Quel LLM faire tourner avec 8 GB de RAM ?

Avec 8 GB, vous pouvez faire tourner confortablement des modèles quantifiés en 4 bits jusqu'à environ 7–8B paramètres, comme Llama 3.1 8B ou DeepSeek R1 7B. Les modèles plus compacts comme Llama 3.2 3B ou Gemma 3 4B tournent encore plus vite et laissent de la place aux autres applications.

Faut-il un GPU pour faire tourner un LLM en local ?

Non. Des outils comme Ollama, LM Studio et llama.cpp exécutent les modèles sur le CPU. Un GPU (ou la mémoire unifiée d'Apple Silicon) accélère nettement la génération, mais le vrai juge de paix, c'est la RAM : le modèle doit tenir en mémoire.

Qu'est-ce que la quantification (Q4, Q8) ?

La quantification réduit la taille d'un modèle en stockant ses poids sur moins de bits. Le Q4 (4 bits) divise la taille par environ 4 par rapport aux poids 16 bits d'origine, avec une perte de qualité minime — c'est la méthode standard pour faire tourner des LLM sur du matériel grand public.

Ce test est-il fiable ?

Les navigateurs plafonnent certains signaux pour protéger votre vie privée : la mémoire rapportée s'arrête à 8 GB et les noms de GPU sont génériques. Prenez le résultat comme une estimation solide, et indiquez votre RAM réelle pour un verdict précis. Tout s'exécute dans votre navigateur — aucune donnée n'est stockée.

Quelles applications pour faire tourner des modèles en local ?

Les plus populaires sont Ollama, LM Studio, llama.cpp et Jan. Choisissez un modèle que ce test marque en vert, téléchargez sa version Q4, et vous discutez hors ligne en quelques minutes.

CHECK IA LOCALE

Quel LLM puis-je faire tourner ?

Un clic, zéro téléchargement. Nous lisons les signaux matériels de votre navigateur — GPU, mémoire, cœurs CPU, WebGPU — et vous montrons quels modèles d'IA locaux votre machine peut vraiment encaisser. Rien ne quitte votre appareil.

Votre matériel

Lecture des signaux matériels…

Verdict

Votre machine peut faire tourner Qwen 2.5 VL 7B 🚀

Chaque modèle marqué « Ça tourne » ci-dessous tient confortablement dans 8 GB de mémoire. Installez Ollama ou LM Studio et vous discutez hors ligne en quelques minutes.

Quels modèles tiennent dans 8 GB ?

73 / 73 modèles

Modèle	Paramètres	Téléchargement (Q4)	RAM min.	Verdict
Qwen 3 0.6BAlibaba	0.6B	0.4 GB	2 GB	Ça tourne
Gemma 3 1BGoogle	1B	0.6 GB	3 GB	Ça tourne
Llama 3.2 1BMeta	1.2B	0.7 GB	3 GB	Ça tourne
Qwen 3 1.7BAlibaba	1.7B	1.0 GB	3 GB	Ça tourne
SmolLM2 1.7BHugging Face	1.7B	1.0 GB	3 GB	Ça tourne
DeepSeek R1 1.5BDeepSeek	1.8B	1.1 GB	3 GB	Ça tourne
DeepSeek-OCRDeepSeek	3B (A0.57B)	1.8 GB	4 GB	Ça tourne
Ministral 3 3BMistral AI	3B	1.8 GB	4 GB	Ça tourne
Llama 3.2 3BMeta	3.2B	1.9 GB	4 GB	Ça tourne
Phi-4 Mini 3.8BMicrosoft	3.8B	2.3 GB	6 GB	Ça tourne
Qwen 3 4BAlibaba	4B	2.4 GB	6 GB	Ça tourne
Qwen 3.5 4BAlibaba	4B	2.4 GB	6 GB	Ça tourne
Gemma 3 4BGoogle	4.3B	2.6 GB	6 GB	Ça tourne
Gemma 4 E2BGoogle	5.1B (A2.3B)	3.1 GB	6 GB	Ça tourne
Mistral 7BMistral AI	7.2B	4.4 GB	8 GB	Ça tourne
Qwen 2.5 Coder 7BAlibaba	7.6B	4.6 GB	8 GB	Ça tourne
DeepSeek R1 7BDeepSeek	7.6B	4.6 GB	8 GB	Ça tourne
Gemma 3n E4BGoogle	7.8B (A4B)	4.7 GB	8 GB	Ça tourne
Llama 3.1 8BMeta	8B	4.9 GB	8 GB	Ça tourne
DeepSeek R1 8BDeepSeek	8B	4.9 GB	8 GB	Ça tourne
Gemma 4 E4BGoogle	8B (A4.5B)	4.9 GB	8 GB	Ça tourne
Qwen3-VL 8BAlibaba	8B	4.9 GB	8 GB	Ça tourne
Ministral 3 8BMistral AI	8B	4.9 GB	8 GB	Ça tourne
Qwen 3 8BAlibaba	8.2B	5.0 GB	8 GB	Ça tourne
Granite 3.3 8BIBM	8.2B	5.0 GB	8 GB	Ça tourne
Qwen 2.5 VL 7BAlibaba	8.3B	5.0 GB	8 GB	Ça tourne
Qwen 3.5 9BAlibaba	9B	5.5 GB	12 GB	Trop lourd
GLM-4.6V-FlashZ.ai	9B	5.5 GB	12 GB	Trop lourd
Gemma 4 12BGoogle	12B	7.3 GB	12 GB	Trop lourd
Mellum 2 12B-A2.5BJetBrains	12B (A2.5B)	7.3 GB	12 GB	Trop lourd
Gemma 3 12BGoogle	12.2B	7.4 GB	12 GB	Trop lourd
Mistral Nemo 12BMistral AI	12.2B	7.4 GB	12 GB	Trop lourd
OLMo 2 13BAi2	13.7B	8.3 GB	12 GB	Trop lourd
Ministral 3 14BMistral AI	14B	8.5 GB	16 GB	Trop lourd
Phi-4 14BMicrosoft	14.7B	8.9 GB	16 GB	Trop lourd
Qwen 3 14BAlibaba	14.8B	9.0 GB	16 GB	Trop lourd
DeepSeek R1 14BDeepSeek	14.8B	9.0 GB	16 GB	Trop lourd
Phi-4 Reasoning Vision 15BMicrosoft	15B	9.1 GB	16 GB	Trop lourd
GPT-OSS 20BOpenAI	20.9B (A3.6B)	12.7 GB	24 GB	Trop lourd
Codestral 22BMistral AI	22.2B	13.5 GB	24 GB	Trop lourd
Mistral Small 3.1 24BMistral AI	24B	14.6 GB	24 GB	Trop lourd
Devstral 24BMistral AI	24B	14.6 GB	24 GB	Trop lourd
Magistral Small 1.2Mistral AI	24B	14.6 GB	24 GB	Trop lourd
Devstral Small 2 24BMistral AI	24B	14.6 GB	24 GB	Trop lourd
Gemma 4 26B A4BGoogle	25.2B (A3.8B)	15.3 GB	24 GB	Trop lourd
Qwen 3.5 27BAlibaba	27B	16.4 GB	24 GB	Trop lourd
Qwen 3.6 27BAlibaba	27B	16.4 GB	24 GB	Trop lourd
Gemma 3 27BGoogle	27.4B	16.6 GB	24 GB	Trop lourd
Qwen3-VL 30B-A3BAlibaba	30B (A3B)	18.2 GB	32 GB	Trop lourd
Qwen 3 30B-A3BAlibaba	30.5B (A3.3B)	18.5 GB	32 GB	Trop lourd
Gemma 4 31BGoogle	30.7B	18.6 GB	32 GB	Trop lourd
Nemotron 3 Nano 30B-A3BNVIDIA	31.6B (A3.6B)	19.2 GB	32 GB	Trop lourd
Granite 4.0 H SmallIBM	32B (A9B)	19.4 GB	32 GB	Trop lourd
Qwen 3 32BAlibaba	32.8B	19.9 GB	32 GB	Trop lourd
Qwen 2.5 Coder 32BAlibaba	32.8B	19.9 GB	32 GB	Trop lourd
QwQ 32BAlibaba	32.8B	19.9 GB	32 GB	Trop lourd
DeepSeek R1 32BDeepSeek	32.8B	19.9 GB	32 GB	Trop lourd
Qwen3-VL 32BAlibaba	33B	20.0 GB	32 GB	Trop lourd
EXAONE 4.5 33BLG AI Research	33B	20.0 GB	32 GB	Trop lourd
Qwen 3.5 35B-A3BAlibaba	35B (A3B)	21.2 GB	32 GB	Trop lourd
Qwen 3.6 35B-A3BAlibaba	35B (A3B)	21.2 GB	32 GB	Trop lourd
Command R 35BCohere	35B	21.2 GB	32 GB	Trop lourd
Llama 3.1 70BMeta	70.6B	42.8 GB	64 GB	Trop lourd
Llama 3.3 70BMeta	70.6B	42.8 GB	64 GB	Trop lourd
DeepSeek R1 70BDeepSeek	70.6B	42.8 GB	64 GB	Trop lourd
Qwen3-Next 80B-A3BAlibaba	80B (A3B)	48.5 GB	64 GB	Trop lourd
Qwen3 Coder Next 80B-A3BAlibaba	80B (A3B)	48.5 GB	64 GB	Trop lourd
Llama 4 ScoutMeta	109B (A17B)	66.1 GB	96 GB	Trop lourd
GPT-OSS 120BOpenAI	116.8B (A5.1B)	70.8 GB	96 GB	Trop lourd
Mistral Small 4 119BMistral AI	119B (A6.5B)	72.1 GB	96 GB	Trop lourd
Nemotron 3 Super 120B-A12BNVIDIA	120B (A12B)	72.8 GB	96 GB	Trop lourd
Qwen 3.5 122B-A10BAlibaba	122B (A10B)	74.0 GB	96 GB	Trop lourd
Devstral 2 123BMistral AI	123B	74.6 GB	96 GB	Trop lourd

Les tailles correspondent aux builds GGUF 4 bits (Q4_K_M) — le standard pour exécuter des modèles en local. · Données mises à jour: 2026-06-11

Tout s'exécute dans votre navigateur. Rien n'est envoyé, rien n'est stocké. Zéro log.

Meilleurs LLM locaux par RAM

Meilleurs LLM pour 8 GB de RAM

26 modèles tournent confortablement

Quel LLM puis-je faire tourner ?

Questions fréquentes