Toute personne poss\u00e9dant un ordinateur portable ou de bureau standard (sans cluster GPU ni serveur d\u00e9di\u00e9) peut exp\u00e9rimenter avec des mod\u00e8les d'IA \u00e0 poids ouverts (dont les poids sont publi\u00e9s et accessibles \u00e0 tous) gr\u00e2ce \u00e0 l'un des trois outils populaires suivants\u00a0: Ollama, LM Studio ou Jan. Ce guide s'adresse aux utilisateurs disposant de 8\u00a0Go, 16\u00a0Go ou 32\u00a0Go de RAM syst\u00e8me et qui souhaitent une vision r\u00e9aliste des capacit\u00e9s de chaque outil, au-del\u00e0 des promesses marketing. Le choix se r\u00e9sume g\u00e9n\u00e9ralement \u00e0 trois crit\u00e8res\u00a0: privil\u00e9gier une interface de chat visuel simple, une API locale conviviale pour les d\u00e9veloppeurs ou une application de bureau open source optimis\u00e9e pour le local. Un faible volume de RAM restreint consid\u00e9rablement le choix des mod\u00e8les r\u00e9alistes, quel que soit l'outil choisi\u00a0; ce guide aborde donc d'abord les contraintes mat\u00e9rielles avant de comparer les logiciels.<\/p>\n\n\n\n
Un ex\u00e9cuteur d'IA local est un logiciel qui t\u00e9l\u00e9charge un mod\u00e8le. poids<\/a> (Les param\u00e8tres num\u00e9riques qui encodent ce que le mod\u00e8le a appris) et effectue l'inf\u00e9rence \u2014 le processus de g\u00e9n\u00e9ration d'une r\u00e9ponse \u2014 directement sur un ordinateur personnel, sans envoyer de donn\u00e9es \u00e0 un serveur cloud. Ollama, LM Studio et Jan sont des exemples de cette cat\u00e9gorie, et tous trois peuvent fonctionner en mode CPU uniquement, c'est-\u00e0-dire que le processeur de l'ordinateur effectue les calculs \u00e0 la place de la carte graphique.<\/p>\n\n\n