Savez-vous que vous pouvez exécuter un LLM de type ChatGPT sur votre PC et l’utiliser gratuitement sans avoir à vous abonner ni à payer 200 $ pour ChatGPT Pro ? Oui, vous pouvez avoir un ChatGPT en local sur PC et sur Mac et obtenir de meilleures réponses que celle que fournit GPT-5.
Cette astuce est valable que vous utilisiez un PC Windows ou un Mac. Et l’avantage, c’est que vous ne payez rien et gardez vos données privées.
Vous avez le choix entre plusieurs modèles
La question qui se pose est de savoir quel modèle installer et exécuter localement sur son PC ? Mais le choix ne manque pas !
Nous avons par exemple Mistral 7B qui peut s’exécuter sur un PC disposant de 8 Go de mémoire vidéo.
Ou encore Mistral Small 3.1, dernier LLM de Mistral AI, sorti cette année et qui a 24 milliards de paramètres.
Du côté des modèles chinois, il y a DeepSeek R1 qui a fait mouche début 2025 et qui a été le chatbot le plus téléchargé sur Play Store aux États-Unis.
Si vous êtes fan de Mark Zuckerberg et de ses produits, vous avez le choix entre le 7B, le 13b et le 70B de LlaMa 2.
Sachez que Google a aussi son propre modèle de langage qui s’appelle Gemma qui est d’ailleurs une famille de LLM optimisé pour être exécuté localement.
Et récemment, Apple a, lui aussi, caché un mini ChatGPT dans l’iPhone. Celui est disponible à partie de l’iOS 26 et offre plusieurs fonctionnalités ne nécessitant pas de connexion internet.
Vous l’aurez compris, il n’y a pas que ChatGPT que vous pouvez utiliser comme chatbot conversationnel.
LLM running on Windows 98 PC
26 year old hardware with Intel Pentium II CPU and 128MB RAM.
Uses llama98.c, our custom pure C inference engine based on @karpathy llama2.c
Code and DIY guide ???? pic.twitter.com/pktC8hhvva— EXO Labs (@exolabs) December 28, 2024
Mais l’exécution de ces LLM nécessite un prérequis
La deuxième question que vous devez vous poser, c’est si vous avez la configuration nécessaire pour faire fonctionner un LLM en local sur votre PC.
Je ne dis pas que vous aurez besoin d’un supercalculateur. Un PC équipé d’un processeur AMD Ryzen 7 ou Intel Core i7 avec 16 Go de RAM une carte graphique de 8 Go de VRAM suffit amplement. Mais si vous avez un GPU RTX 3060, que demander de plus !
Cela dit, le GPU n’est pas indispensable. Mais je le recommande tout de même si vous souhaitez obtenir plus de performances interactives.
Rappelez-vous que pour les grands modèles de langage, c’est la VRAM ou la mémoire vidéo qui importe le plus.
Pourquoi ? Eh bien tout simplement parce que la fenêtre contextuelle dépend d’elle. De même pour une partie des paramètres du modèle que vous choisissez.
Je vous donne un exemple. Pour le cas de LlaMa, le modèle 7B nécessite 4 Go VRAM. Quant au modèle 13B, il consomme au moins 8 Go de mémoire vidéo.
Si vous utilisez un Mac, les modèles équipés d’une puce M1 ou M2, avec 16 Go de RAM feront l’affaire. Nul besoin d’un GPU dédié.
Côté stockage, il faut prévoir entre 10 et 40 Go d’espace libre, de préférence sur un SSD. La raison est simple ! Les SSD chargent plus rapidement que les HDD.
Maintenant, passons aux choses sérieuses, comment installer un LLM sir votre PC ?
Pas besoin d’être un ingénieur pour pouvoir installer et exécuter un LLM en local sur votre PC.
Et d’ailleurs, les astuces que je vais vous montrer s’adaptent à votre profil, que vous soyez débutant ou intermédiaire.
Pour celles et ceux qui veulent simplement dialoguer avec une IA sans se soucier de la technique, les applications avec interface visuelle sont idéales.
Elles permettent d’installer un modèle et de l’utiliser comme un chatbot en quelques clics.
LM Studio : la solution la plus accessible
LM Studio est sans doute la solution la plus accessible. Disponible sur Windows, macOS et Linux, il s’installe rapidement via le site officiel (lmstudio.ai).
Sur Mac, il suffit de glisser l’app dans « Applications », tandis que sur Windows, un exécutable guide l’installation pas à pas.
Une fois ouvert, LM Studio vous propose une bibliothèque de modèles téléchargeables avec des recommandations selon votre machine.
Mistral 7B, léger et performant, me semble être un bon point de départ. Après téléchargement, il suffit d’ouvrir l’onglet « Chat » pour discuter en local, sans connexion à un serveur externe.
Des réglages comme la longueur de réponse ou la créativité sont d’ailleurs accessibles pour personnaliser l’expérience.
LLMs are stateless.
— Dria (@driaforall) September 12, 2025
We built Dria Mem Agent to change that: Making memory a first-class feature.
A 4B agent with local interoperable memory across Claude, ChatGPT and LM Studio. It turns LLMs from stateless chat into stateful agents with persistent human-readable memory. pic.twitter.com/JTQQGRMXRV
GPT4All, l’alternative la plus simple et la plus intuitive
Dans la même logique, GPT4All propose une interface simple et efficace. L’installation se fait via gpt4all.io, et l’utilisateur peut ensuite choisir parmi plusieurs modèles open source tels que Llama 2 ou DeepSeek.
En tout cas, l’expérience reste intuitive et accessible, même sans connaissances techniques.
Chat With RTX : l’option dédiée aux cartes NVIDIA
Pour les possesseurs de cartes graphiques NVIDIA RTX, Chat With RTX est une alternative intéressante.
Pensée pour exploiter la puissance du GPU, cette application exécute des modèles comme Llama 2 ou Mistral 7B avec une grande fluidité.
Le téléchargement s’effectue depuis le site de NVIDIA et l’installation ressemble à celle d’un jeu classique. Une fois lancée, l’interface est claire et permet de profiter immédiatement des capacités du modèle.
Intermédiaire ? Il faut maîtriser la ligne de commande
Si vous souhaitez avoir un contrôle plus poussé sur le fonctionnement des modèles, je vous recommande l’approche en ligne de commande. Elle demande un peu plus de rigueur, mais offre davantage de possibilités.
Ollama : une solution simple mais effice
Accessible et simple d’utilisation, Ollama permet de lancer des modèles directement depuis le terminal.
Sur macOS et Linux, une installation via Homebrew ou Curl se fait en une seule commande.
Ensuite, il suffit d’entrer Ollama run mistral pour télécharger et exécuter le modèle. Vous pouvez poser vos questions en direct, sans interface graphique.
Ollama propose aussi un mode serveur, exposant une API locale compatible avec OpenAI, pratique pour des intégrations web.
Google open-sourced LangExtract Python library!
— Daily Dose of Data Science (@DailyDoseOfDS_) September 20, 2025
It uses LLMs to extract entities, attributes, and relations with exact source grounding from unstructured documents.
Flexible LLM support (Gemini, OpenAI, Ollama)
100% open-source. pic.twitter.com/JcUYETmdJy
Llama.cpp pour optimiser les performances
Pour ceux qui veulent optimiser chaque détail, Llama.cpp est une alternative plus technique.
Il permet notamment de jouer sur la « quantification », c’est-à-dire la réduction de la taille mémoire du modèle, afin de l’adapter à des machines moins puissantes.
En gros, bien que l’installation demande quelques étapes supplémentaires, le gain en performance est notable.
LocalAI : une boîte à outils complète
Enfin, il y a aussi LocalAI qui se démarque par sa polyvalence. Contrairement aux solutions centrées uniquement sur le texte, il prend aussi en charge la transcription audio, la génération d’images et d’autres usages avancés.
Installable sur Windows, Linux et macOS (via Docker notamment), LocalAI se configure comme une API locale 100 % compatible avec celle d’OpenAI.
Vous pouvez ainsi rediriger n’importe quelle application utilisant l’API OpenAI vers votre propre serveur local, en y intégrant des modèles téléchargés depuis Hugging Face.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
