diff --git a/docker-compose.yml b/docker-compose.yml
index f4255b8..d63d011 100644
--- a/docker-compose.yml
+++ b/docker-compose.yml
@@ -1,9 +1,10 @@
 version: '3.8'
 
 services:
-  # --- LE PORTIER (Point d'entrée pour tes 20 étudiants) ---
+  # --- LE PORTIER ---
   gateway:
     image: nginx:latest
+    container_name: studio-gateway-1
     ports:
       - "80:80"
     volumes:
@@ -12,12 +13,13 @@ services:
       - studio-net
     depends_on:
       - open-webui
+      - audio-api # Ajouté ici : Nginx attend que l'audio soit prêt
+    restart: always
 
-  # --- L'INTERFACE (Open WebUI) ---
+  # --- L'INTERFACE ---
   open-webui:
     image: ghcr.io/open-webui/open-webui:main
     container_name: open-webui
-    # On ne publie plus le port 3000 vers l'extérieur, Nginx s'en charge en interne
     environment:
       - OLLAMA_BASE_URL=http://ollama:11434
       - WEBUI_SECRET_KEY=${WEBUI_SECRET_KEY:-supersecretkey}
@@ -27,7 +29,7 @@ services:
       - studio-net
     restart: always
 
-  # --- LE CERVEAU (Ollama) ---
+  # --- LE CERVEAU ---
   ollama:
     image: ollama/ollama:latest
     container_name: ollama
@@ -42,29 +44,33 @@ services:
       - ollama_data:/root/.ollama
     networks:
       - studio-net
+    restart: always
 
-  # --- LE SERVICE AUDIO (Ton API) ---
+  # --- LE SERVICE AUDIO ---
   audio-api:
-    build: 
-      context: ./services/audio-api
+    image: nvcr.io/nvidia/pytorch:23.10-py3 # On utilise une image robuste
     container_name: audio-api
-    # On laisse le port 7860 ouvert au cas où tu voudrais tester en direct
+    working_dir: /app
+    # On monte le dossier local pour que le script server.py soit trouvé
+    volumes:
+      - ./services/audio-api:/app 
+      - ./models:/app/models
+      - ./outputs:/app/outputs
+    # L'astuce : On installe Gradio AVANT de lancer le script
+    command: >
+      sh -c "pip install --no-cache-dir gradio faster-whisper && python3 server.py"
     ports:
       - "7860:7860"
     deploy:
       resources:
-        limits:
-          memory: 32G # 64 Go de VRAM permet d'être large sur la RAM système aussi
         reservations:
           devices:
             - driver: nvidia
               count: all
               capabilities: [gpu]
-    volumes:
-      - ./models:/app/models
-      - ./outputs:/app/outputs
     networks:
       - studio-net
+    restart: always
 
 networks:
   studio-net: