Qu’est-ce que Sure ?
Sure est une app de finances personnelles auto-hébergée : comptes, transactions, budgets, patrimoine net, placements, prêts et factures, dans une app web Rails avec une coque de bureau pour macOS et une app mobile d'appoint en Flutter. C'est un fork communautaire de Maybe Finance, dont l'équipe a dépensé près de 1 million de dollars pour construire l'app avant de l'archiver en juillet 2025 ; Sure a repris le code le même mois sous la même licence AGPL-3.0 et publie une version chaque mois depuis.
L'IA passe par deux circuits séparés. Un assistant de chat répond aux questions sur vos comptes et transactions en appelant les fonctions propres à Sure, et des tâches de fond catégorisent les transactions et détectent les commerçants. Les deux utilisent n'importe quel endpoint compatible OpenAI (gpt-4.1 d'OpenAI par défaut), Anthropic en natif, Gemini ou un modèle local via Ollama ou LM Studio. Un endpoint Model Context Protocol permet à Claude, à des agents GPT ou à votre propre agent de lire et modifier les données de Sure, et un mode mcp_only retire le chat de l'app pour qui apporte son propre agent.
Les connexions bancaires passent par Plaid, TrueLayer, Enable Banking et des fournisseurs régionaux comme Monobank et FIO, plus des portefeuilles crypto et des imports CSV ou PDF. Le site du projet, sure.am, propose une instance hébergée avec des données d'exemple ; son prix n'est pas publié.
Sure vaut-il le coup ?
Le meilleur argument de Sure, c'est d'avoir survécu. Maybe Finance comptait environ 54 000 étoiles sur GitHub lors de son archivage ; le fork en a aujourd'hui environ 14 400 et tient un rythme d'une version par mois depuis plus d'un an, la dernière étant la 0.7.6 du 31 octobre 2026, suivie d'un correctif le 12 novembre. C'est rare pour une base de code sauvée, et cela compte pour un logiciel qui détient vos données financières.
La conception de l'IA est plus soignée que la moyenne. L'assistant de chat et les tâches de catégorisation se configurent séparément : vous pouvez confier la catégorisation à un petit modèle local et le chat à un modèle hébergé, ou désactiver l'assistant de l'app et brancher un agent externe par MCP. La documentation est franche sur le matériel : 8 GB de VRAM suffisent à un modèle 7B pour un chat simple, 16 GB ou plus sont recommandés, et l'inférence sur CPU seul est 10 à 100 fois plus lente. Par défaut, un seul thread du worker gère tout le travail d'IA, si bien qu'un long import de PDF attend derrière le chat, et la catégorisation envoie des lots de 25 transactions par appel au modèle. La version 0.7.6 a ajouté un classifieur bayésien qui catégorise sans dépenser un seul token.
Le modèle de sécurité demande de la vigilance. L'endpoint MCP accorde une portée read_write via OAuth 2.0, ou un jeton bearer statique lié à l'adresse e-mail d'un utilisateur, et la documentation prévient que ses outils peuvent importer des relevés et modifier transactions, budgets et catégories. Les clés de chiffrement des identifiants de fournisseurs stockés sont dérivées de SECRET_KEY_BASE si elles ne sont pas fixées explicitement ; le fichier Compose exige désormais votre propre valeur après que d'anciens fichiers d'exemple en ont fourni une par défaut, et un guide de rotation des clés couvre les personnes concernées. La version 0.7.6 a aussi activé une surveillance produit anonyme via PostHog, que l'on coupe en auto-hébergement avec POSTHOG_FEEDBACK_ENABLED=false.
Les aspérités sont réelles. 916 tickets et pull requests sont ouverts, l'accès de production de Plaid n'est pas ouvert aux utilisateurs européens et exige une instance sur un domaine public avec SSL, l'app mobile couvre la connexion, les soldes et des budgets en lecture seule, et le backend de recherche documentaire Qdrant n'est qu'une ébauche incapable de stocker des documents. Une app Rails avec Postgres, Redis et un worker Sidekiq demande aussi plus d'entretien qu'un binaire unique ; c'est le prix de l'assistant et de l'endpoint pour agents.
Là où il fait la différence
Un foyer soucieux de sa vie privée avec un serveur domestique et un GPU de 16 GB
Poser des questions sur deux ans de dépenses sans envoyer de transactions à un modèle dans le cloud
Lancez Sure avec Docker Compose, pointez le fournisseur de LLM vers Ollama avec un modèle 13B ou 14B comme le recommande la documentation, et confiez la catégorisation au classifieur bayésien sans tokens. Le seul coût est le matériel ; l'inférence sur CPU seul est 10 à 100 fois plus lente.
Un développeur indépendant qui utilise déjà Claude Desktop tous les jours
Laisser un agent répondre à "combien ai-je dépensé en logiciels ce trimestre" et ranger les catégories
Passez l'assistant de Sure en mcp_only et connectez Claude via l'endpoint MCP avec OAuth, qui accorde un accès read_write. Le coût du modèle relève de votre abonnement Claude ; comme les outils peuvent modifier transactions et budgets, relisez ce que l'agent change.
Un petit collectif associatif aux États-Unis qui héberge des services partagés sur Render
Offrir à quelques membres une app de finances hébergée avec synchronisation bancaire et sans facture d'IA
Déployez le blueprint Render Sure - No AI, qui crée l'app web, le worker Sidekiq, Postgres et le stockage clé-valeur avec des jetons d'IA vides, puis ajoutez les clés Plaid sur un domaine avec SSL. L'accord de Plaid peut prendre plus de 24 heures.
Avant de vous engager
- Mise en route
- Docker Compose selon docs/hosting/docker.md : générez un SECRET_KEY_BASE (aucune valeur par défaut n'est fournie), puis ouvrez le port 3000. Des options en un clic existent pour Render, PikaPods et Hostim. L'IA demande OPENAI_ACCESS_TOKEN, ANTHROPIC_API_KEY ou un endpoint local, ainsi que votre accord dans l'interface.
- Intégrations
- Plaid, TrueLayer, Monobank, FIO, SnapTrade, Enable Banking, Kraken et portefeuilles on-chain ; APIs compatibles OpenAI, Anthropic, Gemini, OpenRouter et Ollama ; MCP pour les agents externes ; une API HTTP décrite en OpenAPI ; traçage optionnel avec Langfuse et pgvector ou OpenAI pour la recherche documentaire.
- Données et confidentialité
- Auto-hébergé dans votre propre Postgres. Les identifiants de fournisseurs sont chiffrés avec des clés dérivées de SECRET_KEY_BASE. Les prompts partent vers le fournisseur de modèles que vous configurez, ou nulle part avec un modèle local. La surveillance produit anonyme via PostHog est activée par défaut ; POSTHOG_FEEDBACK_ENABLED=false la désactive. L'AGPL-3.0 impose de partager vos modifications si vous proposez une version modifiée en tant que service.
- Coût à grande échelle
- Le logiciel est gratuit. Un modèle hébergé facture au token au tarif du fournisseur ; la documentation suit les prix dans config/llm_pricing.yml et affiche la consommation dans l'app. L'inférence locale demande au moins 8 GB de VRAM, 16 GB étant recommandés.
- Limites
- Un seul thread de worker pour l'IA par défaut, donc les tâches de fond attendent derrière le chat ; Plaid indisponible en Europe ; app mobile limitée aux soldes et aux budgets en lecture seule ; backend Qdrant non fonctionnel ; 916 tickets et pull requests ouverts.
Les points forts
- Une version par mois depuis plus d'un an après le fork
- Modèles locaux via Ollama pour le chat et la catégorisation
- Endpoint MCP avec OAuth et un mode mcp_only
- Catégoriseur bayésien sans tokens depuis la 0.7.6
Les points faibles
- Les outils MCP peuvent écrire dans vos données financières
- Surveillance produit activée par défaut depuis la 0.7.6
- Plaid indisponible pour les utilisateurs européens
- 916 tickets et pull requests ouverts ; app mobile limitée
Idéal pour
Les adeptes de l'auto-hébergement qui veulent une app de finances personnelles complète avec un assistant IA tournant sur un modèle local ou accessible depuis leur propre agent par MCP.
Sure : questions fréquentes
- Sure vaut-il le coup ?
- Sure est l'app de finances auto-hébergée qui prend l'IA au sérieux sans vous obliger à envoyer votre historique bancaire à OpenAI, à condition d'accepter de faire tourner une pile Rails et de lire la documentation. Nous lui donnons 3.9 sur 5.
- Combien coûte Sure ?
- Gratuit et open source sous AGPL-3.0 en auto-hébergement. Une instance hébergée tourne sur app.sure.am ; aucun prix n'est publié. Les fonctions d'IA sont facturées aux tarifs de votre fournisseur de modèles, sauf avec un modèle local.
- Quels sont les inconvénients de Sure ?
- Les outils MCP peuvent écrire dans vos données financières; surveillance produit activée par défaut depuis la 0.7.6; plaid indisponible pour les utilisateurs européens; 916 tickets et pull requests ouverts ; app mobile limitée.
- À qui s’adresse Sure ?
- Les adeptes de l'auto-hébergement qui veulent une app de finances personnelles complète avec un assistant IA tournant sur un modèle local ou accessible depuis leur propre agent par MCP.
- Combien coûte Sure pour une équipe ou en production ?
- Le logiciel est gratuit. Un modèle hébergé facture au token au tarif du fournisseur ; la documentation suit les prix dans config/llm_pricing.yml et affiche la consommation dans l'app. L'inférence locale demande au moins 8 GB de VRAM, 16 GB étant recommandés.
- Sure est-il sûr pour les données de l’entreprise ?
- Auto-hébergé dans votre propre Postgres. Les identifiants de fournisseurs sont chiffrés avec des clés dérivées de SECRET_KEY_BASE. Les prompts partent vers le fournisseur de modèles que vous configurez, ou nulle part avec un modèle local. La surveillance produit anonyme via PostHog est activée par défaut ; POSTHOG_FEEDBACK_ENABLED=false la désactive. L'AGPL-3.0 impose de partager vos modifications si vous proposez une version modifiée en tant que service.
Réponses vérifiées le 13 nov. 2026.