Cours · 7 chapitres
Faire tourner un LLM sur ta propre machine
Fais tourner un LLM privé performant sur ton ordinateur actuel, sans frais cloud. Choisis un outil, adapte un modèle à ta VRAM par quantification, puis expose-le à ton application. 7 chapitres, ~2h.
Ce que tu sauras faire
- Faire tourner un LLM sur sa propre machine
- Choisir le bon modèle local pour chaque tâche
- Lire les specs VRAM et de quantification
- Exposer un modèle via une API OpenAI
- Comparer modèles locaux et modèles cloud
- Dimensionner le matériel pour des modèles plus grands
Ce qu’il contient
- 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.
Questions fréquentes
- Qu'est-ce que j'apprendrai dans ce cours ?
- Tu apprendras à faire tourner un grand modèle de langage sur l'ordinateur que tu possèdes déjà : choisir un outil pour exécuter des modèles, adapter un modèle à ton matériel grâce à la VRAM et à la quantification, sélectionner un modèle selon la tâche et la licence, l'exposer à ta propre application, et faire évoluer ta machine quand tu en as besoin. Le parcours couvre 7 chapitres sur les outils, le matériel, le choix de modèle et la mise à disposition.
- À qui ce cours s'adresse-t-il ?
- Il est conçu pour les ingénieurs et les curieux qui souhaitent faire tourner un LLM en local sur leur propre ordinateur plutôt que de dépendre uniquement des API cloud. Aucune expérience préalable avec les modèles locaux n'est requise : le parcours part de l'explication de l'intérêt du local et progresse étape par étape.
- Dois-je savoir coder ou avoir des connaissances en machine learning ?
- Aucune connaissance en machine learning n'est nécessaire. Être à l'aise avec un terminal est utile pour le chapitre sur l'exposition d'un modèle à ton application, où tu le connectes via une API compatible OpenAI, mais le parcours est conçu pour les non-experts.
- Quelle est la durée du cours et y a-t-il un certificat ?
- Le parcours dure environ 2 heures au total, réparties sur 7 chapitres de niveau fondamental. Tu peux le suivre à ton propre rythme et obtenir un certificat d'achèvement dans l'AI Academy.
- Ce cours est-il gratuit ?
- Non, il s'agit d'un parcours payant inclus dans un abonnement AI Academy. Il couvre l'utilisation d'un LLM en local de bout en bout, du choix d'un outil à la mise à disposition d'un modèle et à l'évolution de ton matériel.
Obtiens un certificat
Termine tous les chapitres pour recevoir ton certificat de réussite.