Ollama vs LM Studio : quel outil LLM local choisir ?

Ollama vs LM Studio en une ligne : LM Studio si tu veux une interface de bureau pour parcourir et tester des modèles ; Ollama si tu veux un serveur d'API local léger et scriptable. Les deux sont gratuits, les deux font tourner des modèles GGUF sur ton GPU ou ton CPU, et les deux exposent un endpoint compatible OpenAI — raison pour laquelle beaucoup de développeurs installent les deux et les utilisent pour des travaux différents. Ce guide compare l'installation, la gestion du GPU, la vitesse et le service d'API avec de vraies commandes à exécuter dès aujourd'hui, pour arrêter de lire des threads Reddit et commencer à générer des tokens en local.

Quelle est la différence entre Ollama et LM Studio ?

La différence de fond tient à l'interface et à l'intention :

Ollama est un runtime taillé pour le CLI. Tu tires un modèle en une commande et il tourne en service de fond sur localhost:11434, avec une API REST. Pas de fenêtre de chat intégrée — il est pensé comme le « Docker des LLM » auquel les autres outils se branchent.
LM Studio est une application de bureau complète (Electron) avec un navigateur de modèles, une interface de chat, des réglages par modèle (longueur de contexte, couches offloadées sur GPU, température) et un mode serveur local qu'on active d'un clic.

Les deux comprennent le format GGUF et les deux s'appuient sur la même lignée de moteurs — Ollama embarque llama.cpp, et LM Studio utilise des runtimes basés sur llama.cpp qu'il télécharge et met à jour pour toi. Autrement dit, la qualité de génération brute d'un même fichier de modèle est pratiquement identique ; les outils se distinguent par tout ce qui entoure le modèle.

Ollama est-il gratuit pour un usage commercial ?

Oui. Ollama est open source (MIT) et gratuit pour un usage commercial — tu ne dois que la licence du modèle, pas celle d'Ollama. Llama, Mistral, Qwen et Gemma ont chacun leurs conditions, donc vérifie la fiche du modèle si tu construis un produit dessus.

LM Studio est gratuit pour un usage personnel mais sous licence propriétaire : un usage professionnel exige un flag de licence « work » gratuit, et les entreprises au-dessus d'un seuil de chiffre d'affaires paient. Si l'équipe achats de ton employeur pose des questions pointues, cette différence suffit à trancher le débat Ollama vs LM Studio.

Ollama utilise-t-il ton GPU automatiquement ?

Oui — Ollama détecte CUDA (NVIDIA), Metal (Apple Silicon) et ROCm (AMD) au lancement et offloade autant de couches que la VRAM le permet. Deux vérifications à connaître :

# Qu'est-ce qu'Ollama a réellement chargé — GPU ou CPU ?
ollama ps

# Force la main s'il est silencieusement retombé sur le CPU :
OLLAMA_NUM_GPU=999 ollama run qwen2.5-coder:7b

Si ollama ps affiche 100% GPU, c'est offloadé ; un découpage du genre 48%/52% CPU/GPU signifie que le modèle n'est pas entré en entier et ça se sentira en tokens/s. LM Studio expose le même réglage via un curseur d'offload GPU par modèle, plus agréable pour expérimenter — l'une de ses vraies bonnes idées d'UX.

Lequel est le plus rapide, Ollama ou LM Studio ?

À modèle, quantification et matériel identiques : match nul, en pratique, parce que les deux délèguent à llama.cpp. Les benchmarks qui proclament « Ollama est plus rapide » (ou l'inverse) comparent généralement des quants ou des longueurs de contexte différents. Mesure sur ta propre machine au lieu de croire l'un ou l'autre camp :

# Ollama : --verbose affiche le débit d'évaluation (tokens/s) à la fin
ollama run qwen2.5-coder:7b --verbose "Summarise what a Makefile does in one sentence."

Dans LM Studio, charge le même fichier GGUF avec la même longueur de contexte et les mêmes couches GPU, puis surveille les tokens/s dans le panneau de stats du chat. Celui qui affiche le meilleur chiffre, refais le test deux fois — le premier chargement inclut du bruit d'échauffement.

Peut-on utiliser LM Studio comme serveur d'API local ?

Oui — direction l'onglet Developer, on démarre le serveur, et on obtient un endpoint compatible OpenAI sur localhost:1234. Il y a même un CLI (lms) pour scripter :

lms server start
lms load qwen2.5-coder-7b-instruct --gpu max
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen2.5-coder-7b-instruct","messages":[{"role":"user","content":"Write a jq filter for the top process by CPU"}]}'

L'API équivalente d'Ollama tourne en permanence dès que le service est lancé, et son endpoint natif plus ses routes compatibles OpenAI ne demandent aucun réglage :

curl -fsSL https://ollama.com/install.sh | sh   # installation Linux
ollama pull qwen2.5-coder:7b
curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5-coder:7b",
  "messages": [{"role": "user", "content": "Explain bash exit codes in two lines"}],
  "stream": false
}'

Les deux se branchent directement dans n'importe quel outil qui parle l'API OpenAI — extensions VS Code, agents de code, tes propres scripts. C'est là qu'Ollama prend l'avantage : le service démarre au boot, tourne headless sur un serveur ou une box homelab, et rien ne dépend d'une appli de bureau ouverte. Je fais tourner exactement ce setup sur mon homelab, où Ollama sert des modèles à tout le réseau pendant que le nœud principal reste sans souris.

Lequel choisir : Ollama ou LM Studio ?

Critère	Ollama	LM Studio
Interface	CLI + API REST	GUI de bureau complète
Open source	MIT, entièrement	Propriétaire, gratuit pour l'usage perso
Usage commercial	Gratuit	Licence payante à l'échelle
Gestion des modèles	`ollama pull <model>`	Recherche + navigateur de téléchargement intégrés
Interface de chat	Aucune (apporte la tienne)	Intégrée
Endpoint d'API	`:11434` en permanence	`:1234` à la demande
Usage headless/serveur	Excellent	Pénible
Windows / macOS / Linux	Les trois	Windows + macOS, Linux en bêta

Règles de pouce, sans regret dans un cas comme dans l'autre :

Tu veux utiliser des modèles — discuter, essayer, bidouiller des curseurs : LM Studio.
Tu veux construire sur des modèles — scripts, agents, CI, un service d'API maison : Ollama.
Tu veux les deux — installe les deux ; ils cohabitent très bien (évite juste que les deux serveurs revendiquent le même port, et souviens-toi qu'un modèle chargé deux fois mange la VRAM deux fois).

Les modèles locaux s'accordent particulièrement bien avec les outils de code agentiques — pointe un client compatible OpenAI vers ton endpoint local et tu obtiens des complétions illimitées sans un centime de coût par token. Cette combinaison fait tourner le setup local-first derrière freechat, et c'est la façon la moins chère d'apprendre la plomberie des LLM : la seule facture, c'est l'électricité.