Llama Windows : la solution simple et gratuite pour faire tourner une IA en local sur un PC

Hugging Face lance Llama Windows, une application open source gratuite qui permet de faire tourner une IA directement sur un PC Windows 11, sans Internet, sans abonnement, et très simplement, en quelques clics.

ChatGPT, Gemini, Claude… Les assistants d'IA les plus populaires ont un point commun : ils fonctionnent dans le cloud, via Internet. Chaque question ou requête atterrit sur les serveurs de l'éditeur, où elle est traitée par des processeurs spécialisés avant que la réponse ne revienne. C'est pratique et souvent très performant, mais cela suppose une connexion, parfois un abonnement – pour les modèles les plus évolués ou les échanges plus nombreux –, et une certaine confiance dans le sort réservé aux données partagées.

Il existe pourtant une autre voie : faire tourner une IA directement sur son ordinateur. Les modèles dits "ouverts", que leurs créateurs mettent librement à disposition, peuvent en effet s'installer sur un simple ordinateur personnel, Mac ou PC. Jusqu'ici, l'exercice restait réservé aux utilisateurs les plus aguerris, comme des développeurs professionnels ou des amateurs éclairés, prêts à passer des heures dans une configuration longue et complexe en jonglant avec le terminal pour taper des commandes cryptiques.

Llama Windows : un moteur réputé, désormais accessible à tous

Mais cette époque épique semble – déjà ! – révolue. Le 13 octobre 2026, Hugging Face, la grande plateforme de partage de modèles d'IA ouverts, a publié avec l'équipe de llama.cpp une application qui veut tourner la page : Llama Windows, l'équivalent pour Windows de l'application llama.app, déjà proposée sur Mac. Gratuite, open source, elle se télécharge en un instant et ne réclame ni ligne de commande, ni compilation, ni droits d'administrateur. Les curieux peuvent consulter le code source de l'application disponible sur GitHub.

Une précision s'impose d'emblée, car le nom prête à confusion. Llama Windows n'a pas de lien direct avec Llama, la famille de modèles d'IA de Meta. Son nom vient de llama.cpp, le moteur sur lequel elle repose. Créé en 2023 pour faire tourner le premier modèle Llama de Meta sur des ordinateurs ordinaires, ce logiciel libre est devenu le moteur le plus utilisé au monde pour exécuter des modèles d'IA en local. Il a même imposé son format de fichier, le GGUF, devenu le standard des modèles locaux sur Hugging Face.

Llama.cpp avait toutefois un défaut majeur pour le grand public : sous Windows, il fallait passer par le terminal. Il fallait aussi récupérer la bonne version pour son matériel, trouver un modèle, choisir parmi ses différentes déclinaisons compressées, puis lancer un serveur local avec les bons paramètres. Llama Windows transforme tout cela en quelques clics, sans ligne de commande ni droits d'administrateur. 

Llama Windows : une application discrète et conviviable

Une fois installé, Llama Windows se montre particulièrement discret. L'application ne s'affiche pas dans une grande fenêtre, elle se loge dans la zone de notification de la Barre des tâches, à côté de l'horloge. Un clic sur son icône – en forme de lama, évidemment ! – ouvre une petite fenêtre qui regroupe tout le nécessaire.

Un premier panneau présente une sélection de modèles recommandés, prêts à l'emploi, et une barre de recherche permet d'en choisir d'autres sur Hugging Face. On y trouve les principaux modèles ouverts du moment, comme Gemma de Google, Qwen d'Alibaba, Llama de Meta ou GPT-OSS d'OpenAI. Pour chacun, l'application affiche le nombre de paramètres – un critère déterminant sur ses capacités de raisonnement –, la place occupée sur le disque et la capacité éventuelle à analyser des images. De quoi choisir un modèle adapté à son PC avant de lancer le téléchargement de plusieurs dizaines de gigaoctets pour rien.

Un second panneau liste les modèles déjà installés. Il suffit d'en charger un en mémoire, puis d'ouvrir l'interface de discussion, qui s'affiche dans le navigateur Web, comme Claude, Gemini ou ChatGPT. On peut alors poser des questions, faire rédiger un texte, demander de l'aide pour programmer ou, avec les modèles compatibles, faire analyser des images. Tout se passe sur le PC. Une fois le modèle téléchargé, Llama Windows fonctionne même sans connexion à Internet, les conversations ne quittant jamais la machine. La garantie d'une confidentialité absolue, indispensable pour des informations personnelles ou sensibles.

Llama Windows : une installation simple et personnablisable

L'installation ne demande que quelques minutes. Il faut toutefois disposer d'un PC sous Windows 11, Llama Windows ne fonctionnant pas sous Windows 10 ni les versions plus anciennes.

Rendez-vous d'abord sur le site officiel, llama.app, et cliquez sur le bouton de téléchargement (Download for Windows 11). Lancez ensuite le fichier récupéré pour installer l'application. Une fois l'installation terminée, l'icône du lama apparaît dans la zone de notification. Si vous ne la voyez pas, cliquez sur la petite flèche qui affiche les icônes masquées, à côté de l'horloge.

Cliquez sur l'icône, choisissez un modèle parmi les recommandations et lancez son téléchargement. Pour un premier essai, mieux vaut privilégier un modèle léger, de quelques gigaoctets. Une fois le téléchargement terminé, chargez le modèle, puis ouvrez l'interface de discussion. Elle s'affiche dans votre navigateur à l'adresse http://127.0.0.1:9931. Il ne reste plus qu'à poser votre première question, comme vous le feriez avec Gemini, Claude ou ChatGPT.

Llama Windows : une solution réservée aux PC puissants

Reste la vraie question : le matériel. Un modèle d'IA doit en effet être chargé entièrement en mémoire pour fonctionner, idéalement dans la mémoire vidéo dédiée du circuit ou de la carte graphique, et sa taille détermine directement la vitesse des réponses. Les modèles proposés existent d'ailleurs en plusieurs versions compressées, plus ou moins fidèles à l'original : plus un modèle est compressé, plus il est léger, mais moins il est précis. Et bien entendu, il est est préférable d'avoir ausis un proccseur puissant, si possible doté d'un NPU, une unité de calcul spécialisée dans les traitements de l'IA. 

Les premiers tests publiés sur Internet donnent déjà un aperçu intéressant. Sur un PC gaming musclé (Ryzen 7 9800X3D, 32 Go de RAM, Radeon RX 7900 XTX dotée de 24 Go de mémoire vidéo), le modèle Qwen 3.8 27B, dans sa version la moins compressée, pèse près de 29 Go et déborde de la mémoire de la carte graphique. Il plafonne alors autour de 5 tokens par seconde – un token correspondant grosso modo à un fragment de mot. Il faut ainsi plusieurs minutes pour obtenir une réponse détaillée. Le modèle Gemma 4 de 31 milliards de paramètres, dans une version plus compressée de 18 Go, répondait en revanche à plus de 33 jetons par seconde, une vitesse proche de celle des assistants en ligne. L'explication est simple : le premier modèle était trop gros pour tenir dans la mémoire de la carte graphique, contrairement au second.

Pas de panique pour autant si votre PC est plus modeste. De petits modèles, de quelques gigaoctets, fonctionnent sur des machines ordinaires, au prix de réponses moins fines sur les tâches complexes. La règle est simple : mieux vaut choisir un modèle nettement plus petit que la mémoire disponible.

Un conseil pratique, enfin : par défaut, Llama Windows garde les modèles en mémoire, même quand on ne s'en sert plus, ce qui peut saturer la RAM, en empêchant d'utiliser d'autres applications. Mieux vaut donc décharger le modèle à la main pour la libérer. Dans les réglages, l'option Unload Model When Idle libère automatiquement la mémoire après 5 minutes, 15 minutes ou une heure d'inactivité, tandis que Max Loaded Models limite le nombre de modèles chargés simultanément. Un redémarrage de l'application est nécessaire pour appliquer ces changements. Par ailleurs, les modèles peuvent être déplacés vers un autre disque si celui du système manque de place.

Llama Windows : la première solution grand public pour l'IA locale

Llama Windows n'est pas le premier logiciel à faire tourner une IA locale. Mais il simplifie nettement la tâche. Jusque-là, l'utilisateur de llama.cpp sous Windows devait trouver la bonne version du programme pour sa carte graphique, dénicher un modèle, choisir parmi ses multiples variantes compressées, puis lancer un serveur avec les bons paramètres. Rien d'insurmontable pour un développeur. Rédhibitoire pour tous les autres.

Des logiciels comme Ollama ou LM Studio avaient déjà simplifié l'exercice. Llama Windows se distingue pourtant sur plusieurs points. Il émane directement des développeurs du moteur, ce qui promet en principe un suivi rapide des nouveautés. Il est entièrement open source, contrairement à LM Studio, gratuit mais propriétaire. Il est aussi très léger : le site officiel annonce un téléchargement d'environ 1 Mo, l'application allant chercher elle-même le moteur llama.cpp au premier lancement.

Surtout, les modèles sont rangés dans le dossier standard de Hugging Face, partagé avec les autres outils compatibles. Ollama et LM Studio, eux, conservent chacun leurs fichiers dans leur coin. Avec des modèles qui pèsent couramment 10 à 30 Go, la différence se voit vite sur un SSD. Enfin, l'application règle seule les paramètres techniques selon la machine : niveau de compression, quantité de texte que le modèle peut garder en tête, prise en charge des images. Les curieux peuvent toujours tout modifier dans un simple fichier texte.

Les développeurs y trouveront aussi leur compte. Llama Windows expose un serveur local, à l'adresse localhost:9931, compatible avec l'interface de programmation d'OpenAI. Un logiciel conçu pour ChatGPT peut donc basculer sur un modèle local en changeant une simple adresse, sans clé d'accès ni facture en fin de mois. Leurs propres applications, scripts ou agents peuvent donc l'utiliser comme ils utiliseraient ChatGPT, mais sans rien envoyer sur Internet.

L'IA locale a de vrais atouts : la confidentialité, le fonctionnement hors ligne, l'absence d'abonnement. Mais elle a aussi ses limites. Les modèles qu'un PC grand public peut faire tourner restent moins performants que les plus grands modèles accessibles en ligne, surtout sur les tâches complexes. Ils sollicitent fortement les composants de l'ordinateur – CPU, GPU et mémoire –, et augmentent donc sa consommation électrique. Et l'application, en version 0.12, n'est encore traduite qu'en anglais.

Pour autant, Llama Windows marque une étape majeure. Jusqu'ici, faire tourner une IA chez soi relevait du bricolage pour initiés courageux. L'opération désormais à la portée de tout utilisateur de Windows 11 un peu curieux. Le meilleur moyen de comprendre ce qu'est vraiment une IA, c'est peut-être de la voir tourner sur sa propre machine.

L'IA générative s'est imposée comme un service loué au mois chez une poignée de géants. Llama Windows montre qu'elle peut aussi être un logiciel que l'on possède, au même titre qu'un traitement de texte. À une condition : avoir la machine qui va avec. L'indépendance numérique se compte désormais en gigaoctets de mémoire.