Ai-je besoin d'un GPU pour faire tourner CrewAI ?

Non — pas pour l'installation habituelle. CrewAI orchestre des agents ; la vraie réflexion se passe dans un LLM que vous appelez via une API (OpenAI, Anthropic, etc.). Votre serveur ne fait que faire tourner Python, tenir la logique de l'équipe, et lancer des appels HTTP. C'est du travail de CPU et de RAM, pas de GPU. Vous ne voudriez un GPU que si vous faites aussi tourner le modèle en local (par ex. via Ollama), ce qui est une installation différente et bien plus lourde.

Quelle taille de VPS me faut-il ?

La plupart des équipes sont légères sur la machine parce que le gros du travail est distant. Un plan de 1 à 2 Go de RAM gère confortablement une petite équipe. Montez à 4 Go si vous faites tourner plusieurs équipes, gardez de longs historiques de conversation en mémoire, ou ajoutez un stockage vectoriel pour la mémoire des agents. Commencez petit — vous pourrez redimensionner plus tard.

Comment garder l'équipe en marche après ma déconnexion ?

Faites-la tourner comme un service systemd (recommandé) ou dans tmux pour des tests rapides. systemd la redémarre si elle plante et la lance au boot — ce qui est tout l'intérêt de quitter votre portable. Il y a un schéma complet ci-dessous.

Puis-je payer sans carte ni pièce d'identité ?

Oui. EQVPS accepte USDC ou USDT sur Base, Ethereum ou Polygon, et il n'y a pas de vérification d'identité. L'inscription, c'est un e-mail et un code à usage unique. Base a les frais de réseau les plus bas si vous alimentez un petit solde.

L'agent peut-il louer son propre serveur ?

Oui — EQVPS expose un serveur MCP (mcp.eqvps.com/mcp), donc un agent avec un solde alimenté peut appeler order_vps et provisionner une machine lui-même. Utile si l'un des jobs de votre équipe est de monter de l'infrastructure.

Faire tourner une équipe multi-agents CrewAI sur un VPS

Votre équipe CrewAI tourne super sur votre portable. Les agents se parlent, le chercheur passe le relais au rédacteur, tout ronronne — jusqu'à ce que vous rabattiez le couvercle et que tout s'arrête. Ou que votre wifi coupe en pleine tâche. Ou que vous redémarriez et oubliiez de la relancer.

Une équipe qui ne tourne que pendant que vous regardez n'est pas de l'automatisation. C'est une démo. La déplacer vers un VPS, c'est ce qui la transforme en quelque chose qui marche vraiment pendant que vous dormez.

Pourquoi un serveur, pas votre machine

L'argument est simple : un VPS est un ordinateur qui ne rabat jamais son couvercle. Il a une IP fixe, il ne dort pas, et si le processus meurt il peut se relancer tout seul. Pour une équipe multi-agents — qui par conception fait tourner des jobs longs, bavards et multi-étapes — c'est la différence entre « ça a marché une fois » et « ça tourne depuis trois semaines ».

Il y a une deuxième raison qui surprend les gens en bien : vous n'avez pas besoin d'une machine puissante. Plus là-dessus juste après, parce que c'est la question que tout le monde pose en premier.

Non, vous n'avez pas besoin d'un GPU

C'est la partie que les gens se trompent sur l'hébergement d'agents. CrewAI est un orchestrateur. Il décide quel agent agit, dans quel ordre, avec quel contexte — puis il demande à un modèle de langage de faire le vrai raisonnement. Ce modèle vit presque toujours derrière une API : vous envoyez une requête à OpenAI ou Anthropic, ils la font tourner sur leurs GPU, vous récupérez du texte.

Donc votre serveur fait trois choses : faire tourner Python, tenir l'état de l'équipe, et lancer des appels HTTPS. Rien de tout ça ne touche un GPU. Un simple VPS CPU convient parfaitement. La seule fois où ça change, c'est si vous voulez aussi faire tourner le modèle en local — mais c'est un projet séparé et plus lourd, et la plupart des équipes n'en ont pas besoin.

Concrètement : un plan de 1 à 2 Go fait tourner une petite équipe sans transpirer. Passez à 4 Go si vous faites tourner plusieurs équipes à la fois, gardez de gros historiques de conversation en RAM, ou boulonnez une base de données vectorielle pour la mémoire à long terme des agents.

L'installation concrète

Machine Ubuntu fraîche, root environ une minute après la commande. Voici le tout :

# Python + venv
apt update && apt install -y python3-venv python3-pip
python3 -m venv ~/crew && source ~/crew/bin/activate

# CrewAI
pip install crewai crewai-tools

# votre projet
mkdir ~/mycrew && cd ~/mycrew
# copiez votre crew.py et .env ici (scp / git clone)

Votre .env tient le seul secret qui compte — la clé API du LLM :

OPENAI_API_KEY=sk-...
# ou ANTHROPIC_API_KEY, etc.

Ensuite un python crew.py normal le lance. C'est la version manuelle. Ça marche, mais ça meurt dès que votre session SSH se ferme — ce qui nous amène au vrai intérêt d'un serveur.

Le garder en vie avec systemd

tmux convient pour un test rapide. Pour quoi que ce soit de réel, utilisez systemd — il redémarre l'équipe si elle plante et la remonte au reboot. Déposez ceci dans /etc/systemd/system/mycrew.service :

[Unit]
Description=CrewAI crew
After=network-online.target

[Service]
WorkingDirectory=/root/mycrew
ExecStart=/root/crew/bin/python /root/mycrew/crew.py
Restart=always
RestartSec=5
EnvironmentFile=/root/mycrew/.env

[Install]
WantedBy=multi-user.target

systemctl daemon-reload
systemctl enable --now mycrew
journalctl -u mycrew -f   # la regarder travailler

Maintenant l'équipe tourne au boot, redémarre en cas d'échec, et journalise partout où vous pouvez la lire. Fermez votre portable — elle s'en fiche.

Le payer

L'inscription, c'est un e-mail et un code à usage unique — pas de carte, pas de pièce d'identité. Vous alimentez un solde avec USDC ou USDT sur Base, Ethereum ou Polygon (Base est la moins chère en frais), et les commandes y puisent. Pour une équipe qui fait surtout des appels API sortants, le plan NAT par défaut convient et coûte moins cher ; choisissez un plan -ip seulement si l'équipe a besoin de sa propre IPv4 publique pour des services entrants.

Une astuce sympa : EQVPS a un serveur MCP à mcp.eqvps.com/mcp. Si le provisionnement est lui-même l'un des jobs de votre équipe, un agent avec un solde alimenté peut appeler order_vps et monter une machine tout seul — pas d'humain à la caisse.

Ce qu'il est honnête de dire

Vous apportez les clés API du LLM. On héberge l'équipe, pas le modèle. Votre facture OpenAI/Anthropic est séparée et, pour une équipe active, généralement le plus gros coût — le VPS est la partie pas chère.

C'est du CPU uniquement, un datacenter en Allemagne. Pas d'inférence GPU locale, et la latence est meilleure si vos utilisateurs ou vos API sont proches de l'Europe. Pour une équipe qui tape des API LLM hébergées aux États-Unis, le saut supplémentaire, c'est des millisecondes — négligeable à côté de la latence du modèle — mais bon à savoir.

Dimensionnez pour votre mémoire, pas pour votre modèle. Ce qui fait vraiment grimper votre usage de RAM, c'est l'historique de conversation et tout stockage vectoriel que vous ajoutez, pas le nombre d'agents. Surveillez journalctl et htop pendant une journée et redimensionnez si besoin.

À retenir

Une équipe CrewAI a sa place sur quelque chose qui ne dort pas. Le déménagement est court : un VPS CPU, pip install crewai, une unité systemd, votre clé API dans un .env. Dix minutes et votre équipe tourne 24/7 au lieu de « quand le portable est ouvert ». Root en une minute environ, payez en crypto, redimensionnez quand la mémoire vous le dit — et laissez les agents s'y mettre.