Ollama pour l'IA privée locale sur un ancien ordinateur portable

L’article XDA sur la transformation d’un ancien ordinateur portable en assistant IA privé pour toute la maison est l’étude de cas dont beaucoup d’entre nous avions besoin. Un ThinkPad de 2020 avec 32 Go de RAM et un GPU intégré suffit pour exécuter des modèles modernes 7B ou 13B à vitesse conversationnelle, héberger une interface de chat pour le foyer et arrêter de payer 20 $ par mois par personne pour l’IA cloud. Ce sont les meilleures applications de bureau pour construire un assistant IA privé pour toute la maison sur un ancien ordinateur portable en 2026, choisies pour la combinaison de runtime, d’interface de chat et d’accès convivial pour la famille qui rend l’IA locale réellement utile en dehors du terminal de l’opérateur.

Ce qu’il faut rechercher dans une pile IA domestique

Un assistant IA privé que toute la maison utilise réellement doit couvrir:

Comparaison rapide

Application Meilleur pour Runtime Interface de chat Serveur API Coût
Ollama Le runtime de base sur lequel tout le monde construit Ollama CLI + community UIs Oui Gratuit
LM Studio Modèles locaux centrés sur l’interface graphique llama.cpp Oui Oui Gratuit
Open WebUI L’interface de chat du foyer devant Ollama N’importe lequel (Ollama, OpenAI) Oui (multi-utilisateur) Proxies Gratuit
GPT4All Le chat local mono-utilisateur le plus simple llama.cpp Oui Optionnel Gratuit / Pro $5/mois
Jan Remplacement ChatGPT open-source llama.cpp / Ollama Oui Oui Gratuit
Text Generation WebUI Affinage des modèles par power-user et support des formats Plusieurs Oui Oui Gratuit
Home Assistant with Local LLM IA domestique contrôlée par la voix sur Ollama Ollama backend Voix + Chat via Ollama Gratuit

Les 7 meilleures applications pour l’IA privée domestique sur un ancien ordinateur portable

1. Ollama, meilleur comme le runtime de base sur lequel tout le monde construit

Ollama est le runtime qui a fait des LLM locaux une installation d’une seule commande. ollama run llama3.1 télécharge, charge et sert un modèle avec une API compatible avec OpenAI sur le port 11434. La bibliothèque de modèles est curée (Llama, Mistral, Phi, Qwen, Gemma et fine-tunes communautaires), et le runtime détecte et utilise automatiquement NVIDIA CUDA, AMD ROCm ou Apple Metal.

Sur un ordinateur portable avec RTX 3060 (ou Apple M2 et versions ultérieures), un modèle 13B s’exécute à vitesse conversationnelle. Sur CPU uniquement, les modèles de classe 3B comme Phi-3 Mini restent utilisables.

Où il échoue: Ligne de commande uniquement par elle-même; a besoin d’une interface de chat au-dessus pour usage domestique. La liste des modèles curée est plus étroite que l’univers GGUF brut. L’installation Docker est préférée sur Windows.

Prix:

Plateformes: Windows, macOS, Linux

Télécharger: ollama.com

Conclusion: Le runtime par défaut pour toute configuration d’IA privée domestique en 2026.

2. LM Studio, meilleur pour les modèles locaux centrés sur l’interface graphique

LM Studio est le concurrent GUI d’Ollama. Téléchargement de modèles point-and-click depuis Hugging Face, un panneau de chat avec sélection de modèles par conversation et un serveur compatible avec OpenAI qui démarre avec une case à cocher. LM Studio est livré avec des recommandations par modèle pour la longueur du contexte, la quantification et le nombre de GPU offload.

Pour un opérateur qui préfère une application Windows à un terminal, LM Studio est le chemin le plus court d’une installation vierge à un modèle local fonctionnant.

Où il échoue: Mono-utilisateur par conception; pas une interface de chat domestique. La gestion des modèles est par machine, pas centralisée. Pas complètement open source (application de bureau propriétaire autour des runtimes open).

Prix:

Plateformes: Windows, macOS, Linux

Télécharger: lmstudio.ai

Conclusion: Le bon choix pour quelqu’un qui apprend les modèles locaux avant de configurer un serveur multi-utilisateur.

3. Open WebUI, meilleur comme l’interface de chat du foyer devant Ollama

Open WebUI est ce qui rend un serveur Ollama utilisable par tout le foyer. Comptes multi-utilisateur, historique de chat par utilisateur, sélecteur de modèles, téléchargement de documents RAG, bibliothèque d’invites et permissions basées sur les rôles, le tout dans une interface Web auto-hébergée. Pointez vers un point de terminaison Ollama (local ou sur le LAN) et chaque membre de la famille obtient une expérience de type ChatGPT sans partager l’historique.

S’exécute en tant que conteneur Docker sur le même ordinateur portable que Ollama, ou sur une machine séparée communiquant avec lui sur le LAN.

Où il échoue: L’installation Docker est le chemin recommandé (bare Node est possible mais plus difficile). L’entrée vocale via le module complémentaire Whisper, pas nativement. Le stockage de l’historique de chat se développe rapidement avec une utilisation intensive.

Prix:

Plateformes: Docker, Linux, Windows (via Docker Desktop), macOS (via Docker Desktop)

Télécharger: docs.openwebui.com

Conclusion: L’ajout le plus important pour transformer Ollama en service domestique.

4. GPT4All, meilleur pour le chat local mono-utilisateur le plus simple

GPT4All est l’application de chat axée sur le local de Nomic: téléchargez le programme d’installation, choisissez un modèle, discutez. L’interface est construite pour quelqu’un qui n’a jamais touché un terminal, et la bibliothèque de modèles couvre les variantes Llama, Mistral, Phi et Falcon ajustées par la communauté.

Un bon choix pour un parent ou un partenaire non technique qui veut son propre IA local sans configurer un serveur.

Où il échoue: Pas un serveur partagé; chaque machine a son propre modèle et historique. La bibliothèque de modèles est plus petite que celle d’Ollama. Le niveau Pro ajoute des fonctionnalités cloud qui sapent la prémisse «entièrement local».

Prix:

Plateformes: Windows, macOS, Linux

Télécharger: gpt4all.io

Conclusion: Le bon choix pour un ordinateur portable où une personne veut l’IA local et rien d’autre.

5. Jan, meilleur pour un remplacement ChatGPT open-source

Jan est une application de chat de bureau complètement open-source qui exécute des modèles locaux via llama.cpp ou se connecte à des points de terminaison distants (OpenAI, Anthropic, Groq ou Ollama local). L’interface est proche de celle de ChatGPT, avec des chats, des dossiers et des présets de system-prompt, et la philosophie de Jan est «vos données restent sur votre machine».

Pour un foyer où différents membres de la famille veulent différents backends (certains locaux, certains distants), Jan gère les deux proprement.

Où il échoue: Projet plus récent; quelques arêtes vives sur l’installation Windows. Le support multi-utilisateur est plus mince qu’Open WebUI. Certains plugins sont expérimentaux.

Prix:

Plateformes: Windows, macOS, Linux

Télécharger: jan.ai

Conclusion: Le bon choix quand un foyer veut une application de type ChatGPT qui peut être local ou hybride.

6. Text Generation WebUI, meilleur pour l’affinage des modèles par power-user et le support des formats

Text Generation WebUI (oobabooga) est l’outil pour les power users. Il supporte les backends Transformers, ExLlamaV2, llama.cpp et MLX, expose chaque samplers et paramètre d’inférence et gère les formats GGUF, GPTQ, EXL2 et AWQ. L’entraînement LoRA et le RP de cartes de caractères sont intégrés.

Le bon choix quand l’opérateur veut tirer chaque token/sec d’un ancien GPU ou exécuter des fine-tunes de niche pas dans la bibliothèque Ollama.

Où il échoue: Courbe d’apprentissage abrupte. L’interface a des années de fonctionnalités empilées qui submergent les nouveaux utilisateurs. Le support multi-utilisateur est limité.

Prix:

Plateformes: Windows, macOS, Linux

Télécharger: github.com/oobabooga/text-generation-webui

Conclusion: Le bon choix quand l’objectif est le contrôle sur chaque détail de l’inférence.

7. Home Assistant with Local LLM, meilleur pour l’IA domestique contrôlée par la voix sur Ollama

Home Assistant avec l’intégration Local LLM transforme un serveur Ollama en IA domestique contrôlée par la voix: posez des questions sur la météo, contrôlez les lumières, interrogez le calendrier ou ayez une conversation normale via un haut-parleur intelligent ou l’application HA. Assist Pipeline gère la transcription Whisper, l’inférence LLM sur Ollama et la synthèse vocale vers le haut-parleur, le tout à l’intérieur du réseau domestique.

Pour une famille où “hey house, what’s on the schedule today” est le UX souhaité, c’est la couche qui lie le tout ensemble.

Où il échoue: La configuration traverse deux projets (Home Assistant + Ollama) et a besoin que les deux soient en bonne santé. Le choix du haut-parleur compte (les microphones compatibles avec Wyoming sont les plus lisses). La latence dépend du modèle; les modèles plus petits se sentent plus rapides.

Prix:

Plateformes: Home Assistant OS, Docker, Linux, Windows, macOS

Télécharger: www.home-assistant.io et intégration Ollama

Conclusion: Le bon choix quand l’IA domestique contrôlée par la voix est l’objectif, pas seulement une fenêtre de chat.

Comment choisir le bon

Pour une configuration entièrement compatible avec le foyer, installez Ollama comme runtime et Open WebUI comme interface de chat multi-utilisateur devant lui. C’est la pile correcte pour un ordinateur portable transformé en serveur.

Pour l’utilisation mono-machine de l’opérateur lui-même, LM Studio est l’installation la plus facile et couvre la plupart des besoins quotidiens.

Pour un membre de la famille non technique ayant son propre ordinateur portable, GPT4All est l’installation mono-utilisateur la plus conviviale.

Pour un foyer divisé entre des backends d’IA locaux et distants, Jan est l’interface de chat correcte.

Pour l’affinage par power-user et les formats de modèles de niche, Text Generation WebUI est l’outil approfondi.

Pour l’IA domestique contrôlée par la voix, Home Assistant avec l’intégration Local LLM lie Ollama à l’écosystème vocal du foyer.

FAQ

Quel ancien ordinateur portable suffit pour un serveur d’IA domestique? N’importe quel ordinateur portable de 2020 ou plus récent avec 16 Go de RAM ou plus peut exécuter un modèle 7B à vitesse utilisable sur CPU. Ajoutez un GPU discret (même une GTX 1660 de 2018) et 13B s’exécute à vitesse conversationnelle.

L’IA local dépasse-t-elle ChatGPT en qualité? Pas au sommet de la classe de modèle. Un modèle 13B bien quantifié est à peu près de classe GPT-3.5; un modèle 70B s’approche de la classe GPT-4 mais nécessite 24 Go ou plus de VRAM. Pour la plupart des tâches domestiques (rédaction d’emails, résumés de documents, brainstorming), les modèles locaux sont plus que suffisants.

Les modèles locaux restent-ils à jour? Les runtimes se mettent à jour fréquemment (cadence de libération hebdomadaire sur Ollama). Les modèles eux-mêmes sont versionnés; la mise à jour signifie télécharger une nouvelle étiquette.

Combien de bande passante la configuration initiale utilise-t-elle? Un modèle 7B c’est 4–6 Go; un modèle 13B c’est 8–12 Go. Prévoyez 20 Go de téléchargements si l’opérateur veut une petite bibliothèque.

Le foyer peut-il utiliser ceci sans VPN en voyage? Oui, mais seulement si l’opérateur expose le serveur à Internet. Tailscale est le moyen le plus propre d’accéder au serveur d’IA domestique de l’extérieur du LAN sans ouvrir de ports.

Mon historique de chat est-il vraiment privé? Seulement si le runtime est correctement configuré. Ollama, LM Studio, GPT4All et Jan sont tous par défaut entièrement locaux; Open WebUI stocke l’historique dans sa propre base de données sur la même machine. L’activation de tout connecteur cloud (niveaux Pro, backends de modèles distants) envoie les données hors de la boîte.