Test : qwen3:0.6b ou petit 3B/4B. But : valider Ollama, mesurer la latence et garder une expérience encourageante.
Le cockpit IA locale qui dit quoi installer sur votre vrai PC.
OutilsIA passe du simple test web au cockpit desktop : scan CPU, RAM, GPU, VRAM, stockage, détection Ollama, installation de modèles locaux, benchmark tokens/s, rapport partageable et recommandations d'upgrade.
La bêta Windows + Linux : scanner, installer Ollama, télécharger un premier modèle compatible, le lancer, mesurer sa vitesse et garder une trace exploitable. Le catalogue vivant remonte aussi un “modèle du moment” selon la machine, pas selon la hype.
Scan PC, détection Ollama, installation de modèle, console visible, benchmark, PromptForge, dialogue local, Arena multi-profils, rapport partageable et upgrade utile. Une preuve Windows native du build public courant est disponible ; la validation terrain multi-machines reste en cours.
Local Cockpit prépare le PC et les modèles. Maestro coordonnera plusieurs sessions IA (local d'abord, mesure de ce qui suffit), sans affiliation — sur la compétence.
Commande exemple
ollama run qwen3:8b
Modèle du moment
Gemma 4, Ornith ou Qwen 3.6 si la machine suitL'app trie les modèles pilotables par compatibilité VRAM/RAM, fraîcheur catalogue, statut Ollama, installation locale et benchmarks déjà mesurés.
Le but n'est pas d'ajouter un chat local de plus. Le but est de devenir le “Can You Run It” de l'IA locale.
Un utilisateur ne veut pas deviner quelle quantization choisir, quelle VRAM suffit ou quel modèle installer. Il veut ouvrir l'app, voir son PC reconnu, installer un modèle adapté et obtenir un test réel. C'est exactement la direction d'OutilsIA Local Cockpit.
La machine réelle : CPU, RAM, GPU, VRAM, stockage, Ollama.
Un modèle local compatible, sans transformer l'utilisateur en admin système.
Temps de réponse, vitesse estimée, statut fluide/correct/limité.
Prochain modèle, upgrade utile, rapport et mémoire MemoryForge.
Positionnement clair : OutilsIA prépare l'IA locale généraliste. Les usages quant/backtest restent dans Strategy Arena, qui pourra consommer plus tard les modèles préparés par OutilsIA.
Quels modèles IA locaux tester selon votre machine ?
Le bon ordre n'est pas “installer le plus gros modèle”. Le bon ordre est : scanner la machine, lancer un modèle léger de preuve, comparer un modèle utile, puis décider si un upgrade GPU/RAM vaut vraiment le coût.
Cible : Qwen 8B, Llama 3.1 8B, Mistral 7B. Hermes 8B possible selon le runtime, à valider au benchmark.
Cible : Hermes 8B confortable, Qwen 14B, Mistral Nemo 12B, DeepSeek distill 14B. À comparer dans l'Arena locale.
Cible : 32B quantifiés, plus grands contextes, Hermes/Mixtral avec marge. Upgrade utile seulement si le besoin est clair.
Installer directement un 70B/100B sur une machine sans preuve de VRAM/RAM suffisante.
Temps de première réponse, tokens/s, succès/échec, qualité français/code/mémoire.
Rapport partageable, historique benchmark, MemoryForge/Obsidian et décision d'upgrade.
Nouveau candidat récent autour du palier 8-12 Go VRAM : raisonnement, multimodal léger et workflows agentiques à benchmarker.
Signal code agentique local : petit palier pilotable via Ollama, intéressant pour terminal, correction repo et tests OpenClaw/SWE.
Modèle chaud pour code agentique : 27B/35B à tester surtout sur 24 Go VRAM ou mémoire unifiée solide.
Signal important côté agents, mémoire visible et preuves de completion. OutilsIA garde Hermes comme profil assistant/mémoire.
GLM-4.7-Flash entre en watchlist pratique ; GLM-5.2 reste frontier, trop lourd pour un PC normal aujourd'hui.
Le bon achat dépend du blocage réel, pas d'une liste GPU générique.
OutilsIA Local Cockpit doit d'abord prouver ce que votre machine sait faire. Ensuite seulement, le rapport classe l'upgrade utile : rien, RAM/SSD, GPU 12/16 Go ou palier 24 Go VRAM.
Vieux PC ou CPU only : tester un modèle léger avant tout achat. Ne pas acheter un GPU au hasard.
Souvent RAM, SSD ou runtime Ollama à corriger. L'achat GPU n'est pas toujours prioritaire.
Machine correcte : regarder surtout la VRAM. 12 Go démarre bien, 16 Go apporte du confort.
Ne pas acheter par réflexe : tester un modèle plus ambitieux, puis décider si 24 Go VRAM se justifie.
Vieux PC portable, GTX 1080 Ti, RTX 3060, RTX 4080 ou RTX 3090 : l'app doit dire quoi tenter sans vous démoraliser.
Le vrai moment produit, c'est quand un utilisateur ouvre OutilsIA Local Cockpit sur sa machine réelle et comprend en moins de 30 secondes : son score, le modèle à installer, la preuve benchmark à obtenir et l'upgrade qui a du sens.
Commencer par un modèle léger, CPU/RAM possible, pas d'achat avant preuve.
Guide 16 Go RAMEncore utile pour IA locale : modèles 7B/8B, certains 14B quantifiés à tester.
Guide GTX 1080 TiExcellent ticket d'entrée : Qwen, Hermes, Mistral et benchmarks propres.
Comparer vitesse, qualité, contexte long et intérêt réel d'un upgrade 24 Go.
Quel modèle IA local pour mon GPU, ma VRAM et ma RAM ?
La recherche IA locale tourne souvent autour des mêmes questions : “quel modèle Ollama pour RTX 3060 ?”, “Qwen ou Hermes sur 16 Go VRAM ?”, “vieux Core i7 sans GPU, possible ou pas ?”. OutilsIA Local Cockpit transforme ces questions en diagnostic concret sur la machine réelle.
Modèle léger de preuve
Qwen 0.6B, Phi mini ou autre petit modèle sert d'abord à vérifier Ollama, téléchargement, lancement et tokens/s.
Modèle recommandé
Hermes, Qwen, Mistral, Llama ou DeepSeek sont proposés selon VRAM, RAM, usage assistant, code, français, mémoire et contexte long.
Upgrade justifié
L'app conseille RAM, GPU 12/16/24 Go ou SSD seulement après avoir montré ce que la machine actuelle sait déjà faire.
Exemples de recherches couvertes
scanner PC IA locale, benchmark Ollama Windows, quel modèle IA local pour RTX 3060, GTX 1080 Ti IA locale, RTX 4080 Hermes, Qwen local 16 Go VRAM.
Ollama Windows ou WSL ?Frontière produit claire
OutilsIA prépare les modèles locaux. Strategy Arena pourra les utiliser pour ses workflows quant, mais OutilsIA ne génère pas et ne backteste pas de stratégie financière.
À quoi ressemble votre diagnostic ?
La bêta génère des rapports anonymisés avec score IA locale, modèles compatibles, limites, commandes Ollama et upgrades utiles. Avant de télécharger l'app, vous pouvez déjà comparer des profils typiques : laptop sans GPU, RTX 3060, RTX 3090, Mac Mini M4 ou Raspberry Pi.
Ce que le scanner vous dit
Quoi installer
Modèles Ollama, Qwen, Llama, Hermes, Mistral ou Gemma compatibles avec votre machine, en Windows natif ou via Ollama WSL si c'est votre runtime local.
Quoi éviter
Modèles trop lourds, GPU 8 Go limités, RAM insuffisante, stockage trop juste.
Quoi acheter
RAM, GPU, SSD ou rien du tout si votre configuration suffit déjà.
Un serveur MCP local permet déjà à Codex ou Claude de lire le cockpit.
Local Cockpit peut ouvrir, après consentement, un serveur MCP Streamable HTTP sur 127.0.0.1. Il expose pendant 15 minutes un instantané figé du Capability Passport : matériel, Hardware Doctor, modèles installés, recommandation et preuves de benchmark.
Port aléatoire, jeton Bearer 256 bits conservé uniquement en mémoire.
Profil machine, Doctor, modèles, recommandation, benchmarks, Passport et handoff borné.
Snapshot Passport, modèles installés, recommandation et passerelle Strategy Arena.
Recettes natives dédiées avec client HTTP, Codex CLI et Claude Code.
Ce MCP ne scanne pas, n'installe pas, ne supprime pas et ne lance aucun benchmark. Le futur mode d'action utilisera un contrat séparé : l'IA prépare un plan exact, l'application affiche modèle, runtime, taille, durée et effets, puis seul un clic humain dans Local Cockpit autorise une exécution unique et produit un reçu Evidence Ledger.
La présence dans les sources ne signifie pas que cette fonction appartient au binaire public actuel. La page téléchargement et le manifeste de release restent la source de vérité de chaque version distribuée.
Le scanner lit le matériel, pas votre vie privée.
Le diagnostic exact a besoin de connaître CPU, RAM, GPU, VRAM, stockage, Ollama Windows ou Ollama WSL et modèles installés. Il n'a pas besoin de lire vos documents, votre historique web, vos emails ou vos mots de passe.
CPU, RAM, GPU, VRAM, OS, stockage libre, Ollama Windows/WSL, modèles Ollama.
Documents, photos, mots de passe, cookies, historique web, emails, clés API.
Connexion par code court, token desktop dédié, cookie web non copié.
Lien anonymisé uniquement si vous choisissez de le créer.
Ce qui est déjà en ligne
Le test web reste l'entrée sans friction ; l'app desktop, déjà publiée en bêta, fait le diagnostic exact.
- 1. Test rapide web — en ligne
GPU, RAM, OS, stockage, score instantané.
- 2. App desktop Windows + Linux — bêta 0.1.1 publiée
Scan réel du PC, détection Ollama, rapport avant envoi, paquets .exe, .deb et .rpm publics.
- 3. Rapport partageable — en ligne
Page privée/anonyme avec score, modèles et commandes.
- 4. MemoryForge — dans la bêta desktop
Vault Obsidian, MEMORY.md, HERMES.md et historique benchmarks.
Commencez sans installer l'app
Le simulateur donne une estimation sans téléchargement. L'app desktop confirme automatiquement votre vraie configuration.