Combien de fois par semaine devez-vous changer le format d'un fichier ? Chez moi, c'est presque tous les jours. Une capture d'écran en PNG trop lourde pour un mail, une photo HEIC venue d'un iPhon...
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 Windows, il fallait pourtant passer par le terminal ou installer un outil tiers et apprendre à s'en servir. Le 13 octobre 2026, Hugging Face a présenté Llama Windows, une application gratuite et open source qui ramène tout ça à quelques clics depuis la zone de notification. Je vous explique ce qu'elle fait, en quoi elle se distingue d'Ollama et de LM Studio, et surtout ce qu'il faut avoir sous le capot pour en profiter.
Llama Windows, qu'est-ce que c'est ?
Llama Windows est la version Windows 11 de llama.app, une petite application qui existait déjà sur Mac dans la barre des menus. Elle est développée par l'équipe de llama.cpp elle-même, et annoncée par Hugging Face, la plateforme sur laquelle la communauté partage l'essentiel des modèles d'IA ouverts.
Pas de grande fenêtre ni d'icône dans la barre des tâches. L'application se loge près de l'horloge : un clic gauche sur son icône ouvre un panneau qui liste les modèles déjà présents sur le PC et un catalogue de modèles recommandés, un clic droit permet de l'ouvrir ou de la quitter. On choisit un modèle, on le télécharge en un clic, puis on discute avec lui dans une interface web locale.
Deux détails comptent pour beaucoup d'utilisateurs. D'abord, l'installation ne demande pas de droits administrateur, ce qui la rend possible sur un poste de travail un peu verrouillé. Ensuite, une fois le modèle téléchargé, tout fonctionne hors connexion : les questions et les réponses restent sur la machine.
Pourquoi « Llama » ne veut pas dire Meta
Le nom prête à confusion. On pense tout de suite aux modèles Llama de Meta, mais l'application tient son nom de llama.cpp, le moteur open source qui sert de base à une bonne partie de l'IA locale depuis 2023. Les modèles de Meta fonctionnent, bien sûr, mais ils ne sont qu'une option parmi des centaines.
Llama Windows lit en effet tous les modèles au format GGUF. Ce format a été créé par llama.cpp et c'est aujourd'hui le standard des modèles locaux sur le Hub de Hugging Face. On y trouve par exemple Qwen d'Alibaba, les modèles du français Mistral AI ou Gemma de Google.
Pour chaque modèle, l'application affiche le nombre de paramètres, la place occupée sur le disque et la prise en charge des images (les modèles dits « vision », capables d'analyser une capture d'écran ou une photo). En cliquant sur un modèle, on peut aussi choisir la longueur du contexte, c'est-à-dire la quantité de texte que le modèle garde en tête pendant une conversation. Llama Windows affiche alors une estimation de la mémoire nécessaire pour chaque option, et retient le choix pour la fois suivante.
Petit rappel de vocabulaire : un modèle « 8B » contient 8 milliards de paramètres. Plus ce nombre est élevé, plus le modèle est capable, mais plus il demande de mémoire. Les versions « quantifiées » (Q4, Q5, Q8…) compressent ces paramètres pour réduire leur poids, avec une perte de qualité souvent très faible en Q4 ou Q5.
Installation et premiers pas
La prise en main tient en quelques étapes :
- Depuis un PC sous Windows 11, rendez-vous sur llama.app et téléchargez Llama Windows.
- Au premier lancement, l'application cherche un serveur llama.cpp déjà actif. S'il n'y en a pas, elle télécharge elle-même le moteur dans votre dossier utilisateur, sans élévation de droits.
- Cliquez sur l'icône dans la zone de notification et ouvrez le panneau des modèles recommandés : ce sont des versions quantifiées prêtes à l'emploi.
- Lancez le téléchargement du modèle de votre choix. La progression s'affiche en temps réel, ce qui n'est pas du luxe quand un fichier pèse plusieurs gigaoctets.
- Une fois le modèle chargé, ouvrez l'interface de discussion depuis sa ligne et posez votre première question.
Les paramètres de l'application sont réduits au strict nécessaire. On peut y renseigner un jeton d'accès Hugging Face pour utiliser les modèles « restreints » (ceux dont il faut d'abord accepter la licence sur le Hub) ou des dépôts privés. On peut aussi changer le dossier de stockage des modèles, très utile si votre disque C: est déjà bien rempli.
Llama Windows, Ollama ou LM Studio : lequel choisir ?
Ollama et LM Studio ont déjà beaucoup simplifié l'IA locale sur Windows. Llama Windows arrive donc sur un terrain occupé, mais avec quelques arguments à lui.
| Critère | Llama Windows | Ollama | LM Studio |
|---|---|---|---|
| Développeur | Équipe llama.cpp, annoncé par Hugging Face | Ollama | Element Labs |
| Code source | Open source | Open source | Application gratuite, code fermé |
| Interface | Icône dans la zone de notification + interface web locale | Ligne de commande et application de bureau | Application de bureau complète |
| Stockage des modèles | Cache standard Hugging Face, partagé avec d'autres outils | Dossier et format propres à Ollama | Dossier propre à LM Studio |
| API compatible OpenAI | Oui | Oui | Oui |
| Port local par défaut | 2276 | 11434 | 1234 |
| Pour qui ? | Ceux qui veulent la simplicité et le moteur llama.cpp « à la source » | Les habitués du terminal et des intégrations | Ceux qui aiment régler chaque paramètre à la souris |
| Les trois outils sont gratuits et peuvent cohabiter sur le même PC, puisqu'ils n'utilisent pas le même port. | |||
Le point qui m'intéresse le plus, c'est le stockage. Llama Windows range les modèles dans le dossier standard de Hugging Face (%USERPROFILE%\.cache\huggingface\hub). Un modèle téléchargé une fois sert donc aussi à llama.cpp en ligne de commande et aux autres outils compatibles avec ce cache. Ollama, lui, garde ses propres fichiers dans son coin : si vous jonglez entre plusieurs logiciels, vous pouvez vite vous retrouver avec deux copies d'un modèle de 8 Go.
Autre argument : comme l'application vient de l'équipe de llama.cpp, les améliorations du moteur n'ont pas besoin d'être reprises par un intermédiaire avant d'arriver jusqu'à vous. À l'inverse, Llama Windows est tout jeune. LM Studio propose beaucoup plus de réglages fins, et Ollama dispose d'un écosystème d'intégrations construit depuis plusieurs années.
Pour les développeurs : un serveur local compatible avec l'API OpenAI
Derrière l'icône, Llama Windows pilote un serveur llama.cpp qui écoute sur http://localhost:2276. Ce serveur expose une API compatible avec celle d'OpenAI, c'est-à-dire l'interface standard que la plupart des logiciels d'IA savent déjà appeler. Un script Python, un agent, une extension d'éditeur de code ou un outil d'automatisation comme n8n peuvent donc utiliser les modèles installés sur le PC : il suffit de changer l'adresse de base et le nom du modèle.
L'application facilite d'ailleurs la tâche, puisqu'elle permet de copier l'identifiant exact d'un modèle, ou même une requête curl toute prête. Voici à quoi ressemble un appel simple, à lancer depuis Git Bash, WSL ou PowerShell 7 (en tapant curl.exe) :
curl http://localhost:2276/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "identifiant-du-modele",
"messages": [
{"role": "user", "content": "Explique-moi le format GGUF en deux phrases."}
]
}'
Remplacez identifiant-du-modele par celui copié depuis Llama Windows. La réponse arrive au même format JSON que chez OpenAI, ce qui permet de réutiliser du code existant presque sans modification.
Ce serveur est prévu pour un usage local. Si vous envisagez de l'ouvrir à d'autres machines de votre réseau, placez-le derrière un proxy avec authentification : en l'état, n'importe qui capable de joindre le port pourrait utiliser votre modèle et votre puissance de calcul.
Quel matériel prévoir ?
Une installation plus simple ne change rien aux besoins matériels. Llama Windows tourne sur les processeurs x86 classiques (Intel et AMD), en natif sur les PC Windows à processeur Arm, et prend en charge dès sa sortie les nouveaux PC Nvidia RTX Spark, dont il exploite la puce graphique. Mais c'est la mémoire qui décide de ce que vous pourrez réellement faire tourner.
| Taille du modèle | Mémoire nécessaire | Usages typiques | Configuration indicative |
|---|---|---|---|
| 1 à 4 milliards de paramètres | 2 à 4 Go | Résumés, reformulation, questions simples | La plupart des PC récents avec 8 Go de RAM |
| 7 à 9 milliards | 5 à 7 Go | Assistant polyvalent, rédaction, petits bouts de code | Carte graphique 8 Go ou 16 Go de RAM |
| 12 à 14 milliards | 8 à 11 Go | Raisonnement plus solide, textes plus longs | Carte graphique 12 Go ou 32 Go de RAM |
| 24 à 32 milliards | 15 à 22 Go | Qualité proche des assistants en ligne sur beaucoup de tâches | Carte graphique 24 Go ou machine à mémoire unifiée |
| 70 milliards et plus | 40 Go et plus | Usages professionnels exigeants | Station de travail haut de gamme |
| Valeurs indicatives pour des modèles quantifiés en 4 bits, avec un contexte de taille raisonnable. | |||
La règle est simple : si le modèle tient entièrement dans la mémoire de la carte graphique (la VRAM), les réponses s'affichent vite. S'il déborde, une partie passe dans la mémoire vive et le processeur prend le relais, ce qui ralentit nettement la génération. La longueur du contexte joue aussi : plus on en demande, plus la mémoire se remplit. C'est justement pour ça que l'estimation affichée par Llama Windows avant de charger un modèle est bien pratique. Sur mon PC de bureau, équipé d'une RTX 3060 avec 12 Go de VRAM et de 32 Go de RAM, je viserais naturellement les modèles de 7 à 14 milliards de paramètres.
Avant de télécharger un gros modèle, vérifiez l'espace disque disponible : un modèle de 30 milliards de paramètres pèse facilement près de 20 Go, et on finit vite par en garder plusieurs.
Confidentialité : ce qui reste vraiment sur le PC
C'est la grande raison de passer à l'IA locale. Une fois le modèle téléchargé, aucune donnée ne sort de la machine pour générer les réponses. Vous pouvez lui soumettre un contrat, un document client ou des notes personnelles sans vous demander où ils atterrissent. Pour un professionnel soumis au RGPD, la différence avec un service en ligne est loin d'être anecdotique.
La connexion n'est utile que pour parcourir le catalogue et télécharger les modèles. Les journaux de l'application sont eux aussi stockés en local, dans %LOCALAPPDATA%\LlamaApp\logs, et conservés sept jours.
Gardez en tête qu'un modèle local ne va pas chercher d'informations sur le web : ses connaissances s'arrêtent à la date de son entraînement. Pour l'actualité, il faudra le croiser avec une autre source.
Mon avis sur Llama Windows
Ce qui me plaît d'emblée, c'est la sobriété de l'approche. Une icône, un catalogue, un clic, et le modèle tourne. Pour quelqu'un qui n'a jamais ouvert un terminal, c'est probablement la porte d'entrée la plus simple vers l'IA locale sous Windows à l'heure actuelle. Pour les plus techniques, le cache partagé et l'API compatible OpenAI évitent de multiplier les téléchargements et les configurations.
Il faut quand même rester lucide : l'application n'a que quelques jours et ses réglages restent limités comparés à ceux de LM Studio. Les fonctions vont sans doute s'étoffer vite, le projet étant suivi de près par l'équipe de llama.cpp. Je vais garder un œil sur son évolution, et je vous conseille de l'essayer avec un petit modèle de 4 à 8 milliards de paramètres pour vous faire une idée sans encombrer votre disque.
Télécharger Llama Windows Voir le code sur GitHub
Questions fréquentes
- Llama Windows est-il gratuit ?
- Oui. L'application est gratuite et open source, son code est publié sur GitHub. Les modèles proposés dans le catalogue sont eux aussi téléchargeables gratuitement, chacun avec sa propre licence.
- Faut-il des droits administrateur pour l'installer ?
- Non. Le moteur llama.cpp est installé dans le dossier de l'utilisateur, sans élévation de droits.
- Fonctionne-t-il sans connexion Internet ?
- Oui, une fois le modèle téléchargé. Internet ne sert qu'à parcourir le catalogue et à récupérer de nouveaux modèles.
- Peut-on utiliser les modèles Llama de Meta ?
- Oui, dans leur version GGUF. Certains dépôts sont restreints : il faut alors accepter la licence sur Hugging Face puis renseigner son jeton d'accès dans les paramètres de l'application.
- Fonctionne-t-il sous Windows 10 ?
- L'application est annoncée pour Windows 11. Rien n'est promis pour Windows 10, qui n'est de toute façon plus maintenu par Microsoft pour le grand public.
- Puis-je le garder à côté d'Ollama ou de LM Studio ?
- Oui. Les trois outils utilisent des ports différents et ne se gênent pas. Attention seulement à l'espace disque si les mêmes modèles sont téléchargés plusieurs fois.
Comment cet article a-t-il été réalisé ? Le texte a été rédigé par mes soins, puis relu avec l'aide d'une intelligence artificielle afin de corriger d'éventuelles erreurs d'orthographe ou de grammaire. L'illustration de présentation a également été créée à l'aide de l'IA.
Articles qui pourraient vous intéresser
Windows 11 : Microsoft met en pause ses nouvelles animations de chargement mais renforce la confidentialité
Le 30 octobre 2026, Microsoft a publié deux nouvelles builds de Windows 11 sur le canal Beta du programme Insider. La première chose qu'on remarque, c'est un retour en arrière : les animations d...
Pulse Diagnostics : l'outil gratuit qui traduit enfin les journaux d'événements de Windows
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...
Clic droit de Windows 11 : le menu contextuel devient enfin personnalisable, mon guide complet
Depuis la sortie de Windows 11 en 2021, le clic droit fait partie des choses qu'on me reproche le plus souvent quand j'installe un PC. Il y a le menu « moderne », trop court, et l'ancien, caché ...
Changer de DNS sur PC et smartphone en 2026 : mon guide après le départ de Quad9
Chaque fois que vous tapez l'adresse d'un site, votre appareil commence par interroger un serveur DNS. C'est lui qui transforme « david-informaticien.com » en une adresse IP que votre navigateur ...
Windows 11 teste enfin un vrai test de débit intégré, sans passer par Bing ni le navigateur
Depuis le 23 octobre 2026, Microsoft fait tester aux membres du programme Windows Insider un test de débit qui fonctionne directement dans Windows 11. Les résultats s'affichent dans le panneau de...
Windows 11 ouvre vos applications plus vite : la mise à jour KB5127936 supprime un détour inutile
Un PC lent, c'est rarement la faute d'un seul élément. Ce sont plutôt des dizaines de petites inefficacités qui s'empilent, chacune invisible, mais qui finissent par se sentir quand on clique t...
Vider le dossier Prefetch de Windows 11 : une fausse bonne idée qui ralentit vos logiciels
Parmi les astuces qu’on me cite le plus souvent pour « accélérer » un PC, il y en a une qui revient sans arrêt : ouvrir le dossier Prefetch de Windows et tout supprimer. Ça prend dix second...
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...
WinGet configure : préparer un PC Windows 11 en une seule commande grâce à un fichier YAML
Installer Windows, c'est l'affaire d'une heure. Le transformer ensuite en machine prête à l'emploi, avec les bons logiciels, les bons réglages et ces petites options que j'active toujours de la ...
