Installer Claude AI localement sur PC ou Mac : guide 2026

Vous avez tapé votre énième requête sensible dans Claude.ai et vous avez hésité une seconde avant d’appuyer sur Entrée — parce que tout part sur les serveurs d’Anthropic. Cette friction, des milliers de développeurs et de professionnels la ressentent en 2026. La bonne nouvelle : il existe des voies concrètes pour faire tourner un modèle compatible Claude sur votre propre machine, sans dépendre du cloud, sans abonnement mensuel et sans latence réseau.

Ce que « installer Claude localement » signifie vraiment en 2026

Commençons par lever une ambiguïté fréquente. Anthropic ne distribue pas les poids de ses modèles Claude 3 ou Claude 4 en téléchargement libre. Ce que vous pouvez faire localement, c’est exécuter des modèles open-weight de même famille de taille — notamment des versions quantifiées de modèles instruits comparables — via des runtimes légers, ou accéder à l’API d’Anthropic depuis un client installé sur votre machine (ce qui reste techniquement “sur votre ordinateur” mais nécessite une connexion).

En pratique, deux scénarios coexistent en 2026 :

• Scénario A — 100 % hors ligne : vous téléchargez un modèle open-weight (Mistral, LLaMA 3, Qwen 2.5, etc.) dont les capacités sont proches de Claude Haiku pour les tâches courantes, et vous le faites tourner via Ollama ou LM Studio. Aucune donnée ne quitte votre machine.
• Scénario B — API locale + Claude réel : vous utilisez la bibliothèque officielle anthropic en Python ou Node.js, installée localement, avec votre clé API. Le modèle est celui d’Anthropic, la logique applicative tourne chez vous.

Ce guide couvre les deux, en commençant par le plus demandé : installer claude ia sur pc sans cloud, donc le scénario A.

Prérequis matériels honnêtes

La question “comment mettre l’intelligence artificielle sur mon ordinateur” se heurte souvent à une réalité matérielle sous-estimée. Voici les seuils réels observés en 2026 :

• RAM minimale : 8 Go pour un modèle 7B quantifié en Q4 (qualité acceptable). 16 Go recommandés pour un confort réel.
• GPU : Nvidia RTX 3060 (12 Go VRAM) ou supérieur pour une inférence rapide. Sur Apple Silicon (M2/M3/M4), le GPU unifié gère très bien les modèles jusqu’à 13B.
• Stockage : prévoir entre 4 Go et 40 Go selon la taille du modèle choisi. Un SSD NVMe est fortement conseillé.
• CPU seul : possible, mais lent — comptez 3 à 8 tokens par seconde sur un Core i7 récent pour un modèle 7B.

Procédure complète avec Ollama (Windows & Mac)

Étape 1 — Installer Ollama

Ollama est devenu en 2026 la référence incontournable pour configurer un modèle IA local Windows Mac. Son installation se résume à un binaire unique.

• Windows 11 : téléchargez l’installeur .exe depuis ollama.com. Il installe automatiquement le service en arrière-plan et détecte votre GPU Nvidia via CUDA.
• macOS (Sonoma / Sequoia) : téléchargez l’app .dmg, glissez-la dans Applications, lancez-la. L’icône apparaît dans la barre de menu.
• Linux : une ligne suffit — curl -fsSL https://ollama.com/install.sh | sh

Vérifiez l’installation en ouvrant un terminal et en tapant ollama --version. Vous devriez voir un numéro de version supérieur à 0.3 en 2026.

Étape 2 — Choisir le bon modèle

Pour un usage proche de Claude Haiku (raisonnement rapide, rédaction, code simple), les modèles suivants offrent le meilleur compromis taille/qualité en 2026 :

• Mistral 7B Instruct v0.3 — excellent pour la rédaction et le résumé, tourne bien sur 8 Go RAM
• LLaMA 3.1 8B Instruct — meilleur en code et raisonnement multi-étapes
• Qwen 2.5 7B — particulièrement fort en français, souvent sous-estimé
• Phi-3.5 Mini (3.8B) — pour les machines légères ou les Chromebook Linux avec 4 Go RAM

Téléchargez directement depuis le terminal :

ollama pull llama3.1:8b

Le modèle se télécharge (environ 4,7 Go pour LLaMA 3.1 8B quantifié) et se stocke dans ~/.ollama/models sur Mac/Linux, ou C:\Users\[nom]\.ollama\models sur Windows.

Étape 3 — Lancer le modèle en ligne de commande

ollama run llama3.1:8b

Un prompt interactif s’ouvre. Vous pouvez déjà converser. Pour quitter : tapez /bye.

Étape 4 — Ajouter une interface graphique avec Open WebUI

La ligne de commande convient aux développeurs, mais pour un usage quotidien, Open WebUI reproduit fidèlement l’expérience visuelle de Claude.ai ou ChatGPT — sans quitter votre machine. En 2026, son installation via Docker est la plus stable :

docker run -d -p 3000:80 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

Rendez-vous ensuite sur http://localhost:3000 depuis votre navigateur. Vous pouvez sélectionner le modèle installé via Ollama directement dans l’interface.

Point de vigilance : si Docker n’est pas installé, utilisez la version standalone d’Open WebUI (disponible en .exe pour Windows depuis mi-2025). Elle consomme un peu plus de ressources mais ne nécessite pas Docker Desktop.

Scénario B — Utiliser l’API Claude d’Anthropic depuis votre machine

Si vous tenez à utiliser les vrais modèles Claude (Sonnet, Opus) mais depuis votre propre environnement de développement, la démarche est différente. Vous avez besoin :

• D’un compte Anthropic et d’une clé API (disponible sur console.anthropic.com)
• De Python 3.10+ ou Node.js 18+

Installation de la bibliothèque Python :

pip install anthropic

Puis un script minimal :

import anthropic

client = anthropic.Anthropic(api_key="sk-ant-VOTRE_CLE")

message = client.messages.create(
    model="claude-opus-4-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Explique-moi la tokenisation en 3 phrases."}]
)
print(message.content[0].text)

Dans ce cas, le traitement se fait bien côté serveurs Anthropic, mais votre application tourne localement. Avantage : vous contrôlez totalement la logique, les prompts système, les pipelines RAG et les logs — sans jamais passer par une interface tiers.

Coût indicatif en 2026 : l’API Claude Haiku tourne autour de quelques centimes pour 1 million de tokens en entrée. Surveillez votre consommation depuis la console Anthropic pour éviter les mauvaises surprises si vous automatisez des appels.

Erreurs courantes à éviter

Confondre “installer l’appli Claude” et “faire tourner le modèle localement”

L’application de bureau Claude (disponible sur Mac et Windows depuis fin 2024) est un client, pas un runtime local. Elle envoie vos messages aux serveurs d’Anthropic de la même façon que le navigateur. Ce n’est pas une exécution locale du modèle.

Sous-estimer la RAM nécessaire

Un modèle 13B quantifié en Q4 requiert environ 8 à 9 Go de RAM GPU. Si votre GPU n’a que 6 Go de VRAM, le modèle se chargera partiellement en RAM système — ce qui ralentit drastiquement l’inférence. Préférez dans ce cas un modèle 7B bien quantifié.

Oublier de mettre à jour Ollama

Ollama évolue vite. Sur Mac, l’app se met à jour automatiquement. Sur Windows et Linux, pensez à relancer l’installeur régulièrement — des correctifs de performance significatifs sont sortis chaque trimestre depuis début 2025.

Laisser le service écouter sur le réseau local

Par défaut, Ollama écoute sur 127.0.0.1:11434 (loopback uniquement). Si vous le configurez pour écouter sur 0.0.0.0 (accessible depuis d’autres machines du réseau), assurez-vous de mettre en place une authentification — le service n’en a aucune par défaut.

Quel modèle local se rapproche le plus de Claude ?

En termes de style de réponse et de suivie d’instructions, les retours d’expérience de la communauté en 2026 pointent Mistral Nemo 12B et Command R de Cohere (disponible via Ollama) comme les plus proches du comportement de Claude Haiku sur les tâches de rédaction structurée et d’analyse de documents. Pour le code, LLaMA 3.1 70B (si votre machine le supporte) ou DeepSeek Coder v2 restent des références.

Aucun modèle open-weight n’atteint aujourd’hui le niveau de Claude Opus sur des tâches complexes de raisonnement — c’est un compromis à accepter consciemment si vous choisissez le 100 % local.