Ressource ouverte · mise à jour 2026

Comparatif des LLM open source exécutables en local (2026)

Quel modèle open source pouvez-vous réellement faire tourner sur votre machine, et avec quelle qualité ? Ce comparatif croise les grands modèles disponibles en 2026 avec la VRAM nécessaire, l'usage auquel ils sont adaptés et la station IA Local correspondante.

Toutes les valeurs sont données pour une quantification usuelle en production (4 bits) et pour un contexte de travail réaliste. Un modèle « confortable » signifie qu'il tient intégralement en mémoire vidéo et répond à vitesse de conversation ; en offloading, une partie des couches passe en RAM système, ce qui reste utilisable mais plus lent.

Tableau comparatif des modèles

Ce tableau est la référence que nous utilisons pour dimensionner une station. Il vaut pour un usage professionnel : rédaction, analyse documentaire, code et agents.

Modèles open source 2026, VRAM requise et usage recommandé
Modèle	VRAM (4 bits)	Usage de prédilection	Station adaptée
Mistral 7B	~6 Go	Rédaction en français, réponses rapides, assistant du quotidien	Starter IA
Ornith 9B	~8 Go	Génération et revue de code sur des bases modestes	Starter IA
Gemma 4 12B	~10 Go	Multimodal MoE : documents, images, automatisations	Starter IA
Qwen3-embedding 4B	~4 Go	Vectorisation pour RAG documentaire	Toutes
Deepseek-OCR 3B	~4 Go	OCR structuré de PDF et actes scannés	Toutes
Gemma 4 31B	~22 Go	Raisonnement long, synthèse de dossiers volumineux	Predator IA
Qwen 3.5 32B	~22 Go	Multimodal polyvalent, agents et outils	Predator IA
Ornith 35B	~24 Go	Code de niveau assistant premium, refactoring	Predator IA
gpt-oss 120B	~65 Go (offloading)	Raisonnement profond, tâches complexes	Master IA (Predator IA en offloading)
Nemotron-3 Super 120B	~65 Go (offloading)	Analyse technique et scientifique	Master IA (Predator IA en offloading)
Qwen 3.5 122B	~68 Go (offloading)	Qualité la plus proche des modèles cloud	Master IA
Stable Diffusion (ComfyUI)	8 à 16 Go	Génération d'images illimitée en local	Toutes

Comment calculer la VRAM dont vous avez besoin

La règle de dimensionnement est simple : en quantification 4 bits, un modèle consomme environ la moitié de son nombre de paramètres en gigaoctets. Un modèle 32B occupe donc autour de 16 à 22 Go selon l'implémentation, auxquels il faut ajouter le cache de contexte.

Le cache grandit avec la longueur de conversation et le nombre de documents chargés. Comptez 2 à 6 Go supplémentaires pour un usage documentaire sérieux, davantage si vous travaillez sur des contextes de plus de 100 000 tokens.

Paramètres ÷ 2 = VRAM approximative en Go (quantification 4 bits).
Ajoutez 2 à 6 Go pour le cache de contexte en usage documentaire.
Prévoyez une marge de 10 % : un modèle qui déborde d'un gigaoctet perd la moitié de sa vitesse.
La RAM système sert d'appoint en offloading : elle doit valoir au moins le double de la VRAM.

Quelle station pour quel profil

Le bon dimensionnement dépend moins du budget que de la nature des documents traités et du nombre d'utilisateurs simultanés.

Correspondance profil / configuration
Profil	Besoin typique	Configuration
Indépendant, TPE	Rédaction, courriers, recherche documentaire sur un fonds modeste	Starter IA — 16 Go de VRAM, modèles jusqu'à 14B confortables
Cabinet, PME, équipe	Analyse de dossiers volumineux, agents, plusieurs utilisateurs	Predator IA — 32 Go de VRAM, modèles 35B fluides, 120B en offloading
Production intensive, studio	Raisonnement profond, génération d'images et de vidéos en continu	Master IA — 48 Go de VRAM, modèles 120B+ pleinement exploitables (≈2× la vitesse du Predator)

Pourquoi le local plutôt que l'API

À usage soutenu, l'écart économique se referme vite : un abonnement professionnel par utilisateur, multiplié par une équipe et par douze mois, atteint en deux ans le prix d'une station qui, elle, reste votre propriété.

Surtout, l'exécution locale supprime la question juridique. Aucun document ne quitte vos locaux, donc aucun transfert hors Union européenne à documenter, aucune exposition au droit extraterritorial, aucun risque que vos contenus alimentent l'entraînement d'un modèle tiers.

Questions fréquentes

Peut-on faire tourner un modèle 120B sur une machine de bureau ?

Oui, en offloading : les couches qui ne tiennent pas en VRAM sont déportées en RAM système. La station Predator IA (32 Go de VRAM, 64 Go de RAM) exécute gpt-oss 120B, Nemotron-3 Super 120B et Qwen 3.5 122B de cette manière, à une vitesse compatible avec un usage réfléchi plutôt que conversationnel. La Master IA (48 Go de VRAM, 96 Go de RAM) fait tourner ces mêmes modèles environ deux fois plus vite : ils y sont pré-installés et utilisables au quotidien.

La quantification dégrade-t-elle la qualité des réponses ?

En 4 bits, la perte est marginale sur les tâches professionnelles courantes — rédaction, synthèse, extraction. Elle devient perceptible sur le raisonnement mathématique complexe et le code très long, où l'on privilégie une quantification 8 bits sur un modèle plus petit plutôt que 4 bits sur un modèle plus grand.

Quel modèle choisir pour du français juridique ou administratif ?

Mistral 7B pour la réactivité au quotidien, Gemma 4 31B ou Qwen 3.5 32B dès qu'il faut raisonner sur un dossier complet. Le couple gagnant reste un modèle de raisonnement associé à Qwen3-embedding 4B et Deepseek-OCR 3B pour indexer vos propres documents.

Faut-il une connexion Internet pour utiliser ces modèles ?

Non. Une fois les modèles installés sur la station, l'inférence fonctionne intégralement hors ligne. La connexion ne sert qu'aux mises à jour des modèles et du système, que vous déclenchez quand vous le souhaitez.

Une station dimensionnée pour vos modèles

Nos trois configurations sont livrées avec les modèles déjà installés, quantifiés et testés. Aucune installation à faire, aucun réglage à deviner.

Voir les stations IA Configuration sur mesure