LM Studio
Pourquoi c'est important
LM Studio est l'une des deux portes d'entrée les plus courantes vers l'IA locale, avec Ollama. Là où Ollama privilégie la ligne de commande et plaît aux développeurs, LM Studio est une application graphique pensée pour ceux qui veulent voir ce qui se passe : quels modèles tiennent en mémoire, à quelle vitesse ils tournent et avec quels réglages.
C'est aussi un outil pratique pour les développeurs. Son serveur local expose une API compatible OpenAI, ce qui permet de pointer des applications, des outils de programmation ou des scripts existants vers un modèle qui tourne sur votre propre machine plutôt que chez un fournisseur cloud. C'est utile pour la confidentialité, le travail hors ligne, la maîtrise des coûts et les tests.
En profondeur
LM Studio est une application de bureau gratuite pour macOS, Windows et Linux qui donne à l'IA locale l'allure d'une application ordinaire. Vous cherchez un modèle, choisissez une taille adaptée à votre machine, cliquez sur télécharger et commencez à discuter, sans toucher à un terminal. En coulisses, elle utilise llama.cpp pour faire tourner des modèles GGUF sur presque n'importe quel matériel, et MLX d'Apple sur les Mac Apple Silicon.
Elle est éditée par Element Labs. L'application elle-même est à code fermé, mais ses SDK pour développeurs et son outil en ligne de commande sont open source. Depuis mi-2025, elle est aussi gratuite pour un usage professionnel, et plus seulement personnel.
Ce que vous obtenez
- La découverte de modèles : cherchez sur Hugging Face depuis l'application, avec des indications sur les versions quantifiées qui tiendront dans votre RAM ou votre VRAM.
- Une interface de chat : conversations, prompts système, documents joints pour un RAG simple, et réglages à portée de main.
- Un serveur local : un point d'accès compatible OpenAI (par défaut sur
localhost:1234) que d'autres logiciels peuvent appeler. - L'outil en ligne de commande
lms: charger et décharger des modèles, démarrer le serveur et tout scripter. - Des SDK : des bibliothèques Python et TypeScript pour créer des applications sur des modèles locaux.
- L'utilisation d'outils et MCP : prise en charge de l'appel de fonction et de la connexion de serveurs MCP, pour que les modèles locaux puissent utiliser des outils.
Choisir un modèle
La question la plus fréquente : quel fichier télécharger ? Les pages de modèles proposent plusieurs quantifications du même modèle : les versions Q4 utilisent environ un quart de la mémoire d'origine et sont le bon compromis habituel ; Q8 est plus proche de la pleine qualité, mais deux fois plus gros ; Q2 et Q3 économisent plus de mémoire au prix d'une baisse de qualité sensible. À titre indicatif, un modèle 4 bits demande un peu plus d'un demi-gigaoctet par milliard de paramètres, plus un supplément pour le contexte.
Les réglages qui comptent
- Le déchargement sur GPU : le nombre de couches exécutées sur le GPU. Mettez tout sur le GPU si cela tient ; un déchargement partiel fonctionne, mais plus lentement.
- La longueur de contexte : des contextes plus longs demandent plus de mémoire pour le cache KV. Ne la réglez pas bien au-delà de vos besoins.
- Le moteur : sur Mac, essayez les versions MLX et llama.cpp (GGUF) d'un même modèle. MLX est souvent plus rapide.
LM Studio ou Ollama
Les deux font tourner les mêmes types de modèles et offrent des API locales. LM Studio convient mieux si vous voulez une application visuelle, une navigation facile parmi les modèles et des réglages à la main. Ollama convient mieux si vous voulez un service léger en arrière-plan, du scripting et du code open source. Beaucoup de gens utilisent les deux.