IA locale ou IA dans le cloud : que choisir

Chaque message envoyé à ChatGPT, Gemini ou Claude part vers un centre de données, y est traité par un modèle géant, puis revient sous forme de réponse. Ce fonctionnement est si fluide qu’on l’oublie. Pourtant, une autre voie a mûri : faire tourner un modèle de langage directement sur son ordinateur, sans connexion. Longtemps réservée aux passionnés, l’IA locale est devenue accessible. Faut-il pour autant tourner le dos au cloud ?

Deux architectures, deux logiques

Dans le cloud, l’utilisateur loue de la puissance de calcul. Il accède aux modèles les plus performants, entraînés et servis sur des milliers de processeurs graphiques, et paie par abonnement ou à l’usage via une API. En local, le modèle est téléchargé sous forme de fichier, puis exécuté par la carte graphique, le processeur ou la puce neuronale de la machine. Il est nécessairement plus petit, donc moins polyvalent, mais il ne dépend de personne.

L’écosystème local en pratique

Trois outils gratuits dominent les usages sur ordinateur personnel. Ollama s’installe en quelques minutes sur Windows, macOS ou Linux et télécharge un modèle en une commande. LM Studio offre une interface graphique proche d’un chatbot classique, avec un catalogue de modèles. llama.cpp, projet open source sur lequel s’appuient de nombreux outils, permet de pousser l’optimisation plus loin.

Côté modèles, les familles à poids ouverts se sont multipliées : Llama de Meta, Mistral et ses déclinaisons, Gemma de Google, Qwen d’Alibaba, ou encore les modèles publiés par OpenAI sous licence ouverte en 2025. Leurs licences diffèrent, certaines imposant des restrictions pour un usage commercial : il faut les lire avant de bâtir un service dessus.

Le matériel reste le facteur limitant. La mémoire vidéo de la carte graphique, ou la mémoire unifiée sur les Mac à puce Apple, détermine la taille du modèle utilisable. Les versions « quantifiées », compressées pour réduire leur empreinte, permettent de faire tourner des modèles corrects sur une machine récente de milieu de gamme, avec une perte de qualité variable. Pour un usage confortable, une machine avec au moins 16 Go de mémoire est un point de départ raisonnable, davantage pour les modèles plus ambitieux.

Quel usage pour quelle solution

Le local a l’avantage quand…

Les documents traités sont confidentiels : dossiers clients, données médicales, code source propriétaire. C’est aussi le bon choix pour travailler en déplacement sans réseau fiable, pour expérimenter sans limite de requêtes, ou pour intégrer un modèle dans un logiciel sans dépendre de la politique tarifaire d’un fournisseur.

Le cloud reste préférable quand…

La qualité maximale compte, sur des tâches complexes de raisonnement, de rédaction longue ou de programmation. Il l’emporte aussi pour les équipes non techniques qui veulent un outil prêt à l’emploi, avec mode vocal, recherche web et partage.

Entre les deux, les solutions hybrides progressent. Les PC certifiés Copilot+ de Microsoft et Apple Intelligence exécutent certaines tâches sur l’appareil et renvoient les autres vers le cloud. Pour comparer les outils d’IA selon leur mode de déploiement, un annuaire spécialisé aide à identifier les services qui proposent aussi une version installable ou un hébergement européen.

La confidentialité, argument décisif mais pas absolu

Choisir le local ne dispense pas de sécurité. Un modèle téléchargé depuis une source douteuse peut embarquer du code malveillant, et un poste mal protégé expose les données qu’il traite. Il faut privilégier les dépôts reconnus, comme Hugging Face ou les catalogues intégrés aux outils cités, et maintenir le système à jour.

À l’inverse, le cloud n’est pas synonyme de fuite. Les offres professionnelles des grands éditeurs prévoient en général la non-utilisation des données pour l’entraînement, et certains fournisseurs proposent un hébergement dans l’Union européenne. Tout se joue dans les contrats et les paramètres. Pour aller plus loin sur ce volet, notre dossier sur les enjeux de la sécurité des données détaille les bonnes pratiques côté matériel et logiciel.

Reste la question de l’énergie. Un modèle local sollicite fortement la carte graphique et fait grimper la consommation de la machine pendant les calculs, tandis que l’empreinte du cloud est répartie dans des centres de données dont les chiffres sont rarement détaillés. Difficile, en l’état, de désigner un gagnant écologique incontestable.

La plupart des utilisateurs gagneront à combiner les deux : un modèle local pour les documents sensibles et les tâches répétitives, un service en ligne pour les demandes exigeantes.