Installer une intelligence artificielle chinoise sur son ordinateur : quel modèle, quel logiciel, quelle configuration

Le petit disque externe posé près de l'ordinateur : chaque modèle téléchargé pèse plusieurs gigaoctets, et trois ou quatre remplissent vite une machine. — Photo d'illustration

Pourquoi les modèles qu'on installe chez soi viennent de Chine

Un modèle de langage n'est qu'un fichier. Quand un laboratoire en publie les poids, n'importe qui peut le télécharger et le faire tourner sur sa propre machine : sans abonnement, sans connexion, et sans qu'une ligne de ce qu'on lui écrit ne quitte le disque dur. La plateforme où ces fichiers vivent s'appelle Hugging Face, et c'est là qu'on va les chercher.

Le classement des modèles les plus consultés sur cette plateforme, relevé le 30 août 2026, tient en quatre noms : Qwen3.8-Flash-Next et Qwen3.8-27B, publiés par Alibaba, GLM-5.3 et GLM-5.3-Flash, publiés par la société pékinoise Z.ai. Les quatre viennent de Chine, et ce n'est pas un accident de calendrier : depuis deux ans, les laboratoires chinois livrent toutes les quelques semaines, quand les autres livrent tous les ans.

Ce qui décide de l'usage qu'on peut en faire n'est pourtant pas la performance, c'est la licence. Qwen est publié sous licence Apache 2.0, DeepSeek et GLM sous licence MIT. Ces deux licences autorisent l'usage commercial, la modification et la redistribution sans contrepartie : rien n'interdit de s'en servir au bureau, ni d'en tirer un produit. Le paradoxe est complet, et les plateformes chinoises entraînent désormais leurs propres modèles avec cette ouverture-là pour méthode.

Le nom qui revient le plus mérite qu'on s'y arrête, parce qu'il ne veut rien dire en français. Qwen est le nom international du modèle d'Alibaba Cloud, lancé en avril 2023. Son nom chinois est 通义千问, tōngyì qiānwèn, que l'on peut lire « comprendre le sens, et répondre à mille questions » : 通义 pour le sens que l'on saisit, 千问 pour les mille questions. C'est de cette seconde moitié, qiānwèn, que vient le mot Qwen. En février 2026, Alibaba a rangé toutes ses marques d'intelligence artificielle sous ce seul nom. On l'entend prononcer « kwenn ».

Ce que chaque famille sait faire

Qwen (Alibaba). La gamme la plus complète, et de loin. Les modèles denses téléchargeables vont de 0,8 à 27 milliards de paramètres. Le dernier, Qwen3.8-27B, publié le 5 août 2026 sous licence Apache 2.0, lit nativement les images et les vidéos, accepte 262 144 tokens de contexte extensibles à un million, et laisse désactiver son mode de réflexion requête par requête. La génération précédente, Qwen3.5, couvre 201 langues et dialectes.

MiniCPM (OpenBMB). C'est la famille que personne ne cite et que tout le monde devrait connaître : elle est conçue pour la petite machine et pour le téléphone, sous licence Apache 2.0. MiniCPM5-1B, sorti en mai 2026, est un modèle d'un milliard de paramètres qui sait appeler des outils. MiniCPM-V 4.6 lit les images et se déploie sur iOS, Android et HarmonyOS. MiniCPM-o 4.5, neuf milliards de paramètres, comprend l'image et la parole, et tient une conversation vocale en continu.

GLM (Z.ai). Publié sous licence MIT, la plus permissive de toute cette liste. Les deux modèles de tête, GLM-5.3 et GLM-5.3-Flash, sont sortis fin août 2026. Ceux qu'on peut réellement installer chez soi sont GLM-4.7-Flash, trente milliards de paramètres dont trois seulement travaillent à chaque token, et GLM-4.6V-Flash, neuf milliards, qui lit les images et sait leur appliquer un outil directement.

DeepSeek. Licence MIT également. La maison de Hangzhou publie surtout des modèles de très grande taille, DeepSeek-V4-Flash et DeepSeek-V4-Pro, hors de portée d'une machine domestique. Elle a en revanche un modèle à part que beaucoup installent : DeepSeek-OCR-2, spécialisé dans la lecture de documents scannés, sous licence Apache 2.0. La société elle-même a fait sa réputation en janvier 2025.

Kimi (Moonshot AI). Kimi K3 est le plus gros modèle ouvert du monde : 2 800 milliards de paramètres, dont 104 activés à chaque fois, avec la vision native et un million de tokens de contexte. Sa licence est une licence maison, ni MIT ni Apache. Aucune machine personnelle ne le fera tourner. Le Kimi qui tient chez soi est Kimi-Linear-48B-A3B, sous licence MIT, taillé pour les très longs textes.

Hunyuan (Tencent). Sous licence Apache 2.0. Le dernier, Hy4-preview, date du 27 août 2026 et vise les serveurs. Mais la maison publie aussi Hy-MT2-1.8B, un traducteur d'un milliard huit cents millions de paramètres qui couvre trente-trois langues, dont le français, et que Tencent donne pour meilleur que les services de traduction commerciaux courants.

ERNIE (Baidu). Sous licence Apache 2.0. ERNIE 4.5 existe en version 21 milliards de paramètres dont trois actifs, installable sur une bonne machine, et en version 28 milliards qui lit les images. Baidu publie par ailleurs Unlimited-OCR, sous licence MIT, l'un des modèles de lecture de documents les plus téléchargés de la plateforme.

Deux noms qu'on croise encore et qu'il faut situer honnêtement. InternLM, du laboratoire d'intelligence artificielle de Shanghai, a quitté le terrain domestique : ses modèles récents sont des modèles scientifiques de plusieurs centaines de milliards de paramètres. Et Yi, de la société 01.AI, n'a rien publié de neuf depuis novembre 2023 : les fiches sont toujours en ligne, elles ne sont plus d'actualité.

Il faut aussi dire ce qui ne s'installe pas. Les modèles dont on parle le plus sont précisément ceux qu'aucun particulier ne fera tourner : compressé au format que lit un logiciel domestique, GLM-5.3-Flash pèse 200 Go et Qwen3.8-Flash-Next 111 Go, sans compter la mémoire qu'il faut par-dessus pour les faire travailler. Ce sont des modèles pour serveurs. Et le mot « Flash » qu'ils portent tous les deux n'annonce pas une petite taille : il désigne la rapidité de la réponse.

La vision et l'agentique, deux mots qu'il faut comprendre avant de les cocher

La vision, c'est la capacité du modèle à recevoir une image et à en parler. Ce n'est pas un accessoire : sur une machine personnelle, c'est souvent l'usage le plus immédiat. On photographie l'étiquette d'un médicament, une enseigne, la carte d'un restaurant, et on demande ce qui y est écrit. On lui donne la capture d'un tableau de chiffres et on demande où est l'erreur. On lui passe une facture scannée et on lui fait recopier les montants. Les Qwen à partir de la version 3.5, les MiniCPM-V et MiniCPM-o, GLM-4.6V-Flash le font tous ; GLM-4.7-Flash et Hy-MT2, non.

Un détail technique qui surprend au téléchargement : la vision arrive dans un second fichier, à côté du modèle. MiniCPM-V 4.6 ne pèse que 0,53 Go, mais son module de vision en ajoute 1,11. Le télécharger sans lui donne un modèle aveugle, qui ne dira pas pourquoi.

L'agentique demande une phrase de plus, parce que le mot ne dit rien de lui-même. Un modèle ordinaire écrit du texte, et c'est tout : il attend qu'on lui fournisse la matière. Un modèle agentique sait qu'on lui a confié des outils, décide lui-même d'en appeler un, lit ce que l'outil lui répond, et recommence jusqu'à ce que la tâche soit finie. La différence est celle d'un correspondant à qui on lit un document au téléphone, et d'un correspondant à qui on donne la clé du classeur.

Concrètement, sur sa propre machine : LM Studio est depuis sa version 0.3.17 ce qu'on appelle un hôte MCP, un standard de branchement d'outils. On lui déclare un dossier de documents, et le modèle va lire les fichiers lui-même au lieu qu'on les lui colle un par un. On lui déclare un accès au web, et il va chercher. MiniCPM5-1B sait le faire dans un milliard de paramètres seulement ; Alibaba met en avant, pour Qwen3.8, une planification autonome capable de mener une tâche en plusieurs étapes jusqu'au bout ; et GLM-4.6V-Flash pousse le principe plus loin en passant une capture d'écran directement à un outil, sans la convertir d'abord en texte.

Une réserve, et elle est écrite noir sur blanc dans la documentation de LM Studio : un outil branché de cette façon peut exécuter du code, lire les fichiers locaux et se servir de la connexion réseau. On n'installe pas un outil venu d'une source inconnue. Pour un usage plus simple et sans aucun de ces risques, apprendre le chinois avec un assistant ne demande rien de tout cela.

Le poids sur le disque dépend de la compression, pas du nombre de paramètres

C'est le point sur lequel tout le monde se trompe, et il commande le reste de cet article. Un modèle est une collection de nombres, ses paramètres. Pendant l'entraînement, chacun est stocké sur 16 bits, soit deux octets : un modèle de 27 milliards de paramètres pèse donc environ 54 Go dans sa forme d'origine. La quantification consiste à réécrire ces mêmes nombres sur moins de bits, 8, 5, 4, parfois 2, en acceptant une perte de précision. Le fichier fond, et la qualité des réponses baisse, doucement d'abord, puis brutalement.

Le même modèle existe donc en une dizaine de poids différents, et annoncer « un » poids pour un nombre de paramètres n'a aucun sens. Voici la mesure, prise sur les fichiers réellement publiés pour Qwen3.8-27B, un modèle de 27 milliards de paramètres. La dernière colonne dit ce que la compression coûte en qualité de réponse :

Compression	Bits	Poids	Perte
BF16	16	54,7 Go	aucune
Q8_0	8	29,0 Go	nulle en pratique
Q5_K_M	5	19,8 Go	très faible
Q4_K_M	4	16,5 Go	faible
Q3_K_XL	3	13,1 Go	visible
Q2_K_XL	2	9,8 Go	forte
IQ1_S	1	6,2 Go	rédhibitoire

La documentation de LM Studio donne la règle en une phrase : choisir une variante en 4 bits ou mieux, si la machine en est capable. C'est la convention retenue pour tous les tableaux qui suivent : tous les poids annoncés sont ceux du fichier Q4_K_M publié sur Hugging Face, en gigaoctets décimaux, tels que la plateforme les affiche. Une variante plus fine pèsera davantage, une variante plus grossière moins.

Les logiciels, du plus simple au plus exigeant

Un modèle téléchargé ne fait rien tout seul. Il lui faut un logiciel qui le charge et lui parle. Ils sont quatre à compter, et l'écart entre le premier et le dernier est celui d'un double-clic à une ligne de commande. Les trois premiers acceptent macOS, Windows et Linux ; les conditions exactes de version sont détaillées juste après le tableau.

Logiciel	Installation	Interface	Licence	Systèmes
LM Studio	très simple	graphique	gratuite	macOS, Windows, Linux
Ollama	simple	graphique et terminal	MIT	macOS, Windows, Linux
Jan	simple	graphique	Apache 2.0	macOS, Windows, Linux
llama.cpp	experte	terminal	MIT	tous

LM Studio est celui qu'utilise la rédaction de ce site, et c'est celui par lequel il faut commencer. On l'installe comme n'importe quelle application, on tape le nom d'un modèle dans une barre de recherche qui interroge directement Hugging Face, on choisit sa compression, et la conversation démarre. Il est gratuit à la maison comme au bureau depuis le 8 juillet 2025, date à laquelle l'éditeur a supprimé sa licence commerciale séparée. Une réserve importante pour qui a une machine ancienne : les Mac à processeur Intel ne sont pas pris en charge du tout, seule la puce Apple Silicon l'est, et il faut macOS 14 au minimum.

Ollama vise plutôt ceux qui veulent brancher le modèle sur autre chose : il installe un service qui répond à des requêtes, ce qui permet à un programme maison de l'interroger. Il a désormais une application de bureau sur macOS et sur Windows, et il choisit tout seul de charger le modèle sur la carte graphique quand celle-ci a la place. Jan est l'alternative entièrement ouverte, conçue pour fonctionner hors ligne. Quant à llama.cpp, ce n'est pas vraiment un concurrent des trois autres : c'est le moteur qui tourne à l'intérieur d'eux, et on ne l'installe seul que pour aller plus loin que ce qu'ils permettent.

Sur PC c'est la carte graphique, sur Mac c'est la mémoire

Voici la vraie difficulté, et les deux plateformes ne se mesurent pas du tout de la même façon.

Sur PC, ce qui compte est la mémoire vidéo de la carte graphique, et elle seule. Le fichier du modèle doit y tenir en entier, sinon le surplus retombe dans la mémoire du système et la vitesse s'écroule d'un facteur qui se compte en dizaines. Or cette mémoire est chère et peu extensible : dans la gamme actuelle de NVIDIA, une RTX 5050 ou une 5060 offre 8 Go, une 5070 en offre 12, une 5070 Ti et une 5080 en offrent 16, et il faut une RTX 5090, le haut de la gamme, pour disposer de 32 Go. Au-delà, on quitte le matériel grand public.

Sur Mac, la question ne se pose pas dans ces termes. Les puces Apple Silicon utilisent une mémoire unifiée : le processeur et la partie graphique adressent la même réserve, si bien que c'est la mémoire totale de la machine qui décide, et non une mémoire vidéo séparée. Cela change tout, parce que cette mémoire monte beaucoup plus haut. Un MacBook Air se configure de 16 à 32 Go. Un MacBook Pro va de 24 à 64 Go avec une puce M5 Pro, et de 36 à 128 Go avec une M5 Max. Un Mac Studio commence à 36 Go et monte à 512 Go dans sa version M5 Ultra.

La conséquence est celle que personne n'attend : un MacBook Pro à 64 Go fait tourner des modèles qu'aucune carte graphique grand public ne prend, puisque la meilleure d'entre elles plafonne à 32 Go. La contrepartie existe : à taille égale, une carte dédiée reste plus rapide, et la mémoire d'un Mac ne s'ajoute pas après l'achat.

La règle pratique, dans les deux cas, tient en une addition : il faut le poids du fichier, plus 2 à 3 Go pour le contexte de la conversation et pour le système. Un modèle de 16,5 Go réclame donc une carte de 24 Go, ou un Mac de 32. LM Studio recommande 16 Go de mémoire au minimum, et au moins 4 Go de mémoire vidéo sur PC.

Le tableau des modèles

Tous les poids sont ceux du fichier Q4_K_M, mesurés sur Hugging Face. « Taille » donne le nombre de paramètres en milliards. « Usage » indique ce pour quoi chaque modèle est le premier choix, et non la seule chose qu'il sache faire : un modèle de 9 milliards dialogue aussi, il rédige simplement mieux qu'un modèle de 2. La colonne PC donne la mémoire vidéo nécessaire sur la carte graphique, la colonne Mac la mémoire unifiée totale de la machine ; ces deux dernières colonnes sont en gigaoctets, et « aucune » signale le modèle qu'aucune carte grand public ne prend.

Modèle	Taille (Md)	Poids (Go)	Vision	Usage	PC	Mac
Qwen 3.5 0.8B	0,8	0,53	oui	essais	4	8
MiniCPM5 1B	1	0,69	non	outils	4	8
MiniCPM-V 4.6	1,2	1,64	oui	téléphone	4	8
Hy-MT2 1.8B	1,8	1,13	non	traduire	4	8
Qwen 3.5 2B	2	1,28	oui	résumé	4	8
Qwen 3.5 4B	4	2,74	oui	dialogue	6	8
MiniCPM4 8B	8	4,97	non	dialogue	8	16
MiniCPM-o 4.5	9	5,03	et le son	voix	8	16
Qwen 3.5 9B	9	5,68	oui	rédiger	8	16
GLM 4.6V Flash	9	7,15	oui	documents	12	16
ERNIE 4.5 21B	21	13,3	non	code	16	24
Qwen 3.8 27B	27	16,5	oui	tout	24	32
GLM 4.7 Flash	30	18,3	non	code	24	32
Kimi Linear 48B	48	30,1	non	longs textes	aucune	48

Deux lignes demandent une note. Le poids de MiniCPM-V 4.6 additionne le modèle et son module de vision, sans lequel il ne voit rien ; celui de GLM-4.6V-Flash aussi. Et Kimi Linear est le seul du tableau qu'aucune carte graphique grand public ne prend, sa version compressée dépassant les 32 Go de la meilleure d'entre elles : sur Mac, il passe.

Ces deux dernières colonnes disent un plancher, pas un confort. Elles répondent à la question « est-ce que ça se lance ? », qui n'est pas la question « est-ce que c'est agréable ? ». Compter un cran de mémoire au-dessus, c'est la différence entre un modèle qu'on essaie une fois et un modèle dont on se sert.

Ce qui tourne sur une petite configuration

C'est le tableau le plus utile, parce que c'est celui qui évite de télécharger vingt gigaoctets pour découvrir que la machine ne suit pas. Rien ici n'est promis au-delà de ce qui a été mesuré : sous 8 Go de mémoire, on obtient un assistant honnête pour résumer, reformuler et traduire, jamais un modèle qui raisonne.

Et il faut être clair sur ce que « ça fonctionne » veut dire, parce que ce n'est pas « ça marche bien ». À la configuration minimale, le modèle répond, mais lentement : les mots s'écrivent un à un sous les yeux, au rythme d'une dictée. Le premier mot est le plus long à venir, parce que le modèle doit d'abord relire toute la conversation ; et plus la conversation s'allonge, plus cette attente grandit. C'est utilisable pour une question à la fois, pénible pour un aller-retour rapide.

Ce que la colonne « vitesse » ci-dessous ne donne pas, c'est un nombre de mots par seconde, et c'est délibéré : le débit dépend de la machine, du modèle, de la compression choisie et du logiciel, et aucun chiffre unique ne serait honnête. Ce qu'elle donne est ce que l'on ressent.

Le seul seuil à ne pas franchir est celui du dessous. Tant que le fichier tient en mémoire, une machine modeste est lente. Dès qu'il n'y tient plus, une partie du modèle bascule sur le disque ou dans la mémoire du système, et l'on ne parle plus de lenteur : on passe de quelques mots par seconde à quelques secondes par mot. Devant ce cas, il ne faut pas patienter, il faut redescendre d'une taille ou d'un cran de compression.

Machine	Modèles	Poids	Vitesse	À oublier
8 Go, sans carte	Qwen 3.5 0.8B	0,53 Go	très lent	code, raisonnement
8 Go, sans carte	MiniCPM5 1B	0,69 Go	très lent	les images
16 Go, sans carte	Hy-MT2 1.8B	1,13 Go	lent	autre que traduire
16 Go, sans carte	Qwen 3.5 2B	1,28 Go	lent	textes longs
Carte de 8 Go	Qwen 3.5 9B	5,68 Go	confortable	grand contexte
Carte de 12 Go	GLM 4.6V Flash	7,15 Go	confortable	modèles de 20 Md
Carte de 16 Go	ERNIE 4.5 21B	13,3 Go	fluide	la vision
Carte de 32 Go	Qwen 3.8 27B	16,5 Go	fluide	modèles serveur

Sur un téléphone ou sur une machine très ancienne, une seule famille tient vraiment la promesse : MiniCPM, dont les auteurs publient les variantes iOS, Android et HarmonyOS. Un traducteur qui couvre trente-trois langues en un gigaoctet, ou un modèle qui lit une photo dans un peu plus d'un gigaoctet et demi, c'est ce qu'on peut espérer de mieux à ce niveau.

Deux avertissements pour finir. Le premier tient au disque : ces fichiers s'accumulent vite, et il est courant d'en garder trois ou quatre, soit cinquante gigaoctets. Le second tient à l'attente : la première réponse arrive toujours plus lentement que les suivantes, parce que le modèle doit d'abord être chargé en mémoire. Ce n'est pas un défaut de la machine, et il ne sert à rien de recommencer.

La Rédaction