Vous posez une question tout à fait raisonnable à un chatbot dans le cloud et obtenez en retour une leçon de morale polie au lieu d’une réponse. Vous rédigiez peut-être une scène de crime brutale, vous testiez votre propre réseau ou vous posiez une question médicale crue. Cela arrive à tout le monde, et c’est la principale raison pour laquelle l’IA locale sans restrictions a explosé : vous téléchargez des poids ouverts, vous les faites tourner sur votre machine et vous décidez vous-même des règles.
Le piège, c’est que « gratuit et sans censure » paraît plus simple que ce que c’est. Quel modèle ? Quelle application ? Votre PC arrivera-t-il seulement à le charger ? Cet article répond aux trois questions avec des chiffres concrets, des compromis honnêtes et une installation que vous pouvez terminer en une vingtaine de minutes.
💡 Réponse rapide : un modèle 8B en version 4 bits nécessite environ 5 à 6 Go de VRAM, tourne sur la plupart des ordinateurs portables de jeu des dernières années et constitue le meilleur premier téléchargement pour presque tout le monde.
Ce que « non censuré » signifie vraiment
Le mot est utilisé à tort et à travers, alors précisons-le. Un modèle local non censuré est un modèle de langage à poids ouverts dont le comportement de refus a été réduit ou supprimé, soit par un fine-tuning supplémentaire, soit en modifiant les directions internes qui déclenchent un refus. Il répondra à davantage de questions sans détours, sans moraline et sans couper court à la conversation.
Cela ne signifie pas que le modèle est plus intelligent, plus fiable ou exempt de biais. Cela signifie qu’il y a moins de réponses du type « je ne peux pas vous aider avec cela ».

Pourquoi les gens passent en local
Les raisons sont plus banales que ne le laisse penser la réputation :
- Les auteurs de fiction qui ont besoin de méchants, de violence ou de thèmes sombres traités sans avertissements permanents.
- Les passionnés de sécurité qui veulent discuter de leurs propres configurations de labo et des défis CTF.
- Les utilisateurs soucieux de leur vie privée qui ne veulent pas que des documents personnels, des questions de santé ou des brouillons soient envoyés sur le serveur d’une entreprise.
- Les bricoleurs qui aiment simplement posséder toute la chaîne, des poids jusqu’au prompt.
- Les voyageurs et les télétravailleurs qui ont besoin d’un chatbot fonctionnant sans connexion internet.
La vie privée est l’argument le plus fort. Lorsque le modèle tourne sur votre propre matériel, vos prompts ne quittent jamais la machine. Il n’y a pas de compte, pas d’historique de conversation stocké par un éditeur et pas de plafond d’utilisation.
Ce qui reste hors de question
Exécuter un modèle en local ne change rien à la loi du pays où vous vivez. Un contenu dont la création ou la possession est illégale le reste, quel que soit le logiciel qui l’a produit. Un modèle sans filtre n'a pas non plus de garde-fou intégré contre les affirmations fausses énoncées avec aplomb : les réponses médicales, juridiques et financières doivent donc toujours être vérifiées auprès d'un professionnel humain.
Des modèles gratuits qui valent le téléchargement
Les modèles à poids ouverts sont partagés sous forme de fichiers, généralement au format compact GGUF que des applications comme Ollama et LM Studio chargent directement. Les noms changent vite et des fine-tunings communautaires apparaissent chaque semaine, donc considérez la liste ci-dessous comme une carte des familles plutôt que comme un classement figé.

Les fine-tunings Dolphin et Hermes
Dolphin, créé par Eric Hartford, est sans doute la famille de fine-tunings à faible taux de refus la plus connue. Il a été publié sur des bases Llama, Mistral et Qwen, et le nombre de téléchargements communautaires le maintient parmi les premiers de la catégorie non censurée. Les modèles Nous Hermes suivent une approche similaire : un bon suivi des instructions, un ton neutre et beaucoup moins de refus que les versions de chat officielles.
Utilisez-les lorsque vous voulez un assistant polyvalent qui dit rarement non.
Les modèles « abliterated » expliqués
Les modèles « abliterated » utilisent une astuce différente. Au lieu de réentraîner le modèle sur de nouvelles données, la personne qui publie le modèle identifie la direction interne liée aux refus et la supprime. Le résultat conserve l’essentiel des compétences du modèle d’origine tout en supprimant le réflexe de décliner.
Compromis à prévoir :
- Une précision légèrement inférieure sur certains benchmarks par rapport à la version d’origine.
- Des réponses parfois bizarres ou confuses, car la modification est brutale.
- Un délai de publication très court : les nouveaux modèles de base reçoivent souvent une version « abliterated » en quelques jours.
Lexi, une version non censurée de Llama 3.1 8B Instruct, est un exemple populaire pour les ordinateurs portables, avec des fichiers GGUF qui se chargent facilement dans LM Studio.
Modèles hébergés pour comparer
Avant de passer une soirée à télécharger 20 Go, il est utile de savoir ce que donne une famille de modèles donnée. PicassoIA héberge plusieurs modèles à poids ouverts que vous pouvez tester dans le navigateur, sans installation :
⚠️ Les modèles hébergés conservent le comportement de sécurité de leur éditeur. Ils permettent de tester le style d’écriture, la vitesse et le raisonnement, mais ils ne remplacent pas un fine-tuning local et non filtré.
Voici une comparaison rapide des familles entre lesquelles les gens hésitent généralement :
| Famille | Taille typique | Point fort | Niveau de refus (d’origine) |
|---|
| Fine-tunings Llama 3.x / 4 | 8B à 70B | Le meilleur polyvalent, immense communauté | Moyen |
| Fine-tunings Mistral | 7B à 24B | Rapide, léger, adapté au jeu de rôle | Faible à moyen |
| Fine-tunings Qwen | 7B à 32B | Solide en code et en multilingue | Moyen |
| Dolphin et Hermes | 7B à 70B | Suivi des instructions, ton neutre | Très faible |
| Versions « abliterated » | Toutes | Compétences d’origine, peu de refus | Très faible |
Les applications qui les font tourner
Le modèle ne représente que la moitié de l’installation. Il vous faut aussi un runner, qui charge le fichier, gère votre GPU et vous offre une fenêtre de chat. Presque tous reposent sur le moteur open source llama.cpp, donc les performances sont proches et le choix dépend surtout de vos préférences.

Ollama pour les adeptes du terminal
Ollama s’installe en une étape sous Windows, macOS et Linux. Vous tapez une seule commande, il télécharge le modèle et vous place directement dans un chat. Il expose aussi une API locale, ce qui permet à d’autres applications de communiquer avec lui. Si vous aimez les outils simples qui ne vous gênent pas, commencez par là.
LM Studio pour les adeptes du clic
LM Studio est l’option la plus accessible pour les débutants. Il intègre un navigateur de modèles, indique la mémoire nécessaire pour chaque fichier avant le téléchargement et vous permet de choisir avec un curseur combien de couches vont sur le GPU. L’historique des conversations, les prompts système et les préréglages se trouvent tous dans une même fenêtre.
Jan, GPT4All et KoboldCpp
- Jan : une application de bureau open source avec une interface de chat épurée et un mode serveur local.
- GPT4All : très léger, idéal pour les ordinateurs portables anciens et l’utilisation hors ligne.
- KoboldCpp : un exécutable unique sans installation, populaire auprès des auteurs de fiction et de jeux de rôle grâce à ses fonctions centrées sur le récit.
- Open WebUI : une interface web qui se place au-dessus d’Ollama et ajoute des comptes multi-utilisateurs, l’import de documents et une présentation de chat plus familière.
| Application | Difficulté | Idéale pour | Fonctionne hors ligne |
|---|
| Ollama | Facile | Développeurs, tests rapides | Oui |
| LM Studio | Très facile | Premiers utilisateurs | Oui |
| Jan | Facile | Chat de bureau épuré | Oui |
| GPT4All | Très facile | PC anciens ou peu puissants | Oui |
| KoboldCpp | Moyenne | Longues histoires, jeu de rôle | Oui |
Configuration requise du PC selon la taille du modèle
C’est là que la plupart des gens bloquent, voici donc la version simple. La taille d’un fichier de modèle dépend du nombre de paramètres (le « B » de 8B) et du niveau de quantification, c’est-à-dire de la compression. Le choix le plus courant, Q4, utilise environ un demi-gigaoctet par milliard de paramètres, plus la mémoire supplémentaire nécessaire à la conversation elle-même.

La règle empirique pour la VRAM
Prenez le nombre de paramètres, multipliez-le par environ 0,6 et ajoutez 1 à 2 Go de marge pour le contexte. Vous obtenez la VRAM nécessaire si le modèle entier doit tenir sur la carte graphique. Les sources varient légèrement, mais ces valeurs constituent une plage de planification sûre :
| Taille du modèle | Taille du fichier Q4 | VRAM nécessaire | RAM système | Exemple de matériel |
|---|
| 3B | environ 2 Go | 4 Go | 8 Go | Ordinateur portable fin, GPU ancien |
| 7B à 8B | 4,5 à 5 Go | 6 à 8 Go | 16 Go | RTX 3060, RTX 4060 portable |
| 13B à 14B | 8 à 9 Go | 10 à 12 Go | 16 à 32 Go | RTX 3060 12 Go, RTX 4070 |
| 24B à 32B | 15 à 20 Go | 20 à 24 Go | 32 Go | RTX 3090, RTX 4090 |
| 70B | environ 40 Go | 40 Go ou plus | 64 Go | Deux GPU ou un grand Mac |
💡 Si un modèle ne tient pas dans la VRAM, les applications peuvent le répartir : certaines couches sur le GPU, le reste dans la RAM système. Cela fonctionne, mais attendez-vous à une forte baisse de vitesse.

GPU, CPU seul et Apple Silicon
- Les GPU NVIDIA sont la voie la plus simple grâce à une large prise en charge des pilotes et de CUDA. La VRAM compte davantage que la vitesse brute : une carte de 12 Go l’emporte généralement sur une carte plus rapide de 8 Go pour cet usage.
- Les GPU AMD fonctionnent avec la plupart des applications, même si la configuration peut demander une étape supplémentaire sur certains systèmes.
- Le CPU seul est possible avec de petits modèles. Comptez quelques mots par seconde sur un modèle 7B, ce qui convient à un usage patient et devient pénible pour les longues réponses.
- Les Mac Apple Silicon partagent la mémoire entre le CPU et le GPU, donc un Mac doté de 32 Go de mémoire unifiée peut charger des modèles qui nécessiteraient une carte graphique de 24 Go sur un PC.
Il vous faut aussi de l’espace disque. Gardez 50 Go libres si vous comptez essayer plusieurs modèles, et un SSD accélère nettement le chargement par rapport à un disque dur.

La vitesse à espérer
En gros, un modèle 7B ou 8B sur une carte graphique de milieu de gamme délivre 30 à 60 tokens par seconde, plus vite que la plupart des gens ne lisent. Un modèle 32B sur une carte de 24 Go se situe plutôt entre 15 et 30. Un modèle 70B réparti entre GPU et RAM peut ne produire que 1 à 3 tokens par seconde.
Lancer votre premier chat
Voici le chemin le plus court pour passer de zéro à un chatbot local fonctionnel, avec LM Studio comme exemple. Ollama suit la même logique.

Étape par étape
- Mettez à jour vos pilotes graphiques. Des pilotes obsolètes sont la première cause des erreurs « le modèle ne se charge pas ».
- Installez l’application. Téléchargez LM Studio ou Ollama depuis leur site officiel et lancez l’installateur.
- Choisissez une taille. Vérifiez votre VRAM dans le Gestionnaire des tâches (onglet Performances, GPU) et utilisez le tableau ci-dessus pour choisir un modèle adapté.
- Recherchez un modèle. Tapez le nom d’une famille, comme Dolphin, Hermes ou Lexi, et choisissez un fichier Q4_K_M. Cette quantification est le compromis habituel entre taille et qualité.
- Chargez-le. Réglez le déchargement sur le GPU au maximum. Si vous obtenez une erreur de mémoire insuffisante, réduisez le nombre de couches.
- Rédigez un prompt système. Indiquez au modèle qui il est et le ton que vous attendez. Les modèles à faible taux de refus réagissent fortement à un rôle clair.
- Discutez. Commencez par quelque chose de court pour vérifier la vitesse, puis testez les sujets qui vous intéressent vraiment.
Les réglages qui comptent
- Longueur de contexte : 4096 suffit largement pour le chat. Des valeurs plus élevées consomment vite la VRAM.
- Température : 0,7 pour des réponses équilibrées, 0,9 ou plus pour l’écriture créative, 0,2 pour les tâches factuelles.
- Pénalité de répétition : environ 1,1 réduit les boucles.
- Prompt système : gardez-le sous 150 mots.
Les erreurs courantes
- Télécharger un modèle 70B sur une carte de 12 Go puis s’étonner qu’il mette plusieurs minutes par phrase.
- Choisir un fichier Q2 ou Q3 pour gagner de la place. La qualité chute nettement en dessous de Q4.
- Oublier la mise à jour des pilotes.
- Faire confiance à des fichiers venant de contributeurs inconnus qui les publient. Restez sur les éditeurs connus et vérifiez le nombre de téléchargements.
- Espérer qu’un label « non censuré » corrige un modèle faible. Un mauvais modèle 7B sans filtre reste un mauvais modèle 7B.

Rester en sécurité avec des modèles non filtrés
Supprimer les filtres transfère la responsabilité de l’éditeur vers vous. Quelques habitudes permettent de rendre l’expérience utile plutôt que risquée.

Protégez votre machine
Les fichiers de modèles sont en grande partie sûrs au format GGUF, mais les applications et les scripts qui les entourent ne sont pas toujours fiables. Téléchargez les logiciels uniquement depuis la page officielle du projet, évitez les installateurs « crackés » et méfiez-vous des scripts Python aléatoires qui vous demandent d’exécuter des commandes.
Protégez vos conclusions
Un modèle sans refus produira volontiers des erreurs assurées. Lorsque la réponse touche à votre santé, à votre argent ou à votre situation juridique, traitez-la comme un brouillon à vérifier, et non comme un verdict.
Gardez les choses hors ligne
Si la vie privée est votre objectif, bloquez l’accès internet de l’application une fois le modèle téléchargé, ou utilisez un runner doté d’un mode entièrement hors ligne. Vérifiez que les outils supplémentaires que vous connectez, comme les extensions de recherche web, sont bien des outils dont vous voulez réellement envoyer les données à l’extérieur.
Essayer les modèles hébergés avant de télécharger
Vous ne savez pas si un modèle 8B est assez bon ? Passez d’abord dix minutes sur PicassoIA. Vous pouvez comparer une réponse de la famille Llama à une réponse de la famille Mistral, vérifier comment un modèle de raisonnement aborde une question délicate et voir quelle qualité vous pouvez attendre avant d’engager de l’espace disque et une soirée de téléchargement.
Pour les tâches plus lourdes, des options hébergées plus grandes, comme Qwen3.7-Plus et Kimi K2.6, sont disponibles lorsque votre propre PC ne peut pas charger un modèle de cette taille. Gardez à l’esprit que ces modèles suivent les règles de sécurité de leurs éditeurs : ils conviennent donc à la rédaction, au code et à la recherche plutôt qu’au jeu de rôle non filtré.
Créer aussi des images, pas seulement du texte
Un chatbot local est un excellent partenaire d’écriture, et il se marie bien avec la génération d’images. Une fois votre histoire, votre description de personnage ou votre scène prête, vous pouvez transformer ces mots en visuels photoréalistes sans quitter le navigateur.
PicassoIA réunit au même endroit des modèles de texte vers image, l’édition d’images, l’upscaling, la génération de vidéos, la synthèse vocale et bien d’autres outils. Un scénario écrit dans votre chat local peut ainsi devenir une image de couverture, un clip narré ou une série d’illustrations en quelques minutes. Parcourez l’ensemble sur picassoia.com/en/all-models, choisissez un modèle, collez un prompt tiré de votre dernier chat et voyez le résultat.
Commencez petit : téléchargez un modèle 8B ce soir, rédigez une courte scène, puis apportez-la sur PicassoIA pour la transformer en image. Cette seule boucle vous montre jusqu’où peut aller une installation gratuite et privée.