Comment faire tourner gpt-oss sur votre propre machine?

Le 5 août 2025, OpenAI a publié deux modèles de raisonnement à poids ouverts, gpt-oss-20b et gpt-oss-120b. « À poids ouverts » veut dire que les fichiers du modèle entraîné eux-mêmes peuvent être téléchargés gratuitement, sous la licence permissive Apache 2.0 : vous pouvez donc les faire tourner sur votre propre matériel au lieu d’envoyer votre texte aux serveurs d’une entreprise. Faire tourner un modèle localement garde vos données sur votre machine, fonctionne sans connexion Internet une fois le modèle téléchargé et ne coûte rien par message.

Les deux façons les plus simples d’y arriver sont Ollama, un outil gratuit qui fait tourner des modèles en ligne de commande et dans sa propre application, et LM Studio, une application de bureau gratuite avec une fenêtre de conversation. Les deux ont travaillé avec OpenAI avant le lancement et prenaient en charge gpt-oss dès le jour de sa sortie.

Ce que vous téléchargez

Les deux modèles utilisent une conception appelée mélange d’experts (mixture-of-experts) : le modèle est divisé en de nombreux réseaux « experts » plus petits, et seuls quelques-uns servent pour chaque mot qu’il traite. C’est pourquoi les chiffres semblent étranges à première vue. gpt-oss-20b compte 21 milliards de paramètres au total, mais en utilise environ 3,6 milliards pour chaque jeton; gpt-oss-120b en compte 117 milliards au total et en utilise environ 5,1 milliards. Moins de paramètres actifs veut dire des réponses plus rapides que celles d’un modèle de même taille totale.

Les modèles sont aussi livrés déjà compressés dans un format appelé MXFP4, qui stocke la plupart des poids sur environ 4,25 bits chacun. Ollama explique que c’est cette compression qui permet au plus petit modèle de tourner avec aussi peu que 16 Go de mémoire. Les deux modèles acceptent jusqu’à 128 000 jetons de contexte, traitent seulement du texte et ont été entraînés surtout en anglais, avec un accent sur les sciences, la programmation et la culture générale.

Option 1 : Ollama, étape par étape

1. Installez ou mettez à jour Ollama à partir de son site Web officiel. gpt-oss exige une version récente, puisque Ollama a ajouté du nouveau code pour gérer le format MXFP4.
2. Ouvrez un terminal (Terminal sur un Mac, PowerShell sur Windows) et exécutez :

ollama run gpt-oss:20b

1. La première exécution télécharge le modèle, ce qui prend un certain temps; les exécutions suivantes démarrent à partir de la copie locale.
2. Quand l’invite apparaît, tapez votre question. Pour vérifier qu’il tourne vraiment localement, désactivez votre Wi-Fi et demandez :

Explique en cinq courtes puces ce qu’est un modèle à mélange d’experts, pour une personne qui n’a jamais étudié l’apprentissage automatique.

Si vous avez le matériel pour le grand modèle, la commande est ollama run gpt-oss:120b. La nouvelle application de bureau d’Ollama peut aussi télécharger l’un ou l’autre modèle et converser avec lui sans passer par le terminal.

Option 2 : LM Studio, étape par étape

1. Téléchargez LM Studio à partir de son site Web officiel, ou mettez-le à jour. Son équipe demande d’utiliser la version 0.3.21 ou une version ultérieure pour faire tourner gpt-oss.
2. Utilisez la recherche de modèles pour trouver gpt-oss-20b et téléchargez-le.
3. Chargez le modèle et commencez une nouvelle conversation.

LM Studio indique que le plus petit modèle a besoin d’environ 13 Go de mémoire vive. Sur les Mac dotés de puces Apple, l’application fait aussi tourner gpt-oss au moyen de MLX, le cadriciel d’apprentissage automatique d’Apple, auquel l’équipe de LM Studio a fourni une mise en œuvre.

Bien l’utiliser

gpt-oss est un modèle de raisonnement : il réfléchit à un problème avant de répondre. Vous pouvez régler son effort de raisonnement à faible, moyen ou élevé; OpenAI affirme que cela se fait avec une seule phrase dans le message système, les consignes permanentes qui précèdent votre conversation. Le niveau faible est plus rapide; le niveau élevé est plus lent, mais plus soigné. Ollama vous donne accès à la chaîne de pensée complète du modèle, son raisonnement visible, ce qui peut aider quand vous cherchez la source d’une mauvaise réponse. OpenAI conseille aux développeurs de ne pas afficher ce raisonnement brut aux personnes qui utilisent leurs applications, parce qu’il a été entraîné sans supervision directe et peut contenir des erreurs ou du contenu qui ne leur est pas destiné.

Gardez les limites en tête. Un modèle local ne connaît pas les événements récents à moins que vous lui fournissiez l’information et, comme tout modèle, il peut affirmer des faits erronés avec assurance. Vérifiez tout ce qui compte.

Quelle taille convient à votre matériel?

Utilisez ce tableau comme point de départ. Les chiffres de mémoire viennent d’OpenAI, d’Ollama et de LM Studio; la vitesse réelle dépend de votre processeur, de votre carte graphique et de ce qui tourne en même temps.

Pour la plupart des gens, gpt-oss-20b est le bon choix. OpenAI affirme qu’il donne des résultats semblables à ceux de son modèle o3-mini sur les bancs d’essai courants, et il tient sur le genre d’ordinateur que beaucoup de gens possèdent déjà. Les utilisateurs de Windows qui ont une carte graphique adéquate ont une autre option : Microsoft offre des versions de gpt-oss-20b optimisées pour le GPU dans son outil Foundry Local et dans l’AI Toolkit de VS Code.

gpt-oss-120b, qui selon OpenAI se rapproche d’o4-mini aux principaux tests de raisonnement, vise les serveurs et les stations de travail sérieuses. Si vous avez besoin de sa qualité sans ce matériel, les mêmes poids ouverts sont offerts par des fournisseurs d’hébergement infonuagique, mais vos données quittent alors de nouveau votre machine. Commencez par le modèle 20b, voyez si ses réponses répondent à vos besoins, et passez au modèle supérieur seulement si ce n’est pas le cas.