LibreAI ENESPTDEFRRUJA
← Toutes les catégories// local-llm

Les meilleurs outils LLM locaux open source

Exécutez de grands modèles de langage sur votre propre machine.

126 outils · 💎 77 pépites cachées

// commencez ici

Commencez ici

Les projets les plus étoilés de cette catégorie, plus une sélection tournante de trois autres projets tirés du reste de la liste — renouvelée pour que tout le catalogue ait son tour en vitrine.

LLM locaux

Ollama

The simplest way to run open language models on your own machine.

★ 182,1 k étoilesMIT
Voir le guide →
LLM locaux

Open Webui

User-friendly AI Interface (Supports Ollama, OpenAI API, ...)

★ 153,9 k étoilesCustom (check repo)
Voir le guide →
LLM locaux

llama.cpp

LLM inference in C/C++

★ 130,2 k étoilesMIT
Voir le guide →
LLM locaux

chatgpt-subtitle-translator

Token efficient translation utility built on ChatGPT or any OpenAI compatible LLM.

★ 389 étoilesMIT
Voir le guide →
LLM locaux

whatcanirun

Find the best local models for your hardware — and how to run them.

★ 247 étoilesMIT
Voir le guide →
LLM locaux

vLLM

A high-throughput and memory-efficient inference and serving engine for LLMs

★ 93,1 k étoilesApache-2.0
Voir le guide →

Autres catégories : VidéoImageAudioMusique IAIA 3DClips courtsChat IAAgents IARAG et connaissancesAutomatisationProductivitéDéveloppementDesignÉcritureAuto-hébergementInstallation facile

// à propos de cette catégorie

Les meilleurs outils LLM locaux open source

Les outils LLM locaux vous permettent d'exécuter de grands modèles de langage entièrement sur votre propre matériel : des runtimes qui servent les modèles, des applications de bureau qui les habillent d'interfaces de chat et des lanceurs qui gèrent téléchargements, quantification et réglages à votre place.

Le local inverse les compromis habituels : pas de facture au jeton, aucun prompt qui quitte votre machine, et des modèles qui continuent de fonctionner hors ligne — en échange de réponses bornées par votre matériel. Les modèles quantifiés sont l'astuce clé : ils réduisent les gros modèles pour tenir sur des GPU grand public, voire des CPU.

Comment choisir

  • Partez de votre matériel : les guides supposent que vous adaptez la taille du modèle à votre VRAM ou votre RAM, pas l'inverse.
  • Pour construire par-dessus, choisissez un runtime avec une API locale ; pour simplement discuter, choisissez une application de bureau.
  • Le niveau de quantification est un curseur de qualité — les quantifications intermédiaires sont le compromis habituel sur les machines domestiques.
// faq

Questions fréquentes

Quels outils LLM locaux open source sont référencés ici ?

Cette page rassemble 126 projets LLM locaux open source sélectionnés par LibreAI — Exécutez de grands modèles de langage sur votre propre machine. Chacun est vérifié sur GitHub et a sa propre page guide avec une présentation, des étapes d'installation, des cas d'usage et une FAQ.

Ces outils LLM locaux sont-ils gratuits ?

Oui. Tout outil ici est open source et gratuit à télécharger et à utiliser sous sa propre licence — la plupart utilisent MIT, Apache-2.0 ou GPL-3.0, et toute licence personnalisée de type « code source disponible » est signalée sur la page de l'outil. Vérifiez le fichier LICENSE avant un usage commercial.

LibreAI héberge-t-il ces outils ?

Non. LibreAI ne publie que des guides — aucun téléchargement n'est servi depuis ce site. Chaque installation provient du dépôt GitHub officiel du projet.

Comment installer un outil LLM locaux depuis cette page ?

Ouvrez le guide de l'outil et suivez sa section « Lancez-le vous-même » — les étapes viennent de la documentation du projet lui-même — ou utilisez le bouton « Voir sur GitHub » pour aller directement au dépôt officiel.

Comment ces outils ont-ils été choisis ?

Chaque projet est vérifié en direct via l'API GitHub — étoiles, forks, licence et activité récente — et n'est référencé que s'il a un véritable élan et une communauté active.

Quelle taille de modèle mon ordinateur peut-il faire tourner ?

En ordre de grandeur : les modèles quantifiés demandent un peu plus de mémoire que leur taille sur disque. Un modèle 8B à quantification intermédiaire tient confortablement dans 8 Go de VRAM ou de RAM partagée ; les plus gros modèles en veulent davantage. Chaque guide suit les exigences déclarées du projet.

Les modèles locaux sont-ils aussi bons que les grands modèles hébergés ?

Les plus grands modèles ouverts sont solides en conversation, en résumé et en aide au code, et ils tournent en privé et hors ligne. Les modèles hébergés de pointe gardent l'avantage sur le raisonnement le plus difficile — l'échange local, c'est la confidentialité, le coût et le contrôle contre un cran de capacité en moins.