LM Studio sur Linux : installer sur Ubuntu, Debian, Arch, Fedora

#Pourquoi LM Studio sur Linux

Sur Linux, le réflexe pour un LLM local est Ollama : daemon systemd, CLI propre, écoute par défaut sur localhost:11434. C'est excellent pour le serveur. LM Studio attaque un autre angle — celui du poste de travail graphique.

Une interface complète sans terminal

Chat, navigateur de modèles Hugging Face, gestionnaire de téléchargements, réglages de sampling : tout en GUI. Utile si vous voulez tester rapidement plusieurs modèles avant de passer en prod.

Un serveur OpenAI-compatible en un clic

L'onglet Developer expose un endpoint http://localhost:1234/v1 qui parle le protocole OpenAI. N'importe quel SDK (openai-python, LangChain, Continue.dev) tape dessus sans changer une ligne.

Zéro installation système

L'AppImage tourne en espace utilisateur. Pas de sudo, pas de paquet à installer, pas de dépôt tiers. Pour les machines verrouillées par la DSI ou les distributions atypiques, c'est précieux.

Format GGUF natif

LM Studio lit uniquement le GGUF (le format de llama.cpp). C'est le même format que celui utilisé par Ollama sous le capot, donc 100 % des modèles populaires sont disponibles.

#Prérequis

Distribution Linux récente

Ubuntu 22.04+, Fedora 38+, Debian 12+, Arch ou dérivés. LM Studio est testé sur les principales distros, mais l'AppImage est portable et fonctionne ailleurs (openSUSE, Linux Mint, Pop!_OS).

glibc 2.35+

L'AppImage embarque ses dépendances graphiques mais pas la glibc. Si vous êtes sur une distribution très ancienne (CentOS 7, Debian 10), ça ne tournera pas.

FUSE

Les AppImage utilisent FUSE pour se monter en lecture. La plupart des distros l'installent par défaut. Sur Ubuntu 22.04+, vous aurez besoin du paquet libfuse2 explicitement.

8 Go de RAM minimum

Pour faire tourner un modèle 7B en Q4. 16 Go pour être confortable, 32 Go+ pour les 14B ou pour garder votre IDE ouvert à côté.

GPU (optionnel mais conseillé)

NVIDIA avec drivers récents (CUDA 12+), AMD avec ROCm 6.x, ou Intel Arc via Vulkan. Sans GPU, ça tourne en CPU — fonctionnel pour des 3B, lent pour des 7B.

#1. Récupérer l'AppImage

Le site officiel détecte automatiquement votre OS et propose la bonne version. Vérifiez que vous téléchargez bien depuis lmstudio.ai — il existe des miroirs douteux.

https://lmstudio.ai

1. 01
   Téléchargez le fichier .AppImage

   Le binaire fait entre 500 et 700 Mo. Il embarque llama.cpp, l'UI Electron et tout le runtime. Rangez-le dans ~/Applications/ ou ~/.local/bin/ par convention — n'importe où en réalité, l'AppImage est self-contained.
2. 02
   Rendez-le exécutable

   Avec la commande chmod +x. Sans ça, le fichier est juste une archive inerte.
3. 03
   Lancez-le

   Double-clic depuis votre file manager, ou en ligne de commande. Au premier lancement, LM Studio extrait son contenu dans ~/.cache/AppImage/ — c'est normal, et ça ne se reproduit qu'à chaque mise à jour.

mkdir -p ~/Applications
cd ~/Applications
# Remplacez le nom par celui du fichier téléchargé
chmod +x LM_Studio-*.AppImage
./LM_Studio-*.AppImage

#2. Premier lancement

Au premier démarrage, LM Studio demande de choisir un niveau d'interface : User (chat seulement), Power User (chat + réglages), Developer (tout, y compris le serveur). Power User suffit pour explorer ; vous pourrez passer en Developer pour le serveur local plus tard, depuis Settings → UI Mode.

La sidebar de gauche organise les vues :

Chat

L'interface principale, type ChatGPT. C'est ce que vous utiliserez 90 % du temps.

Discover

Le store de modèles. Recherche en direct sur Hugging Face, avec un indicateur de compatibilité matérielle (Full GPU Offload / Partial / Likely too large) basé sur votre VRAM détectée.

My Models

Tous vos modèles téléchargés, avec leur taille et leurs quantizations. Utile pour faire le ménage.

Developer

Le serveur local OpenAI-compatible. Visible uniquement en mode Power User ou Developer.

#3. Télécharger un modèle GGUF

LM Studio ne lit que le format GGUF (le format binaire de llama.cpp, successeur de GGML). Si un modèle existe sur Hugging Face mais pas en GGUF, vous ne pourrez pas le charger directement. La grande majorité des modèles populaires (Llama, Mistral, Qwen, Phi, Gemma, DeepSeek) ont des versions GGUF maintenues par la communauté.

1. 01
   Ouvrez Discover et cherchez un modèle

   Pour un premier essai, tapez Mistral 7B Instruct ou Llama 3.1 8B. LM Studio liste les variantes GGUF disponibles, généralement publiées par TheBloke, bartowski ou lmstudio-community.
2. 02
   Lisez les tags de compatibilité

   À droite de chaque variante, un indicateur vert/orange/rouge : Full GPU Offload signifie que le modèle tient entier dans votre VRAM. Partial = une partie ira en RAM (plus lent). Likely too large = oubliez.
3. 03
   Choisissez la quantization

   Q4_K_M est le sweet spot pour la majorité des cas (faible perte de qualité, ~50 % de la taille FP16). Q5_K_M si vous avez 30-40 % de VRAM en plus. Q8_0 pour la qualité maximale si vous avez largement de la place. FP16 seulement pour le fine-tuning ou la comparaison.
4. 04
   Cliquez Download

   Entre 4 et 8 Go pour un 7B selon la quantization. Le téléchargement se fait en arrière-plan, vous pouvez en lancer plusieurs en parallèle.

Une fois le modèle téléchargé, retournez sur Chat, sélectionnez-le dans le menu déroulant en haut, ajustez le slider GPU offload au maximum proposé, et cliquez Load model. Le chargement prend 5 à 30 secondes selon la taille et la vitesse du disque.

#4. Lancer le serveur local sur le port 1234

C'est là que LM Studio dépasse le simple chat graphique. L'onglet Developer expose un serveur HTTP qui parle exactement le même protocole que l'API d'OpenAI. N'importe quel client OpenAI (openai-python, LangChain, LlamaIndex, Continue.dev) peut taper dessus sans modification, juste en changeant l'URL de base.

1. 01
   Passez en mode Developer

   Settings → UI Mode → Developer. L'onglet Developer (icône terminal) apparaît dans la sidebar.
2. 02
   Sélectionnez un modèle

   Menu en haut de l'onglet Developer. Le modèle doit être déjà téléchargé. Vous pouvez en charger plusieurs en parallèle si la VRAM suit.
3. 03
   Réglez Context Length et GPU Offload

   Mettez le GPU offload au maximum tant que la VRAM le permet. Le context length à 4096 par défaut suffit pour la plupart des usages ; montez à 8192 ou 16384 pour du RAG ou des longs documents.
4. 04
   Cliquez Start Server

   Le serveur écoute sur 127.0.0.1:1234 par défaut. Le port est configurable juste à côté si 1234 est déjà pris.

# Liste des modèles chargés
curl http://localhost:1234/v1/models

# Une complétion chat minimale
curl http://localhost:1234/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "local-model",
    "messages": [
      {"role":"user","content":"Capitale de l'\''Italie ?"}
    ],
    "temperature": 0.2
  }'

Côté Python, un client openai officiel suffit. La clé API peut être n'importe quelle chaîne — LM Studio ne la vérifie pas.

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio",  # placeholder, non vérifié
)

resp = client.chat.completions.create(
    model="local-model",
    messages=[
        {"role": "system", "content": "Tu réponds en une phrase."},
        {"role": "user",   "content": "Qu'est-ce qu'un GGUF ?"},
    ],
    stream=True,
)

for chunk in resp:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

Pour exposer le serveur sur le LAN (autres postes de l'équipe), changez Host de 127.0.0.1 à 0.0.0.0 dans les réglages du serveur. Attention : LM Studio n'a aucune authentification native. Sur un réseau partagé, mettez Caddy ou Nginx avec basic auth devant, ou restreignez l'accès au firewall.

#5. Accélération GPU sous Linux

C'est le sujet le plus piégeux de LM Studio sur Linux. L'AppImage embarque plusieurs backends (CPU, CUDA, ROCm, Vulkan) et choisit automatiquement au lancement — mais l'autodétection se trompe parfois selon les drivers installés.

NVIDIA (CUDA)

Drivers propriétaires 535+ installés (nvidia-smi doit fonctionner). CUDA 12.x est embarqué dans l'AppImage, pas besoin de l'installer séparément. Vérifiez dans Settings → Hardware que le GPU est listé et que le backend est bien CUDA.

AMD (ROCm)

Drivers ROCm 6.x installés sur l'hôte (Radeon RX 6800 XT et plus récent officiellement supportés, RX 6700 XT et RX 7600 souvent fonctionnels avec HSA_OVERRIDE_GFX_VERSION). Votre utilisateur doit appartenir aux groupes render et video.

Intel Arc / iGPU

Backend Vulkan, performances correctes sur Arc A770/A750 mais moins bonnes que NVIDIA/AMD. Installez vulkan-tools pour vérifier avec vulkaninfo que le GPU est détecté.

Aucun GPU

Fallback CPU automatique. Pour un Mistral 7B Q4 sur un Ryzen 7, attendez-vous à 5-8 tokens/sec. Un 3B reste très utilisable. Au-delà de 14B, la patience devient un problème.

Le slider GPU offload dans Chat ou Developer contrôle combien de couches du modèle vont sur le GPU. Mettez-le au maximum tant que la VRAM le permet. Vérifiez la consommation réelle dans un terminal :

# NVIDIA
nvidia-smi -l 1

# AMD (radeontop ou rocm-smi)
rocm-smi --showmeminfo vram

Repères VRAM par taille de modèle (Q4)

3B ≈ 2 Go · 7B ≈ 5 Go · 14B ≈ 9 Go · 32B ≈ 19 Go · 70B ≈ 40 Go. Ces chiffres montent un peu si vous augmentez le context length au-delà de 4096.

GPU repères

RTX 3060 12GB couvre confortablement les 7B-14B. RTX 4070 12GB : pareil avec marge. RTX 4080 16GB : 14B en Q5, début des 24B. RTX 4090 24GB : les 32B en Q4, les 70B en Q3. Mac M4 Pro 24-48GB unifié : la même chose côté Apple Silicon, mais via la version macOS de LM Studio.

#Pièges fréquents

L'AppImage refuse de démarrer

Lancez-le depuis un terminal pour voir le message d'erreur. Le plus courant : libfuse2 manquant sur Ubuntu 22.04+ (sudo apt install libfuse2 règle le problème). Ensuite : glibc trop ancienne (LM Studio exige 2.35+, donc pas de CentOS 7 ni Debian 10).

Le GPU n'est pas utilisé

Vérifiez nvidia-smi (ou rocm-smi). Si le GPU n'est pas listé : drivers absents ou trop vieux. S'il l'est mais que LM Studio reste sur CPU : Settings → Hardware permet de forcer le backend (CUDA/ROCm/Vulkan). Sur AMD, l'utilisateur doit être dans les groupes render et video — sortez et reconnectez-vous après le usermod.

Le modèle est lent malgré le GPU

VRAM saturée et offload partiel silencieux. Réduisez le context length, baissez le slider GPU offload pour mesurer le seuil, ou prenez une quantization plus agressive (Q5 → Q4 → Q3).

Port 1234 déjà pris

Souvent occupé par un autre service de dev. Changez le port dans Developer → Settings, ou tuez le processus : ss -tulpn | grep 1234. Pas la peine de toucher au firewall pour un usage localhost.

Mises à jour automatiques cassantes

LM Studio se met à jour seul par défaut. En environnement contrôlé (entreprise, intégration CI/CD), désactivez via Settings → Updates. Notez le numéro de version qui marche pour pouvoir revenir en arrière si besoin.

Pas d'autocompletion CLI

L'AppImage n'expose pas de CLI riche. Pour du scripting sérieux, l'API HTTP du serveur (port 1234) reste la voie propre. Si vous avez besoin d'une vraie CLI, llama.cpp ou Ollama sont mieux adaptés.

#Pour aller plus loin

Vous avez LM Studio installé, un GGUF chargé, et un serveur OpenAI-compatible qui tourne. Les directions naturelles ensuite :

Exploiter le serveur API en profondeur

Le guide Transformer LM Studio en serveur API détaille streaming, multi-modèles en parallèle, exposition LAN sécurisée et tuning des performances.

Comparer avec Ollama sur Linux

Le guide Installer Ollama sur Linux couvre l'autre stack populaire, plus orientée daemon/serveur. Pour beaucoup, la combinaison Ollama (daemon) + LM Studio (interface client par-dessus) est l'idéal.

Choisir la bonne quantization

Le guide Choisir sa quantification (Q4, Q5, Q8, FP16) compare visuellement les pertes de qualité réelles et aide à arbitrer qualité vs VRAM, surtout pertinent quand on télécharge ses propres GGUF.