IA locale : construire son atelier de création d’images, de voix et de décors 3D

Vous préparez une courte vidéo. La première image est convaincante, la voix semble naturelle et le décor fonctionne. Puis le personnage revient dans la pièce… et le canapé a changé de place.

Les outils de création par IA progressent, mais assembler plusieurs résultats cohérents reste un travail à part entière. Une belle image ne garantit pas une série homogène. Une voix expressive ne garantit pas un dialogue réussi. Et un décor visible en 3D ne devient pas automatiquement un environnement de jeu.

L’IA locale apporte une possibilité intéressante : exécuter certains modèles sur son propre ordinateur pour générer des images, produire des voix ou reconstruire des scènes. Encore faut-il savoir quels outils sont disponibles, quel matériel ils demandent et quelles restrictions accompagnent leur licence.

Ce guide présente plusieurs briques à connaître : FLUX 3 Image Klein pour l’image, Fish Audio Drama 3 pour la voix, InfiniSplat v2 pour les scènes 3D, ainsi que des projets consacrés aux objets et à la continuité vidéo. Krea 3 sert de point de comparaison avec une solution en ligne.

L’objectif : vous aider à choisir une première expérimentation utile, sans transformer votre ordinateur en chantier permanent.

Informations vérifiées à partir des sources consultées le 23 octobre 2026. Les logiciels présentés n’ont pas été installés ni testés dans le cadre de cet article.

Qu’est-ce qu’une IA locale ?

Une IA locale est un modèle exécuté sur votre propre machine. Votre ordinateur réalise les calculs nécessaires pour produire le résultat, au lieu de confier cette tâche à un service distant.

Dans un service en ligne, vous transmettez généralement votre texte, vos images ou vos fichiers à l’infrastructure du fournisseur. Avec une installation locale correctement configurée, ces traitements peuvent s’effectuer sur votre ordinateur.

Cela peut apporter plusieurs avantages :

davantage de contrôle sur les fichiers et les versions utilisées ;
la possibilité de traiter certains contenus sans les envoyer à un service de génération distant ;
une production qui ne dépend pas nécessairement d’un tarif facturé à chaque résultat ;
des réglages et des intégrations adaptés à votre méthode de travail.

En contrepartie, vous prenez en charge l’installation, les mises à jour, l’espace disque et les ressources matérielles. Le calcul consomme aussi de l’électricité et mobilise votre machine.

IA locale, fonctionnement hors ligne et open source : trois notions différentes

Ces expressions sont souvent mélangées, alors qu’elles répondent à des questions distinctes.

Notion	Ce qu’elle indique	Ce qu’elle ne garantit pas
IA locale	Le modèle s’exécute sur votre machine	Que toutes les fonctions sont indépendantes d’Internet
Fonctionnement hors ligne	La tâche peut s’effectuer sans connexion une fois les ressources nécessaires disponibles	Une licence ouverte ou un usage commercial autorisé
Poids téléchargeables	Les fichiers contenant les paramètres appris par le modèle sont accessibles	Une liberté d’utilisation sans restrictions
Open source	Le projet est distribué selon une licence qui accorde des droits précis sur son code	Que chaque composant, poids ou jeu de données possède les mêmes conditions

Une application installée sur votre ordinateur peut encore appeler une API distante. À l’inverse, un modèle téléchargeable peut fonctionner sans connexion après sa préparation.

Avant de traiter des fichiers confidentiels, vérifiez donc le fonctionnement de l’ensemble : interface, extensions, modèles et éventuels services externes.

Quels outils choisir pour son atelier de création IA ?

Un atelier rassemble plusieurs métiers. Les projets présentés ici se répartissent eux aussi les tâches.

Projet	Fonction principale	Place dans un atelier
FLUX 3 Image Klein	Générer et retoucher des images avec des poids téléchargeables	Explorer la création d’images en local
Fish Audio Drama 3	Produire des voix expressives et des dialogues	Étudier une chaîne de synthèse vocale locale ou utiliser un service hébergé
InfiniSplat v2	Reconstruire des scènes en gaussiennes 3D	Produire de nouveaux points de vue d’un lieu
UniForge3D	Associer reconstruction et génération d’objets 3D	Suivre un projet de recherche sur la création d’objets depuis plusieurs photos
Any Time, Any Space — ATAS	Organiser une mémoire spatiale et temporelle pour la vidéo	Explorer la continuité entre plusieurs plans
Krea 3	Retoucher des images dans un service en ligne	Comparer une prise en main hébergée avec une installation locale

Ces briques ne constituent pas un logiciel unique. Leur complémentarité ne signifie pas qu’elles se connectent directement entre elles : les formats, les dépendances, les licences et les besoins matériels doivent être examinés séparément.

Générer des images avec une IA locale : FLUX 3 Image Klein

Vous souhaitez produire plusieurs visuels depuis vos propres références, tout en conservant la possibilité de travailler sur votre ordinateur.

FLUX 3 Image Klein, publié par Black Forest Labs, propose des poids téléchargeables pour la génération et la retouche d’images. L’annonce décrit un modèle de 5,6 milliards de paramètres, capable de recevoir jusqu’à dix images de référence.

Le modèle propose également des cadres de placement, ou bounding boxes. Ils permettent de préciser où un élément doit apparaître ou de délimiter une zone de modification.

Pour un créateur de contenu, cela peut servir à préparer une composition avec un produit d’un côté et un espace disponible pour un titre de l’autre. Ce contrôle supplémentaire ne dispense pas de vérifier les proportions, les détails et le respect des références.

Peut-on le faire tourner avec 8 Go de VRAM ?

Black Forest Labs annonce une exécution sur certaines cartes NVIDIA à partir de 8 Go de mémoire vidéo, avec une version INT8 et un environnement adapté comme ComfyUI ou Diffusers.

Ce chiffre demande cependant du contexte. Il ne signifie pas que toutes les résolutions, tous les nombres de références et tous les réglages fonctionneront avec le même confort sur une carte de 8 Go.

La mémoire vidéo, ou VRAM, constitue l’espace de travail de la carte graphique. Les besoins dépendent notamment de la version du modèle, de la résolution, des composants chargés et de la manière dont le logiciel répartit les calculs.

Commencez donc par une image de taille modérée et une seule référence. Vous pourrez ensuite augmenter progressivement la complexité.

Quelle licence pour un usage professionnel ?

FLUX 3 Image Klein utilise la FLUX Kommunity License. Avant de l’intégrer à une prestation ou à un produit, consultez les conditions accessibles depuis la page officielle du modèle.

Distinguez notamment l’utilisation du modèle, la diffusion de ses poids et l’exploitation des résultats. Ces activités peuvent relever de dispositions différentes.

Synthèse vocale en local : les possibilités de Fish Audio Drama 3

Une voix off peut être correctement prononcée et pourtant manquer de naturel. Le problème se situe parfois dans le rythme, l’intention ou l’émotion.

Drama 3 de Fish Audio permet de transmettre des indications de jeu en langage naturel. Des balises comme [whisper] ou [laughing] peuvent orienter la manière de prononcer un passage.

La documentation décrit aussi la génération de scènes à plusieurs voix, ainsi que des fonctions de révision et d’édition audio. Leur disponibilité dépend de l’interface et du déploiement utilisés.

Pour un créateur, l’application immédiate consiste à produire plusieurs interprétations d’un même texte : une version pédagogique, une autre plus souriante et une troisième plus posée. On choisit ensuite la prise qui convient au montage.

Pourquoi son installation locale demande de la mémoire

Drama 3 repose sur une architecture de 35 milliards de paramètres, avec environ trois milliards activés par jeton.

Ce dernier chiffre ne représente pas la taille totale du modèle à conserver en mémoire. Dans une architecture dite « mélange d’experts », seule une partie du réseau participe à chaque étape du calcul, mais les autres paramètres doivent rester accessibles.

La documentation de SGLang-Omni consacrée à Drama 3 indique environ 20,8 Go pour les seuls poids d’une variante INT4. Les besoins d’exécution s’ajoutent à cette base.

Il faut donc étudier cette installation séparément de celle d’un modèle d’image annoncé pour une carte de 8 Go.

Coût et utilisation commerciale

Fish Audio indique que les poids sont disponibles sous sa licence communautaire, avec une gratuité commerciale sous conditions pour les structures et leurs affiliés réalisant moins de 500 000 dollars de chiffre d’affaires annuel.

Consultez la licence complète depuis le dépôt officiel Fish Speech avant toute exploitation professionnelle. Le service en ligne et l’API possèdent par ailleurs leur propre facturation.

Pour une voix clonée, utilisez votre propre voix ou une référence dont vous avez l’autorisation d’exploiter l’identité vocale.

Reconstruction 3D en local : comprendre InfiniSplat v2

Vous filmez une pièce et souhaitez ensuite l’observer depuis d’autres angles.

InfiniSplat v2 reconstruit des scènes à partir de plusieurs images, avec ou sans positions de caméra fournies, afin de produire de nouveaux points de vue.

Le projet utilise une représentation fondée sur le 3D Gaussian Splatting. De nombreuses primitives, caractérisées notamment par leur position, leur forme, leur couleur et leur opacité, contribuent au rendu de la scène.

Imaginez un tableau pointilliste qui prend du volume et que l’on peut observer depuis plusieurs positions. Cette image aide à comprendre le principe, mais la représentation obtenue n’est pas un simple nuage de points ni nécessairement un maillage composé de surfaces.

Une scène visible n’est pas encore un décor de jeu

Cette distinction change ce que vous pourrez faire du résultat.

Une visite visuelle demande principalement un rendu convaincant. Un jeu nécessite aussi des collisions, des objets manipulables et une organisation adaptée au moteur utilisé. Un projet de fabrication demande encore d’autres propriétés géométriques.

Avant de lancer une reconstruction, définissez donc votre sortie attendue : une vidéo de visite, un aperçu interactif ou un environnement destiné à être retravaillé.

Comment préparer ses images

Pour une première capture, choisissez un lieu simple et immobile.

Gardez une lumière aussi stable que possible.
Prenez des vues qui se recouvrent.
Évitez les déplacements brusques.
Photographiez les zones importantes sous plusieurs angles.
Repérez les miroirs, les vitres et les surfaces brillantes.

Une zone jamais observée ne peut pas être considérée comme fidèlement documentée par les images.

L’installation officielle repose notamment sur CUDA et des dépendances précises. Ce projet demande donc davantage de préparation qu’une application grand public.

Objets 3D : ce que propose UniForge3D

Photographiez une figurine de face et de profil. Les photos montrent certaines surfaces, mais elles ne révèlent pas exactement son dos ou son dessous.

UniForge3D associe reconstruction et génération pour conserver les détails observés tout en complétant les régions absentes.

La reconstruction s’appuie sur les indices visibles. La génération mobilise des formes apprises pour proposer les parties manquantes. Le système sélectionne aussi les vues pertinentes pour guider les détails locaux.

Cette différence est importante dans un usage professionnel. Une partie générée peut être plausible sans correspondre à l’objet réel.

Pour un accessoire de décor, cette liberté peut convenir. Pour présenter fidèlement un produit commercial, elle peut introduire un détail inexistant.

Concernant la disponibilité : au moment de la vérification, la page officielle affichait encore le code « à venir ». UniForge3D doit donc être présenté comme un projet à suivre, plutôt que comme une installation locale immédiatement reproductible à partir des ressources confirmées.

Vidéo IA : pourquoi la mémoire entre les plans compte

Un personnage allume un feu, quitte le salon puis revient. Pour que la scène fonctionne, le décor et la cheminée doivent rester compatibles avec les événements précédents.

Any Time, Any Space — ATAS s’attaque à cette continuité avec deux mémoires complémentaires :

une mémoire de scène conserve la géométrie statique des lieux ;
une mémoire d’événements conserve des observations dynamiques repérées dans le temps.

Chaque demande de plan précise notamment le lieu, la caméra et le moment concerné. Le système récupère les éléments utiles avant la génération, puis contrôle les nouvelles observations avant de les intégrer à la mémoire.

Les auteurs rapportent des améliorations sur quatre générateurs vidéo dans leurs conditions d’évaluation. Cela ne garantit pas une continuité parfaite dans toutes les productions.

La page du projet ATAS permet d’examiner les démonstrations et les ressources associées. Son intégration à une chaîne de production locale doit être étudiée selon les générateurs et les composants retenus. La présence d’un framework accessible ne rend pas automatiquement toute la chaîne indépendante de services distants.

Quel matériel pour faire tourner une IA en local ?

Le mot « local » décrit l’endroit où le calcul s’exécute. Il ne donne pas, à lui seul, le niveau de puissance nécessaire.

Deux modèles téléchargeables peuvent demander des configurations très différentes.

Les informations à relever avant l’installation

Ouvrez les informations système de votre ordinateur et notez :

le système d’exploitation ;
le modèle exact de la carte graphique ;
la quantité de VRAM ;
la mémoire vive, ou RAM ;
l’espace disponible sur le disque.

Sous Windows, le Gestionnaire des tâches permet notamment de consulter la mémoire vive et les informations du GPU dans l’onglet Performances.

La RAM et la VRAM ne sont pas interchangeables. Certaines applications peuvent transférer une partie des données vers la mémoire vive, mais cela dépend de leur fonctionnement et peut ralentir les traitements.

À quoi sert une version quantifiée ?

La quantification consiste à représenter certains nombres du modèle avec une précision réduite. Cela peut diminuer la mémoire nécessaire et, selon le matériel et le logiciel, accélérer certains calculs.

Vous rencontrerez des mentions comme INT8 ou INT4.

Une version quantifiée peut faciliter une installation, mais elle ne supprime pas toutes les contraintes. Sa compatibilité et son effet sur la qualité doivent être examinés pour le modèle concerné.

Prévoir aussi l’espace disque

L’installation peut comprendre plusieurs éléments : les poids du modèle, des encodeurs, des décodeurs, des bibliothèques et les fichiers produits.

Conservez une marge suffisante pour les téléchargements, les mises à jour et les essais. Un disque presque plein peut bloquer une installation pourtant compatible avec votre carte graphique.

Commencer avec une seule tâche

Pour une première expérience, choisissez un objectif modeste : générer une image, retoucher une photographie ou produire quelques secondes de voix.

Utilisez une seule référence et les réglages recommandés par le projet. Vérifiez qu’un premier résultat s’enregistre correctement avant d’ajouter des extensions ou d’automatiser le traitement.

Cette progression facilite le diagnostic : si cinq composants sont modifiés en même temps, il devient difficile de comprendre lequel provoque l’erreur.

IA locale ou service en ligne : quand choisir chaque approche ?

Une installation locale devient intéressante lorsque le volume, la personnalisation ou la maîtrise des données justifient le temps de préparation.

Un service en ligne peut être plus pratique pour essayer une fonction, produire ponctuellement ou travailler depuis une machine peu adaptée au calcul.

Krea 3 illustre cette seconde approche. Krea annonce une retouche dans la plupart des cas en moins de huit secondes à une résolution native de 2K, avec jusqu’à six références. Le tarif affiché au lancement est de 0,06 dollar par image en 2K et de 0,03 dollar en 1K.

Ces performances proviennent du fournisseur et ne constituent pas nos propres mesures.

Pour un visuel produit, le service permet d’essayer plusieurs mises en scène depuis une image de départ. Il faut toujours contrôler les étiquettes, les logos, les proportions et les petits caractères.

Votre besoin	Approche à examiner en priorité
Tester rapidement une fonction	Service en ligne
Produire ponctuellement depuis un ordinateur peu puissant	Service en ligne
Adapter une chaîne de traitement à votre méthode	Installation locale
Traiter des fichiers sensibles	Installation locale dont les échanges réseau et les composants ont été vérifiés
Produire régulièrement en volume	Comparaison du coût total : matériel, temps, maintenance et facturation distante
Travailler sans connexion	Chaîne locale explicitement compatible avec un fonctionnement hors ligne

Une méthode hybride peut aussi convenir : tester un usage avec un service hébergé, puis investir dans une installation locale lorsque le besoin est confirmé.

Premier exercice : préparer son workflow avant de passer en local

Avant une installation complète, vous pouvez travailler la méthode avec un exercice court : assembler une image et une narration dans une séquence de quinze secondes.

Cette version de l’exercice utilise des interfaces en ligne. Elle permet d’apprendre à donner une instruction et à contrôler le résultat ; elle ne constitue pas une démonstration de fonctionnement entièrement local.

1. Préparer une référence propre

Photographiez un objet que vous avez le droit d’utiliser, sur un fond simple et avec une lumière régulière.

Notez trois caractéristiques qui devront rester identiques : sa forme, sa couleur et un signe distinctif.

2. Produire deux variantes d’image

Dans Krea, ouvrez l’outil de retouche et sélectionnez Krea 3 s’il est disponible dans votre compte. Importez la photographie, puis utilisez cette consigne :

Conserve exactement l’objet de l’image de référence :
sa forme, ses proportions, sa couleur et ses détails visibles.

Modifie uniquement l’environnement.
Place-le sur un bureau clair, près d’une fenêtre,
avec une lumière naturelle douce venant de la gauche.

N’ajoute aucun texte ni accessoire sur l’objet.

Générez deux versions et comparez chacune à la photographie originale. Zoomez sur les contours, les inscriptions et les détails distinctifs.

Si l’objet dérive, réduisez l’ampleur du changement demandé. Le critère de réussite reste simple : le décor change, tandis que les caractéristiques importantes de l’objet restent fidèles.

3. Essayer deux interprétations vocales

Dans l’espace Text to Speech de Fish Audio, sélectionnez Drama 3 si votre compte y donne accès. Choisissez une voix autorisée pour l’usage prévu, puis essayez :

[calme, chaleureux, sans ton publicitaire]
Une image pour montrer l’idée.
Une voix pour lui donner un rythme.
Et quelques secondes pour comprendre l’essentiel.

Gardez le même texte pour une seconde prise, avec une direction différente.

Comparez la prononciation, les pauses et le naturel. Si les indications sont lues à voix haute ou mal suivies, vérifiez que le modèle sélectionné prend en charge cette syntaxe.

Contrôlez le coût affiché avant la génération : aucun quota gratuit n’est garanti dans cet exercice.

4. Assembler la séquence

Importez l’image et l’audio dans votre logiciel de montage.

Ajustez la durée du visuel à celle de la voix et ajoutez éventuellement un léger zoom. Regardez ensuite le résultat sur téléphone : l’objet doit rester identifiable, la voix intelligible et le cadrage propre.

5. Définir la prochaine étape locale

Relevez ce qui a demandé le plus de temps :

produire assez de variantes ;
préserver la fidélité de l’objet ;
obtenir une voix naturelle ;
organiser les fichiers ;
répéter les mêmes manipulations.

Choisissez ensuite une seule tâche à explorer en local. Pour l’image, examinez les prérequis de FLUX 3 Image Klein. Pour la voix, comparez votre configuration aux besoins du déploiement de Drama 3 envisagé.

La migration sera plus facile à évaluer avec un exemple de référence : vous pourrez comparer le temps de préparation, la qualité obtenue et les ressources mobilisées.

Quel outil d’IA locale choisir pour commencer ?

Partez du contenu que vous produisez réellement.

Pour des couvertures, des illustrations ou des variations visuelles, commencez par la génération et la retouche d’images. Pour des tutoriels vidéo ou des narrations, étudiez la synthèse vocale. Pour des visites ou des décors explorables, examinez la reconstruction 3D en précisant le format de sortie attendu.

Gardez UniForge3D et ATAS dans votre veille si leurs usages correspondent à un projet concret. Leur intérêt scientifique ne suffit pas à en faire les premières installations les plus accessibles.

Construire son atelier d’IA locale consiste à sélectionner quelques outils que l’on comprend, que l’on peut faire fonctionner et dont on sait contrôler les résultats.

Une première tâche bien maîtrisée vous apprendra davantage qu’un disque rempli de modèles jamais ouverts.