ComfyUI et FLUX en local sans cloud

Par Emmanuel Sauvage · Publié le · Mis à jour le

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.

ComfyUI est une interface open source pour la génération d’images par diffusion : au lieu d’un seul écran « prompt + bouton », vous assemblez un workflow (graphe de nœuds reliés entre eux) qui enchaîne visuellement chargement du modèle, encodage du texte, échantillonnage et sauvegarde. Un checkpoint regroupe le réseau de diffusion entraîné (poids du modèle) ; pour FLUX (famille de modèles récents en texte-vers-image), vous téléchargez des checkpoints au format adapté (souvent .safetensors) et vous les placez dans le dossier prévu par ComfyUI. Tant que vous ne publiez pas l’interface sur Internet sans protection, vos prompts et vos sorties restent sur votre machine — un complément naturel à une stack texte avec Ollama (moteur de grands modèles de langage (LLM) locaux) ou la stack Docker Ollama + Open WebUI. Pour des idées d’usage famille (albums, déco, cosplay sans envoi cloud), voir images IA sans cloud.

Ce guide vise un foyer qui veut installer ComfyUI proprement, lancer un premier workflow FLUX, et savoir quoi faire quand le GPU refuse de coopérer.

Sommaire

Section Sauter à
Vue d’ensemble et matériel Cinq étapes · Matériel et logiciel
Installation Linux / Windows Tableau install · PyTorch CUDA
Installation Docker Docker
Premier test image Premier workflow FLUX · Libellés UI FR/EN
Réseau foyer Accès LAN
Blocages GPU Dépannage priorisé
FAQ (texte complet) Questions fréquentes

Cinq étapes (vue d’ensemble)

  1. Vérifier matériel — SSD pour les checkpoints (SSD modèles) ; repères VRAM FLUX dans le tableau VRAM.
  2. Installer ComfyUI — Python venv ou Docker ; sections détaillées ci-dessous.
  3. Installer ComfyUI Manager (recommandé) — extension pour les custom nodes (modules complémentaires).
  4. Télécharger un checkpoint FLUX — licence lue, fichier dans models/checkpoints/.
  5. Charger un workflow FLUX — test résolution modeste, puis Queue Prompt (voir libellés UI) pour la première image.

Commencer ici selon votre profil

Matériel et logiciel avant de commencer

La VRAM (mémoire dédiée de la carte graphique) est le facteur limitant numéro un pour FLUX en local. Les repères concrets (résolution, fp16, checkpoints quantifiés, options --lowvram) sont regroupés dans le tableau VRAM — référence unique pour ce guide. Croisez avec GPU, iGPU, eGPU si vous hésitez sur une carte ou un mini-PC.

Les checkpoints FLUX courants tournent souvent en fp16 (half-float, nombres à demi-précision qui réduisent la mémoire GPU par rapport au fp32).

Côté disque, un checkpoint FLUX pèse souvent plusieurs gigaoctets ; ajoutez le VAE (variational autoencoder, module qui transforme la sortie interne du modèle en image visible), d’éventuels LoRA (petits fichiers d’adaptation du modèle, pour un style ou un personnage sans retélécharger tout le checkpoint) et des images de test. Un SSD dédié au stockage des modèles évite les minutes d’attente au chargement.

Matériel et liens partenaires (transparent) — Si vous manquez de place disque ou de VRAM pour FLUX, les recherches SSD NVMe 1 To sur Amazon.fr et GPU RTX (16 Go indicatif) sur Amazon.fr servent de raccourcis catalogue (lien partenaire Amazon — transparence affiliation) : commission possible pour LocAIhome, sans surcoût pour vous — vérifiez compatibilité M.2 / alimentation et prix du jour (fourchette indicative oct. 2026). Avant achat, le sélecteur matériel et choisir matériel IA calibrent l’ensemble du poste (RAM, bruit, conso : mini-PC 24 h/24).

Systèmes supportés : Linux et Windows avec NVIDIA + drivers récents sont le chemin le plus documenté ; macOS Apple Silicon fonctionne avec des backends Metal mais FLUX y est souvent plus lent ou plus capricieux qu’une RTX. Python 3.10 ou 3.11 convient pour l’installation classique.

Mini-glossaire ComfyUI (libellés anglais de l’interface)

ComfyUI affiche la plupart des actions en anglais ; gardez ce tableau sous la main pendant le premier workflow.

Anglais (UI) Français
Load Checkpoint Charger le checkpoint (modèle principal)
CLIP Text Encode Encoder le prompt texte
KSampler Échantillonner l’image (itérations de diffusion)
VAE Decode Décoder la sortie interne en pixels visibles
Save Image Enregistrer le fichier image
Load Charger un workflow JSON (ou glisser-déposer)
Save Enregistrer le graphe de nœuds
Queue Prompt Mettre en file / lancer la génération
Custom nodes Nœuds personnalisés (extensions via Manager)
Checkpoint Fichier .safetensors dans models/checkpoints/
LoRA Adaptateur léger de style (fichier dans models/loras/)

Arborescence modèles (à connaître avant d’installer)

Placez les fichiers avant le premier lancement si possible ; sinon créez les dossiers puis redémarrez ComfyUI.

Chemin sous ComfyUI/ Contenu typique
models/checkpoints/ Checkpoints FLUX, SDXL (.safetensors)
models/loras/ Fichiers LoRA
models/vae/ VAE si le workflow le demande séparément
output/ Images générées (créé automatiquement)

Copier-coller : utilisez les blocs text ci-dessous (une commande par ligne, URL et python -m copiables tels quels).

ComfyUI Manager (avant le premier workflow)

Après le premier lancement de ComfyUI (python main.py ou conteneur Docker), installez ComfyUI Manager depuis l’interface (bouton Manager ou clone du dépôt indiqué dans la doc communautaire). Il télécharge les custom nodes manquants quand un workflow importé affiche des nœuds en rouge — sans Manager, vous devez les installer à la main, mettre à jour les extensions une par une et déboguer les imports JSON. Faites cette étape avant d’importer un workflow FLUX complexe ; la réponse détaillée figure aussi dans Questions fréquentes (ComfyUI, FLUX, Manager) et en fin d’article.

Installation avec Python et environnement virtuel (venv)

Référence officielle : dépôt ComfyUI sur GitHub et section Installing.

Étape Linux Windows Résultat attendu
1 Prérequis apt Git + Python PATH Terminal prêt
2 git clone + cd Idem (bloc text ci-dessous) Dossier ComfyUI/
3 python3 -m venv + source python -m venv + Activate.ps1 Invite (venv)
4 PyTorch CUDA (encart) Idem python -c "import torch; print(torch.cuda.is_available())" → True
5 pip install -r requirements.txt Idem Dépendances OK
6 python main.py Idem UI sur http://127.0.0.1:8188

Encart PyTorch CUDA (copier-coller)

La wheel PyTorch change selon OS, version CUDA du pilote NVIDIA et date ; ne recopiez pas une commande trouvée au hasard sur un forum.

  1. Ouvrez le générateur officiel : pytorch.org/get-started/locally/ (Stable, Pip, votre OS, CUDA alignée sur nvidia-smi).
  2. Copiez toute la ligne pip install torch … affichée sur le site.
  3. Collez-la dans le venv activé, exécutez, puis enchaînez pip install -r requirements.txt (Linux ou Windows).

Copier-coller : bloc text sans coloration syntaxique — une commande par ligne, URL intacte (https://github.com/..., python -m venv).

Linux (Ubuntu / Debian-like)

  1. Installez les prérequis système et un Python récent :
sudo apt update && sudo apt install -y git python3 python3-venv python3-pip
  1. Clonez le dépôt et entrez dans le dossier :
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
  1. Créez et activez un venv :
python3 -m venv venv
source venv/bin/activate
  1. Suivez l’encart PyTorch CUDA, puis :
pip install -r requirements.txt
  1. Lancez le serveur local :
python main.py
  1. Ouvrez http://127.0.0.1:8188 dans le navigateur du même PC.
  2. Placez votre premier checkpoint FLUX (fichier autorisé par la licence du modèle) dans ComfyUI/models/checkpoints/.
  3. Redémarrez ComfyUI si besoin, puis chargez un workflow FLUX (voir section suivante).

Windows (native, hors WSL)

  1. Installez Git for Windows et Python 3.10+ depuis python.org (cochez « Add to PATH »).
  2. Ouvrez PowerShell. Copier tel quel : blocs text ci-dessous (évite la casse https:// et python -m à l’affichage HTML).
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
.\venv\Scripts\Activate.ps1
  1. Suivez l’encart PyTorch CUDA, puis :
pip install -r requirements.txt
python main.py
  1. Ouvrez http://127.0.0.1:8188 dans le navigateur du même PC.
  2. Copiez le checkpoint FLUX dans ComfyUI\models\checkpoints\.
  3. Autorisez ComfyUI dans le pare-feu Windows si une alerte apparaît (accès LAN uniquement si vous restez en local — schéma accès réseau).
  4. Testez un workflow minimal (section « Premier workflow FLUX »).

Si vous préférez isoler l’environnement Linux sous Windows, la doc Microsoft WSL2 plus une GPU passthrough NVIDIA dans WSL2 reprend les étapes Linux ci-dessus — utile quand les wheels Windows posent problème.

Installation avec Docker

Docker convient si vous voulez une stack reproductible à côté de Docker Ollama + Open WebUI sans mélanger les dépendances Python sur l’hôte. Si vous débutez avec les conteneurs IA, lisez d’abord ce guide Ollama/Open WebUI ; revenez ici pour monter GPU + volume models sur ComfyUI.

  1. Docker Engine (Linux) ou Docker Desktop (Windows/macOS) avec accès GPU si disponible.
  2. Linux NVIDIA : NVIDIA Container Toolkit.
  3. Image ComfyUI communautaire à jour (vérifiez date et chemin des volumes).
  4. Volume hôte → dossier models du conteneur (évite de retélécharger les checkpoints).
  5. Port 127.0.0.1:8188:8188 seulement — exemple :
docker run --gpus all -p 127.0.0.1:8188:8188 \
  -v /chemin/vers/models:/app/models \
  nom-image-comfyui
  1. Checkpoints FLUX côté hôte, puis import workflow dans l’UI. Logs conteneur si CUDA invisible.

Ne exposez pas le port 8188 sur Internet sans authentification : ce n’est pas un service familial prêt pour le grand public.

Premier workflow FLUX

Un workflow ComfyUI est un fichier JSON (souvent .json) qui décrit quels nœuds sont reliés : enchaînement typique Load Checkpoint → CLIP Text Encode → KSampler → VAE Decode → Save Image (traductions : tableau FR/EN).

Procédure habituelle pour la première image :

  1. Téléchargez ou exportez un workflow FLUX compatible avec votre checkpoint (communautés ComfyUI, dépôts de workflows — vérifiez la version de ComfyUI).
  2. Dans l’interface : Load (charger le workflow JSON, ou glisser-déposer le fichier sur le canvas).
  3. Dans le nœud de chargement, sélectionnez votre checkpoint FLUX listé (sinon le fichier n’est pas au bon endroit ou mal nommé).
  4. Saisissez un prompt simple en français ou anglais (« salon scandinave lumineux, plantes, matinée, photo réaliste »).
  5. Réglez la résolution modeste pour un premier test (768 ou 1024 selon le tableau VRAM).
  6. Cliquez Queue Prompt et surveillez la progression ; l’image est aussi écrite sur disque dans ComfyUI/output/ (dossier output à la racine du dépôt cloné — ComfyUI\output\ sous Windows).
  7. Récupérez le fichier dans ce dossier ou via le nœud de prévisualisation dans l’UI.
  8. Sauvegardez le workflow une fois validé (Save) pour le réutiliser.

Si le graphe affiche des nœuds manquants en rouge, ouvrez ComfyUI Manager et installez les extensions indiquées, ou repartez d’un workflow minimal fourni avec le modèle.

Pour enrichir les prompts sans cloud, vous pouvez faire rédiger des variantes par un LLM local via assistant privé familial — en gardant à l’esprit que le modèle texte peut halluciner des détails.

VRAM, performance et variantes FLUX

Situation Piste
12 Go+ VRAM NVIDIA FLUX dev fp16, 1024×1024 — repère « confort foyer » pour ce guide
8 Go VRAM Résolution plus basse, batch 1, options low VRAM, modèles quantifiés
CPU seul Possible pour tests SD légers ; FLUX reste très lent, plutôt déconseillé au quotidien
RAM système 32 Go conseillés si offload ; voir RAM 32 vs 64 Go

Surveillez nvidia-smi pendant une génération : si la VRAM sature avant la fin, baissez la résolution ou activez les flags documentés dans le README ComfyUI (--lowvram, --novram en dernier recours). Pilier matériel : VRAM quel modèle. La facture électrique du GPU qui tourne longtemps entre dans le budget foyer : électricité serveur IA.

Dépannage GPU fréquent

Priorité Symptôme Piste
P0 CUDA not available / torch.cuda.is_available() False Drivers NVIDIA trop anciens ou PyTorch sans build CUDA — wheel pytorch.org alignée sur le driver, redémarrage après mise à jour.
P0 Out of memory (OOM) Fermez jeux et navigateur lourd ; baissez résolution ; --lowvram ; checkpoint plus léger.
P1 ComfyUI ne liste pas le checkpoint Fichier absent de models/checkpoints/, mauvaise extension — utilisez .safetensors sans espace parasite dans le nom.
P1 Nœuds rouges après import workflow Ouvrez ComfyUI Manager et installez les custom nodes manquants.
P2 Écran noir ou image bruitée Mauvais couple checkpoint / workflow, VAE manquant — repartez d’un workflow éprouvé pour ce checkpoint.
P2 Lent sur laptop Alimentation secteur, mode performance Windows ; comparez comparatif mini-PC si vous visez une machine dédiée.
P2 Accès depuis un autre appareil du LAN Voir schéma accès réseau ; --listen 0.0.0.0 seulement si vous comprenez le risque — RGPD et données 100 % locales pour les images personnelles.

Accès réseau local ComfyUI

Par défaut, python main.py n’écoute que localhost (127.0.0.1:8188) : seul le PC qui exécute ComfyUI ouvre l’interface. Si vous lancez avec --listen 0.0.0.0, n’importe quel appareil du LAN (local area network, Wi‑Fi ou Ethernet domestique) peut tenter d’ouvrir le port 8188 — pratique pour une tablette, risqué sans pare-feu ni mot de passe.

[PC ComfyUI :8188] ◄── Wi-Fi / Ethernet ──► [Box routeur] ◄──► [Téléphone / tablette foyer]
        │                                              │
   127.0.0.1 seul                             Pas de redirection port
   (usage recommandé)                          8188 vers Internet sans VPN
        │
   --listen 0.0.0.0  →  écoute sur toutes les interfaces LAN

Légende : par défaut, ComfyUI n’écoute que localhost (127.0.0.1) — seul le PC hôte ouvre l’interface. Avec --listen 0.0.0.0, les autres appareils du LAN (Wi‑Fi ou Ethernet) peuvent tenter le port 8188 ; sans redirection manuelle sur la box, le port reste en général invisible depuis Internet.

Mode Comportement Qui accède à l’UI ? Risque principal
Local (recommandé) python main.py sans --listen PC qui exécute ComfyUI uniquement Faible sur un poste personnel
LAN ouvert python main.py --listen 0.0.0.0 Toute machine du réseau domestique UI souvent sans mot de passe

Bon réflexe : rester en local sur le poste qui génère ; pour partager, préférez copier depuis ComfyUI/output/ ou un dossier sync choisi plutôt qu’exposer l’UI sur tout le réseau. Avant images de tiers ou mineurs : RGPD IA 100 % locale.

ComfyUI dans un écosystème maison

  • Texte + image : Ollama ou Open WebUI pour le chat, ComfyUI pour les visuels — pas besoin de tout fusionner dans un seul conteneur.
  • Alternative GUI LLM : LM Studio si vous testez des modèles texte sans toucher à ComfyUI.
  • Première fois avec l’IA locale : première IA en 15 minutes si ComfyUI est votre deuxième brique après le texte.

Questions fréquentes (ComfyUI, FLUX, Manager)

Les réponses ci-dessous reprennent les thèmes du bloc Questions fréquentes structuré en fin d’article (même contenu, lisible sans ouvrir les accordéons).

Quelle VRAM pour FLUX dans ComfyUI ?

Le seuil dépend du checkpoint (dev, quantifié), de la résolution et du fp16 — repères par configuration dans le tableau VRAM de ce guide et le pilier VRAM quel modèle, sans chiffre unique pour tous les foyers.

ComfyUI ou une interface plus simple ?

ComfyUI demande plus d’apprentissage mais offre un contrôle fin via le graphe de nœuds ; idéal si vous voulez reproduire des workflows et rester 100 % local.

Où placer les modèles sur disque ?

Dans ComfyUI/models/checkpoints pour les checkpoints principaux ; prévoyez un SSD rapide et plusieurs dizaines de gigaoctets libres.

Faut-il ComfyUI Manager ?

Ce n’est pas obligatoire ; Manager reste fortement pratique pour installer des custom nodes sans ligne de commande, mettre à jour les extensions et corriger les nœuds rouges après import d’un workflow FLUX.

Puis-je utiliser Stable Diffusion au lieu de FLUX ?

Oui : ComfyUI supporte de nombreux checkpoints SDXL ou SD1.5 avec des workflows différents. FLUX vise surtout la qualité texte-image récente ; SD reste riche en LoRA (fichiers d’adaptation du modèle) et tutoriels.

ComfyUI remplace-t-il Midjourney ou DALL·E ?

Pour un hobbyiste qui accepte l’administration (GPU, workflows), oui en termes de contrôle et de vie privée. La courbe d’apprentissage est plus raide que les apps cloud.

Conclusion

Installez ComfyUI via venv si vous voulez le contrôle fin sur CUDA et les mises à jour, ou via Docker si vous standardisez plusieurs services IA à la maison. Définissez une fois pour toutes où vivent vos checkpoints, gardez un workflow FLUX validé sur disque, et calibrez la VRAM avec VRAM quel modèle plutôt que d’abandonner le local — vos images restent chez vous, en ligne avec images IA sans cloud.

Questions fréquentes

Quelle VRAM pour FLUX dans ComfyUI ?

Le seuil dépend du checkpoint (dev, quantifié), de la résolution et du fp16 — repères par configuration dans le tableau VRAM de ce guide et le pilier VRAM quel modèle, sans chiffre unique pour tous les foyers.

ComfyUI ou une interface plus simple ?

ComfyUI demande plus d’apprentissage mais offre un contrôle fin via le graphe de nœuds ; idéal si vous voulez reproduire des workflows et rester 100 % local.

Où placer les modèles sur disque ?

Dans ComfyUI/models/checkpoints pour les checkpoints principaux ; prévoyez un SSD rapide et plusieurs dizaines de gigaoctets libres.

Faut-il ComfyUI Manager ?

Ce n’est pas obligatoire ; Manager reste fortement pratique pour installer des custom nodes sans ligne de commande, mettre à jour les extensions et corriger les nœuds rouges après import d’un workflow FLUX.

Puis-je utiliser Stable Diffusion au lieu de FLUX ?

Oui : ComfyUI supporte de nombreux checkpoints SDXL ou SD1.5 avec des workflows différents. FLUX vise surtout la qualité texte-image récente ; SD reste riche en LoRA (fichiers d’adaptation du modèle) et tutoriels.

ComfyUI remplace-t-il Midjourney ou DALL·E ?

Pour un hobbyiste qui accepte l’administration (GPU, workflows), oui en termes de contrôle et de vie privée. La courbe d’apprentissage est plus raide que les apps cloud.

Sources

Affiner avec le sélecteur matériel