Les meilleurs modèles open source à faire tourner chez soi
Les géants dominent les classements, mais ce sont les modèles de 12 à 35 milliards de paramètres qui font le bonheur de l'IA locale. Notre sélection selon votre carte graphique.
Chaque mois apporte son lot de nouveaux modèles d'IA « open-weight ». Mais entre les géants de plusieurs milliers de milliards de paramètres et les petits modèles pour smartphone, lesquels peut-on vraiment faire tourner sur un PC ou une workstation ? Voici notre sélection, mise à jour début novembre 2026.
Le constat : les plus gros modèles ne sont pas pour votre PC
Les modèles qui dominent les classements cet automne sont des architectures MoE démesurées : Kimi K3 de Moonshot AI (2 800 milliards de paramètres), DeepSeek-V4-Pro (1 600 milliards), Qwen3.8 en version 2,4 T, GLM-5.3 (753 milliards) ou Muse Spark Open de Meta (816 milliards). Ils sont excellents, mais ils demandent des centaines de gigaoctets, voire plus d'un téraoctet de mémoire : c'est l'affaire des serveurs de datacenter.
La bonne nouvelle : les modèles de taille moyenne n'ont jamais été aussi bons. Un modèle de 27 à 31 milliards de paramètres bien quantifié fait aujourd'hui ce que faisaient les meilleures IA cloud il y a un an et demi.
Notre sélection pour l'IA locale
| Modèle | Taille | Licence | Matériel conseillé |
|---|---|---|---|
| Qwen3.8-27B (Alibaba) | 27 B, dense | Apache-2.0 | 16 Go juste, 24 à 32 Go confortable (Q4) |
| Gemma 4 31B (Google) | 31 B, dense | Apache-2.0 | 24 à 32 Go (Q4) |
| Gemma 4 26B-A4B | 26 B, MoE (4 B actifs) | Apache-2.0 | 24 Go, très rapide |
| Qwen3.6-35B-A3B | 35 B, MoE (3 B actifs) | Apache-2.0 | 24 Go et plus, très rapide |
| Gemma 4 12B | 12 B | Apache-2.0 | Cartes 12 à 16 Go |
| gpt-oss-120b (OpenAI) | 117 B, MoE (5,1 B actifs) | Apache-2.0 | Workstation 96 Go (RTX PRO 6000) |
Pour qui ?
- Vous débutez ou avez une carte 12 à 16 Go : Gemma 4 12B, ou Qwen3.8-27B en quantification serrée. Comptez une vitesse confortable sur une RTX 5070 Ti ou 5080.
- Vous avez une RTX 5090 (32 Go) : c'est le « sweet spot » 2026. Qwen3.8-27B ou Gemma 4 31B en Q4 avec un long contexte, à plusieurs dizaines de tokens par seconde.
- Vous équipez une équipe : une workstation 96 Go permet gpt-oss-120b, dont l'architecture MoE n'active que 5 milliards de paramètres par mot. Il est donc rapide malgré sa taille, et idéal pour un ChatGPT privé partagé (devis workstation 96 Go) via Open WebUI.
Les licences : un point à ne pas négliger
Bonne nouvelle pour les professionnels : la plupart des modèles de notre sélection sont sous Apache-2.0, une licence qui autorise l'usage commercial sans condition. Attention en revanche à certains grands modèles récents, dont la licence est personnalisée (Kimi K3, Muse Spark Open, MiniMax M3…). Elle impose des conditions aux grandes entreprises ou aux fournisseurs d'API, voire interdit l'usage commercial par défaut. Lisez toujours la fiche du modèle avant un déploiement.
Comment les installer ?
Tous ces modèles s'installent en quelques minutes avec Ollama ou LM Studio, au format GGUF quantifié. Pour savoir si un modèle tiendra dans votre carte graphique, et à quelle vitesse, utilisez notre calculateur de tokens/s. Pour un panorama complet des familles de modèles, voyez notre guide des modèles d'IA locale.
Envie d'une machine prête à l'emploi, avec les modèles déjà installés et testés ? Les packs IA de Forge PC Elite sont installés dans notre atelier de Labège, près de Toulouse.
Sources
- Morph — The Best Open Source LLMs (October 2026), mis à jour le 26 octobre 2026
- Taskade — Best Open-Source LLMs October 2026, mis à jour le 20 octobre 2026
- Besoins en VRAM : estimations PC IA (quantification Q4, hors cas particuliers), à vérifier sur la fiche de chaque modèle.