Installer DeepSeek en local : comment déployer ce modèle de raisonnement open source sur ton ordinateur en toute confidentialité ? L’avènement des modèles de fondation performants a longtemps contraint les utilisateurs à dépendre d’infrastructures distantes et d’abonnements payants. Avec la publication des poids ouverts de la famille DeepSeek-R1 et de ses versions distillées, il est désormais possible d’exécuter un assistant de pointe directement sur son propre matériel, sans la moindre fuite de données vers des serveurs tiers.
Dans ce tutoriel pas-à-pas pour installer DeepSeek en local, nous détaillons la méthode la plus rapide et robuste à l’aide d’Ollama et de l’interface graphique Open WebUI. Que tu travailles sur macOS, Windows ou Linux, tu découvriras quelle taille de modèle choisir selon ta mémoire vive et comment réussir à installer DeepSeek en local pour obtenir une station de travail autonome et performante.
Points clés de l’installation locale
- Confidentialité absolue : Aucun prompt, document ou code source ne transite par internet une fois le modèle téléchargé.
- Outils requis : Le gestionnaire Ollama en ligne de commande et un conteneur Docker léger pour l’interface Open WebUI.
- Calibrage matériel : Des versions distillées légères de 1,5 à 8 milliards de paramètres aux versions expertes de 14 et 32 milliards selon ta RAM.
- Compatibilité universelle : Prise en charge native de macOS (processeurs Apple Silicon M1 à M4), Windows avec carte graphique Nvidia ou AMD, et distributions Linux.
Sommaire interactif
- Pourquoi installer DeepSeek en local sur sa propre machine ?
- Quelle configuration matérielle pour faire tourner DeepSeek ?
- Étape 1 : installer DeepSeek en local avec Ollama
- Étape 2 : télécharger et lancer DeepSeek dans son terminal
- Étape 3 : ajouter une interface graphique avec Open WebUI
- Étape 4 : connecter l’API locale à ses outils de développement
- Mon avis : le local est-il devenu suffisant au quotidien ?
- FAQ sur l’installation de DeepSeek en local
- Sources et ressources utiles
Pourquoi installer DeepSeek en local sur sa propre machine ?
La décision d’installer DeepSeek en local répond à plusieurs impératifs stratégiques pour les entreprises, les développeurs et les créateurs de contenu. Le premier argument réside dans la souveraineté numérique et le respect strict du RGPD. Lorsque tu traites des contrats confidentiels, des données médicales ou des dépôts de code propriétaire, l’utilisation d’API hébergées dans le cloud présente toujours un risque résiduel d’interception ou de réentraînement des modèles.
Le second avantage est financier. Choisir d’installer DeepSeek en local élimine les frais d’abonnement mensuels récurrents et la facturation au jeton consommé, ce qui rentabilise l’investissement consenti dans ta machine physique. Pour analyser l’évolution des performances brutes de ces architectures, consulte les récents benchmarks du modèle DeepSeek qui confirment l’efficacité des poids quantifiés.
Enfin, la résilience opérationnelle est totale : ton assistant d’ingénierie continue de répondre même en cas de coupure de réseau ou d’interruption de service des grands fournisseurs d’accès cloud. Tu peux également explorer notre guide des modèles d’IA open source pour comparer l’écosystème disponible après avoir achevé la configuration requise pour installer DeepSeek en local.
Quelle configuration matérielle pour faire tourner DeepSeek ?
Avant d’engager le processus pour installer DeepSeek en local, il est crucial d’adapter la variante du modèle aux capacités réelles de ta machine. La famille DeepSeek-R1 se décline en versions distillées basées sur des architectures éprouvées (Qwen et Llama), quantifiées par défaut en format Q4_K_M (4 bits par poids).
Voici la grille de correspondance exacte entre la mémoire disponible et le modèle préconisé :
| Version du modèle | Taille sur disque | Mémoire vive (RAM / VRAM) | Machine cible recommandée |
|---|---|---|---|
| DeepSeek-R1 1.5B | 1,1 Go | 4 Go à 8 Go | Ordinateur portable standard, bureautique |
| DeepSeek-R1 7B / 8B | 4,9 Go | 8 Go à 16 Go | Mac M1/M2/M3/M4 16 Go, PC avec GPU 6 Go+ |
| DeepSeek-R1 14B | 9,0 Go | 16 Go à 32 Go | Mac Apple Silicon 24/32 Go, PC RTX 3060/4060 |
| DeepSeek-R1 32B | 20,0 Go | 32 Go à 64 Go | Mac M-Pro/Max 36/48 Go, PC bi-GPU ou RTX 3090/4090 |
| DeepSeek-R1 70B | 43,0 Go | 64 Go à 128 Go | Mac Studio 64/128 Go, station de travail multi-GPU |
| DeepSeek-R1 671B (MoE) | 404 Go+ | 512 Go à 1 To+ | Serveurs dédiés d’entreprise ou datacenter |
Pour un usage quotidien équilibré, la version DeepSeek-R1:8b ou DeepSeek-R1:14b représente le point idéal entre vitesse de calcul et pertinence logique quand on souhaite installer DeepSeek en local sans saturer son processeur.
Étape 1 : installer DeepSeek en local avec Ollama
Le moyen le plus simple et le plus optimisé pour installer DeepSeek en local est d’utiliser le moteur d’inférence Ollama (qui prend également en charge l’audio avec Ollama Phonon pour la synthèse vocale sur Mac). Cet outil libre encapsule l’exécution de modèles complexes dans un binaire autonome hautement optimisé pour l’accélération matérielle Metal sur Mac et CUDA sur les cartes Nvidia.
Pour préparer ton environnement et installer DeepSeek en local selon ton système d’exploitation :
- Sur macOS : Télécharge le fichier d’installation depuis le site officiel ou utilise Homebrew en saisissant la commande
brew install ollamadans ton terminal. - Sur Windows : Télécharge l’exécutable officiel
OllamaSetup.exequi configure automatiquement les pilotes et le service d’arrière-plan. - Sur Linux : Exécute le script d’installation officiel via la commande sécurisée :
curl -fsSL https://ollama.com/install.sh | sh.
Une fois l’installation terminée, Ollama s’exécute en tâche de fond et expose un serveur local prêt à recevoir tes instructions sur le port 11434, facilitant grandement la démarche pour installer DeepSeek en local en toute simplicité.
Étape 2 : télécharger et lancer DeepSeek dans son terminal
L’étape suivante consiste à récupérer les poids quantifiés du modèle. Pour installer DeepSeek en local avec la variante 8B, ouvre ton émulateur de terminal et saisis la commande suivante :
ollama run deepseek-r1:8bLe moteur d’Ollama va automatiquement télécharger le modèle de 4,9 Go depuis ses dépôts officiels. Dès que la barre de progression atteint 100 %, une invite de commande interactive s’affiche immédiatement. Tu peux dès lors poser tes questions en français, demander des explications d’algorithmes ou solliciter la rédaction d’un script.
Si ta machine dispose de 32 Go de mémoire vive et que tu souhaites installer DeepSeek en local avec un niveau de raisonnement supérieur, télécharge la version 14B :
ollama run deepseek-r1:14bPour quitter la session interactive dans ton terminal, tape simplement /bye ou utilise le raccourci clavier Ctrl + D. Pour vérifier que tu as réussi à installer DeepSeek en local et lister les modèles disponibles sur ton disque dur, utilise la commande ollama list.
Étape 3 : ajouter une interface graphique avec Open WebUI
Bien que la ligne de commande soit idéale pour les tests rapides, l’expérience devient bien plus agréable lorsque tu disposes d’une interface web moderne similaire à ChatGPT. Pour parachever la démarche pour installer DeepSeek en local, nous recommandons le déploiement d’Open WebUI via Docker.
Assure-toi que Docker Desktop ou Docker Engine est démarré sur ton ordinateur, puis colle la commande suivante :
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:mainCe conteneur configure l’interface complète en deux minutes. Ouvre ton navigateur web à l’adresse http://localhost:3000. Crée ton compte administrateur local : toutes les données demeurent stockées sur ta machine dans le volume Docker dédié.
Open WebUI détecte instantanément l’instance Ollama active et liste tous les checkpoints disponibles dans le menu déroulant supérieur. Tu bénéficies ainsi de l’historique de conversation, du support des documents joints (PDF, tableurs) et d’un affichage soigné des blocs de code avec coloration syntaxique après avoir pris soin d’installer DeepSeek en local.
Étape 4 : connecter l’API locale à ses outils de développement
Un des atouts majeurs lorsqu’on décide d’installer DeepSeek en local est la possibilité de réutiliser l’inférence dans d’autres applications de productivité. Ollama expose nativement un endpoint compatible avec le standard de l’API OpenAI à l’adresse http://localhost:11434/v1.
Dans un éditeur de code moderne comme Cursor, VS Code (avec l’extension Continue) ou des scripts d’automatisation, il suffit de renseigner cette adresse comme base d’API avec une clé fictive (par exemple ollama). Tu peux ainsi bénéficier d’un agent de complétion de code entièrement gratuit qui tourne sur tes puces locales, tout en restant connecté aux initiatives comme l’agent open source DeepSeek.
Mon avis : le local est-il devenu suffisant au quotidien ?
Éditorial : cette section exprime mon avis d’analyse technique sans complaisance.
Soyons honnêtes deux minutes : installer DeepSeek en local est une victoire éclatante pour l’open source et la protection de la vie privée, mais ce n’est pas encore la panacée universelle pour tous les usages informatiques.
Sur les tâches courantes d’écriture, de synthèse de réunions et de génération de fonctions de code isolées, une version distillée 8B ou 14B sur une puce Apple Silicon M-Series ou une carte graphique RTX délivre une réactivité bluffante, tout comme l’exécution de Perplexity Computer sur Mac en local. La latence au premier jeton est quasi nulle et l’absence totale de télémétrie procure un sentiment de liberté très appréciable lorsqu’on choisit d’installer DeepSeek en local.
En revanche, il ne faut pas se mentir sur les capacités de raisonnement pur. Les versions légères distillées n’égalent pas le véritable modèle géant DeepSeek-R1 à 671 milliards de paramètres lorsqu’il s’agit de résoudre des démonstrations mathématiques poussées ou d’analyser une codebase de deux millions de lignes sans se perdre dans le contexte. Les promesses de remplacer l’ensemble des clusters cloud avec un simple ordinateur de bureau restent du domaine du marketing.
Mon conseil concret : commence par installer DeepSeek en local avec Ollama et Open WebUI dès aujourd’hui pour 80 % de tes tâches confidentielles et récurrentes. Mais conserve un accès API d’appoint vers les grands modèles de pointe pour les problèmes hautement critiques nécessitant une force brute de calcul.
FAQ sur l’installation de DeepSeek en local
Peut-on faire tourner le modèle complet DeepSeek-R1 671B sur un PC de bureau ?
Non, le modèle complet DeepSeek-R1 avec ses 671 milliards de paramètres nécessite une architecture de datacenter comprenant au moins 512 Go de mémoire graphique ou un cluster multi-GPU dédié. Sur un ordinateur personnel, seules les versions distillées (de 1.5B à 70B) sont exécutables.
Quelle est la différence entre DeepSeek-R1 et les versions distillées ?
Les versions distillées sont des architectures compactes (basées sur Qwen ou Llama) réentraînées sur les traces de raisonnement du modèle parent DeepSeek-R1. Elles reproduisent la logique de réflexion par étapes tout en restant compatibles avec les capacités mémoire des machines grand public.
Ollama fonctionne-t-il sans connexion internet une fois le modèle téléchargé ?
Oui, Ollama fonctionne de manière 100 % autonome hors ligne. Dès que les fichiers du modèle sont enregistrés localement sur ton disque dur, aucune requête ne quitte ta machine et l’inférence s’exécute sans accès réseau.
Comment supprimer un modèle DeepSeek pour libérer de l’espace disque ?
Pour supprimer un modèle téléchargé dont tu n’as plus l’usage, utilise la commande terminal ollama rm deepseek-r1:8b. Les gigaoctets occupés sur ton unité de stockage SSD sont alors instantanément restitués à ton système.
Sources et ressources utiles
- Ollama — Bibliothèque officielle du modèle DeepSeek-R1 : commandes d’installation, tags disponibles et détails des quantifications.
- Open WebUI — Dépôt officiel GitHub : documentation technique de déploiement Docker et intégrations graphiques.