Un écran bleu en pleine visio, un PC qui redémarre tout seul pendant la nuit, un service qui ne veut plus démarrer après une mise à jour… Dans presque tous les cas, Windows a noté quelque p...
IA locale sur PC : le guide complet pour installer LM Studio et Gemma 4
Un assistant conversationnel aussi capable que ChatGPT, installé sur mon ordinateur, qui continue de répondre même quand la box internet tombe en panne : je ne vois plus ça comme un gadget de développeur. C'est exactement ce que permet aujourd'hui un LLM local, un grand modèle de langage téléchargé une fois pour toutes et exécuté directement sur ma machine. Cette technologie fait tourner toutes les IA génératives actuelles, mais elle n'est plus réservée aux centres de données des géants du numérique : elle tient désormais sur un PC de bureau, et même sur un portable de trois ou quatre ans. Dans ce guide, je vous explique pourquoi je m'y suis mis, puis je vous montre pas à pas comment installer LM Studio et faire tourner Gemma 4, le modèle open source de Google, sur votre propre ordinateur. Le secteur avance vite : je fais aussi le point sur ce qui a changé depuis la sortie de Gemma 4, DiffusionGemma inclus.
Le calcul se fait chez vous, pas dans le cloud
Quand vous posez une question à ChatGPT ou à Gemini, elle part vers un serveur d'OpenAI ou de Google. C'est là-bas que se déroule l'inférence, le calcul qui produit la réponse, avant qu'elle revienne s'afficher sur votre écran. Un LLM local inverse cette mécanique. Le modèle, un fichier de quelques gigaoctets, est téléchargé une bonne fois sur votre disque dur, et c'est ensuite votre processeur ou votre carte graphique qui fait tout le travail. Aucune donnée ne quitte votre ordinateur, et les réponses s'affichent que vous soyez connecté ou non. La seule différence perceptible tient à la vitesse : un serveur professionnel répond plus vite qu'un PC familial, mais l'écart s'est nettement réduit ces derniers mois.
Quatre bonnes raisons de franchir le pas
J'ai identifié quatre raisons qui justifient, à mes yeux, de s'y mettre.
- La confidentialité. Contrats, dossiers médicaux, projets personnels : tout ce que vous soumettez à un modèle local reste sur votre disque dur, sans conditions d'utilisation à décortiquer ni serveur à l'étranger dans la boucle.
- Le fonctionnement hors ligne. Dans le train, en avion, ou dans une maison de campagne mal couverte, l'assistant répond exactement de la même façon.
- La maîtrise des coûts. Les services en ligne facturent un abonnement mensuel ou une consommation à la requête. Un modèle local, une fois téléchargé gratuitement, ne coûte que l'électricité consommée pendant que le PC calcule.
- La liberté d'expérimenter. Pas de quota de messages, pas de fonction verrouillée derrière un forfait supérieur : vous pouvez tester des dizaines de modèles, comparer leurs styles d'écriture, ajuster leur comportement, et recommencer autant de fois que vous le voulez. Pour comprendre comment fonctionne une IA générative, je ne connais pas de meilleure école.
Pourquoi l'IA locale s'impose maintenant
Trois facteurs ont convergé pour rendre tout ça possible. D'abord, la démocratisation des cartes graphiques : un GPU de jeu doté de 8 à 16 Go de mémoire vidéo, présent dans des millions de PC, suffit désormais à faire tourner confortablement un modèle de bonne qualité. Ensuite, l'explosion des modèles open-weight, dont les fichiers de poids sont librement téléchargeables. Google a publié la famille Gemma 4 le 2 avril 2026 sous licence Apache 2.0, qui autorise tous les usages, y compris commerciaux. Alibaba a fait de même avec ses Qwen 3.5 puis 3.6, sortis respectivement en février et en avril 2026, et le français Mistral AI a suivi la même logique avec plusieurs de ses propres modèles, dont Mistral Small 4 en mars. Leur niveau technique rivalise désormais avec celui des services payants d'il y a un an à peine.
Petite nuance apparue depuis : Alibaba a choisi de fermer sa génération suivante, Qwen 3.7, disponible uniquement via une API payante depuis mai 2026. La branche réellement utilisable en local reste donc Qwen 3.5 et 3.6, ce qui n'enlève rien à leur intérêt mais mérite d'être précisé si vous cherchez le tout dernier Qwen sur Hugging Face sans le trouver.
Enfin, la souveraineté des données est devenue un vrai sujet : entreprises, administrations et particuliers cherchent à garder leurs informations sur leurs propres machines, RGPD oblige. L'IA locale répond exactement à cette attente, puisque rien ne quitte jamais l'ordinateur.
Reste à choisir les bons outils parmi une offre qui s'est beaucoup étoffée. Bonne nouvelle : les plus efficaces sont gratuits, et le plus accessible d'entre eux s'installe en cinq minutes à peine.
LM Studio ou Ollama : quelle porte d'entrée choisir ?
Deux logiciels gratuits dominent le marché de l'IA locale sur Windows, et ils ne s'adressent pas tout à fait au même public.
LM Studio mise tout sur l'interface graphique : recherche de modèles intégrée, téléchargement en un clic, réglages à la souris, conversation dans une fenêtre qui ressemble à s'y méprendre à ChatGPT. Le logiciel détecte votre matériel et vous prévient si un modèle est trop lourd pour votre machine. C'est mon choix pour débuter sous Windows, et celui que je retiens pour ce tutoriel.
Ollama suit une philosophie différente : un outil léger, historiquement piloté en ligne de commande, prisé des développeurs pour son API et sa facilité d'intégration dans des scripts. Il propose depuis 2025 une application graphique officielle pour Windows 11, plus simple qu'avant, mais sa vraie force reste l'automatisation et le pilotage depuis un terminal.
Je cite aussi deux alternatives correctes : GPT4All, développé par Nomic AI, et Jan, tous deux gratuits et multiplateformes. Sans oublier llama.cpp, le moteur open source que LM Studio utilise d'ailleurs en coulisses pour faire tourner ses modèles.
| Critère | LM Studio | Ollama |
|---|---|---|
| Interface | Graphique complète | Ligne de commande, puis application graphique minimaliste |
| Public visé | Débutants et utilisateurs occasionnels | Développeurs et automatisation |
| Recherche de modèles | Intégrée, avec fiches détaillées | Catalogue en ligne, commande ollama pull |
| API locale compatible OpenAI | Oui, sur le port 1234 | Oui, sur le port 11434 |
| Moteur sous-jacent | llama.cpp et MLX (Apple Silicon) | llama.cpp |
| Les deux logiciels sont gratuits et fonctionnent sous Windows, macOS et Linux. | ||
Des modèles pour tous les gabarits : Gemma, Qwen et Mistral
Trois familles se partagent les faveurs du public : Gemma (Google), Qwen (Alibaba) et les modèles de Mistral AI, l'entreprise française qui reste une référence du secteur en Europe. Elles se distinguent d'abord par leur nombre de paramètres, exprimé en milliards (7B signifie 7 milliards) : plus ce chiffre est élevé, plus le modèle est capable, mais plus il est lourd. L'éventail va de modèles de 2 à 9B, à l'aise sur un simple portable, jusqu'à des modèles dépassant les 70B et réservés aux stations de travail.
Deuxième critère, la fenêtre de contexte : c'est la mémoire de travail du modèle, calculée en tokens (un token représente à peu près trois quarts de mot). Les anciens modèles se limitaient à 8 000 tokens ; les plus récents, comme Gemma 4 ou Qwen 3.6, dépassent largement les 100 000 tokens, et certaines variantes Qwen grimpent jusqu'au million. Troisième critère, la multimodalité : les modèles actuels analysent des images, parfois de l'audio, et savent appeler des outils externes pour agir comme de véritables agents autonomes, capables d'enchaîner plusieurs actions sans intervention humaine. Selon votre usage, rédaction, traduction, programmation ou analyse de documents, vous ne choisirez pas forcément le même modèle.
Du côté français, Mistral AI a sorti Mistral Small 4 le 16 mars 2026, un modèle open source qui remplace à lui seul trois anciennes références de la gamme. C'est une option à considérer si vous voulez un modèle particulièrement à l'aise en français, pensé pour un usage polyvalent, du code à la rédaction.
| Critère | Gemma 4 (Google) | Qwen 3.5 / 3.6 (Alibaba) | Mistral Small 4 (Mistral AI) |
|---|---|---|---|
| Date de sortie | 2 avril 2026 (12B ajouté le 3 juin) | Qwen 3.5 : 16 février 2026 Qwen 3.6 : 22 avril 2026 |
16 mars 2026 |
| Tailles disponibles | E2B, E4B, 12B, 26B A4B (MoE), 31B | 27B, 35B-A3B (MoE), 122B-A10B, 397B-A17B (MoE) | Un modèle unique qui remplace trois références précédentes |
| Licence | Apache 2.0 | Apache 2.0 | Apache 2.0 |
| Point fort | Multimodal natif, très bien intégré à LM Studio | Excellent en programmation et sur les tâches d'agent | Polyvalence et qualité du français |
| La génération suivante de Qwen (3.7) est passée en API payante fermée depuis mai 2026 : ce tableau ne couvre que les modèles réellement installables en local. | |||
Quantisation, MoE et GGUF : les trois mots-clés à connaître
Comment loger un modèle aussi massif dans un PC de bureau ? Trois techniques rendent ça possible.
D'abord, la quantisation : chaque paramètre est enregistré sur 4 ou 8 bits, d'où les sigles Q4 et Q8, au lieu de 16. Le fichier final est divisé par deux à quatre, pour une perte de qualité minime en Q4.
Ensuite, le format GGUF, devenu le standard du secteur : un fichier unique qui contient tout le modèle, lisible aussi bien par LM Studio que par Ollama ou llama.cpp.
Enfin, les architectures MoE, pour Mixture of Experts ou mélange d'experts : le modèle n'active qu'une fraction de ses paramètres pour chaque mot généré. Exemple concret, le Gemma 4 26B A4B stocke environ 25 milliards de paramètres, mais n'en sollicite qu'environ 3,8 milliards à la fois. Résultat : la vitesse d'un petit modèle, avec les connaissances d'un gros.
Ces trois techniques combinées expliquent pourquoi un PC tout à fait ordinaire fait aujourd'hui tourner ce qui réclamait un serveur professionnel il y a deux ans à peine.
Pourquoi j'ai choisi Gemma 4 pour ce tutoriel
Le marché s'est resserré autour de deux familles principales : Qwen et Gemma 4, toutes deux sous licence Apache 2.0 et en tête des classements open-weight. Les Qwen 3.5 et 3.6 excellent en programmation et offrent un choix de tailles impressionnant. J'ai pourtant retenu Gemma 4 pour ce tutoriel, et pas par hasard.
Publiée le 2 avril 2026 par Google DeepMind, la famille couvre toutes les configurations : E2B et E4B pour les machines modestes, un 12B ajouté en juin 2026 pour les portables dotés de 16 Go de RAM, un 26B A4B en architecture MoE, et un 31B dense pour les stations de travail. Elle comprend du texte et des images, avec de l'audio en natif sur les plus petits modèles, parle plus de 140 langues dont un excellent français, et propose une fenêtre de contexte allant jusqu'à 256 000 tokens. Google fournit en plus des versions QAT officielles, quantisées avec un entraînement spécifique qui limite la perte de qualité par rapport à une quantisation classique.
Surtout, son intégration dans LM Studio est particulièrement soignée : recherche directe depuis l'application, fiches détaillées pour chaque taille, recommandations adaptées à votre machine. C'est donc lui que nous allons installer.
Et DiffusionGemma, le petit dernier de Google ?
Google a discrètement publié un second modèle en juin 2026 : DiffusionGemma. Plutôt que de générer le texte mot après mot comme Gemma 4, il travaille par blocs de 256 tokens qu'il débruite en parallèle, un peu comme une IA d'image qui part du bruit pour arriver à une photo nette. Résultat annoncé par Google : jusqu'à quatre fois plus rapide, sur du matériel serveur dédié comme des GPU H100 ou H200. Sur le papier, c'est impressionnant. Dans les faits, je ne l'installe pas dans ce tutoriel : au moment où j'écris ces lignes, LM Studio et Ollama reposent tous les deux sur llama.cpp, et le support de cette architecture à diffusion n'est toujours pas intégré à la branche principale du projet. Vous ne le trouverez donc pas encore dans l'onglet Discover de LM Studio. Si vous voulez tester la rapidité annoncée dès maintenant, il faut passer par vLLM sur un serveur GPU, ou simplement l'essayer en ligne via Google AI Studio. Je referai un point dès qu'il sera chargeable nativement dans LM Studio.
Installer et utiliser Gemma 4 avec LM Studio
Téléchargement, choix du bon modèle, premiers réglages : voici comment installer l'IA de Google sur un PC Windows et commencer à l'utiliser, même sans carte graphique haut de gamme.
- Téléchargez LM Studio. Rendez-vous sur le site officiel lmstudio.ai. Le bouton de téléchargement détecte normalement Windows et propose l'installeur adapté. Ouvrez le fichier récupéré et suivez les étapes sans modifier les options par défaut. Si Windows SmartScreen affiche un avertissement, vérifiez simplement que le fichier provient bien du site officiel avant de poursuivre. Pour ce tutoriel, seuls deux onglets nous intéressent : Discover pour télécharger un modèle, et Chat pour lui parler.
- Faites l'inventaire de votre machine. Avant de télécharger plusieurs gigaoctets, ouvrez le Gestionnaire des tâches, ou l'équivalent sur Mac, puis allez dans Performances. Dans Mémoire, notez la quantité de RAM installée : 8, 16, 32 ou 64 Go. Dans GPU, relevez la mémoire vidéo dédiée si votre carte graphique en possède une. Sur un mini-PC équipé d'un circuit graphique intégré, celui-ci utilise généralement une partie de la RAM : il ne faut donc pas additionner les deux valeurs. Vérifiez enfin, dans les paramètres de stockage de Windows, qu'il reste au moins une vingtaine de gigaoctets libres sur votre SSD.
- Cherchez Gemma dans l'onglet Model Search. Il est signalé par une icône de loupe. Tapez « Gemma » et vous verrez apparaître les modèles publiés par Google, au milieu de nombreuses autres propositions. Rien ne vous empêche d'en garder plusieurs en parallèle sur votre disque : vous choisirez celui à activer directement dans la fenêtre principale de LM Studio. La version E4B est un bon point de départ pour un PC doté de 16 Go de RAM : elle comprend le français, accepte du texte et des images, et son fichier complet occupe environ 6 Go. Avec seulement 8 Go de RAM, préférez la version E2B, plus légère. Avec 32 Go, vous pourrez ensuite essayer les modèles 12B ou 26B A4B, plus exigeants mais nettement plus capables.
- Décryptez la fiche du modèle. La partie droite de la fenêtre, et le nom même du modèle, donnent des informations utiles. « E4B », par exemple, désigne sa taille effective ; « it » indique qu'il a été entraîné pour suivre des instructions et converser. La mention « QAT » signifie que Google l'a préparé spécialement pour fonctionner sous une forme compressée. « Q4_0 » correspond à une quantisation sur 4 bits : le fichier est beaucoup plus léger que le modèle original, avec une perte de qualité limitée. Des pictogrammes confirment par ailleurs si le modèle sait utiliser des outils, traiter des images ou raisonner avant de répondre. Cliquez sur Télécharger : le fichier rejoindra automatiquement la rubrique My Models.
- Chargez le modèle et réglez son contexte. Une fois le téléchargement terminé, ouvrez My Models et sélectionnez Gemma 4 dans la liste. Le panneau de droite rassemble ses réglages. Dans l'onglet Load, le paramètre Context Length fixe la quantité de texte que le modèle peut garder en mémoire pendant une conversation. Même si Gemma accepte une valeur très élevée, chaque token consomme de la RAM ou de la VRAM : commencez par 4 096 tokens sur une machine modeste, ou 8 192 avec 16 à 32 Go de mémoire. Le curseur GPU Offload détermine combien de couches du modèle sont confiées à votre carte graphique. Avec un GPU dédié et suffisamment de VRAM, poussez-le vers le maximum ; en cas d'échec du chargement, ou avec un circuit graphique intégré qui partage la RAM, réduisez-le progressivement.
- Personnalisez le comportement du modèle. L'onglet Inference règle la manière dont Gemma répond. Le champ System Prompt accueille une consigne permanente, par exemple : « Tu es un assistant qui répond en français, avec des phrases courtes et structurées. » Dans Settings, la Température contrôle la variété des réponses : autour de 0,2 à 0,4, elles deviennent plus factuelles et prévisibles ; entre 0,7 et 1, elles gagnent en naturel et en créativité. Pour débuter, gardez la valeur proposée par défaut. Context Overflow indique comment LM Studio réagit lorsque la conversation dépasse la mémoire disponible ; l'option Truncate Middle est un réglage prudent qui conserve les instructions et les échanges les plus récents.
- Lancez votre première conversation. Posez une question simple, par exemple : « Résume le principe de la photosynthèse en trois phrases destinées à un collégien. » Le texte doit s'afficher progressivement. L'indicateur tokens per second mesure le débit de génération : plus sa valeur est élevée, plus la réponse apparaît vite, sans que cela garantisse sa qualité. Glissez ensuite une photo dans la conversation et demandez à Gemma de la décrire : les modèles Gemma 4 gèrent nativement les images. Enfin, coupez le Wi-Fi avant de poser une nouvelle question : le modèle continuera de répondre normalement, puisque les calculs et la conversation restent entièrement sur votre PC. Seules la recherche de modèles et leurs mises à jour nécessitent une connexion Internet.
- Dépannez si ça coince. Si Gemma refuse de se charger ou si Windows devient très lent, le modèle est probablement trop lourd pour la mémoire disponible. Commencez par fermer les applications gourmandes, notamment les jeux et les navigateurs chargés de nombreux onglets. Réduisez ensuite la fenêtre de contexte, puis réessayez. Si le problème persiste, téléchargez plutôt Gemma 4 E2B, moins exigeant. Une génération lente n'est pas forcément un dysfonctionnement : sans carte graphique dédiée, le processeur répond correctement, mais avec un débit plus faible. Une fois votre session terminée, pensez à décharger le modèle pour libérer la mémoire. Vos conversations sont enregistrées localement dans le dossier
.lmstudio\conversationsde votre profil Windows.
Faire tourner un modèle de 31 milliards de paramètres sur un ultrabook de 8 Go de RAM reste une mauvaise idée, même avec toutes les optimisations du monde. En cas de doute, choisissez toujours la taille de modèle inférieure : une IA un peu moins capable mais réactive est plus agréable à utiliser qu'un gros modèle qui monopolise la mémoire et répond au ralenti. Rien n'empêche de télécharger une version supérieure plus tard.
Le test qui ne trompe pas : coupez complètement votre connexion Internet, puis reposez une question à votre modèle déjà chargé. S'il continue à répondre normalement, votre IA locale fonctionne vraiment sans dépendre du cloud.
Quelle machine faut-il pour l'IA locale ?
LM Studio recommande au moins 16 Go de RAM sous Windows et, lorsqu'une carte graphique dédiée est présente, 4 Go de VRAM. Sur les PC x64, le processeur doit prendre en charge les instructions AVX2, ce que gèrent la quasi-totalité des processeurs Intel Core et AMD Ryzen sortis depuis 2015. Ces exigences suffisent à lancer le logiciel, mais le choix du modèle dépend surtout de la mémoire réellement disponible sur votre machine.
| RAM disponible | Modèle recommandé | Taille approximative (Q4) | VRAM conseillée |
|---|---|---|---|
| 8 Go | Gemma 4 E2B | ≈ 3,3 Go | 4 Go (optionnelle) |
| 16 Go | Gemma 4 E4B | ≈ 6 Go | 8 Go |
| 32 Go | Gemma 4 12B | ≈ 7 Go | 12 Go |
| 32 Go | Gemma 4 26B A4B (MoE) | ≈ 14,4 Go | 16 Go |
| 64 Go | Gemma 4 31B dense | ≈ 17,7 Go | 24 Go |
| Valeurs approximatives pour les versions officielles QAT en quantisation Q4_0. Prévoyez toujours une marge pour le système et le contexte de conversation. | |||
La VRAM joue un rôle un peu différent de la RAM. Quand une carte graphique dédiée est disponible, LM Studio peut y transférer une partie ou la totalité du modèle pour accélérer nettement la génération. Si le modèle dépasse la VRAM disponible, le logiciel répartit le travail avec la RAM, mais les performances baissent. Sur un mini-PC à circuit graphique intégré, RAM et mémoire graphique puisent dans le même réservoir : mieux vaut alors privilégier 32 Go en double canal plutôt que 16 Go.
Le modèle 26B A4B illustre bien l'intérêt de l'architecture MoE : il stocke environ 25 milliards de paramètres, mais n'en active qu'environ 3,8 milliards pour produire chaque token. Il reste donc relativement rapide, tout en exigeant assez de mémoire pour conserver l'ensemble de ses poids en réserve. Le NPU présent dans certains mini-PC récents, lui, n'est pas prioritaire ici : LM Studio et ses modèles GGUF s'appuient principalement sur le CPU et le GPU. Un chiffre élevé en TOPS ne garantit donc pas un meilleur débit dans ce tutoriel précis.
Foire aux questions
- L'IA locale est-elle vraiment gratuite ?
- Oui, pour l'essentiel. LM Studio, Ollama, GPT4All et Jan sont tous gratuits, tout comme les modèles Gemma 4, Qwen ou Mistral sous licence Apache 2.0. Le seul coût réel est celui de l'électricité consommée pendant les calculs.
- Ai-je vraiment besoin d'une carte graphique dédiée ?
- Non. Un modèle comme Gemma 4 E2B ou E4B tourne correctement sur un simple processeur, à condition d'avoir assez de RAM. Une carte graphique accélère nettement la génération, mais elle n'est pas indispensable pour débuter.
- Un LLM local est-il aussi performant que ChatGPT ?
- Sur des tâches courantes de rédaction, de résumé ou de traduction, l'écart s'est beaucoup réduit. Sur des raisonnements très complexes ou des connaissances très pointues, les modèles fermés les plus récents gardent souvent une longueur d'avance, en particulier sur les tâches d'agent multi-étapes.
- Mes conversations restent-elles vraiment privées ?
- Oui, tant que vous utilisez uniquement des fonctions locales. Rien n'est envoyé vers un serveur distant : le calcul et le stockage des conversations se font entièrement sur votre disque dur.
- Puis-je installer plusieurs modèles en même temps ?
- Oui. LM Studio permet de télécharger autant de modèles que votre espace disque le permet, et de choisir celui que vous chargez au moment de démarrer une conversation.
- Puis-je utiliser DiffusionGemma dans LM Studio ?
- Pas encore, au moment où j'écris cet article. LM Studio et Ollama s'appuient tous les deux sur llama.cpp, qui ne prend pas encore en charge son architecture à diffusion. Le modèle tourne en revanche déjà via vLLM sur un serveur GPU, ou via Google AI Studio pour un premier essai en ligne.
Ce que je retiens
L'IA locale n'est plus un projet réservé aux passionnés de ligne de commande. Avec LM Studio et un modèle comme Gemma 4, l'installation prend une dizaine de minutes, et le résultat tourne ensuite indéfiniment sans abonnement ni connexion. Je vous conseille de commencer petit, E2B ou E4B selon votre RAM, avant de monter en gamme si votre machine le permet. C'est de loin la meilleure manière de comprendre, concrètement, ce qui se cache derrière chaque réponse générée par une IA, qu'elle tourne dans le cloud ou juste à côté de vous, sur votre propre disque dur.
Articles qui pourraient vous intéresser
Comparateur IA gratuit : QUELLE IA classe 250 modèles pour trouver celui qu'il vous faut
Quand un client ou un proche me demande quelle IA prendre, je ne réponds jamais du premier coup. Je pose d'abord mes questions : c'est pour coder ou pour écrire des mails ? Gratuit ou payant ? Da...
Gérer ses e-mails Thunderbird avec une IA grâce au protocole MCP : le tutoriel complet
Trier une boîte de réception qui déborde, retrouver la facture d'un fournisseur reçue il y a trois mois, préparer une réponse à un fil de discussion de quinze messages : ce sont des tâches ...
Gmail abandonne la relève POP en 2027 : plMail, le client mail auto-hébergé qui centralise toutes vos boîtes
Depuis des années, je laisse Gmail aller chercher le courrier de mes autres adresses et je réponds directement avec elles depuis la même interface. C'est pratique, et c'est terminé : Google a c...
Claude Cowork passe dans le cloud : ce qui change vraiment pour vos fichiers, vos tâches et vos données
Le 6 octobre 2026, Anthropic a modifié le fonctionnement de Cowork, l'agent de Claude qui mène seul des tâches longues. Pour les a...
PC Nvidia RTX Spark : l’IA hors ligne tient-elle vraiment la route face à ChatGPT ?
Couper le Wi-Fi, ouvrir son PC portable et demander à une IA de résumer un document, de transcrire une réunion ou d’écrire un bout de code, sans qu’un seul octet ne parte vers un datacenter...
Llama Windows : l'IA locale en un clic sur Windows 11, sans terminal ni abonnement
Faire tourner un modèle d'IA directement sur son PC, sans payer d'abonnement et sans que ses questions partent sur un serveur à l'autre bout du monde, c'est possible depuis un moment. Sous Window...
C'est quoi la distillation en IA ? Explication simple, usages et polémique
Depuis le début de l'année 2026, je vois passer le mot « distillation » dans presque toutes les accusations que les laboratoires d'IA américains lancent contre leurs concurrents chinois. Anthr...
IA en local en 2026 : LM Studio, Ollama et les deux sites pour choisir le bon modèle
Si l'IA vous intéresse un peu, vous avez sans doute déjà installé LM Studio, Ollama, llama.cpp ou Stable Diffusion pour voir ce que ça donne sur votre propre machine. Au début, c'est la jungl...
Paramètres d'un modèle d'IA : ce que cachent vraiment ces milliards de chiffres
7B, 70B, 405B, et maintenant plus de mille milliards. Chaque nouveau modèle d'IA arrive avec son chiffre, affiché en gros comme la cylindrée d'une voiture. J'ai longtemps lu ces nombres sans tro...
