Meilleure IA locale gratuite : top 2026, même sans GPU

#Commencer gratuitement selon votre machine

Il n'existe pas une seule meilleure IA locale gratuite : le bon choix est le plus gros modèle dont le fichier tient dans votre mémoire avec de la marge, lancé depuis Ollama ou LM Studio. Sur une machine de 8 Go sans carte graphique, visez un fichier de 2 à 4 Go, comme Granite 4.2 3B (2,2 Go) ou Qwen 3.5 4B (3,4 Go). Avec 16 Go, Qwen 3.5 9B (6,6 Go), Granite 4.2 8B (5,3 Go) ou Gemma 4 12B (7,6 Go) sont des points de départ raisonnables. À partir de 24 Go de VRAM ou 32 Go de mémoire, gpt-oss 20B (14 Go) et les modèles de 27 milliards de paramètres (18 Go) deviennent accessibles. Ces tailles sont celles des fichiers annoncés par Ollama, pas les milliards de paramètres du nom : c'est le fichier, plus le contexte et la marge du système, qui doit tenir. Ce sont des pistes de départ, pas des garanties de qualité ni de vitesse : essayez le modèle sur vos propres tâches.

Le contexte annoncé est un maximum, pas ce qui sera alloué. Ollama démarre avec 4 k tokens quand la carte graphique a moins de 24 Gio de VRAM, et recommande au moins 64 000 tokens pour la recherche web, les agents et le code. Chaque augmentation consomme de la mémoire en plus du fichier.

• Estimer la compatibilité de ma machine
• Source : tailles des fichiers Qwen 3.5, bibliothèque Ollama
• Source : contexte par défaut selon la VRAM, documentation Ollama

#Qu'est-ce qu'une IA locale ?

Une IA locale est un modèle de langage (un LLM, comme Qwen, Gemma ou Granite) dont les fichiers sont sur votre disque et qu'un logiciel installé sur votre machine exécute. Le calcul se fait sur votre processeur ou votre carte graphique, pas sur les serveurs d'un éditeur. LM Studio l'indique dans sa documentation : ce que vous saisissez en discutant avec un modèle ne quitte pas l'appareil.

Les modèles concernés sont dits à poids ouverts : leurs paramètres se téléchargent. Ce n'est pas synonyme d'open source, qui dépend de la licence. Google le rappelle pour Gemma : Gemma 4, publié le 2 avril 2026, est le premier de la famille sous licence Apache 2.0, approuvée par l'OSI ; les générations précédentes n'étaient pas sous cette licence. Avant de réutiliser un modèle dans un produit, lisez sa licence.

Le contraire est un service en ligne comme ChatGPT, Gemini ou Claude : vos messages partent sur les serveurs de l'éditeur. Entre les deux existent des cas hybrides, détaillés plus bas.

• Source : Gemma 4 sous Apache 2.0, Google Open Source Blog

#Pourquoi passer à l'IA locale ?

Confidentialité

Vos documents et vos prompts restent sur la machine tant que vous n'activez ni modèle hébergé ni recherche web. C'est utile pour le travail sensible, le juridique ou le médical.

Hors ligne

Le modèle téléchargé répond sans connexion, dans un train ou sur un réseau isolé.

Pas de quota de messages

Aucun forfait ne plafonne vos échanges. La seule limite est la vitesse de votre matériel.

Contrôle

Vous choisissez le modèle, sa quantification et le contexte, et vous le remplacez quand un meilleur sort.

Le compromis est réel : un modèle local doit tenir dans votre mémoire, donc il est plus petit que ceux des services en ligne.

#IA locale gratuite : vraiment sans payer ?

Oui pour les logiciels et les modèles cités ici : aucun abonnement n'est nécessaire pour discuter avec un modèle installé sur votre machine. Trois nuances évitent les mauvaises surprises : les licences des logiciels diffèrent (LM Studio est gratuit mais pas open source), le coût se déplace vers le disque et le matériel, et certains éditeurs vendent à côté des offres en ligne.

Le disque

Sous Windows, Ollama demande au moins 4 Go pour son installation, puis de la place pour les modèles, que sa documentation dit pouvoir atteindre plusieurs dizaines à plusieurs centaines de Go.

Le matériel

Un fichier de 14 Go n'a pas de sens sur 8 Go de mémoire : testez petit avant d'acheter.

Les offres hébergées

Le forfait gratuit d'Ollama inclut l'exécution locale, mais aussi des modèles hébergés à la consommation, avec des forfaits payants au-dessus. Ce n'est pas de l'IA locale.

#Top des outils gratuits

Ollama

Le choix des développeurs : un modèle se lance en une commande, avec une API locale sur le port 11434.

LM Studio

Catalogue de modèles, téléchargement au clic et fenêtre de discussion : le plus simple pour débuter. Gratuit à la maison comme au travail depuis le 8 juillet 2025, mais propriétaire : ses conditions accordent une licence d'usage, pas un code ouvert.

Jan

Télécharge des modèles depuis Hugging Face et ouvre un serveur local. Son dépôt précise qu'elle peut aussi se brancher sur OpenAI, Anthropic ou d'autres : à vous de rester en local.

GPT4All

Son dépôt annonce « no API calls or GPUs required ». Sa documentation cible des modèles de 3 à 13 milliards de paramètres et donne 8 Go de RAM pour Llama 3 8B. Aucune version n'est sortie depuis la 3.10.0 de février 2025 : vérifiez qu'il gère le modèle voulu.

• Démarrer avec LM Studio, pas à pas
• Installer Ollama sur Windows, macOS ou Linux
• Source : prérequis officiels de LM Studio

#Sans carte graphique : ce que vaut le processeur

Oui, un modèle peut tourner uniquement sur le processeur et la mémoire vive. Ollama le confirme dans sa FAQ : la colonne Processor de ollama ps affiche « 100% CPU » quand le modèle est chargé entièrement en mémoire système. La vraie question est donc la vitesse, pas la faisabilité.

#Pourquoi le processeur est lent : un calcul

Chaque token généré oblige la machine à relire l'essentiel du modèle depuis la mémoire : la vitesse est limitée par la rapidité d'accès aux données plus que par la puissance de calcul. Un plafond théorique s'obtient en divisant la bande passante mémoire (Go/s) par la taille du fichier (Go). Le tableau prend une valeur d'exemple de 50 Go/s : c'est un calcul illustratif, pas une mesure.

Le réel reste en dessous. Le blog TensorFoundry rapporte, sur un Mac M2 Max à 400 Go/s, un plafond calculé d'environ 87 tokens par seconde pour un 8B en 4 bits, et 64,9 mesurés, soit 75 %. Conséquence pratique : sans GPU, la taille du fichier est le premier levier de vitesse, puisque le plafond en dépend directement. Les modèles à experts (MoE) changent la donne, car ils n'activent qu'une partie de leurs paramètres par token : Qwen3-Coder 30B-A3B en active 3,3 milliards sur 30. À tester, si la mémoire suffit pour le fichier entier.

#Selon votre système

Windows

Ollama exige Windows 10 22H2 ou plus récent. LM Studio demande un processeur AVX2 et recommande 16 Go de RAM et 4 Go de VRAM.

Mac Apple Silicon

Processeur et GPU partagent la mémoire unifiée. LM Studio recommande 16 Go ou plus ; sur 8 Go, il conseille des modèles plus petits et des contextes modestes.

Mac Intel

LM Studio ne le prend pas en charge. Ollama tourne sur x86 mais en CPU seul : prévoyez de petits modèles.

Linux

Ollama et LM Studio sont disponibles ; ce dernier est distribué en AppImage et demande Ubuntu 20.04 ou plus récent.

• Guide complet des modèles par RAM, sans GPU

#Les meilleurs modèles gratuits 2026

Cette sélection part de ce qu'Ollama publie et de ce que les éditeurs documentent, pas d'un test maison.

Qwen 3.5 (Alibaba)

Famille multimodale (texte et image) de 0,8 à 122 milliards de paramètres, contexte de 256 k tokens, licence Apache 2.0. Alibaba annonce 201 langues et dialectes. Les versions 4B (3,4 Go) et 9B (6,6 Go) visent les petites machines.

Qwen 3.6 et 3.8 (Alibaba)

Qwen 3.6 existe en 27B (18 Go) et 35B (23 Go), Qwen 3.8 en 27B (18 Go) : deux familles orientées code et agents. Le mode réflexion de Qwen3.8 est actif par défaut et se désactive par requête : il ajoute des tokens avant la réponse.

Granite 4.2 (IBM)

Versions 3B (2,2 Go), 8B (5,3 Go) et 30B, contexte de 128 k tokens, licence Apache 2.0. Le français figure parmi les douze langues prises en charge : c'est un signal, pas une mesure de qualité. Un mode réflexion intégré se coupe avec la commande /set nothink dans Ollama.

Gemma 4 (Google)

Tailles E2B, E4B, 12B, 26B (à experts, 3,8 milliards de paramètres actifs) et 31B, sous Apache 2.0 depuis avril 2026. Le « E » signifie « effective » : gemma4:e2b compte 2,3 milliards de paramètres effectifs mais 5,1 avec les plongements, et son fichier pèse 7,2 Go chez Ollama. Un nom en 2B ne garantit pas un petit fichier.

gpt-oss 20B (OpenAI)

Modèle à poids ouverts sous licence Apache 2.0, quantifié en MXFP4 par OpenAI : Ollama indique qu'il tourne avec 16 Go de mémoire (fichier de 14 Go). Contexte de 128 k tokens.

Qwen3-Coder 30B-A3B (Alibaba)

Spécialiste du code : 30 milliards de paramètres au total, 3,3 activés, contexte de 256 k tokens, fichier de 19 Go.

#Lire un benchmark sans se tromper

Les fiches de modèles publient des scores, mais ce sont ceux de l'éditeur, avec son propre protocole. Celle de Gemma 4 donne 69,4 % à MMLU Pro pour la version E4B contre 85,2 % pour la 31B : la taille compte, et un score ne dit rien de votre tâche. Autre piège de vocabulaire : « LLM gratuit » désigne aussi des offres en ligne à quota, où vos données partent chez le fournisseur.

• Lire nos repères de performance et leurs limites

#Choisir selon l'usage : chat, code, agents

Discuter, résumer, rédiger en français

Granite 4.2 8B, Qwen 3.5 9B ou Gemma 4 12B sur 16 Go. Comparez-les sur trois de vos textes : aucune fiche ne remplace ce test.

Coder

Qwen3-Coder 30B-A3B est présenté par Alibaba comme son modèle de code le plus orienté agents. La contrainte est la mémoire : les outils de code demandent un long contexte, qui s'ajoute au fichier de 19 Go et laisse peu de marge sur 24 Go.

Agents et outils

Ollama sait lancer des agents avec un modèle local, par exemple Claude Code avec un modèle Qwen. Cela fait tourner l'outil Claude Code, pas un modèle Claude : le modèle qui répond reste celui que vous avez téléchargé.

Sans restriction

Les modèles d'origine sont entraînés à refuser certaines demandes. Des variantes communautaires dites abliterated retirent cette capacité : un billet de Hugging Face explique que le refus est porté par une direction précise des activations, qu'on peut neutraliser. La qualité varie selon la variante, et la loi s'applique à vos usages.

• Modèles abliterated : ce qu'ils changent, ce qu'ils coûtent

#Installer une IA gratuite, pas à pas

1. 01
   Vérifier la mémoire libre

   Fermez le navigateur et les applications lourdes : la mémoire disponible, non la capacité totale, décide du modèle.
2. 02
   Installer le logiciel

   Ollama si vous êtes à l'aise avec une commande, LM Studio pour une interface graphique. Prenez la version de votre système : Windows, macOS ou Linux.
3. 03
   Télécharger un modèle de la bonne taille

   Reportez-vous au tableau de la première section : 8 Go de mémoire, un fichier de 2 à 4 Go ; 16 Go, un fichier de 5 à 8 Go. Sur 8 Go, un fichier de 6,6 Go ne laisse pas de marge.
4. 04
   Lancer, puis contrôler

   Discutez, puis lancez ollama ps dans un second terminal pour voir si le modèle tourne sur le GPU, le CPU ou les deux.

# Machine de 8 Go
ollama run qwen3.5:4b

# Machine de 16 Go
ollama run qwen3.5:9b

# Vérifier le placement CPU ou GPU et le contexte alloué
ollama ps

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

#Ce qui peut sortir de la machine malgré le mot « local »

« Local » décrit où le modèle s'exécute, pas ce que fait le reste du logiciel. Quatre situations font sortir ou exposent des données.

Les modèles hébergés d'Ollama

L'application permet d'utiliser des modèles exécutés dans le cloud d'Ollama, qui traite alors vos prompts et réponses ; Ollama ne voit rien de ce que vous exécutez en local. Pour l'interdire : variable OLLAMA_NO_CLOUD=1 ou option disable_ollama_cloud.

Les connecteurs de Jan

Jan peut se brancher sur OpenAI, Anthropic, Mistral ou Groq. Avec un modèle téléchargé, l'exécution reste locale ; avec un connecteur, la discussion est envoyée au fournisseur choisi.

Le téléchargement des modèles

LM Studio émet des requêtes réseau pour chercher des modèles, les télécharger et vérifier les mises à jour. La discussion, vos documents et le serveur local restent sur l'appareil.

L'exposition sur le réseau

Ollama écoute sur 127.0.0.1 par défaut : seul votre ordinateur y accède. La variable OLLAMA_HOST change l'adresse ; n'ouvrez que si vous savez qui peut se connecter.

• Source : FAQ d'Ollama, données, mode local seul et adresse d'écoute