Comprendre
Modèles locaux, recherche dans les documents et agents.
RÉSEAU DU PROTOCOLE · GRENOBLE · 20 OCTOBRE 2026
L’IA au service
du protocole
Des textes de référence à un plan de table que l’on peut vérifier et ajuster.
Expérimenter
Un déjeuner sur l’IA à la mairie de Lambersart.
Garder la main
Sources, arbitrages et validation du responsable du protocole.
Pascal Yim · Cas pédagogique fictif · Flèches pour naviguer
Modèles en local
Où tourne l’IA ?
Sur votre équipement
Le modèle s’exécute sur un ordinateur ou un serveur que vous contrôlez.
Les fichiers du modèle doivent être disponibles. Le matériel conditionne la taille utilisable et la vitesse.
Dans un service distant
Les requêtes sont traitées sur l’infrastructure du fournisseur.
La connexion, les conditions d’usage et le traitement des données font partie du choix.
« Local » décrit le lieu d’exécution, pas une garantie automatique de confidentialité.
Hugging Face · Fonctionnement hors ligne ↗LM Studio
Utiliser un modèle local
Télécharger LM Studio ↗LM StudioQwen3.8 · 27B · MLX
Un modèle sur votre ordinateur
Qwen3.8-27B
Mac 48 Go · MLX 4 bits · ≈ 16 Go
Résume ce document en trois idées.
Le modèle chargé répond avec le contexte fourni.
Interface de démonstrationTrouver et télécharger
Choisir un modèle compatible avec la machine : GGUF, ou MLX sur Apple Silicon.
Charger et régler
Quantification, longueur de contexte, accélération GPU : adapter les réglages à la mémoire disponible.
Discuter, joindre des fichiers
PDF, DOCX ou TXT pour apporter du contexte. Vérifier les réponses et les passages utilisés.
Connecter des applications
Un serveur local et une API compatible OpenAI pour les outils de développement.
Ollama et alternatives
Exécuter un modèle local
Ollama
Télécharger et lancer un modèle avec une commande ; application de chat et API locale.
ollama run gemma4:12bTélécharger ↗llama.cpp
Le moteur GGUF : CPU, Metal ou CUDA selon le matériel. Contrôle fin du chargement.
Projet & documentation ↗Open WebUI
Une interface web à connecter à Ollama ou à une API compatible ; le moteur reste séparé.
Documentation ↗Comparer les performances avec le même modèle, la même quantification et la même longueur de contexte.
Modèles ouverts
selon le matériel
Sélection actualisée le 7 octobre 2026 · modèles quantifiés
PC standard · CPU
Gemma 4 12B · Q4_K_M
≈ 8 Go de fichiers · version juin 2026
Plus léger : Gemma 4 E2B, si la mémoire ou la vitesse limitent l’usage.
Démarrer avec 4k tokens de contexte. Sans GPU dédié, la génération peut être lente.
MacBook Pro · M5 Max
Qwen3.8-27B
MLX 4 bits · ≈ 16 Go de poids
Version MLX pour LM Studio ↗
Autre format : GGUF Q4 via Metal.
Garder une marge pour macOS, les applications et le cache du contexte.
NVIDIA DGX Spark
Nemotron 3.5 Lightning
30B-A3B · NVFP4 · ≈ 21,6 Go de fichiers
Sorti en août 2026. Modèle pour agents, avec une recette NVIDIA pour le GB10.
30B paramètres au total, 3B actifs par token. La mémoire restante accueille contexte et requêtes.
Taille du téléchargement ≠ RAM nécessaire. Ajouter cache du contexte, mémoire de travail et système. « Ouvert » : poids accessibles ; vérifier la licence de chaque modèle.
Local ou cloud :
comment choisir ?
Exemple : préparer un plan de table à partir de textes et d’un fichier d’invités.
Les donnéesPeut-on confier ces documents à un prestataire extérieur ?Si le traitement doit rester interne, le local peut être adapté.
La tâcheLe modèle trouve-t-il les décisions, les responsables et les échéances ?Évaluer ses réponses sur des exemples réels.
Les moyensA-t-on le matériel, une vitesse acceptable et quelqu’un pour la maintenance ?
Le contrôleOù sont enregistrés documents et conversations ?Quels outils peuvent y accéder ou les transmettre ?
RAG et agents fonctionnent avec un modèle local ou distant.
Ce que l’IA fait et où elle fonctionne sont deux choix distincts.
MacBook Pro
M5 Max · mémoire unifiée
MacBook Pro 14″ M5 Max · GPU 40 cœurs · 48 Go
M5 Max : CPU + GPU
18 cœurs CPU et 40 cœurs GPU dans cette configuration. Inférence avec Metal ou MLX.
48 Go de mémoire unifiée
CPU et GPU partagent cette mémoire. Qwen3.8-27B en MLX 4 bits : environ 16 Go de poids, puis le cache du contexte.
614 Go/s
× 2,25 face au M4 Pro (273 Go/s). Plus de bande passante pour lire les poids ; le gain en tokens/s dépend du modèle.
Éclaté illustratif basé sur le châssis 2024 ; caractéristiques de la configuration M5 Max 40 cœurs GPU.
DGX Spark
GB10 · 128 Go unifiés
NVIDIA GB10 · 128 Go · Linux ARM64
Grace + Blackwell
CPU Arm 20 cœurs et GPU Blackwell. Jusqu’à 1 PFLOP en FP4 avec sparsité, pas un débit en tokens/s.
128 Go unifiés · 273 Go/s
La capacité mémoire limite la taille des modèles ; la bande passante influe sur la vitesse de génération.
Nemotron 3.5 Lightning
30B-A3B en NVFP4. Une recette NVIDIA pour agents locaux sur GB10, avec décodage spéculatif.
Vue éclatée illustrative d’après des photographies ; disposition interne approximative.
Station RTX PRO 6000
Blackwell · 96 Go de VRAM
Exemple de station professionnelle · RTX PRO 6000 Blackwell 96 Go
96 Go de VRAM GDDR7 ECC
Mémoire dédiée au GPU. Nemotron 3.5 Lightning laisse de la place au contexte et à plusieurs requêtes simultanées.
1 792 Go/s
Bande passante de la carte. Elle influe sur la vitesse d’inférence. Le débit réel dépend du modèle et des réglages.
Une station complète
CPU, RAM, SSD, alimentation et refroidissement. La carte Workstation peut consommer jusqu’à 600 W ; la variante Max-Q diffère.
Vue éclatée illustrative d’après des photographies ; disposition interne approximative.
DÉMONSTRATION · IA EN LOCAL
LM Studio
Bionic
Travailler avec un modèle sur son ordinateur
Charger un modèle local.
Vérifier où il s’exécute.
« Prépare une note de synthèse
à partir de ce compte rendu. »
Reformuler la consigne
et comparer les réponses.
RAG
Retrouver le sens
« Je n’arrive plus à entrer dans mon compte. »
Modèle d’embeddingTexte → vecteur de nombres
18°Angle avec la question
Similarité 0,951
cos(θ) = q · d / (‖q‖ × ‖d‖)Distance 0,049
1 − cos(θ)Passage A
Exemples fictifs. Angles choisis pour la démonstration, sans calcul d’embeddings réels. En pratique, des centaines de dimensions ou plus.Similarité sémantique ↗
RAG
Des passages à la réponse
Préparation de la base
Guide des accès
Version 3 · document fictifPage 4
La réinitialisation des identifiants restaure l’accès à l’espace personnel.
Page 5
La demande se fait via le portail d’assistance.
Autre document
Le compte rendu sera diffusé vendredi.
« Je n’arrive plus à entrer
dans mon compte. »Même modèle d’embedding que les passages
dans mon compte. »Même modèle d’embedding que les passages
Index vectoriel
Vecteurs + passages
+ références
Contexte transmis
La question de l’utilisateur
[1] La réinitialisation des identifiants restaure l’accès à l’espace personnel.Guide des accès · p. 4
[2] La demande se fait via le portail d’assistance.Guide des accès · p. 5
Modèle de langage▥ ▥ ▥ ▥ ▥Poids inchangés
Réponse
Réinitialisez vos identifiants via le portail d’assistance.
Exemple fictif de recherche vectorielle. Les droits d’accès et la version des sources comptent. Une réponse reste à vérifier.Lewis et al. ↗
AnythingLLM
Un RAG sur son ordinateur
Télécharger AnythingLLM ↗
Votre ordinateur
AnythingLLMEspace « Documentation »
Une question sur vos documents
Je n’arrive plus à entrer dans mon compte.
Réinitialisez vos identifiants via le portail d’assistance.
Sources : Guide des accès, p. 4–5Embedding local
Modèle multilingue
via LM Studio ou Ollama
LanceDB
Passages et vecteurs
sur le disque
LLM local
Via LM Studio
ou Ollama
Pour ce fonctionnement local : embedding, base et LLM sur la machine, après téléchargement des modèles.
Choisir des fournisseurs locaux. Un service distant reçoit les données qui lui sont envoyées. Documents d’exemple fictifs.Documents et RAG ↗LM Studio ↗
DÉMONSTRATION · RAG EN LOCAL
AnythingLLM
Interroger ses documents et retrouver les sources
Ajouter des documents
dans un espace de travail.
« Qui doit préparer le budget
et pour quelle date ? »
Ouvrir le passage cité.
La source confirme-t-elle la réponse ?
DU MODÈLE À L’AGENT
Qu’est-ce qu’un harnais ?
Le logiciel qui organise le travail du modèle : contexte, outils, boucle d’action et contrôles.
HARNAIS · LOGICIEL D’ORCHESTRATION
RÉSEAU DE NEURONES
Le modèle
Interprète le contexte.
Propose la suite.
« Prépare le plan de table
et documente les arbitrages. »
Textes + invités + consignes
« G08 : président de l’Université de Lille. »
Règle : citer les sources et faire valider le plan.
Lire les invités
Un outil lit le classeur des invités.
MCP sert à connecter cet outil.
RÉSULTAT RENVOYÉ AU MODÈLE
« Trois invités hors rang. »
Le modèle signale un arbitrage.
Proposition → validation
Le mail reste en attente.
L’envoi exige votre accord.
Reprendre le placement
G08 · fonction identifiée
Plan prêt · arbitrages attendus
Le modèle peut proposer une réponse. Comment lui permettre d’agir ?
CAS FICTIF · MAIRIE DE LAMBERSART
14 invités.
Un placement justifié.
Les textes
Décret du 13 septembre 1989 et support de placement à table de Patricia Detroyat Consulting.
Le PDF de 2022 est comparé au texte actuel.
Le fichier Excel
Identifiants, fonctions, rangs, présidences et RSVP. Toutes les présences sont confirmées.
Télécharger les invités ↗La demande
Table française, 7 convives par longueur. Le maire invitant face au préfet invité d’honneur.
Ouvrir la consigne ↗MODEL CONTEXT PROTOCOL
MCP : connecter l’agent
aux outils de travail
APPLICATION IA · CLIENTS MCP
Agent coordinateur
Choisit un outil,
observe son résultat,
adapte la suite.
OUTIL · FICHIERS
Lire les documents
Lire les réponses autorisées.
Préparer un brouillon.
OUTIL · CALCUL
Affecter les places
Consulter les disponibilités.
Proposer le 19 octobre.
OUTIL · LIVRABLES
Produire le plan
Créer le fichier, l’image
et le plan interactif.
MCP standardise les échanges avec les outils.
Les capacités dépendent du serveur et des accès accordés. L’agent décide de la suite ; l’application applique les permissions.
Contraintes du placement définies
MCP · architecture ↗Documentation des outils ↗Les outils peuvent être natifs ou accessibles via MCP ; connexions illustrées
UNE DÉMARCHE TESTÉE SUR CE CAS
Lire, placer,
contrôler.
1 · Textes
Relever les articles applicables, vérifier leur actualité, distinguer le droit des usages de repas.
2 · Placement
Nettoyer les invités, construire la double présidence, affecter les 12 autres convives et produire les fichiers.
3 · Contrôle indépendant
Vérifier les rangs, l’article 9, les 14 identifiants et la droite de chaque présidence.
L’agent propose. Le responsable du protocole arbitre les cas particuliers et valide.
RELECTURE ANIMÉE DU CAS TESTÉ · IDENTITÉS FICTIVES
Des fichiers au plan de table
PDF · Décret 1989 version 2022PDF · Placement à table Patricia DetroyatExcel · 14 invités fonctions et RSVP↓
Plan en construction
Maire ↓ · ↑ PréfetVue de dessus · droite du maire à gauche du dessin
Missions illustrées à partir des fichiers et du contrôle indépendant du test ; la lecture ne relance pas les agents. Rapport du test ↗
LIVRABLES DU TEST · 14 CONVIVES
Un plan qui se lit
et se modifie.
14 affectations uniques, 7 places de chaque côté, deux présidences centrales.
La droite du maire est à gauche du dessin. La droite du préfet est à droite du dessin.
REPÈRES · OCTOBRE 2026
Les outils
agentiques commerciaux
Claude Cowork
Travail sur les fichiers et applications connectées, tâches planifiées.
« Prépare la synthèse des décisions et les brouillons de suivi. »Découvrir Cowork ↗
ChatGPT Work
GPT‑6 Astra
Raisonnement, outils connectés et production de documents dans une tâche à plusieurs étapes.
« Analyse les comptes rendus, prépare le tableau des décisions et les relances à valider. »ChatGPT Work · documentation ↗
Copilot Cowork
Travail dans Outlook, Teams et SharePoint, création de documents et plugins MCP.
« Analyse les comptes rendus et prépare les relances dans Outlook. »Découvrir Copilot Cowork ↗Plugins et MCP ↗
Mistral Vibe
Documents, outils connectés et MCP, tâches en plusieurs étapes ou récurrentes.
« Chaque lundi, relève les actions en retard et prépare les relances à valider. »Découvrir Vibe ↗Studio · créer ses propres agents ↗
Les quatre utilisent des MCP. Comparer les actions disponibles, la qualité du résultat et les droits d’accès.
Exemples de solutions commerciales
Pour créer des agents métier : Copilot Studio et Mistral Studio · Fonctions selon l’offre et les autorisations
GARANTIES DOCUMENTÉES · 7 OCTOBRE 2026
Où vont les données ?
| Offre | Stockage | Traitement par l’IA | Maîtrise de l’hébergement |
|---|---|---|---|
| Mistral Vibe ↗ | UE par défaut | Transferts hors UE possibles selon les fonctions | Privé / sur site en Enterprise ; périmètre à définir |
| Copilot Cowork ↗ | Engagements Microsoft 365 selon le tenant | EU Data Boundary ; Anthropic exclu de cet engagement | Service Microsoft ; modèles et plugins à contrôler |
| ChatGPT Work ↗GPT‑6 ASTRA | Résidence selon contrat et contenus éligibles | Couverture Work + Astra en Europe à confirmer | Service OpenAI ; accès local ≠ traitement hors cloud |
| Claude Cowork ↗ | États-Unis selon la documentation commerciale | Routage international par défaut | Service Anthropic ; garantie « UE uniquement » non établie |
LES CONNECTEURS ONT LEURS PROPRES GARANTIES
Agent hébergé
en Europe→Serveur
MCP→Application tierce
où sont ses données ?
en Europe→Serveur
MCP→Application tierce
où sont ses données ?
Vérifier aussi l’hébergement, les accès et les sous-traitants de chaque service connecté.
Hébergé en Europe ≠ conformité RGPD automatique.
Contrat, finalités, accès, conservation et transferts restent à encadrer.
Stockage, traitement et maîtrise
Garanties selon l’offre, le contrat et la configurationException Anthropic ↗Mistral Enterprise ↗CNIL ↗
Hermes et OpenClaw
Deux plateformes pour organiser des agents et leur donner des outils.
Hermes Agent
Mémoire persistante et procédures réutilisables.
Délégation à des sous-agents travaillant en parallèle.
« Analyse les comptes rendus et prépare le suivi des décisions. »Hermes ↗
OpenClaw
Agents avec leurs espaces de travail et leurs historiques.
Routage des messages, outils et tâches planifiées.
« Surveille les échéances et prépare un point hebdomadaire. »OpenClaw ↗
MODÈLE LOCAL SERVI PAR
LM Studio · Ollama
Modèle local, si le serveur et le modèle prennent en charge les appels d’outils.
Local décrit le lieu d’exécution.
Les connexions aux outils restent à contrôler.
Délégation Hermes ↗Modèles locaux ↗Mémoire et compétences réutilisées ≠ réentraînement des poids · octobre 2026
PRÉPARER UNE PROPOSITION POUR VALIDATION
Les points
à faire valider.
Le cadre
Déjeuner municipal supposé non prescrit par le Gouvernement. Article 9 : l’autorité invitante vient après le représentant de l’État.
Les hors rang
Chercheuse, dirigeante et journaliste : ordre éditorial en fin de liste. Toute insertion parmi les autorités exige un arbitrage explicite (article 18).
Les changements
Une représentation, une absence ou une nouvelle autorité impose un nouveau contrôle. Articles 13 et 14 : ne pas transférer automatiquement un rang.
Les échanges manuels sont signalés et ne constituent pas une nouvelle validation protocolaire.
Alternatives et outils locaux
Des projets distincts : un « fork » n’est pas automatiquement plus sûr.
NanoClaw
Agents exécutés dans des conteneurs.
Écosystème Claude, avec intégration Ollama proposée pour les modèles locaux.
NanoClaw ↗IronClaw
Outils isolés en WebAssembly.
Permissions explicites, connexions autorisées et protection des secrets.
IronClaw ↗ZeroClaw
Exécutable Rust, modes supervisés et modèles locaux via Ollama.
ZeroClaw ↗nanobot
Framework Python léger, MCP et workflows multiagents.
nanobot ↗LangGraph · CrewAI
LangGraph : états, reprise d’exécution et validation humaine.
CrewAI : rôles d’agents et orchestration des tâches.
LangGraph ↗CrewAI ↗LM Studio
Un modèle compatible peut appeler des outils via MCP.
Le serveur de modèle peut aussi être utilisé par une plateforme d’agents.
LM Studio et MCP ↗Le choix dépend des outils nécessaires, des droits configurables
et de la maintenance du projet.
Alternatives et réécritures inspirées d’OpenClaw ; pas nécessairement des forks de son code. LM Studio est propriétaire. Octobre 2026.