OpenJarvis de Stanford lance un agent IA personnel sur votre matériel via Ollama
Un assistant IA personnel classique envoie chaque requête, chaque e-mail et votre agenda vers un serveur cloud externe. OpenJarvis, un framework open source des laboratoires de Stanford, exécute l'agent directement sur votre machine, le cloud restant une option. Il fonctionne désormais avec Ollama, un outil de lancement de modèles en local, et s'installe en une seule commande. On peut ainsi déployer un assistant privé pour la messagerie, les documents et le code, sans API externe.
Traité par IA depuis Ollama Blog ; édité par Hamidun News
Imaginez un assistant IA personnel auquel vous avez donné accès à votre messagerie, à votre agenda et à vos documents de travail. Dans la plupart des cas, chacune de vos questions et chacun de vos e-mails partent vers un serveur cloud tiers, et vous payez cela en argent comme en confidentialité. Pourtant, les modèles locaux savent depuis longtemps gérer l'essentiel des tâches du quotidien : répondre à une question, résumer un texte, écrire du code.
L'équipe d'Ollama, un outil populaire pour faire tourner des modèles d'IA sur son propre ordinateur, a annoncé que le framework open source OpenJarvis peut désormais fonctionner par-dessus. L'idée est simple : tout tourne d'abord chez vous, et le cloud ne se branche que si vous le souhaitez.
Qu'est-ce qu'OpenJarvis et d'où vient-il
OpenJarvis est un framework open source pour construire des agents IA personnels qui tournent sur votre matériel. Il est développé par des laboratoires de Stanford dans le cadre du programme de recherche « Intelligence Per Watt », soit « l'intelligence par watt ». Ce programme vise à évaluer non seulement la qualité des réponses, mais aussi l'énergie, l'argent et le temps qu'elles consomment.
C'est pourquoi les modèles locaux sont activés par défaut dans OpenJarvis, le cloud restant facultatif. Le framework suit l'énergie, le coût et la latence au même titre que la précision. Si vous hésitez entre votre carte graphique et une API payante, c'est utile : vous voyez le prix de chaque réponse, et pas seulement sa qualité.
Installation et fonctionnement
L'installation tient en une ligne. Sur macOS et Linux, il suffit d'exécuter le script d'installation : il configure l'environnement et détecte Ollama s'il est déjà présent. Sous Windows, la même commande se lance dans un environnement dédié, les détails figurant dans la documentation du projet. Le script installe un modèle de départ, ce qui permet de l'utiliser immédiatement.
Si vous voulez un autre modèle, vous prenez n'importe lequel disponible dans Ollama. Par exemple, jarvis model pull qwen3.5:35b, puis jarvis ask -m qwen3.5:35b "votre requête". Pour ne pas indiquer le modèle à chaque fois, on le déclare dans le fichier de configuration : default_model = "qwen3.5:35b" et preferred_engine = "ollama".
Le principal atout réside dans les préréglages prêts à l'emploi. Chacun assemble un agent avec les moteurs et les outils nécessaires :
- morning-digest-mac génère une synthèse matinale à partir de l'agenda, de la messagerie et de l'actualité du jour. D'après son nom, ce préréglage est conçu pour macOS.
- deep-research effectue des recherches sur le web et dans vos documents locaux, puis répond en citant ses sources. On indexe d'abord le dossier de fichiers avec
jarvis memory index ./docs/, après quoi l'on peut poser une question du type « Summarize all emails about Project X ». - code-assistant écrit et exécute du code Python directement sur votre machine pour accomplir une tâche.
N'importe lequel de ces préréglages se lance avec jarvis init --preset <nom>, sans assemblage manuel de la chaîne d'outils.
Ce que cela change concrètement
Pour un développeur, OpenJarvis est une base prête à l'emploi qu'il n'a pas à construire de zéro : l'agent, la mémoire documentaire, les outils et le choix du moteur sont déjà reliés entre eux. Pour un chef de produit ou un fondateur, l'essentiel est ailleurs. La confidentialité découle ici de l'architecture du système : messagerie et documents internes restent sur l'ordinateur, tant que vous n'activez pas le cloud vous-même. Cela lève bien des objections dans les équipes qui ne peuvent pas envoyer leurs données vers des services externes.
Il existe aussi des limites. L'annonce ne comporte aucun benchmark : Ollama ne fournit pas de chiffres sur la précision, la consommation énergétique ou la vitesse sur des cartes graphiques ou des ordinateurs portables précis. L'exemple avec qwen3.5:35b montre comment brancher un modèle, mais il ne garantit pas qu'il tournera confortablement sur n'importe quel matériel. Un modèle de plusieurs dizaines de milliards de paramètres demande une quantité de mémoire conséquente, et sur un portable modeste il faudra choisir plus petit. Par ailleurs, un agent qui lit votre messagerie et exécute du code sur votre machine reçoit des droits étendus. Avant de l'utiliser, il est prudent de vérifier les accès que vous lui accordez.
Si vous souhaitiez depuis longtemps essayer un agent personnel sans abonnement et sans envoyer vos données à l'extérieur, c'est l'une des voies les plus simples. Il suffit d'avoir Ollama installé, de lancer une commande et de choisir un préréglage. Enfin, le suivi intégré de l'énergie, du coût et de la latence permet de comparer honnêtement un fonctionnement local avec le cloud, sur vos propres tâches.
- 21 nov. 2026La vidéo de Claude jouant à GTA 6 ressemble à un fake : une demi-heure de contrôle a épuisé la limite de 5 heures du forfait Pro
- 21 nov. 2026Claude Code accélère la décompilation de Snowboard Kids 2 : de 20 % à 45 % des fonctions en trois mois
- 21 nov. 2026VibeCBS repère les surnoms des projets à l'avance : l'agent trouve 2,8 fois plus de documents
- 21 nov. 2026Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client
Questions clés sur cet article
Qu'est-ce qu'OpenJarvis et d'où vient-il?
OpenJarvis est un framework open source pour construire des agents IA personnels qui tournent sur votre matériel. Il est développé par des laboratoires de Stanford dans le cadre du programme de recherche « Intelligence Per Watt », soit « l'intelligence par watt ». Ce programme vise à évaluer non seulement la qualité des réponses, mais aussi l'énergie, l'argent et le temps qu'elles consomment. C'est pourquoi les modèles locaux sont activés par défaut dans OpenJarvis, le cloud restant facultatif.
Que sait-on sur Installation et fonctionnement ?
L'installation tient en une ligne. Sur macOS et Linux, il suffit d'exécuter le script d'installation : il configure l'environnement et détecte Ollama s'il est déjà présent. Sous Windows, la même commande se lance dans un environnement dédié, les détails figurant dans la documentation du projet. Le script installe un modèle de départ, ce qui permet de l'utiliser immédiatement. Si vous voulez un autre modèle, vous prenez n'importe lequel disponible dans Ollama.
Que sait-on sur Ce que cela change concrètement ?
Pour un développeur, OpenJarvis est une base prête à l'emploi qu'il n'a pas à construire de zéro : l'agent, la mémoire documentaire, les outils et le choix du moteur sont déjà reliés entre eux. Pour un chef de produit ou un fondateur, l'essentiel est ailleurs. La confidentialité découle ici de l'architecture du système : messagerie et documents internes restent sur l'ordinateur, tant que vous n'activez pas le cloud vous-même.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.