Installer LM Studio pour tester des LLM locaux
Cette page peut contenir des liens partenaires Amazon : si vous achetez après un clic, le site peut percevoir une commission sans surcoût pour vous. Nos conseils restent indépendants. En savoir plus.
Objectif ce soir : installer LM Studio, télécharger un GGUF Q4 modeste et obtenir une réponse en français dans l’onglet Conversation (Chat) — sans ouvrir un terminal.
En 4 actions (avant le détail technique)
- Télécharger (Download) l’installateur sur lmstudio.ai et lancer l’assistant.
- Ouvrir Découverte (Discover) et Télécharger (Download) un petit modèle Instruct en Q4_K_M.
- Charger le modèle dans Chat (conversation) et monter le curseur GPU Layers (couches sur GPU) par paliers.
- Envoyer une consigne en français et comparer avec votre stack Ollama si elle existe déjà.
LM Studio est une application de bureau (Windows, macOS, Linux) pour télécharger et discuter avec des modèles locaux. L’interface reste en anglais : à chaque écran clé, nous donnons d’abord l’action en français, puis le libellé affiché entre parenthèses. Ce guide s’adresse aux débutants qui veulent un banc d’essai graphique avant de figer un modèle dans Ollama pour toute la maison (Open WebUI, assistant familial).
Lexique rapide (avant les prérequis)
- LLM (large language model, grand modèle de langue) : modèle qui génère du texte à partir de votre consigne.
- GGUF (GPT-Generated Unified Format, format de fichier pour les poids quantifiés) : ce que vous téléchargez dans Découverte (Discover) avant de discuter.
- VRAM : mémoire de la carte graphique ; y placer une partie du modèle accélère la génération (détail au § 3).
- Couches (layers) : blocs du réseau du modèle, répartissables entre GPU et CPU.
- Q4 : niveau de quantification — bon compromis taille / qualité sur un PC domestique ; privilégiez Q4_K_M au premier essai.
- Tokens/s : tokens par seconde (ordre de grandeur : mots par seconde en français) — indicateur de fluidité du chat.
Prérequis
- Windows 10/11, macOS (Apple Silicon recommandé) ou Linux 64 bits.
- 10–20 Go d’espace libre minimum pour un premier modèle Q4.
- 16 Go RAM ou plus ; 32 Go confortables pour un 7B avec marge.
- GPU optionnelle mais utile : NVIDIA avec pilotes à jour, ou iGPU / Apple Silicon pour de petits modèles.
- Connexion Internet pour l’installateur et le téléchargement Discover.
Pour le matériel en amont, choisir matériel IA et VRAM quel modèle évitent de télécharger un 13B sur une machine 8 Go RAM.
Temps estimé
25 minutes la première fois (installateur + premier GGUF 3B–7B Q4 + réglage GPU). Les sessions suivantes ne prennent que quelques minutes si le modèle est déjà en cache local.
Ollama et LM Studio : complémentaires, pas rivaux
Libellés tels que dans l’application (anglais) — la colonne de droite reprend l’interface non traduite de LM Studio ; le reste du tableau est en français.
| Besoin | Ollama | LM Studio | Libellé dans l’app (EN) |
|---|---|---|---|
| Première IA en 15 min, terminal | Idéal — voir première IA locale | Possible mais plus lourd | — |
| API locale pour Open WebUI, scripts | Natif, stable — voir guide installer Ollama multi-OS | Mode serveur possible | Local Server (serveur local) |
| Essayer 5 GGUF différents en une soirée | ollama pull répété |
Comparateur visuel et curseurs GPU | Discover / Search (recherche) |
| Réglage fin VRAM / couches | Automatique selon GPU | Contrôle manuel des couches | GPU Layers / GPU offload |
| Foyer non technique | Open WebUI par-dessus Ollama | Conversation intégrée conviviale | Chat |
Commandes Ollama, intégrations domotique et stack serveur : un seul renvoi — installer Ollama multi-OS — plutôt que de répéter ici le rôle d’Ollama déjà détaillé dans le guide Windows.
1. Télécharger et installer depuis lmstudio.ai
Rendez-vous sur le site officiel lmstudio.ai (source principale de ce guide). Cliquez sur Télécharger (Download), sélectionnez votre système, enregistrez le fichier et exécutez-le. Sur Windows, l’installateur classique copie LM Studio dans Program Files et crée un raccourci ; sur Mac, glissez l’app dans Applications ; sur Linux, suivez le format proposé (AppImage ou paquet selon la page du moment).
Au premier lancement, l’application demande où stocker les modèles. Choisissez un disque avec de la marge — un 7B Q4 dépasse souvent 4 Go. Si votre disque C: est étroit, pointez vers un second SSD ; voir SSD stockage modèles.
Vérifiez que LM Studio est à jour : menu Aide (Help) → Rechercher les mises à jour (Check for updates) selon la version affichée sur lmstudio.ai/docs.
2. Trouver un modèle dans Discover (Q4)
- Ouvrez l’onglet Discover (Search si votre version affiche « Recherche »).
- Tapez un nom familier :
Llama 3.2 3B Instruct,Mistral 7B Instruct, ouQwen2.5 7B Instruct. - Filtrez ou lisez la ligne de quantification : privilégiez Q4_K_M ou Q4_0 pour un premier test — bon équilibre pour un foyer, aligné avec choisir premier modèle.
- Cliquez Télécharger (Download) et attendez la barre complète. Ne fermez pas LM Studio pendant le transfert.
Pourquoi Q4 ? Les poids occupent moins de place et moins de RAM/VRAM qu’un Q8, avec une qualité suffisante pour du chat et des résumés domestiques. Un 3B Q4 convient aux PC modestes ; un 7B Q4 demande plus de marge — consultez RAM 32 vs 64 Go si vous hésitez.
Si Discover ne liste pas un modèle, vérifiez votre connexion ou réessayez plus tard ; vous pouvez aussi importer un GGUF obtenu ailleurs, mais le flux Discover reste le plus simple pour débuter.
3. Charger le modèle et comprendre le GPU offload
Une fois le téléchargement terminé :
- Allez dans Conversation (Chat) (ou l’écran de chargement de modèle).
- Sélectionnez le GGUF que vous venez de récupérer.
- LM Studio charge les poids du modèle en mémoire (fichier GGUF sur disque → RAM et éventuellement VRAM) ; la première ouverture peut prendre 30 s à 2 min.
Qu’est-ce que le « GPU offload » ?
Un modèle complet ne tient pas toujours entièrement dans la VRAM. LM Studio peut répartir les couches (layers) du réseau :
- une partie sur le GPU (rapide) ;
- le reste en RAM, calculée par le CPU (plus lent).
Le curseur GPU Layers (ou GPU offload, déchargement GPU : envoyer une partie du calcul sur la carte) indique combien de couches (layers) sont calculées sur le GPU. Monter le curseur :
- accélère la génération tant que la VRAM suffit ;
- risque un crash ou un message « out of memory » si vous dépassez la capacité.
Méthode prudente : partez de 0 layer, montez par paliers de 5 ou 10, lancez une phrase de test, observez. Quand la VRAM est presque pleine dans le Gestionnaire des tâches (Windows) ou Monitor (Mac), reculez d’un cran. Pour des scénarios chiffrés et des cartes RTX courantes, le guide LM Studio GPU offload détaille les réglages sans dupliquer ici toute la table VRAM.
Sans GPU dédiée, laissez 0 layer GPU : LM Studio fonctionne en CPU only, comme Ollama sur un portable ultrabook — lent mais pédagogique.
4. Chat test en français
Dans l’onglet Conversation (Chat), avec le modèle chargé et les couches (layers) réglées :
Prompt suggéré :
Résume en deux phrases ce qu’est LM Studio pour un débutant en IA locale. Réponds uniquement en français.
Vous devez obtenir un texte lisible mentionnant une application, des modèles locaux et éventuellement le mot GGUF ou chat. La vitesse affichée (tokens/s) dépend du GPU offload : au-delà de ~10 tokens/s sur un 7B, l’expérience devient confortable pour de la lecture à voix haute au foyer.
Essayez une consigne plus longue — par exemple résumer un mail scolaire fictif — pour sentir la limite de contexte du modèle choisi. Pour un usage familial structuré, vous reviendrez plus tard vers assistant privé familial branché sur Ollama ou Open WebUI.
Résultat attendu
À l’issue de ce parcours, vous devriez constater les points suivants :
| Contrôle | Résultat normal |
|---|---|
| Application | LM Studio s’ouvre sans erreur, version visible |
| Modèle | Au moins un GGUF Q4 listé comme « local » ou prêt dans Chat |
| GPU | Si carte NVIDIA/AMD/Metal disponible, une partie des couches (layers) sur GPU sans crash |
| Chat FR | Réponse cohérente en français à la consigne test |
| Disque | Dossier modèles contient un fichier multi-gigaoctets |
Si le chat répond en anglais malgré la consigne, reformulez en ajoutant « Réponds en français » en début de message ; certains modèles base sont moins alignés que les variantes Instruct.
Si l’application freeze au chargement, réduisez les couches GPU (GPU layers) ou choisissez un 3B Q4 plus petit, puis montez progressivement après upgrade matériel (sélecteur matériel).
Erreurs fréquentes
| Problème | Action |
|---|---|
| VRAM saturée, écran noir ou crash | Baisser les couches GPU (GPU layers) ; fermer jeux ou navigateur lourd |
| Modèle « corrupted » | Supprimer le fichier partiel dans le dossier LM Studio, re-télécharger depuis Discover |
| Lenteur extrême | CPU seul ou trop peu de couches GPU ; accepter pour le test ou viser un 3B |
| Conflit avec Ollama | Les deux peuvent coexister ; évitez de lancer deux gros modèles simultanément sur 16 Go RAM |
| Besoin d’API | Ollama + Docker Open WebUI reste la stack la plus documentée pour automatisations n8n |
Pour aller plus loin
- GPU offload LM StudioRéglage fin des couches GPU et VRAM.
- Installer OllamaMoteur serveur pour toute la maison.
- Open WebUIInterface familiale au-dessus d’Ollama.
- Choisir premier modèleTags instruct et quantification Q4.
Matériel optionnel (après le premier chat)
Quand s’en servir : uniquement si l’installation est validée (chat FR OK) mais que les GPU Layers plafonnent bas ou que la génération reste trop lente sur un 3B Q4 — le goulot vient alors du PC, pas de LM Studio.
Méthode : notez le modèle GGUF testé, le nombre maximal de couches GPU sans crash et la vitesse affichée (tokens/s), puis ouvrez le sélecteur matériel : il croise ces signaux avec budget, bruit salon et place disque. Complétez avec choisir matériel IA avant toute commande — le sélecteur ne remplace pas la lecture des prérequis matériel.
Affiliation : le sélecteur peut proposer des liens partenaires (dont Amazon.fr) ; LocAIhome peut percevoir une commission sans surcoût pour vous — voir page affiliation. Aucun prix ni fiche produit figé sur cette page : vérifiez les fourchettes du jour sur le marchand (oct. 2026).
Vie privée et limites
LM Studio exécute les modèles en local par défaut pour le chat intégré ; lisez les paramètres réseau si vous activez un Serveur local (Local Server) exposé au LAN. Croisez avec RGPD données IA locale avant d’y coller des documents médicaux ou bancaires. Les LLM hallucinent : un résumé local reste un brouillon à relire.
Synthèse
Vous installez LM Studio depuis lmstudio.ai, téléchargez un GGUF Q4 via Discover, ajustez le GPU offload pour équilibrer VRAM et vitesse, puis validez un chat en français. Gardez Ollama pour la suite domotique et API ; utilisez LM Studio comme banc d’essai graphique. Le réglage fin passe par LM Studio GPU offload dès que le premier modèle tourne stablement.
Questions fréquentes
LM Studio remplace-t-il Ollama dans une maison connectée ?
Non. Ollama reste plus simple pour une API locale stable (Open WebUI, n8n, Home Assistant). LM Studio excelle pour comparer visuellement des GGUF, régler le GPU offload à la main et discuter sans terminal.
Quel modèle Q4 choisir la première fois dans Discover ?
Visez un instruct 7B ou 8B en Q4_K_M si vous avez 16–32 Go RAM et une GPU avec 6–8 Go VRAM ; sinon un 3B Q4 pour valider l’installation sans saturer la mémoire.
Le téléchargement Discover s’interrompt : que faire ?
Reprenez depuis l’onglet Téléchargements (Downloads) de LM Studio ; supprimez le fichier partiel si l’app le propose, puis relancez. Vérifiez l’espace disque (souvent 5–10 Go par modèle 7B Q4).
Pourquoi mon GPU n’apparaît pas dans les réglages ?
Mettez à jour les pilotes NVIDIA ou AMD, redémarrez LM Studio, et sur Windows vérifiez que vous n’êtes pas en session Remote Desktop sans accélération 3D. Apple Silicon utilise Metal automatiquement sur versions récentes.