
| Mémoire GPU | 4 Go (affiché à l'écran) |
| Taille du modèle Qwen 3.5 0.8b | ~1.3 Go (affiché à l'écran) |
| Taille du modèle d'embedding | 639 Mo (affiché à l'écran) |
| Indemnité de télétravail | R$ 200,00/mois (donnée d'exemple affichée à l'écran) |
À qui cette analyse fera gagner une heure ?Nous envoyons le lien avec le verdict « en réalité » : pas besoin de regarder toute la vidéo.
Vous pouvez en créer un en installant Ollama pour exécuter des modèles open-source et en utilisant Python avec la bibliothèque LangChain pour gérer la récupération de documents et la logique de chat.
Ollama est actuellement l'outil le plus populaire et intuitif pour exécuter et gérer des LLM open-source sur Windows, Mac et Linux.
Oui, en utilisant des modèles locaux via Ollama, vous n'avez plus besoin de clés API de fournisseurs comme OpenAI ou Anthropic, rendant l'IA gratuite après l'investissement matériel initial.
Le composant le plus important est un GPU dédié. Pour des modèles légers et efficaces comme Qwen 0.8b, 4 Go de VRAM suffisent, mais 8 Go ou plus sont recommandés pour de meilleures performances.
Absolument. Comme le modèle tourne sur votre propre machine, les documents sensibles et l'historique de chat de votre entreprise ne quittent jamais votre réseau local.