Simplification radicale : moteur pris de l'image officielle llama.cpp

Plus aucune compilation CUDA : le runtime part de
ghcr.io/ggml-org/llama.cpp:server-cuda (llama-server précompilé et maintenu
par l'équipe amont, backends .so chargés dynamiquement, archs GPU courantes,
repli CPU fonctionnel). Le build complet passe de ~40 min à ~4 min et tous
les pièges du build CUDA sans GPU (stubs libcuda, espace disque du runner,
choix des architectures) disparaissent.

- Dockerfile : 2 étapes (Go + image officielle), build-arg LLAMACPP_IMAGE
  pour épingler une version ou passer en CPU/Vulkan
- entrypoint : BIN=/app/llama-server
- workflow GHCR : purge disque et CUDA_ARCHS supprimés, cache max
- compose/.env/README à l'avenant

Validé : build 3 min 55, UI HTTP 200, healthcheck healthy, superviseur PID
OK, llama-server démarre (repli CPU) et n'échoue que sur un modèle factice.

.env.example

@@ -4,11 +4,6 @@
 # Port de l'interface web (identique dedans/dehors).
 LOKI_WEB_PORT=8090
 
-# Architectures CUDA compilées (build local uniquement).
-# 75=Turing (GTX 16xx / RTX 20xx), 86=Ampere (RTX 30xx), 89=Ada (RTX 40xx).
-# Restreindre à sa carte divise le temps de compilation.
-CUDA_ARCHS=75;86;89
-
 # Optionnel — semé au PREMIER démarrage seulement (modifiable ensuite dans
 # l'UI, qui garde la main) :
 # Modèle initial : nom d'un .gguf présent dans ./models ou chemin complet.