AnythingLLM contre LibreChat : espaces de travail de connaissances ou agents multi-modèles

AnythingLLM et LibreChat sont tous deux gratuits, sous licence MIT et auto-hébergeables ; le choix ne porte donc pas sur le prix, mais sur la question de savoir si la récupération est intégrée au produit ou déployée à côté. AnythingLLM fait des documents l'unité de travail : déposez les fichiers dans un espace de travail, et l'embedder ainsi que le magasin vectoriel sont déjà présents. LibreChat fait de la conversation l'unité de travail : de nombreux modèles, de nombreux utilisateurs, des permissions par rôle et la recherche documentaire comme service distinct que vous devez mettre en place vous-même.

Une correction de cadrage avant la comparaison, car elle modifie la manière dont il faut lire le projet. LibreChat est désormais un projet ClickHouse : ClickHouse, Inc. a annoncé l'acquisition le 4 novembre 2025, précisant que, pour les déploiements existants, « les opérations se poursuivent sans changement, avec des investissements continus dans le projet open source et sa communauté », et librechat.ai affiche encore cette bannière aujourd'hui. AnythingLLM reste un produit de Mintplex Labs. Toutes les sources citées ci-dessous portent une date de vérification au 21 septembre 2026 ; la note finale nomme celles qui ont été relues directement pour cette page.

Lequel convient à la tâche que vous avez réellement

Ce que coûte chacun, et ce que signifie « Pro »

Prix relevés sur anythingllm.com/cloud et sur les pages indiquées ci-dessus le 21 septembre 2026. Deux pièges figurent dans ce tableau. Premièrement, « AnythingLLM Pro » désigne deux choses sans rapport — le niveau Cloud hébergé à 99 $/mois et une licence Desktop Pro qui nécessite Desktop v1.15.0 ou ultérieur et dont le prix ne figure sur aucune page officielle accessible — si bien qu’un prix cité sans préciser lequel est dépourvu de sens. Deuxièmement, le vocabulaire du fournisseur se contredit : la page tarifaire parle de Basic et Pro, tandis que la page des limites Cloud parle de « Starter » et « Professional ». Aucune source officielle de première partie ne fait correspondre un ensemble à l’autre ; confirmez donc au moment du paiement au lieu de supposer qu’il s’agit des mêmes niveaux.

Il existe également un conflit de calendrier à connaître du côté de LibreChat : une discussion GitHub du 12 février 2026 cite le projet de « faire évoluer cette offre et d’abandonner cette API dans sa forme actuelle », avec une date cible au 1er mai 2026, alors que la page tarifaire du 21 septembre 2026 indique toujours aux abonnés existants qu’ils peuvent gérer leurs abonnements. Cette date a-t-elle été appliquée ? Cette page ne peut pas le confirmer.

La séparation de la récupération, qui est le véritable facteur de décision

AnythingLLM. Les documents sont placés dans un espace de travail et l’application les indexe elle-même. Le fichier d’environnement du serveur fournit VECTOR_DB="lancedb" comme seule valeur non commentée, avec Chroma, Pinecone, Astra, pgvector, Weaviate, Qdrant, Milvus et Zilliz commentés à côté. Le point important est la portée : la documentation de l’embedder indique que « les modèles d’embeddings sont définis au niveau du système et ne peuvent pas être configurés de manière atomique par espace de travail comme peuvent l’être les LLM », et que modifier ce choix ultérieurement signifie que vous « devrez supprimer vos documents téléversés et les ré-encoder ». C’est le coût de migration de ce produit, payé en temps de réindexation plutôt qu’en argent.

LibreChat. La recherche documentaire ne se trouve pas du tout dans l’application de chat. L’API RAG « s’exécute comme un service FastAPI distinct adossé à une base PostgreSQL + pgvector », configuré via RAG_API_URL et EMBEDDINGS_PROVIDER (openai, azure, huggingface, huggingfacetei ou ollama), avec des valeurs par défaut de segmentation de 1500 et un chevauchement de 100. Les agents y accèdent comme capacité file_search, et un administrateur peut la retirer à un rôle. Davantage de composants à déployer ; davantage de contrôle.

Kunavo ne fournit ni embeddings, ni conversion parole-texte, ni synthèse vocale — aucun modèle activé ne propose ces endpoints — donc, dans les deux produits, l’emplacement de l’embedder, ainsi que les emplacements distincts de transcription et de synthèse vocale d’AnythingLLM, pointent vers un fournisseur qui les prend en charge, tandis que l’emplacement de chat est celui couvert par une clé Kunavo. L’implémentation RAG explique comment répartir ces étapes.

Agents, MCP et personnes autorisées à modifier quoi

Deux précautions concernant ce tableau. La liste des autorisations de LibreChat correspond à la documentation 0.8.8-rc et, comme le projet ne publie aucune balise de version stable, une image ancienne épinglée ne les contiendra pas toutes — vérifiez avec la version que vous exécutez réellement. Les noms de rôles d’AnythingLLM proviennent de sa page Security and Access, qui s’ouvre sur « DOCKER VERSION ONLY! These settings are only available in the Docker version of AnythingLLM » — une phrase indiquant où se trouvent les paramètres, et non une affirmation selon laquelle le Cloud hébergé serait mono-utilisateur, puisque la documentation Cloud le décrit comme un déploiement multi-utilisateur.

Diriger l’un ou l’autre vers une clé unique

Tous deux acceptent un endpoint compatible avec OpenAI, raison pour laquelle les exécuter côte à côte avec une seule clé constitue une manière équitable de décider. Les configurations diffèrent de façons importantes pour une passerelle.

# AnythingLLM — LLM Preference -> provider "OpenAI (generic)".
# Self-host env names, from server/.env.example on master:
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY=sk-kn-...
GENERIC_OPEN_AI_MODEL_PREF='claude-sonnet-5'      # typed by hand; no model-list fetch is documented
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=1000000
# Embeddings are a SEPARATE provider slot with its own key and its own base
# path (EMBEDDING_ENGINE / EMBEDDING_BASE_PATH / EMBEDDING_MODEL_PREF), and so
# are the transcription and speech slots. A working chat endpoint proves
# nothing about any of them.

# LibreChat — librechat.yaml in the project root, beside your .env.
endpoints:
  custom:
    - name: "Kunavo"                      # required
      apiKey: "${KUNAVO_API_KEY}"        # required; resolved from .env
      baseURL: "https://api.kunavo.com/v1"  # required
      models:                             # required
        default: ["claude-sonnet-5", "claude-haiku-4-5"]
        fetch: true
      # tokenConfig is what the docs say supplies a custom endpoint's rates and
      # context windows — read by context usage, cost breakdowns and balance
      # transactions. prompt/completion are USD per million tokens; context is
      # that model's own window. All three are required, per model.
      tokenConfig:
        claude-sonnet-5:
          prompt: 1.4
          completion: 7
          context: 1000000

La propre documentation d’AnythingLLM décrit ce fournisseur comme un « fournisseur llm destiné aux développeurs — vous ne devriez pas l’utiliser à moins de savoir ce que vous faites » qui « peut ne pas fonctionner comme prévu si vous saisissez incorrectement un paramètre de configuration ». Elle n’indique pas si l’appel d’outils, les agents ou le streaming survivent au routage ; cette page ne prétend donc à aucun de ces résultats. La référence des endpoints personnalisés de LibreChat exige name, apiKey, baseURL et models, et ajoute l’option sans équivalent documenté chez AnythingLLM : provider: anthropic achemine le même bloc via le client Anthropic natif, au prix d’une saisie manuelle des identifiants de modèles, car « models.fetch de style OpenAI n’est pas utilisé pour les endpoints personnalisés Anthropic natifs ». Un autre contrôle s’applique si vous laissez chaque utilisateur fournir son propre endpoint : avec baseURL: "user_provided", LibreChat ne transmet pas les modèles d’en-têtes configurés à cette destination.

La visibilité des coûts est également asymétrique. LibreChat documente tokenConfig comme ce qui définit les tarifs par million et les fenêtres de contexte d’un endpoint personnalisé, et comme l’entrée de l’utilisation du contexte, de la ventilation des coûts et des transactions de solde — l’administrateur le saisit donc manuellement pour chaque modèle, comme ci-dessus ; AnythingLLM ne dispose d’aucun tableau tarifaire documenté par modèle qui lui soit propre. Aucun des deux produits ne doit être considéré comme votre registre comptable. La configuration des deux est publiée : AnythingLLM et LibreChat.

Une estimation mensuelle détaillée

Il s’agit d’un calcul illustratif de tokens, pas d’un coût mesuré ni d’un plafond de facturation. Supposons qu’un espace de travail réponde à 600 questions par mois, chacune envoyant 12,000 tokens d’entrée de prompt système, de passages récupérés et d’un bref historique, et renvoyant 600 tokens de sortie. Les tarifs sont les prix actuels du catalogue Kunavo par million de tokens. La colonne de droite double le contexte récupéré afin de montrer le levier important ici — la quantité récupérée par question est une décision tarifaire, identique dans les deux produits.

Comparez-la au prix de l’abonnement, et non à sa place. Selon ces hypothèses, Claude Haiku 4.5 coûte $6.30 par mois en tokens, ce qui reste largement inférieur au niveau Basic d’AnythingLLM Cloud à 50 $/mois — mais les deux ne sont pas substituables, car ce niveau achète une instance privée gérée et exige malgré tout que vous fournissiez une clé en plus. Une instance LibreChat ou AnythingLLM Docker auto-hébergée reporte ces 50 $ sur la facture de votre propre serveur.

Le montant indiqué dans le catalogue de Kunavo constitue un plancher de facturation plutôt qu’un plafond : lorsque le fournisseur en amont communique le montant qu’il facture, le montant facturé est le plus élevé entre le coût indiqué dans le catalogue et le coût du fournisseur en amont multiplié par le coefficient de majoration applicable. Les frais de cache et les outils externes ne sont pas pris en compte dans cet exemple. Le montant minimal de recharge est de $10 en crédit prépayé — il s’agit d’un montant minimal à verser, et non de frais par tâche ou d’un abonnement. Consultez les détails de facturation, ou créez un compte Kunavo lorsque vous aurez choisi un client. Pour une ventilation plus détaillée des dépenses de part et d’autre, consultez le coût de l’API AnythingLLM et le coût de l’API LibreChat.

Vous évaluez une troisième option ? AnythingLLM vs Open WebUI et LibreChat vs Open WebUI effectuent la même comparaison avec une alternative commune.

Questions fréquentes

Sources vérifiées le 21 septembre 2026. Relues directement lors de la rédaction de cette page : anythingllm.com/cloud, les pages AnythingLLM sur les limites Cloud, Desktop Pro, les agents, MCP, Security and Access et la configuration de l’embedder, l’exemple d’environnement du serveur AnythingLLM, les références de LibreChat sur les endpoints personnalisés, l’interface, MCP et l’API RAG, la liste des versions de LibreChat et package.json, code.librechat.ai/pricing, le statut HTTP de librechat.ai/pricing et /enterprise, la discussion Code Interpreter, ainsi que les articles sur l’acquisition par ClickHouse et la bêta ClickHouse Agents. Les tarifs des tokens Kunavo proviennent du catalogue actuel, chaque exemple en dollars correspond à un calcul illustratif de tokens, et Kunavo n’a testé aucun des deux clients en conditions d’exécution — les pages de configuration liées sont des références de configuration, pas des tests de compatibilité.