Transformer LM Studio en serveur API OpenAI (2026)

#Ce que vous obtenez

À la fin de ce guide, vous disposez d'une adresse http://localhost:1234/v1 que n'importe quel SDK OpenAI (Python, JavaScript, C#), LangChain ou un outil de code comme Cline ou Continue peut utiliser à la place de l'API d'OpenAI. Le serveur propose aussi une API native sous /api/v1 (chat à état, chargement et téléchargement de modèles) et des endpoints compatibles Anthropic. Tout reste sur votre machine : le modèle, les requêtes et les réponses ne quittent pas votre poste, tant que vous ne l'exposez pas vous-même sur le réseau.

#1. Démarrer le serveur

1. 01
   Ouvrez l'onglet Developer

   Dans LM Studio, l'onglet Developer regroupe le serveur, ses journaux et ses réglages. Le modèle à servir doit être téléchargé au préalable.
2. 02
   Activez Start server

   Basculez l'interrupteur Start server : le serveur démarre sur le port indiqué dans Server Settings, 1234 dans les exemples de la documentation.
3. 03
   Ou démarrez en ligne de commande

   Depuis un terminal, la commande lms server start lance le même serveur, sans ouvrir l'interface.
4. 04
   Vérifiez la liste des modèles

   Interrogez /v1/models pour confirmer que le serveur répond et voir les identifiants de modèles à utiliser dans vos requêtes.

lms server start

#2. Les réglages du serveur, un par un

Les réglages se trouvent dans Developer, Server Settings. Ils déterminent qui peut appeler le serveur et ce que les clients peuvent lui faire faire. La plupart des problèmes d'intégration viennent d'un de ces interrupteurs, le plus souvent celui du réseau ou de CORS.

#3. Tester avec curl

Un premier appel de contrôle suffit pour valider le serveur. Dans les requêtes, le champ model doit contenir l'identifiant du modèle tel qu'il apparaît dans LM Studio, et non un nom générique comme local-model : la documentation le rappelle dans son exemple curl.

curl http://localhost:1234/v1/models

curl http://localhost:1234/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "IDENTIFIANT-DU-MODELE",
    "messages": [
      {"role":"system","content":"Tu es concis."},
      {"role":"user","content":"Capitale du Portugal ?"}
    ],
    "temperature": 0.2
  }'

La réponse est un JSON au format OpenAI : choices[0].message.content contient le texte. Si le champ model est faux, ou si le chargement à la demande est désactivé et que le modèle n'est pas chargé, la requête échoue : vérifiez d'abord l'identifiant renvoyé par /v1/models.

#4. Appeler depuis Python

Le SDK openai s'utilise en changeant uniquement l'adresse de base : c'est la modification que montre la documentation de LM Studio. Le SDK exige une clé ; tant que l'authentification est désactivée, LM Studio ne la contrôle pas, et si vous activez l'authentification, la clé devient votre jeton d'API.

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio",  # ignorée sans authentification ; votre jeton sinon
)

resp = client.chat.completions.create(
    model="IDENTIFIANT-DU-MODELE",
    messages=[
        {"role": "system", "content": "Réponds en 1 phrase."},
        {"role": "user",   "content": "Qu'est-ce qu'un LLM ?"},
    ],
    temperature=0.3,
    stream=True,
)

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

Le streaming fonctionne comme chez OpenAI : aucun changement côté client pour afficher les tokens en direct. Pour les agents et les éditeurs, LM Studio implémente aussi l'endpoint /v1/responses, présenté plus bas.

#Quelle API choisir : OpenAI, Anthropic ou native

LM Studio expose trois familles d'endpoints. Les endpoints compatibles OpenAI couvrent les modèles, les réponses, le chat, les embeddings et les complétions. Des endpoints compatibles Anthropic acceptent le format des messages d'Anthropic. Depuis la version 0.4.0, l'API native /api/v1 ajoute des fonctions propres à LM Studio : chat à état, chargement, déchargement et téléchargement de modèles, et réglage du contexte par requête.

#6. Plusieurs modèles : chargement à la demande et TTL

Avec le chargement à la demande (JIT, pour Just in Time), le premier appel à un modèle le charge en mémoire, et /v1/models liste tous les modèles téléchargés, pas seulement ceux qui sont chargés. Sans JIT, /v1/models ne renvoie que les modèles déjà chargés, et vous devez charger le modèle avant de l'appeler. Ce mode est idéal quand un outil comme Zed, Cline ou Continue choisit lui-même son modèle.

TTL par défaut

Un modèle chargé à la demande est déchargé après 60 minutes sans requête.

TTL par requête

Ajoutez un champ ttl (en secondes) dans la requête ; 300 correspond à 5 minutes.

TTL pour lms load

Les modèles chargés avec lms load n'ont pas de TTL par défaut : utilisez l'option --ttl.

Auto-Evict

Activé par défaut : un seul modèle chargé à la demande reste en mémoire à la fois. Désactivez-le pour en garder plusieurs.

#7. Exposer le serveur sur le réseau, avec authentification

Pour qu'un autre poste du réseau appelle votre serveur, activez Serve on Local Network dans Server Settings, ou démarrez avec l'adresse d'écoute 0.0.0.0. Le serveur cesse alors d'écouter sur localhost seul : la documentation avertit que tout bind autre que 127.0.0.1 l'expose au-delà de la machine, et recommande d'activer l'authentification.

lms server start --bind 0.0.0.0

curl http://192.168.1.42:1234/v1/models

Contrairement à une idée répandue, LM Studio sait authentifier les requêtes. Par défaut, il n'exige aucune authentification ; en activant l'interrupteur dans Server Settings, il n'accepte plus que les requêtes portant un jeton d'API valide, créé dans Manage Tokens avec des permissions choisies. Le jeton n'est affiché qu'à la création : copiez-le immédiatement. Cette fonction demande LM Studio 0.4.0 ou une version plus récente.

curl http://192.168.1.42:1234/v1/models \
  -H "Authorization: Bearer $LM_API_TOKEN"

Pour un accès depuis Internet, ne publiez pas le port : passez par un VPN ou un reverse proxy avec TLS. Le principe est identique à celui d'un serveur Ollama, détaillé dans le guide de sécurisation. Une alternative plus simple pour utiliser un modèle d'une autre machine est LM Link, qui sert un modèle d'un appareil distant comme s'il était chargé localement.

• Sécuriser un serveur d'IA locale : authentification, reverse proxy, exposition

#Sans interface graphique : llmster et démarrage automatique

Depuis la version 0.4.0, le cœur de LM Studio existe sous forme de démon autonome, llmster, conçu pour tourner sans interface sur un serveur Linux, une machine de GPU ou un poste local. Il s'installe avec une ligne de commande, se lance avec lms daemon up, puis le serveur démarre avec lms server start. Sur un poste avec interface, vous pouvez aussi cocher, dans les réglages de l'application, l'option qui lance le serveur à l'ouverture de session : fermer l'application la réduit alors dans la barre système et le serveur continue.

curl -fsSL https://lmstudio.ai/install.sh | bash
lms daemon up
lms server start

#9. Performance : ce qui compte vraiment

GPU offload

Chargez le plus de couches possible dans la VRAM. Un modèle qui déborde vers la mémoire centrale perd l'essentiel de son débit.

Context Length

Choisissez le contexte dont vous avez besoin, pas le maximum : le cache du contexte occupe de la VRAM et augmente avec la longueur.

Max Concurrent Predictions

Nombre de requêtes traitées en même temps par un modèle ; au-delà, elles attendent en file.

Unified KV Cache

Activé par défaut : les ressources ne sont pas partagées à parts fixes entre requêtes, ce qui permet des tailles de requêtes variables.

Le guide sur Flash Attention et celui sur la fenêtre de contexte détaillent les effets sur la mémoire. Pour du débit multi-utilisateurs important, un serveur dédié reste plus adapté : le guide sur vLLM montre le déploiement.

• Flash Attention dans llama.cpp
• Comprendre la fenêtre de contexte

#Limites et alternatives : ce qui a changé

Plusieurs limites souvent citées ne sont plus vraies, et les corriger change le choix de l'outil. Le tableau confronte ce que l'on lit encore à ce que la documentation actuelle indique.

Restent de vraies limites : LM Studio est fait pour un poste, pas pour un cluster ; le batching continu ne remplace pas un serveur pensé pour des dizaines d'utilisateurs, comme vLLM ; et les mises à jour de l'application peuvent changer un comportement, ce qui impose de figer la version sur une machine qui sert un service. Pour choisir entre LM Studio et ses concurrents, comparez-les avant de vous engager.

• Déployer vLLM en production
• Ollama vs LM Studio vs Jan vs GPT4All
• LM Studio sur Linux
• Brancher Cline sur un modèle local

• Source : documentation LM Studio, serveur d'API local
• Source : documentation LM Studio, réglages du serveur
• Source : documentation LM Studio, authentification
• Source : documentation LM Studio, compatibilité OpenAI
• Source : annonce de LM Studio 0.4.0