Jan : l'alternative open source à ChatGPT

#Jan en deux mots : ce que c'est en 2026

Jan est une application de bureau libre, éditée par Menlo Research, qui remplace ChatGPT par des modèles exécutés sur votre machine. Son code est publié sous licence Apache 2.0 sur GitHub. Elle tourne sous Windows, macOS (Apple Silicon uniquement) et Linux, télécharge des modèles au format GGUF depuis un Hub connecté à Hugging Face, les exécute avec llama.cpp, et expose une API compatible OpenAI sur le port 1337. Elle sait aussi se connecter à des modèles cloud (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter) dans la même interface, brancher des serveurs MCP et effectuer des recherches web. Pour un usage courant, aucun compte n'est nécessaire, aucune ligne de commande non plus. Ce guide vous installe Jan, vous aide à choisir un modèle adapté à votre mémoire et vous montre où s'arrêtent ses atouts.

#Jan, LM Studio ou Ollama : ce qui les distingue

Les trois outils font tourner les mêmes modèles GGUF ; ils se distinguent par leur interface, leur licence et leur usage type. Le tableau se limite aux éléments vérifiables dans leurs documentations officielles.

Le choix se joue sur l'usage. Jan convient si vous voulez une interface complète, un code libre et la possibilité de mélanger local et cloud sans changer d'outil. Si vous automatisez, scriptez ou déployez sur un serveur, Ollama ou llama-server restent plus naturels. Le guide comparatif détaille ces arbitrages.

#Installer Jan sur Windows, macOS ou Linux

L'installation ne demande pas de compte. Voici les prérequis officiels, à vérifier avant de télécharger : ils décident du modèle que vous pourrez charger par la suite.

1. 01
   Télécharger l'installeur

   Rendez-vous sur jan.ai ou sur la page des versions GitHub. Windows : fichier .exe. macOS : .dmg à glisser dans Applications. Linux : Flatpak de préférence, sinon .deb ou AppImage.
2. 02
   Lancer Jan une première fois

   Aucune création de compte. Au premier démarrage, Jan télécharge son modèle par défaut ; une fois le téléchargement fini, le chat est utilisable. Le premier lancement permet aussi de choisir vos préférences de mesure d'usage.
3. 03
   Ouvrir le Hub pour d'autres modèles

   Le Hub est accessible depuis la barre latérale. Cherchez un modèle, cliquez sur Download, puis choisissez-le dans le sélecteur de modèle de n'importe quel chat.

flatpak install flathub ai.jan.Jan
flatpak run ai.jan.Jan

#Choisir un modèle qui rentre dans votre mémoire

Le Hub affiche pour chaque modèle une pastille d'adéquation : Fits, May be slow ou Won't fit, calculée d'après votre matériel sans rien télécharger. Les quantifications sont regroupées en Small, Balanced et Large, avec une mention Recommended sur le téléchargement par défaut. Suivez ces pastilles avant tout autre critère.

Pour vous repérer, voici les ordres de grandeur du site en Q4 (poids seuls, avant le contexte) et les repères donnés par Jan pour les Mac : le tableau croise les deux.

Le modèle maison Jan-v3-4B, publié sous licence Apache 2.0, est un point de départ raisonnable : 4 milliards de paramètres, une fenêtre native de 262 144 tokens et, d'après Jan, un minimum de 8 Go de RAM en quantification Q4 (16 Go recommandés en Q8). C'est un modèle léger : pour de la synthèse ou de l'écriture longue, un modèle de 7 à 14 milliards de paramètres s'en sortira mieux si votre mémoire le permet.

#Premier chat, assistants et projets

1. 01
   Ouvrir un nouveau chat

   Sélectionnez le modèle dans le sélecteur en haut du chat. Un modèle local se charge en mémoire à la première utilisation ; comptez plus de temps pour un gros modèle.
2. 02
   Écrire le message

   Envoyez votre message ; la réponse s'affiche au fil de l'eau. Les paramètres du modèle (température, contexte) figurent dans la documentation « Model Parameters » de Jan.
3. 03
   Joindre un fichier

   Le bouton plus permet d'ajouter des documents, des images (modèle avec vision requis) ou des fichiers audio WAV et MP3 (modèle audio requis). Avec un modèle local, les fichiers restent sur votre machine.

Deux fonctions changent l'usage quotidien. Les assistants sont des jeux d'instructions réutilisables : l'équivalent d'un system prompt enregistré, que vous activez depuis le champ de saisie. Les projets regroupent des conversations autour d'instructions et de fichiers communs : un document déposé dans un projet est découpé et indexé, puis disponible dans toutes les conversations du projet. C'est un RAG léger, suffisant pour interroger quelques PDF, sans construire de pipeline. Voyez le guide sur les system prompts pour bien rédiger les instructions d'un assistant.

#Brancher un modèle cloud (et ce que cela implique)

Jan permet de mélanger local et cloud dans la même interface : utile pour comparer une réponse locale à celle d'un grand modèle, ou pour garder un seul client de chat. Ouvrez Settings, puis Model Providers, choisissez un fournisseur (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter, Azure OpenAI, Hugging Face) et collez votre clé API. Tout point d'accès compatible OpenAI ou Anthropic peut aussi être ajouté comme endpoint personnalisé. Ensuite, le modèle cloud apparaît dans le sélecteur.

#Utiliser Jan comme serveur d'API local

Jan embarque un serveur compatible OpenAI, propulsé par llama.cpp. Ouvrez Settings, puis Local API Server, et cliquez sur Start Server. Il est prêt quand les journaux affichent l'écoute sur http://127.0.0.1:1337. Vos scripts, éditeurs de code ou applications compatibles OpenAI peuvent ensuite l'utiliser en changeant l'URL de base.

curl http://127.0.0.1:1337/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer secret-key-123" \
  -d '{"model": "YOUR_MODEL_ID", "messages": [{"role": "user", "content": "Bonjour"}]}'

Remplacez YOUR_MODEL_ID par l'identifiant d'un modèle disponible dans votre Jan, et la clé par celle que vous avez définie. Les options de configuration méritent une attention, surtout celles qui touchent au réseau.

#Erreurs fréquentes du serveur local

Connection refused

Le serveur n'est pas démarré, ou votre application vise le mauvais hôte ou port.

401 Unauthorized

La clé d'API est absente de l'en-tête Authorization ou incorrecte.

404 Not Found

L'identifiant de modèle ne correspond à aucun modèle disponible dans Jan, ou le préfixe d'API est mal écrit.

Erreur CORS dans le navigateur

Vérifiez que l'option CORS est activée dans les réglages du serveur.

#llama.cpp ou MLX sur Mac

Sur Apple Silicon, Jan propose deux moteurs. llama.cpp est le moteur stable, présent sur toutes les plateformes, au format GGUF. MLX est un moteur pour puces Apple (macOS 14 minimum) qui exploite Metal, mais Jan le qualifie d'expérimental : pas d'embeddings, donc pas de RAG, sortie de raisonnement non gérée, et certaines architectures récentes ne se chargent pas. La documentation recommande de commencer par llama.cpp et d'essayer MLX pour un modèle compatible si vous cherchez de la vitesse.

#Vie privée : ce qui reste chez vous

Jan indique ne collecter aucune donnée avant votre accord : vous choisissez vos préférences de mesure d'usage au premier lancement et pouvez les modifier ensuite dans les réglages. Si vous acceptez, l'éditeur compte des indicateurs d'usage, comme les utilisateurs actifs, rattachés à un identifiant aléatoire, via PostHog hébergé dans l'Union européenne. Il affirme ne jamais lire vos conversations ni journaliser vos prompts. Vos données (modèles, fils de discussion, réglages, journaux) sont stockées dans un dossier local : sous macOS, ~/Library/Application Support/Jan/data ; sous Linux, ~/.local/share/Jan/data. Cette description est celle de l'éditeur : pour un cadre réglementé, vérifiez le trafic sortant de votre poste.

#Jan est-il fait pour vous ?

Vous voulez du code libre

Le dépôt est sous Apache 2.0 : vous pouvez lire le code, le forker et le redistribuer, dans le respect de la licence, avec mention d'attribution demandée.

Vous mélangez local et cloud

Une seule interface pour vos modèles locaux et vos fournisseurs cloud, avec des assistants et projets communs.

Vous évitez le terminal

Installation, téléchargement de modèles et serveur local se pilotent depuis l'interface.

Vous automatisez ou déployez sur un serveur

Préférez Ollama ou llama-server, plus adaptés aux services qui tournent sans interface.

Vous êtes sur Mac Intel

Jan n'est pas pris en charge : choisissez un autre outil.

• Jan : l'alternative open-source à ChatGPT, 100 % locale (tutoriel)
• Ollama vs LM Studio vs Jan vs GPT4All
• LM Studio pour débutants : premier chat local
• Maîtriser les system prompts
• llama-server : API OpenAI locale avec llama.cpp

• Source : documentation officielle de Jan Desktop
• Source : dépôt GitHub de Jan
• Source : serveur d'API local de Jan
• Source : approche de la vie privée de Jan