Vous avez peut-être envie de découvrir l’IA en local, vous tombez sur un nouveau modèle chinois qui fait le buzz, on lance ses 40 Go de téléchargement, et le ventilateur s’emballe, l’ordinateur se fige, on attend cinq minutes pour rien. Le modèle était bien trop gros pour votre machine. Deux outils gratuits veulent justement nous éviter ce moment.
Les deux répondent à la même question, celle du modèle que votre ordinateur peut faire tourner sans ramer. Llmfit est un outil open source en ligne de commande, écrit en Rust, qui s’installe en une commande et analyse votre matériel en local. CanIRun.ai fait la même chose depuis un onglet de navigateur, sans rien installer, en lisant votre configuration via les API du navigateur.
Tous deux couvrent les modèles récents qui comptent, de Llama à Mistral en passant par Qwen, DeepSeek ou Phi, avec leur taille, leur architecture et leur contexte maximal. CanIRun.ai en référence une cinquantaine, déclinés sur 7 niveaux de compression ; llmfit en classe plusieurs centaines. Faire tourner un LLM en local est devenu simple, mais le matériel grand public n’a pas suivi le même rythme : d’où l’intérêt de ces deux outils.
Les deux outils sont récents : CanIRun.ai, signé du développeur Miguel Ángel Durán (midudev), a été lancé en mars 2026, et llmfit, porté par Alex Jones, dépasse aujourd’hui les 20 000 étoiles sur GitHub. C’est aussi pour ça qu’ils tombent à pic.
Le PC Gamer AQUAFORGE offre un excellent équilibre entre performances et polyvalence, avec une configuration moderne idéale pour jouer en Full HD dans d’excellentes conditions.
Pour aller plus loin
Comment installer un modèle LLM type ChatGPT sur PC ou Mac en local ? Voici le guide ultime pour tous
Comment ces outils lisent votre machine
La logique est identique des deux côtés. L’outil repère votre processeur, votre quantité de mémoire vive et surtout votre carte graphique avec sa mémoire vidéo, puis il calcule, pour chaque modèle, la mémoire nécessaire selon le niveau de compression.
Côté CanIRun.ai, trois étapes suffisent :
- Ouvrir canirun.ai dans un navigateur récent et laisser la page détecter le matériel, ou le saisir à la main.
- Lire la note de chaque modèle, de S quand ça passe large à F quand il faut oublier.
- Repérer le couple modèle et quantization qui tient dans la mémoire vidéo, puis le lancer dans Ollama ou LM Studio.
Llmfit suit le même principe au clavier : la commande llmfit affiche la liste classée des modèles, et llmfit recommend sort directement les meilleurs choix pour votre configuration.
Ce qui change vraiment, c’est qu’on arrête les calculs de coin de table sur la mémoire vidéo. Chaque modèle reçoit une note qui mêle vitesse, qualité et place en mémoire, avec une recommandation de quantization à la clé. La quantization, c’est la compression des poids du modèle : plus on compresse, moins ça occupe de mémoire, et plus la qualité baisse.
Llmfit teste tout seul la meilleure compression qui rentre chez vous, du Q8 le plus fidèle au Q2 le plus léger. Les deux estiment aussi la vitesse en tokens par seconde à partir de la bande passante mémoire, ce qui donne un ordre de grandeur honnête de ce qui vous attend.
Les deux affichent la même mise en garde, et elle est salutaire : ce sont des estimations, et non des garanties. CanIRun.ai prévient lui-même que les puces Apple Silicon et les cartes graphiques intégrées faussent ses calculs, parce que la mémoire y est partagée avec le système. Du côté de llmfit, le catalogue accuse parfois un léger retard sur les sorties les plus fraîches. Sur les modèles MoE, où seule une partie du réseau s’active à chaque token, les estimations demandent aussi un peu de recul.
Si vous lorgnez justement sur une petite machine dédiée, notre guide des meilleurs mini PC pour l’IA locale donne déjà des pistes. Sur une grosse station qui avale déjà tout, en revanche, ces outils n’apportent pas grand-chose. Ils estiment, ils ne lancent rien, et c’est leur principale limite : aucun ne mesure les vraies performances, celles qui dépendent des pilotes, de la température ou du modèle exact.
Pour aller plus loin
Quel mini PC choisir pour l’IA ? Notre sélection 2026
Ces deux outils font gagner un temps fou et évitent quelques téléchargements pour rien. Mais vous verrez bien, au final, une fois le modèle chargé dans Ollama, s’il tient la route. Gratuits et honnêtes sur leurs propres limites, ils méritent un signet avant de passer à la pratique.
Tous nos articles sont aussi sur notre profil Google : suivez-nous pour ne rien manquer !
Ce contenu est bloqué car vous n'avez pas accepté les cookies et autres traceurs. Ce contenu est fourni par Disqus.
Pour pouvoir le visualiser, vous devez accepter l'usage étant opéré par Disqus avec vos données qui pourront être utilisées pour les finalités suivantes : vous permettre de visualiser et de partager des contenus avec des médias sociaux, favoriser le développement et l'amélioration des produits d'Humanoid et de ses partenaires, vous afficher des publicités personnalisées par rapport à votre profil et activité, vous définir un profil publicitaire personnalisé, mesurer la performance des publicités et du contenu de ce site et mesurer l'audience de ce site (en savoir plus)
En cliquant sur « J’accepte tout », vous consentez aux finalités susmentionnées pour l’ensemble des cookies et autres traceurs déposés par Humanoid et .
Vous gardez la possibilité de retirer votre consentement à tout moment. Pour plus d’informations, nous vous invitons à prendre connaissance de notre Politique cookies.