Llama 3.1 8B
Meta Populaire
8B Min. 7 Go RAM
ChatCodeMultilingue
ollama run llama3.1:8b 🔍 Scanner hardware · 25 modèles · 12 fournisseurs
Tout comprendre sur les LLMs -
modèles, outils, matériel
LLMs.fr vous aide à explorer, comparer et déployer les modèles d'IA en local ou dans le cloud. Scannez votre machine, trouvez le bon modèle, choisissez le bon GPU - tout est ici, gratuitement, en français.
50+ modèles
12 fournisseurs
100% gratuit
🇫🇷 en français
Tout ce dont vous avez besoin
Une plateforme pour maîtriser les LLMs - de la découverte au déploiement en production.
Scanner hardware
Détectez automatiquement quels modèles peuvent tourner sur votre machine selon votre RAM, VRAM et CPU.
Tester ma machine →Catalogue modèles
Tous les LLMs open source avec liens de téléchargement, benchmarks, requirements et commandes Ollama.
Voir le catalogue →Comparer fournisseurs
Tableau comparatif détaillé de 12 fournisseurs cloud : prix, modèles, confidentialité, fonctionnalités.
Comparer les prix →Setup local
Guides pas-à-pas pour installer Ollama, LM Studio, llama.cpp et démarrer votre IA locale en 10 minutes.
Installer Ollama →Guide matériel
Comparatif GPU, mini-PCs et configurations recommandées pour chaque budget et usage.
Voir le matériel →Glossaire LLM
Tous les termes techniques expliqués en français : quantisation, RAG, GGUF, tokens, fine-tuning et plus.
Consulter le glossaire →Les modèles les plus populaires
Les LLMs open source les plus téléchargés et testés par la communauté francophone, tous compatibles Ollama.
Mistral 7B
Mistral AI Français
7B Min. 6 Go RAM
ChatCodeFrançais
ollama run mistral:7b Gemma 2 9B
Google Efficace
9B Min. 8 Go RAM
ChatCodeRaisonnement
ollama run gemma2:9b DeepSeek R1 7B
DeepSeek Raisonnement
7B Min. 7 Go RAM
RaisonnementMathsCode
ollama run deepseek-r1:7b Phi-4
Microsoft STEM
14B Min. 12 Go RAM
RaisonnementCodeSTEM
ollama run phi4:14b Qwen 2.5 14B
Alibaba Puissant
14B Min. 13 Go RAM
ChatCodeMultilingue
ollama run qwen2.5:14b Découvrez quels LLMs tournent sur votre machine
Notre scanner analyse votre RAM, VRAM, processeur et stockage pour vous recommander les modèles compatibles avec votre configuration - sans installation, directement dans le navigateur.
Scanner ma machine →
100% gratuit · Aucune donnée envoyée
Comparer les fournisseurs cloud
Prix, fonctionnalités et confidentialité - tout ce qu'il faut savoir pour choisir votre API LLM.
🤖
OpenAI
GPT-4o
Référence du marché
Entrée $2.50 /1M tokens
Sortie $10.00 /1M tokens
🧠
Anthropic
Claude Sonnet
200K tokens contexte
Entrée $3.00 /1M tokens
Sortie $15.00 /1M tokens
🌪️
Mistral AI
Mistral Large
Souveraineté européenne
Entrée $2.00 /1M tokens
Sortie $6.00 /1M tokens
⚡
Groq
Llama 3.3 70B
500+ tokens/s
Entrée $0.59 /1M tokens
Sortie $0.79 /1M tokens
Le bon matériel pour vos LLMs
GPU, mini-PCs et configurations sélectionnées pour faire tourner des LLMs en local avec les meilleures performances.
Recommandé
ASUS Ascent GX10
La machine ultime pour LLM local
Mémoire 128 Go unifiée
Puce NVIDIA GB10 Grace Blackwell
Format Mini-PC compact
128 Go de mémoire unifiée permettent de faire tourner des modèles 70B en pleine qualité. La solution tout-en-un idéale pour les développeurs IA sérieux.
Voir sur Amazon →NVIDIA RTX 4090
Le roi du LLM local sur PC
VRAM 24 Go GDDR6X
Perf. ~80-100 tokens/s (7B)
Modèles Jusqu'à 30B Q4 en full GPU
24 Go de VRAM pour faire tourner les modèles 30B sans compromis. La carte de référence pour quiconque veut le meilleur setup LLM local sur PC en 2025.
Voir sur Amazon →NVIDIA RTX 4070
Meilleur rapport qualité/prix
VRAM 12 Go GDDR6X
Perf. ~55-70 tokens/s (7B)
Modèles 7B full GPU, 13B split
12 Go de VRAM pour les modèles 7B en pleine qualité et les modèles 13B en split. Le sweet spot pour la plupart des utilisateurs qui veulent de bonnes performances sans se ruiner.
Voir sur Amazon →Guides & tutoriels
Des guides pratiques en français pour installer, configurer et optimiser vos LLMs locaux.
Installer Ollama sur Mac et Windows
Le guide pas-à-pas pour démarrer avec les LLMs en local en moins de 10 minutes.
→
LM Studio : guide complet
Télécharger, installer et utiliser LM Studio avec une interface graphique intuitive.
→
Quelle quantisation GGUF choisir ?
Comprendre Q4_K_M, Q8_0 et toutes les variantes pour le bon compromis.
→
Quel GPU acheter pour les LLMs ?
Comparatif RTX 4060 vs 4070 vs 4090 et recommendations selon votre budget.
→
Local ou Cloud ?
Choisir entre un LLM local et une API cloud dépend de vos priorités. Voici une comparaison honnête.
| Critère | LLM Local | LLM Cloud |
|---|---|---|
| Coût à long terme | Très faible Électricité uniquement après achat matériel | Variable Facturation à l'usage, peut être élevée |
| Confidentialité | Totale Aucune donnée ne quitte votre machine | Limitée Données envoyées aux serveurs du fournisseur |
| Performance / qualité | Bonne Dépend du modèle et du matériel disponible | Excellente Accès aux meilleurs modèles (GPT-4o, Claude) |
| Vitesse (latence) | Très faible Pas de réseau, première réponse immédiate | Variable Dépend du réseau et de la charge serveur |
| Investissement initial | Élevé GPU 300-1800€, ou Mac M-series | Zéro Démarrage immédiat avec carte bancaire |
| Disponibilité | 24/7 Pas de dépendance externe, hors-ligne possible | Généralement bonne Dépend du SLA du fournisseur |
| Mise à jour des modèles | Manuelle Vous choisissez quand mettre à jour | Automatique Toujours accès aux dernières versions |
| Personnalisation | Totale Fine-tuning, Modelfiles, paramètres illimités | Partielle System prompt, fine-tuning selon le fournisseur |
Choisissez le local si...
- La confidentialité est une priorité (médical, juridique, RH)
- Vous avez un usage intensif et souhaitez maîtriser les coûts
- Vous développez des applications IA sans frais d'API
- Vous avez ou envisagez d'acquérir un GPU ou un Mac M-series
Choisissez le cloud si...
- Vous avez besoin des meilleurs modèles sans contrainte matérielle
- Votre usage est occasionnel ou en phase d'exploration
- Vous avez besoin de multimodalité avancée (audio, vidéo)
- Le temps de mise en place est une contrainte
Questions fréquentes
Les réponses aux questions les plus posées sur les LLMs, l'IA en local et le matériel nécessaire.
Un LLM (Large Language Model) est un modèle d'intelligence artificielle entraîné sur de très grandes quantités de texte pour comprendre et générer du langage naturel. ChatGPT, Claude, Llama et Mistral sont tous des LLMs. Ils fonctionnent en prédisant statistiquement la suite la plus probable d'un texte, ce qui leur permet de répondre à des questions, rédiger des textes, traduire, résumer des documents ou générer du code.
Pour débuter, nous recommandons Llama 3.2 3B (si vous avez moins de 8 Go de RAM) ou Llama 3.1 8B / Mistral 7B (8-16 Go de RAM). Ces modèles sont accessibles via une simple commande Ollama (`ollama run llama3.2:3b`), offrent un bon équilibre entre qualité et performance, et fonctionnent correctement en français. Pour le code, Qwen2.5-Coder ou DeepSeek Coder sont de meilleures options.
Non, un GPU n'est pas indispensable. Les LLMs peuvent fonctionner sur CPU uniquement, mais beaucoup plus lentement (2-5 tokens/seconde contre 30-100 tokens/seconde avec GPU). Pour une expérience fluide, un GPU NVIDIA avec 8 Go de VRAM minimum est recommandé pour les modèles 7-8B. Sur Mac Apple Silicon, la mémoire unifiée (partagée CPU/GPU) offre d'excellentes performances même sans GPU dédié.
Q4 et Q8 sont des niveaux de quantisation qui réduisent la taille des modèles en compressant les poids du réseau. Q4_K_M utilise environ 4 bits par paramètre (fichier compact, légère perte de qualité) tandis que Q8_0 utilise 8 bits (qualité presque identique au modèle original, fichier 2× plus grand). Pour la plupart des usages, Q4_K_M est suffisant. Q8_0 est préférable pour des tâches de raisonnement complexes ou de la génération de code si votre VRAM le permet.
Sur macOS : téléchargez le DMG sur ollama.com ou via `brew install ollama`. Sur Windows : téléchargez l'installeur .exe sur ollama.com. Sur Linux : exécutez `curl -fsSL https://ollama.com/install.sh | sh`. Ensuite, téléchargez votre premier modèle avec `ollama pull llama3.2:8b` et lancez une conversation avec `ollama run llama3.2:8b`. C'est tout - le service tourne en arrière-plan sur le port 11434.
Le budget minimum pour un bon setup LLM local en 2025 : 300-400€ pour une RTX 4060 8 Go (modèles 7B), ou 600€ pour une RTX 4060 Ti 16 Go (modèles jusqu'à 13B). Le sweet spot est souvent la RTX 4060 Ti 16 Go à ~600€ ou une RTX 3090 24 Go d'occasion à 600-700€. Si vous possédez déjà un Mac Apple Silicon M2/M3/M4 avec 16+ Go de RAM, il n'y a rien à acheter : Ollama tourne parfaitement dessus.
Commencer maintenant
Découvrez quels LLMs sont compatibles avec votre machine, explorez le catalogue de modèles ou plongez dans nos guides - tout est gratuit, en français.
Aucune inscription requise · 100% gratuit · Open source friendly