiers sous `models/lora/`.

## Limites

- LoRA sur modèles **quantifiés** : Ollama applique l'adapter sur le modèle
  de base tel quel; pour une qualité maximale, fusionner l'adapter dans les
  poids avant quantification (merge + quantize) et livrer un GGUF fusionné
  dans `models/gguf/` à la place.
- Un adapter = un modèle nommé dans le store; l'espace disque est celui du
  base model (partagé) + l'adapter (petits Mo).
- Toujours vérifier la licence du dataset de fine-tuning du client avant
  redistribution.