Genitem.education – AI-generated items
Génération d'items avec l'IA
Guide Installation E-mail
Generating items using AI

Citer cette application - Cite this application

Jan, D., Béland, S., Vincent, C., Michelot, F., & Autres personnes Cool. (2026). Genitem [Ollama (local), Python, AI-GENIE]. www.genitem.education

Download citation
Genitem.education – AI-generated items

Génération d'items avec l'IA

Étape 1 — Créer agents.py avec le configurateur ci-dessous
1 Item generator
⚠️ Modèle léger : peut mal respecter les consignes précises ⚠️
Exécution en parallèle — consensus itératif
2
⚠️ Modèle léger : peut mal respecter les consignes précises ⚠️
3
⚠️ Modèle léger : peut mal respecter les consignes précises ⚠️
4
⚠️ Modèle léger : peut mal respecter les consignes précises ⚠️
+
5 Revision agent
⚠️ Modèle léger : peut mal respecter les consignes précises ⚠️
Étape 2 — Exporter agents.py
Sauvegarde le fichier agents.py téléchargé dans le dossier \projet\ du disque de travail
Étape 3 — Générer des items
Fenêtre 1 : démarrer Ollama (à laisser ouverte). Fenêtre 2 : générer les items.
PowerShell 1
PowerShell 2
Étape 4 — Analyser avec AI-GENIE
À exécuter dans PowerShell.
⚠️ Veuillez, après chaque analyse, vider le dossier \projet\ ⚠️
(items_*.txt, details_*.txt, AI-GENIE.txt, resultats_*.xlsx, network_plot_*.png, stability_plot_*.png — sauvegarde ailleurs ce que tu veux garder avant de vider)
Ajouter modèle

Parcourir tous les modèles disponibles sur ollama.com

Supprimer modèle
Méthodes alternatives — à utiliser uniquement si « Ajouter modèle » ou « Supprimer modèle » ci-dessus échoue sur une machine
Les boutons d'origine restent inchangés. Ces méthodes attendent réellement que le serveur Ollama réponde, cherchent ollama.exe à plus d'endroits, et proposent une voie de secours qui n'utilise pas le client en ligne de commande.
Diagnostic Ollama — à lancer d'abord en cas d'échec
1. Vérifier l'exécutable, le port 11434, le dossier des modèles et les journaux
À exécuter dans PowerShell. Ne modifie rien : n'affiche que l'état réel de l'installation.
2. Lister les modèles installés
Nécessite qu'Ollama tourne déjà (lance d'abord un « PowerShell 1 » ci-dessus).
3. Arrêter tous les processus Ollama en cours
Utile pour repartir sur une base propre si plusieurs instances tournent en même temps.
4. Nettoyer un manifeste bloqué (modifie le nom avant de coller)
Remplace la valeur de $M par le nom exact du modèle qui bloque (visible dans le message d'erreur « Access is denied »), puis colle et exécute. Corrige l'erreur « Error: remove ...: Access is denied » au démarrage du serveur.
5. Nettoyer les fichiers de données orphelins (libère de l'espace disque)
Supprime les fichiers de poids qui ne sont plus référencés par aucun modèle installé (restes d'une suppression ou d'un téléchargement interrompu). Sans danger pour les modèles encore installés.
6. Démarrage avec nettoyage automatique en boucle (recommandé)
Détecte tout seul quel manifeste bloque (message « Access is denied »), le supprime automatiquement, et réessaie — jusqu'à 10 fois si besoin — avant de lancer le serveur normalement. Remplace avantageusement la technique 4 quand plusieurs modèles bloquent d'un coup ou que tu ne veux pas identifier le nom toi-même.
Ajouter modèle — méthodes alternatives

Parcourir tous les modèles disponibles sur ollama.com

Supprimer modèle — méthodes alternatives
Mettre à jour la liste du fichier, sans rien installer
Utile quand un modèle est déjà installé sur la machine mais absent des menus déroulants, ou quand le téléchargement automatique de la page a échoué. Le fichier est réenregistré sous son nom d'origine.
→ Tester plusieurs modèles sur la même consigne
Performance indicative selon le matériel
Vitesse de génération approximative (quantification Q4) selon la taille du modèle et le matériel disponible
Taille du modèle (Q4) VRAM / RAM Sans GPU (16 Go RAM) Sans GPU (64 Go RAM) GPU 8 Go VRAM GPU 16 Go VRAM (RTX 4080) GPU 32 Go VRAM (RTX 5090)
1B à 3B ~1,5 - 3 Go 🟢⚡ (15-30 tok/s) 🟢⚡ (20-35 tok/s) 🟢🚀 (> 100 tok/s) 🟢🚀 (> 120 tok/s) 🟢🚀 (> 150 tok/s)
7B à 8B ~5,5 - 6 Go 🟡🚶 (5-12 tok/s) 🟢🏃 (8-15 tok/s) 🟢🚀 (60-90 tok/s) 🟢🚀 (80-120 tok/s) 🟢🚀 (> 130 tok/s)
14B à 32B ~10 - 20 Go 🔴❌ (Manque RAM) 🟡🐢 (2-6 tok/s) 🟡⚠️ (Hybride, 5-10 tok/s) 🟢🚀 (14B) / 🟡⚠️ (32B) 🟢🚀 (60-100 tok/s)
70B ~40 - 43 Go 🔴❌ (Manque RAM) 🔴🐌 (0,5-2 tok/s) 🔴❌ (Inutilisable) 🔴🐌 (Hybride, 1-3 tok/s) 🟡🚶 (Hybride, 8-15 tok/s)

Citer cette application - Cite this application

Jan, D., Béland, S., Vincent, C., Michelot, F., & Autres personnes Cool. (2026). Genitem [Ollama (local), Python, AI-GENIE]. www.genitem.education

Download citation