Course · 7 chapters
Faire tourner un LLM sur ta propre machine
Run a capable private LLM on the laptop you already own, no cloud bill. Pick a tool, fit a model to your VRAM with quantization, then serve it to your app. 7 chapters, ~2h.
What you'll be able to do
- Run an LLM on your own machine
- Pick the right local model for the job
- Read VRAM and quantization specs
- Serve a model over an OpenAI API
- Weigh local models against cloud models
- Spec hardware to run bigger models
What's inside
- 1Faire tourner un LLM sur ta propre machine : commence ici
La carte de ce parcours — pourquoi faire tourner des modèles en local vaut le coup, comment les six chapitres s'appuient les uns sur les autres, et par où débuter.
- 2Pourquoi faire tourner un LLM en local
Le modèle sur ta propre machine est plus faible que le frontier — et ce compromis vaut le coup plus souvent que tu ne le crois.
- 3Les outils qui font tourner les modèles
Quatre portes d'entrée accueillantes, un seul moteur commun en dessous — le choix porte sur le confort, pas sur la capacité.
- 4La réalité du matériel et de la quantization
Un seul nombre décide si un modèle tourne sur ta machine — et une seule astuce te permet de le contourner.
- 5Choisis ton modèle local
Ton matériel a déjà réduit le champ — maintenant choisis selon la tâche, et lis la licence avant de t'engager.
- 6Sers un modèle à ton app
Les modèles locaux parlent la même langue que le cloud — donc en brancher un dans ton code, c'est surtout changer une seule ligne.
- 7Monte une meilleure machine maison
Tu as dépassé ton matériel ? La mise à niveau tient en un nombre — fais grandir la bonne sorte de mémoire, et toute une classe de modèles s'ouvre.
Frequently asked questions
- What will I learn in this course?
- You learn to run a large language model on the computer you already own: choosing a tool to run models, fitting a model to your hardware using VRAM and quantization, picking a model by task and license, serving it to your own app, and upgrading your machine when you outgrow it. The path runs across 7 chapters covering tools, hardware, model choice, and serving.
- Who is this course for?
- It is built for engineers and curious beginners who want a local LLM running on their own laptop or PC instead of relying only on cloud APIs. No prior experience with local models is assumed, since the path starts from why local matters and builds up step by step.
- Do I need to code or have machine learning experience?
- You do not need any machine learning background. Basic comfort with a terminal helps for the chapter on serving a model to your app, where you connect it through an OpenAI-compatible API, but the path is written for non-experts.
- How long is the course and is there a certificate?
- The path is about 2 hours total across 7 chapters at a foundations level. You can complete it at your own pace and earn a certificate of completion in the AI Academy.
- Is this course free?
- No, this is a paid path included with an AI Academy subscription. It covers running a local LLM end to end, from choosing a tool to serving a model and upgrading your hardware.
Earn a certificate
Complete all chapters to receive your certificate of completion.