Points clés
- Meilleur modèle débutant : Llama 3.2 3B — 2 Go à télécharger, fonctionne avec 4 Go de RAM, excellente compréhension des instructions.
- Meilleur pour peu de RAM (4 Go ou moins) : Phi-4 Mini 3.8B — le modèle compact de Microsoft excelle en raisonnement et en code (68 % MMLU, 70 % HumanEval avec seulement 2.5 Go de RAM).
- Modèle 2B le plus rapide : Gemma 3 2B — atteint 40–60 tok/s sur CPU avec une fenêtre de contexte de 128K (contre 8K pour Gemma 2).
- Meilleur polyvalent 7B/8B : Llama 3.3 8B — 72 % HumanEval, ~5,5 Go de RAM, le modèle généraliste de référence à cette taille (remplace la recommandation désormais obsolète Mistral Small v0.3 de 2023-2024).
- Meilleur pour le multilingue et le code : Qwen3 8B — 57,3 % HumanEval, MMLU au niveau ou au-dessus de Llama 3.1 8B, et support natif de 29+ langues.
- Règle empirique 7B en Q4 : un modèle 8B en Q4_K_M nécessite environ 5-5,5 Go de RAM — soit 0,6-0,7 Go par milliard de paramètres en 4 bits.
- Idéal pour 2 Go de RAM ou moins : Llama 3.2 1B — ~1,3 Go à télécharger, l'option la plus légère utilisable ; qualité nettement en retrait par rapport aux modèles 3B+, mais fonctionne sur du matériel très ancien.
📍 En une phrase
Les meilleurs LLMs locaux pour débutants en 2026 sont Llama 3.2 3B (4 Go RAM, meilleur dans l'ensemble), Phi-4 Mini 3.8B (2,5 Go RAM, meilleur raisonnement avec peu de RAM) et Gemma 3 2B (le plus rapide à 40–60 tok/s sur CPU) — tous installés avec une commande Ollama, sans GPU.
💬 En termes simples
Ces modèles s'exécutent entièrement sur votre ordinateur portable ou de bureau avec de la RAM normale — sans abonnement cloud ni GPU requis. « 1B » ou « 7B » signifie des milliards de paramètres (la taille du modèle). Plus petit = plus rapide et moins de RAM. Plus grand = plus intelligent mais nécessite plus de RAM. Commencez avec Llama 3.2 3B : téléchargement de 2 Go, fonctionne avec 4 Go de RAM.
Démarrage rapide : Lancez votre premier LLM local en 3 minutes
1. Installer Ollama (1 minute)
Téléchargez depuis ollama.com et lancez l'installeur. Aucune configuration requise.
2. Lancez Llama 3.2 3B (2 minutes)
Ouvrez votre terminal et exécutez : `ollama run llama3.2:3b`
Ollama télécharge le modèle (~2 Go) lors de la première exécution. C'est le modèle recommandé pour la plupart des utilisateurs.
3. Commencez à discuter (immédiat)
Une fois le modèle chargé, tapez votre question ou demande et appuyez sur Entrée. Vous verrez des réponses à 25–45 tokens/seconde sur un laptop typique.
C'est tout. Aucune configuration manuelle, aucun GPU requis. Si vous avez 8 Go+ RAM, vous êtes prêt. Si vous avez 4–6 Go, utilisez `ollama run gemma3:2b` à la place (plus rapide, utilise 1,7 Go RAM).
Liste de vérification pour débutant : Local est-il le bon choix pour vous ?
Avant de télécharger votre premier modèle, répondez à ces trois questions :
1. Avez-vous 8 Go de RAM ou plus ? (Sinon, les APIs cloud sont plus rapides pour débuter.)
2. Avez-vous besoin que vos données restent privées ? (Sinon, les APIs cloud offrent meilleure qualité.)
3. Pouvez-vous tolérer 20–40 minutes de configuration ? (Sinon, les APIs cloud sont prêtes en 5 minutes.)
Si vous avez répondu « non » à deux questions ou plus, **lisez la comparaison complète local vs cloud** pour déterminer si une API cloud convient mieux à vos contraintes matérielles et à votre calendrier. Les débutants supposent souvent que les LLMs locaux sont toujours meilleur — ce n'est pas vrai. Le bon choix dépend de vos contraintes spécifiques.
Comment choisir un modèle LLM local pour débutant ?
Le choix d'un modèle LLM local dépend de trois contraintes : RAM disponible, vitesse d'inférence et type de tâche — dans cet ordre de priorité.
Le nombre de paramètres (3B, 7B, 13B) est le principal facteur du besoin en RAM. Avec la quantification 4 bits — standard pour la plupart des outils d'inférence locale — multipliez le nombre de paramètres par ~0.5 pour estimer les Go de RAM nécessaires. Un modèle 7B en Q4_K_M requiert environ 4.5 Go de RAM.
Pour la plupart des débutants, les modèles 7B en quantification Q4_K_M offrent le meilleur équilibre qualité/vitesse/RAM sur les machines disposant de 8 Go ou plus. Sur les machines avec 4–6 Go de RAM, les modèles 3B constituent le plafond pratique.
#1 Meta Llama 3.2 3B — Meilleur modèle débutant
Meta Llama 3.2 3B est le meilleur point de départ pour la plupart des utilisateurs. Il se télécharge en moins de 5 minutes, fonctionne sur toute machine avec 4 Go de RAM et offre une meilleure compréhension des instructions que les modèles 3B précédents. Il utilise une fenêtre de contexte de 128K — bien supérieure aux modèles de taille comparable.
Lors de nos tests sur un CPU laptop 8 cœurs, Llama 3.2 3B génère 25–45 tokens/s. Sur Apple M3 Pro, il atteint 70–90 tokens/s. La qualité convient pour la synthèse, le Q&A et le code simple, mais reste en retrait des modèles 7B pour le raisonnement multi-étapes.
| Spécification | Valeur |
|---|---|
| Paramètres | 3B |
| RAM requise | ~2.5 Go (Q4_K_M) |
| Taille du téléchargement | ~2 Go |
| Fenêtre de contexte | 128K tokens |
| Vitesse CPU (laptop 8 cœurs) | 25–45 tok/s |
| Commande Ollama | ollama run llama3.2:3b |
#2 Microsoft Phi-4 Mini 3.8B — Meilleur pour peu de RAM
Phi-4 Mini est le modèle compact de Microsoft optimisé pour le raisonnement et le code à petite échelle. Il atteint 68 % MMLU et 70 % HumanEval — des scores supérieurs à beaucoup de modèles 7B de 2024 — grâce à un entraînement sur des données synthétiques de haute qualité.
C'est le modèle recommandé pour les machines avec 4–6 Go de RAM quand la qualité est importante. Phi-4 Mini utilise 2.5 Go de RAM (contre 3 Go pour Phi-3.5 Mini), le rendant plus accessible sur les machines à 4 Go.
| Spécification | Valeur |
|---|---|
| Paramètres | 3.8B |
| RAM requise | ~2.5 Go (Q4_K_M) |
| Taille du téléchargement | ~2.3 Go |
| Score MMLU | 68 % |
| Fenêtre de contexte | 128K tokens |
| Vitesse CPU (laptop 8 cœurs) | 30–50 tok/s |
| Commande Ollama | ollama run phi4-mini |
#3 Google Gemma 3 2B — Modèle 2B le plus rapide
Gemma 3 2B est le modèle 2B mis à jour de Google et l'option la plus rapide pour l'inférence CPU uniquement. Il génère 40–60 tokens/s sur un CPU laptop milieu de gamme — environ deux fois plus vite que Llama 3.2 3B. La fenêtre de contexte passe de 8K (Gemma 2) à 128K tokens.
Gemma 3 2B est un bon choix quand la rapidité de réponse prime, sur les machines avec ≤4 Go de RAM, ou comme modèle de test pour vérifier votre configuration avant de télécharger des modèles plus lourds.
| Spécification | Valeur |
|---|---|
| Paramètres | 2B |
| RAM requise | ~1.7 Go (Q4_K_M) |
| Taille du téléchargement | ~1.6 Go |
| Fenêtre de contexte | 128K tokens |
| Vitesse CPU (laptop 8 cœurs) | 40–60 tok/s |
| Commande Ollama | ollama run gemma3:2b |
#4 Meta Llama 3.3 8B — Meilleur polyvalent 7B/8B
Meta Llama 3.3 8B est le généraliste de référence à cette taille, avec un score de 72 % sur HumanEval et un raisonnement solide en anglais. Il remplace Mistral Small v0.3 comme choix polyvalent 7B/8B de cette liste — Mistral Small v0.3 était le standard communautaire en 2023-2024, mais il est désormais dépassé au même niveau de RAM et doit être considéré comme une option historique (voir Erreurs courantes ci-dessous pour comprendre pourquoi nous ne le recommandons plus par défaut).
Pour les machines avec 8 Go de RAM, Llama 3.3 8B est une progression naturelle par rapport aux modèles 3B. Il gère de manière plus fiable les textes longs, les instructions complexes et les conversations multi-tours que tout modèle 3B, avec une fenêtre de contexte de 128K.
| Spécification | Valeur |
|---|---|
| Paramètres | 8B |
| RAM requise | ~5.5 Go (Q4_K_M) |
| Taille du téléchargement | ~5 Go |
| Fenêtre de contexte | 128K tokens |
| Score HumanEval | 72 % |
| Vitesse CPU (laptop 8 cœurs) | 10–18 tok/s |
| Commande Ollama | ollama run llama3.3:8b-instruct |
#5 Qwen3 8B — Meilleur pour le multilingue et le code
Qwen3 8B (8,2 milliards de paramètres) obtient 57,3 % sur HumanEval, égale ou dépasse Llama 3.1 8B sur MMLU, et supporte nativement 29+ langues dont le chinois, le japonais, le coréen, l'arabe et toutes les principales langues européennes. C'est le choix recommandé pour les workflows non-anglophones ou intensifs en code, et il remplace le précédent Qwen2.5 7B comme choix multilingue de cette liste.
Qwen3 8B utilise une fenêtre de contexte de 32K (extensible à 131K avec YaRN) et supporte les sorties structurées avec le mode JSON, ainsi qu'un « mode réflexion » optionnel pour les tâches de raisonnement plus complexes (plus lent, mais plus précis). Le modèle est disponible en variantes instruct et base — pour le chat, utilisez toujours la version instruct. Consultez la comparaison Qwen vs Llama vs Mistral pour des données de benchmark détaillées.
| Spécification | Valeur |
|---|---|
| Paramètres | 8.2B |
| RAM requise | ~5.2 Go (Q4_K_M) |
| Taille du téléchargement | ~5.2 Go |
| Fenêtre de contexte | 32K tokens (131K avec YaRN) |
| Score HumanEval | 57.3 % |
| Vitesse CPU (laptop 8 cœurs) | 10–18 tok/s (mode non-réflexion) |
| Commande Ollama | ollama run qwen3:8b |
Quel modèle gagne sur la RAM, la vitesse et la fenêtre de contexte ?
| Modèle | RAM | Vitesse (CPU) | Contexte | Idéal pour |
|---|---|---|---|---|
| Llama 3.2 3B | 2.5 Go | 25–45 tok/s | 128K | Usage général, premier modèle |
| Phi-4 Mini 3.8B | 2.5 Go | 30–50 tok/s | 128K | Raisonnement, code, peu de RAM |
| Gemma 3 2B | 1.7 Go | 40–60 tok/s | 128K | Vitesse, très peu de RAM |
| Llama 3.3 8B | 5.5 Go | 10–18 tok/s | 128K | Généraliste polyvalent, 72 % HumanEval |
| Qwen3 8B | 5.2 Go | 10–18 tok/s | 32K (131K YaRN) | Multilingue, code |
Par quel modèle commencer ?
- 2 Go de RAM (bas de gamme extrême) : `ollama run llama3.2:1b` — option la plus légère utilisable, ~1,3 Go à télécharger. La qualité est nettement en retrait par rapport aux modèles 3B+, mais fonctionne sur du matériel très ancien ou limité.
- 4 Go de RAM ou moins : `ollama run gemma3:2b` — téléchargement le plus rapide, empreinte mémoire minimale, contexte 128K. Qualité acceptable pour les tâches de base.
- 8 Go de RAM, premier modèle : `ollama run llama3.2:3b` — meilleur équilibre qualité/RAM pour une première expérience.
- 4–6 Go de RAM, raisonnement/code : `ollama run phi4-mini` — 68 % MMLU, 70 % HumanEval avec seulement 2.5 Go de RAM.
- 8 Go de RAM, usage sérieux : `ollama run llama3.3:8b-instruct` ou `ollama run qwen3:8b` — pour les documents longs et les instructions complexes.
- Principalement du code : `ollama run qwen3:8b` — meilleur score HumanEval de cette liste ; solide en Python, JavaScript et SQL.
- Langue non anglaise : `ollama run qwen3:8b` — support natif de 29+ langues, sans surcharge de traduction.
Quel modèle choisir selon votre région ?
UE / RGPD : Pour les organisations européennes traitant des données personnelles localement, la provenance du modèle compte pour la documentation de conformité. Les directives allemandes du BSI exigent de documenter l'origine et le type de licence des modèles pour les systèmes IA utilisés en contexte professionnel. Llama (Meta/USA), Gemma (Google/USA) et Qwen (Alibaba/Chine) sont tous techniquement utilisables sous RGPD pour l'inférence locale — pour la justification de provenance UE la plus simple, Mistral AI (France) propose des modèles sous licence Apache 2.0 ; la CNIL recommande d'ailleurs l'inférence locale pour les professionnels manipulant des données sensibles (documents juridiques, dossiers médicaux, analyses financières). Notez toutefois que les versions actuelles de Mistral Small (24B+) dépassent la plage de RAM débutant de 4–8 Go de cette page ; consultez le guide matériel pour connaître le palier GPU nécessaire pour les exécuter.
Japon (METI) : Pour les workflows en japonais, Qwen3 8B est le premier modèle approprié — la tokenisation japonaise native produit une meilleure efficacité sur les textes japonais que Llama. Commande : `ollama run qwen3:8b`. Les directives de gouvernance IA du METI exigent la documentation du nom et de la version du modèle — les cinq modèles de cette page utilisent des tags Ollama versionnés satisfaisant cette exigence.
Chine : Qwen3 8B (Alibaba) est le premier modèle naturel pour les workflows en chinois. La tokenisation chinoise native et le support de 29+ langues en font le standard pour les workflows Mandarin. Pour les déploiements d'entreprise chinois sous la loi sur la sécurité des données (数据安全法), Qwen3 exécuté localement via Ollama satisfait les exigences de localisation des données.
Corée : Parmi ces cinq choix pour débutants, Qwen3 8B offre la meilleure tokenisation coréenne native. Pour des modèles locaux dédiés au coréen au-delà de ce niveau débutant, consultez Meilleurs modèles de langue coréenne pour usage local.
Comment télécharger et exécuter ces modèles ?
Les cinq modèles s'installent avec une seule commande Ollama — sans configuration manuelle. Consultez Installer Ollama pour la configuration, puis Lancer votre premier LLM local pour un guide pas à pas. Sur un laptop avec peu de RAM, Exécuter des LLM locaux sur laptop couvre la quantification et l'optimisation des performances.
Une fois votre premier modèle lancé, l'étape suivante est d'apprendre à le prompter efficacement. Commencez par les fondamentaux du prompt engineering — 16 guides couvrant les éléments de base de tout prompt, des réglages de température au formatage des sorties.
Quelles erreurs font les débutants dans le choix d'un LLM local ?
- Choisir la taille du modèle uniquement d'après le nombre de paramètres — un 7B bien quantifié peut surpasser un 13B mal quantifié.
- Ne pas tenir compte de la surcharge de quantification VRAM — un modèle peut nécessiter 10–15 % de VRAM supplémentaire.
- Utiliser d'anciennes quantifications (Q3_K_S) alors que les nouvelles (Q4_K_M) offrent une meilleure qualité à la même taille.
- Choisir Mistral Small v0.3 comme modèle 7B par défaut : c'était le standard communautaire en 2023–2024 (7B, ~4,1 Go à télécharger, `ollama run mistral`) mais il est désormais surpassé par Qwen3 8B en code et Llama 3.3 8B en raisonnement anglais, à besoin en RAM équivalent. Si un tutoriel ou un outil utilise par défaut `ollama run mistral`, passez à `ollama run qwen3:8b` ou `ollama run llama3.3:8b-instruct` pour de meilleurs résultats sans augmenter la RAM nécessaire. À noter : il s'agit d'un modèle différent, sans rapport, de la gamme actuelle « Mistral Small 3.x » (24B+), qui nécessite bien plus de RAM que tout modèle de cette page.
- Télécharger un modèle sans vérifier la RAM disponible : Si le modèle dépasse la RAM disponible, Ollama bascule vers une inférence CPU lente — parfois sous 1 tok/s. Vérifiez avec `free -h` (Linux/macOS) avant de télécharger des modèles au-dessus de 7B.
Questions fréquentes
Quel est le meilleur modèle LLM local pour débutants en 2026 ?
Llama 3.2 3B pour la plupart des utilisateurs — fonctionne sur toute machine avec 4 Go de RAM, se télécharge en moins de 5 minutes. Avec 8 Go de RAM, Qwen3 8B offre de meilleures performances en code et multilingue. Pour le minimum absolu de RAM, Gemma 3 2B tourne avec 1,7 Go à 40–60 tok/s, ou Llama 3.2 1B avec 2 Go ou moins.
Quelle est la RAM minimum pour exécuter un LLM local ?
Le minimum pratique est 4 Go de RAM avec un modèle 3B en Q4_K_M. Avec 2 Go ou moins, Llama 3.2 1B est l'option la plus légère utilisable, bien que la qualité baisse nettement. 8 Go de RAM donnent accès aux modèles 7-8B qui produisent des résultats nettement meilleurs sur les tâches complexes.
Quel est le meilleur LLM local de 1 milliard de paramètres ?
Llama 3.2 1B est le modèle 1B recommandé — ~1,3 Go à télécharger, fonctionne avec 2 Go de RAM ou moins via `ollama run llama3.2:1b`. Il est utilisable pour la synthèse basique et les questions-réponses courtes, mais nettement plus faible que les modèles 3B+ sur le raisonnement multi-étapes. À réserver aux cas où le matériel ne peut vraiment pas supporter un modèle 3B.
Mistral Small 3.2 est-il un bon LLM local pour débutants ?
Non — Mistral Small 3.2 est un modèle de 24 milliards de paramètres qui nécessite environ 14 Go ou plus de RAM/VRAM, bien au-delà de la plage débutant de 4–8 Go couverte sur cette page. Il s'agit d'un modèle différent, bien plus volumineux, du 7B « Mistral Small v0.3 » autrefois recommandé ici. Avec 8 Go de RAM, commencez plutôt avec Llama 3.3 8B ou Qwen3 8B. Consultez le guide matériel pour connaître le palier GPU de 16 Go+ nécessaire pour exécuter Mistral Small 3.2.
Comment exécuter ces modèles avec Ollama ?
Installez Ollama depuis ollama.com, puis lancez : `ollama run llama3.2:3b`. Ollama télécharge le modèle au premier lancement. Les cinq modèles sont disponibles dans la bibliothèque Ollama.
Llama 3.2 3B est-il suffisant pour les tâches quotidiennes ?
Oui pour : synthèse, Q&A simple, explication de code de base, chat. Non pour : raisonnement multi-étapes, code complexe, rédaction structurée longue. Pour ces tâches, passez à Llama 3.3 8B ou Qwen3 8B avec 8 Go de RAM.
Quelle est la différence entre les modèles 3B et 7B ?
Un 7B produit des résultats nettement meilleurs sur les instructions complexes. Un 3B utilise moitié moins de RAM et tourne 2–3× plus vite. Le choix dépend de la RAM disponible — 3B sur 4–6 Go, 7B sur 8 Go.
Quel modèle est le meilleur pour le code ?
Qwen3 8B mène sur HumanEval. Pour encore mieux : `ollama run qwen2.5-coder:7b`. Phi-4 Mini est le meilleur modèle de code avec 4–6 Go de RAM (70 % HumanEval à 2.5 Go).
Quel modèle utiliser pour les langues non anglaises ?
Qwen3 8B supporte nativement 29+ langues dont le chinois, le japonais, le coréen, l'arabe et toutes les principales langues européennes. Il traite les textes non anglophones plus efficacement que Llama.
Ces modèles sont-ils sûrs avec des données privées ?
Oui — les cinq modèles tournent entièrement sur votre matériel. Aucune donnée n'est transmise à des serveurs externes. L'inférence locale est intrinsèquement plus privée que les API cloud pour les données sensibles.
Combien de temps prend le téléchargement de ces modèles ?
Sur une connexion à 100 Mb/s : Llama 3.2 1B (1,3 Go) ~2 min. Gemma 3 2B (1,6 Go) ~2 min. Llama 3.2 3B (2 Go) ~3 min. Phi-4 Mini (2,3 Go) ~3 min. Llama 3.3 8B (~5 Go) et Qwen3 8B (~5,2 Go) ~6-7 min chacun. Mis en cache après le premier téléchargement — les lancements suivants démarrent en quelques secondes.
Puis-je exécuter plusieurs modèles sur la même machine ?
Oui — les cinq peuvent coexister sur le disque simultanément. Prévoyez 15–20 Go pour les cinq. Ollama charge un modèle à la fois et le décharge après 5 minutes d'inactivité.
Sources
- Meta AI. (2024). « Llama 3.2 Model Card. » https://llama.meta.com/ — Spécifications et benchmarks officiels pour Llama 3.2 3B et 1B.
- Microsoft. (2025). « Phi-4 Mini Technical Report. » https://huggingface.co/microsoft/Phi-4-mini-instruct — Données de benchmark pour Phi-4 Mini (68 % MMLU, 70 % HumanEval).
- Google DeepMind. (2025). « Gemma 3 Model Card. » https://ai.google.dev/gemma/docs/core — Spécifications et performances de Gemma 3 2B, incluant la mise à niveau vers 128K tokens.
- Ollama. (2026). « Ollama Model Library. » https://ollama.com/library — Source officielle des tags, tailles et commandes pull Ollama.
- Hugging Face. (2026). « Open LLM Leaderboard. » https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard — Scores MMLU, HumanEval et MATH pour tous les modèles ouverts.
- Mistral AI. (2024). « Mistral Small v0.3 Release Notes. » https://mistral.ai/news/announcing-mistral-7b/ — Spécifications techniques et détails de la licence Apache 2.0 pour le modèle 7B historique mentionné dans Erreurs courantes.
- Alibaba Qwen Team. (2025). « Qwen3 Technical Report. » arXiv:2505.09388. https://arxiv.org/abs/2505.09388 — Données de benchmark multilingues et détails architecturaux pour Qwen3 8B.
- Meta AI. (2025). « Llama 3.3 Model Card. » https://llama.meta.com/ — Spécifications et benchmarks officiels pour Llama 3.3 8B.