LM Studio : faire tourner une IA en local sans terminal

Téléchargez une application, cherchez un modèle dans un catalogue, cliquez sur « charger », et vous discutez avec une IA qui calcule entièrement sur votre ordinateur. C’est la promesse de LM Studio, et elle tient en quelques minutes, sans une seule ligne de commande.

L’IA locale a longtemps semblé réservée aux développeurs à l’aise avec le terminal. LM Studio a changé cette règle en posant une interface graphique sur des moteurs d’inférence comme llama.cpp et MLX. N’importe qui peut désormais installer un LLM, le faire tourner hors ligne et garder ses données sur sa machine. Si vous avez déjà testé un modèle directement dans votre navigateur, ce logiciel est l’étape juste au-dessus.

À quoi sert LM Studio

LM Studio est une application de bureau éditée par Element Labs, qui télécharge, gère et exécute des modèles de langage ouverts en local. Elle fonctionne sur macOS, Windows et Linux. Elle est gratuite, y compris pour un usage professionnel depuis juillet 2025, même si l’application reste propriétaire. Ses SDK et son outil en ligne de commande sont, eux, publiés sous licence MIT. L’application n’est pas un modèle en soi : elle sert de cockpit pour des modèles ouverts que vous choisissez dans son catalogue, comme Qwen, Gemma, DeepSeek, Mistral ou GPT-OSS.

Son public est large. Le débutant complet y trouve une expérience proche d’un ChatGPT privé, sans configuration technique. Le développeur, lui, exploite le serveur d’API local pour brancher un modèle sur ses propres outils. Pour comprendre ce qu’un modèle local sait faire et ce qu’il faut éviter de lui demander, notre guide sur le fonctionnement des LLM pose les bases utiles.

Installer LM Studio en quelques minutes

La version stable la plus récente est la 0.4.25, sortie le 19 septembre 2026. L’installation suit trois étapes, sans terminal du début à la fin.

Pour un premier essai sur une machine de 16 Go de mémoire, un modèle comme Qwen 3.5 9B ou Gemma 4 E4B reste raisonnable. Le débit réel dépend ensuite de votre matériel, sujet que nous détaillons plus bas. Notre guide pour installer Qwen en local détaille un exemple pas à pas.

Choisir un modèle selon votre machine

En pratique, le vrai filtre n’est pas le modèle, mais la mémoire disponible. L’estimation affichée dans l’onglet Discover vous indique si un modèle tiendra avant même de le télécharger. Sur PC, c’est la mémoire de la carte graphique (la VRAM) qui compte le plus. Sur Mac Apple Silicon, en revanche, c’est la mémoire unifiée, partagée entre processeur et puce graphique.

Cette différence a une conséquence directe. LM Studio embarque le moteur MLX, optimisé pour les puces Apple, qui délivre un débit nettement supérieur sur un Mac récent. Sa version 1.8.5 sauvegarde aussi le cache sur disque, ce qui accélère les longues sessions avec un agent. Depuis la 0.4.25, le moteur Splash d’Inco AI accélère en outre certains modèles Qwen sur les Mac M3 et plus récents, à condition de disposer d’au moins 36 Go de mémoire.

Le catalogue suit les modèles ouverts du moment : Qwen3.8, DeepSeek V4, Kimi K3, Muse Glimmer de Meta, Qwen3.6 ou Gemma 4. Les plus gros, comme Nemotron 3 Super, réclament plus de 80 Go de mémoire. Si vous hésitez sur la capacité de votre ordinateur, testez d’abord un petit modèle avant d’investir du temps dans un modèle ambitieux.

Brancher LM Studio sur vos outils : l’API locale

La fonction qui transforme LM Studio en brique technique, c’est son serveur d’API local. Une fois activé, il expose vos modèles sur localhost:1234, avec deux compatibilités : l’API au format OpenAI (/v1/chat/completions et /v1/responses) et l’API au format Anthropic (/v1/messages). Un code existant qui appelait un modèle cloud peut ainsi basculer vers votre modèle local en changeant l’adresse du serveur.

Cette double compatibilité ouvre un usage concret pour qui connaît déjà l’écosystème Claude. LM Studio documente officiellement son branchement sur Claude Code grâce à l’endpoint au format Anthropic. Il suffit de faire pointer Claude Code vers http://localhost:1234. Pensez ensuite à relever le contexte du modèle à au moins 25 000 tokens, car la valeur par défaut est de 8 000. Vous codez alors avec un modèle qui tourne chez vous, sans facturation à l’usage.

# 1. Démarrer le serveur : onglet Developer > Start server (ou lms server start)
# 2. Interroger le modèle (format OpenAI)
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.5-9b","messages":[{"role":"user","content":"Bonjour"}]}'

Pour aller plus loin, deux SDK officiels existent (lmstudio-js et lmstudio-python), ainsi qu’une interface en ligne de commande, lms. LM Studio prend aussi en charge les serveurs MCP, qui connectent un modèle à des outils externes. Il propose enfin llmster, un mode sans interface pour serveur. Pour un véritable poste de travail IA auto-hébergé, la fiche Odysseus, un workspace IA auto-hébergé montre jusqu’où l’on peut pousser un environnement local.

Locally, LM Link et Bionic : l’écosystème s’élargit

LM Studio ne se limite plus à l’application de bureau. En février 2026, l’éditeur a lancé LM Link avec Tailscale, une connexion chiffrée qui relie deux machines. Vous pilotez ainsi un modèle installé sur un ordinateur puissant depuis un autre appareil. En avril, LM Studio a ensuite racheté l’application mobile Locally AI. Depuis juin, celle-ci permet d’accéder à vos modèles depuis un iPhone ou un iPad.

LM Link ne passe plus par une liste d’attente, mais il demande un compte LM Studio, connecté sur l’ordinateur et dans Locally. Vos modèles les plus lourds restent donc sur la machine puissante, et vous y accédez en déplacement depuis un appareil léger.

Le 16 juillet 2026, l’éditeur a enfin lancé LM Studio Bionic, une application d’agent distincte. Elle travaille sur du code, des documents, des présentations ou des PDF. Elle utilise des modèles locaux ou, en option payante, des modèles ouverts hébergés. L’application LM Studio classique continue d’exister à côté.

LM Studio ou Ollama : lequel choisir

Les deux outils s’appuient sur des moteurs d’inférence proches et offrent des performances comparables sur un modèle donné. Ils proposent tous deux une application, une ligne de commande et une API compatible avec Claude Code. La différence tient surtout à l’expérience et à l’usage visé.

Pour débuter sans terminal et explorer des modèles à la souris, LM Studio est le bon point de départ. Pour scripter, automatiser ou intégrer un modèle dans un workflow, Ollama reste plus naturel, même si LM Studio en est capable. Beaucoup d’utilisateurs finissent d’ailleurs par garder les deux, chacun pour son terrain.

Les limites à connaître avant de vous lancer

• Votre machine fixe le plafond. En effet, un modèle local consomme mémoire et puissance graphique. Sur une configuration modeste, vous serez limité aux modèles légers, moins capables que les meilleurs modèles cloud.
• Les accélérations Mac sont réservées à Apple Silicon. Les gains des moteurs MLX et Splash ne profitent pas aux PC sous Windows ou Linux, qui passent par d’autres voies d’accélération.
• La qualité varie selon le modèle. Un modèle excelle en code, un autre en synthèse, un autre en français. Le seul vrai test reste votre usage réel.
• Les réglages par défaut ne suffisent pas toujours. Le contexte de 8 000 tokens convient au chat, mais il faut l’augmenter pour un agent comme Claude Code ou pour de longs documents.

Ces limites tiennent surtout au matériel. Pour interroger vos documents, LM Studio propose déjà un chat avec fichiers (PDF, Word, texte). Lorsque le document dépasse le contexte, l’outil y recherche les passages utiles. Pour une base documentaire plus large, l’étape suivante passe par un système RAG, que LM Studio peut alimenter via son API.

Notre avis sur LM Studio

LM Studio reste la porte d’entrée graphique la plus simple vers l’IA locale. L’installation est rapide, l’estimation de mémoire avant téléchargement évite les déconvenues, et l’accès mobile rend l’ensemble plus concret au quotidien. Pour un débutant qui veut juger l’IA locale sur pièces, c’est l’outil à installer en premier.

Le parcours complet se dessine alors clairement. Vous testez d’abord un modèle dans le navigateur pour valider le principe, puis vous installez LM Studio pour un usage sérieux à la souris. Enfin, vous basculez vers Ollama le jour où vous voulez automatiser.