SC — ©2026
PARIS — ··:··:··
( 02 ) — JOURNAL ← TOUS LES ARTICLES

Tuto : monter sa stack IA locale pour remplacer ses abonnements

TUTO 09.08.26 6 MIN DE LECTURE ♥

Ollama, Open WebUI, Hugging Face et ComfyUI : quatre briques gratuites, installables en un quart d'heure. Ce qu'elles remplacent vraiment, et ce qu'elles ne remplacent pas.

Deux abonnements IA à une vingtaine d'euros par mois, c'est environ 500 € par an. La promesse de l'IA locale, c'est de ramener ce montant à zéro — au prix d'un peu de matériel et d'un après-midi de configuration.

Je vais être direct sur la conclusion avant même de commencer : ça remplace une grande partie de tes abonnements, pas la totalité. Le reste de l'article explique où passe exactement la frontière.

Qui fait quoi

Ces quatre outils sont complémentaires, pas concurrents. C'est le point que tout le monde rate au départ.

Outil Rôle
Ollama Le moteur. Il télécharge les modèles et les fait tourner.
Open WebUI L'interface. Un ChatGPT auto-hébergé, dans ton navigateur.
Hugging Face Le catalogue. Là où vivent les modèles et leurs licences.
ComfyUI L'atelier images. Génération visuelle, en nœuds.

En résumé : Ollama fait tourner, Open WebUI rend utilisable, Hugging Face fournit, ComfyUI dessine.

Installation : un quart d'heure, trois commandes

1. Le moteur. Ollama s'installe comme un logiciel normal, sur macOS, Windows et Linux. Ensuite, un modèle se récupère en une ligne :

ollama pull gpt-oss:20b
ollama run gpt-oss:20b

Tu as déjà un ChatGPT dans ton terminal. Ollama expose au passage une API compatible OpenAI sur localhost:11434 — retiens ce détail, c'est lui qui rend tout le reste possible.

2. L'interface. Open WebUI se lance en une commande Docker :

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:main

Tu ouvres http://localhost:3000, tu crées ton compte, tes modèles apparaissent. Si rien ne se connecte, c'est presque toujours OLLAMA_BASE_URL à régler sur http://host.docker.internal:11434.

Un conseil issu de l'expérience générale : fais tourner Ollama nativement, pas dans Docker, en particulier sur Mac — le passthrough GPU Metal n'existe pas dans Docker, et ton M3 se met à travailler comme un portable de 2015.

3. Les images. ComfyUI se récupère sur comfy.org. L'application Desktop a été refondue en 2026 en un lanceur unique qui gère les instances locales, distantes et portables. Attention : il n'existe pas d'installeur Linux prêt à l'emploi à ce jour — sous Linux, l'installation reste manuelle.

Au premier lancement, prends un modèle dans les Templates : ComfyUI télécharge tout seul ce qu'il lui manque. Et le ComfyUI Manager propose d'installer automatiquement les nœuds absents quand tu ouvres le workflow de quelqu'un d'autre.

Choisir son modèle : tout dépend de la VRAM

C'est la seule décision technique qui compte vraiment. La quantification (Q4 par défaut chez Ollama) compresse le modèle avec une perte minime : un 7B en Q4 tient dans 4 à 5 Go.

Mémoire dispo Ce qui tourne confortablement
8 Go Modèles 7-8B — reformulation, résumé, chat courant
16 Go gpt-oss:20b, modèles 14-20B — le bon rapport qualité/accessibilité
24 Go Qwen 3.6 27B en Q4 — le meilleur choix grand public actuel
48 Go+ Llama 3.3 70B et les gros MoE

Côté vitesse, l'ordre de grandeur relevé sur un MacBook M2 Pro 16 Go : environ 45-55 tokens/s sur un modèle 3B, 22-28 sur un 8B, et 9-12 sur un 14B — utilisable en chat, pénible en traitement par lots. Sur une RTX 4070, on est plutôt autour de 60-80 tokens/s.

Pour les images, même logique : SD 1.5 tourne sur 4 Go, SDXL demande 6 à 8 Go, FLUX.1 Dev au moins 10-12 Go. FLUX.2 [klein], sorti en janvier 2026, est le bon compromis actuel : 4 milliards de paramètres distillés, licence Apache 2.0 réellement commerciale, environ 13 Go de VRAM, et une génération en moins d'une seconde sur une carte grand public.

Hugging Face intervient ici : c'est là que tu trouves les poids, les variantes quantifiées et surtout les licences. Ollama sait d'ailleurs tirer directement un modèle GGUF depuis le Hub, sans passer par sa propre bibliothèque.

Points forts

  • Le coût marginal est nul. Une fois le modèle sur le disque, tu génères autant que tu veux. Plus de crédits, plus de quotas, plus de « vous avez atteint votre limite ».
  • Rien ne sort de la machine. Pour du contrat, du dossier client, du code propriétaire ou des données médicales, c'est la seule réponse sérieuse — et ça vaut aussi pour la souveraineté au sens large, sujet que j'ai déjà creusé ici.
  • Ça marche hors-ligne. Seul le téléchargement initial demande une connexion.
  • Le RAG est intégré. Open WebUI découpe et indexe tes PDF, Word ou Markdown dans une collection interrogeable, en local.
  • C'est interopérable. L'API compatible OpenAI d'Ollama se branche sur à peu près tout — y compris OpenCode, dont je parlais récemment.
  • Aucun filtre commercial sur ce que tu génères, et pas de facturation à l'image.

Points faibles

  • L'écart de qualité est réel sur le haut du panier. Sur les tâches de raisonnement les plus dures, les modèles cloud gardent une avance nette. En codage, les modèles locaux couvrent bien 70 à 80 % du quotidien — autocomplétion, refactoring, documentation, débogage — mais les benchmarks les plus exigeants restent dominés par les modèles propriétaires.
  • Le « gratuit » commence par un achat. Sans GPU correct, tu tournes sur CPU et l'expérience est décevante. Le point d'entrée sérieux reste une carte 16-24 Go.
  • Ça consomme. Un GPU sous charge, c'est plusieurs centaines de watts. Sur l'usage occasionnel, l'argument écologique du local n'est pas automatique : un serveur mutualisé est mieux utilisé qu'une machine allumée pour trois requêtes.
  • La maintenance est un coût caché. Mises à jour, images Docker, modèles à retélécharger, workflows qui cassent. Compte quelques heures par trimestre.
  • Les licences sont un piège. Sur les modèles d'image notamment, certaines imposent un plafond de chiffre d'affaires ou une clause strictement non commerciale. Lis la fiche du modèle avant de livrer à un client.
  • La vidéo reste hors de portée. Compter environ 24 Go de VRAM et 4 à 8 minutes de rendu sur une RTX 4090 pour cinq secondes de clip.

Alors, ça remplace les abonnements ?

Fais le calcul honnêtement. Si tu paies 40 €/mois de services IA, ça fait 480 €/an — soit à peu près le prix d'une RTX 3090 d'occasion, qui te servira plusieurs années. L'amortissement se joue autour de la première année, à condition d'avoir déjà une machine autour.

Et la réponse dépend surtout de l'usage :

  • La génération d'images : oui, sans hésiter. C'est là que le local écrase le modèle par abonnement, parce que le coût par image tombe à zéro et que tu contrôles tout.
  • Le chat quotidien : oui à 80 %. Reformuler, résumer, traduire, brainstormer, interroger tes propres documents — un bon modèle 20-27B fait le travail.
  • Le raisonnement complexe et les gros projets : non, pas encore. C'est le dernier bastion.

Ma recommandation est donc hybride, et assumée : monte la stack locale pour tout le volume — c'est-à-dire l'immense majorité de tes requêtes — et garde un seul abonnement pour les 20 % de cas difficiles. Tu passes de deux ou trois abonnements à un, ce qui est déjà une belle économie, et surtout tu récupères la maîtrise de tes données.

Commence petit : installe Ollama, lance ollama run gpt-oss:20b, et teste sur ton vrai cas d'usage. Si ça suffit, tu n'as besoin de rien d'autre.