IA / LLMOps2026
PHProf
Assistant IA local pour maîtriser PHP 8.x et Symfony en français, 100% hors-ligne avec RAG sur la documentation officielle.
LLMLoRARAGllama.cppQwenPythonPHPSymfonyFine-tuningFAISS
Concept & Approche
PHProf est un assistant IA pédagogique conçu pour accompagner les développeurs francophones dans l'apprentissage de PHP moderne (8.x) et du framework Symfony.
Pourquoi ce projet :
• PHP reste le langage le plus utilisé côté serveur (77% du web)
• La transition vers PHP 8.x introduit des concepts avancés (attributes, named arguments, match, enums)
• Symfony est le framework PHP de référence en entreprise
• Peu de ressources pédagogiques interactives en français
Philosophie Local-First :
• Aucune donnée transmise à des serveurs externes
• Fonctionne 100% hors-ligne après installation
• Confidentialité totale du code source analysé
• Pas de coûts d'API récurrents
Public cible :
• Développeurs PHP souhaitant moderniser leurs pratiques
• Apprenants découvrant Symfony
• Équipes migrant de PHP 7.x vers 8.x
100% Local
Mode
Français
Langue
PHP 8.x
Cible
Symfony
Framework

Exemple : explication des types en PHP 8 avec réponse structurée
Architecture Technique
Stack optimisée pour l'inférence locale rapide avec enrichissement RAG sur la documentation officielle.
Modèle de base :
• Qwen2.5-Coder-1.5B-Instruct en format GGUF (Q4_K_M)
• Modèle compact optimisé pour le code
• Support Metal (macOS), CUDA (Linux/Windows) et CPU
Inférence :
• llama-cpp-python pour l'exécution optimisée
• Accélération GPU native selon la plateforme
• Latence réduite grâce à la quantification Q4_K_M
Pipeline RAG :
• Embeddings : sentence-transformers (all-MiniLM-L6-v2)
• Index vectoriel : FAISS pour la recherche rapide
• Sources : documentation officielle PHP 8.x et Symfony
• Enrichissement contextuel des réponses avec citations
Fine-tuning LoRA (optionnel, macOS uniquement) :
• Framework : mlx-lm pour Apple Silicon
• Adapter léger pour personnalisation
• Dataset extensible selon les besoins
Qwen2.5-1.5B
Modèle
Q4_K_M
Quantification
MiniLM
Embeddings
FAISS
Index

1 / 2
Construction de l'index : documentation PHP/Symfony → chunks → embeddings → FAISS
Fonctionnalités
Interface CLI riche développée avec Typer et Rich pour une expérience terminal moderne.
Cas d'usage couverts :
• Correction de code — Analyse et suggestions d'amélioration
• Explication de code — Décorticage ligne par ligne
• Génération de code — Création de classes, méthodes, tests
• Debugging — Aide au diagnostic d'erreurs
• Bonnes pratiques — PSR-12, SOLID, patterns Symfony
Format de réponse structuré :
• TL;DR — Résumé en une phrase
• Problème — Contexte et enjeu identifié
• Solution — Code corrigé ou généré
• Explication — Détail pédagogique
• À retenir — Points clés mémorisables
Interface CLI :
• Autocomplétion des commandes
• Coloration syntaxique des blocs de code
• Historique des conversations
• Mode interactif ou one-shot
Typer + Rich
CLI
5+
Cas d'usage
Structuré
Format
PSR/SOLID
Standards

1 / 7
Exemple : explication des controllers Symfony avec code et bonnes pratiques
Installation & Usage
Installation simplifiée avec uv (gestionnaire de paquets Python moderne).
Prérequis :
• Python 3.11+
• uv (package manager)
• PHP 8.x (pour tester le code généré)
• ~5 GB d'espace disque (modèle + index)
Plateformes supportées :
• macOS (Apple Silicon recommandé, accélération Metal)
• Linux (support CUDA pour GPU NVIDIA)
• Windows (CPU ou CUDA)
Commandes principales :
• phpprof chat — Mode conversation interactif
• phpprof ask "question" — Question one-shot
• phpprof index — Reconstruction de l'index RAG
• phpprof config — Configuration du modèle
Performance :
• Première réponse : ~3-5s (chargement modèle)
• Réponses suivantes : ~1-2s
• Empreinte mémoire : ~2-3 GB RAM
uv
Package
~5 GB
Espace
~2s
Latence
~3 GB
RAM