Page informative, sans valeur de conseil. Téléchargez depuis la source officielle, vérifiez la licence du logiciel et de chaque modèle, et gardez en tête qu'un modèle de langage peut se tromper : croisez les informations importantes.
À quoi ça sert
Jan (développé par Menlo Research) est une application de bureau minimaliste qui ressemble volontairement à ChatGPT : si vous l'avez déjà utilisé, vous serez à l'aise tout de suite. La différence essentielle, c'est que tout fonctionne sur votre ordinateur, hors-ligne si vous le souhaitez, et que le code est entièrement open source. Sous le capot, Jan fait tourner les modèles GGUF via llama.cpp, intégré directement dans l'application.
Ce qui fait sa force
- Vraiment open source, vraiment auditable. Jan est publié sous licence Apache 2.0 — permissive, et explicite sur les brevets. Le code est public, ce qui permet de l'auditer, de le contribuer, et rend son fonctionnement vérifiable.
- Hors ligne possible. En usage local, vos conversations restent sur le poste ; l'application se connecte pour télécharger des modèles et vérifier les mises à jour, ou si vous ajoutez un fournisseur cloud ou un serveur MCP distant. C'est l'argument central pour qui place la confidentialité au premier plan.
- Local et cloud dans la même interface. Jan fait tourner des modèles locaux, mais peut aussi se connecter à des API distantes (OpenAI, Anthropic, Mistral, ou tout point d'accès compatible OpenAI, dont Ollama). Vous gardez le choix, échange par échange, entre rester local ou appeler un modèle cloud.
-
Un serveur API local intégré. Jan sait exposer un serveur compatible OpenAI sur
http://127.0.0.1:1337: vos scripts et outils « OpenAI » se branchent dessus en changeant simplement l'URL de base. Pratique pour transformer Jan en moteur local pour d'autres applications. - Moteur moderne et entretenu. Jan a recentré son inférence sur llama.cpp intégré (l'ancien moteur Cortex a été déprécié à l'été 2025), pour un meilleur suivi des nouveaux modèles et des optimisations matérielles.
Pour qui
Idéal pour quelqu'un qui veut juste discuter avec une IA locale, dans une interface claire, sans configuration, et qui tient à un logiciel open source qu'il peut inspecter. Si vous voulez interroger vos propres documents, regardez GPT4All ; pour le catalogue Hugging Face le plus large, LM Studio ; pour piloter le moteur au terminal, Ollama. C'est largement une question de goût d'interface — les quatre s'appuient largement sur llama.cpp.
Installation
Télécharger et installer
Source officielle : jan.ai (Windows, macOS et Linux ; les modèles locaux ne fonctionnent pas sur les Mac à processeur Intel, selon les notes de la v0.8.8). Téléchargez l'installeur de votre système et lancez-le : c'est une application classique.
Choisir et télécharger un modèle
Ouvrez l'onglet « Hub » et parcourez le catalogue de modèles open source. Cliquez sur celui qui vous intéresse, puis « Download ». Le modèle est stocké localement et réutilisable hors-ligne.
Discuter
Démarrez une nouvelle conversation et écrivez votre question : Jan charge automatiquement le modèle sélectionné. La première réponse demande quelques secondes (chargement en mémoire), puis l'échange devient fluide.
Activer le serveur API local (optionnel)
Dans Settings → Local API Server, démarrez le serveur. Il écoute sur
http://127.0.0.1:1337, avec un point d'accès compatible OpenAI sur /v1 :
il suffit de pointer un outil « OpenAI » vers cette URL.
La clé à donner à l'outil est celle que vous avez saisie dans Jan, au champ
API Key des réglages du serveur. Si une clé est définie, chaque requête doit la porter
dans l'en-tête Authorization: Bearer VOTRE_CLE, même depuis 127.0.0.1 : une clé
absente ou fausse renvoie une erreur 401. Si le champ est vide, l'authentification est
désactivée, et la documentation fait alors omettre cet en-tête ; elle le déconseille dès que le serveur
écoute sur le réseau (0.0.0.0). Choisissez une clé longue et aléatoire, jamais un exemple
recopié.
Bien choisir son modèle
La taille du modèle (3B, 7B, 8B…) fixe la mémoire nécessaire : comptez environ
la taille du fichier en RAM. Un 7B quantifié Q4 pèse ~4 à 5 Go ; un 3B,
~2 Go. Sur une machine modeste, commencez par un 3B ou 7B quantifié. Jan tourne sur
processeur ; un GPU compatible accélère sans être obligatoire.
Points de vigilance
En usage local, vos conversations restent sur le poste, et un modèle trop lourd ne fait que ralentir la machine. Les vrais points d'attention apparaissent surtout si vous activez une connexion cloud ou le serveur API.
| Point d'attention | Niveau | Ce qu'il faut savoir |
|---|---|---|
| Connexion à une API cloud (si activée) | 🟡 seulement si vous l'activez | Par défaut Jan est local. Si vous configurez un provider distant (OpenAI, Anthropic…), les messages concernés partent vers ses serveurs — c'est attendu, mais à choisir en connaissance de cause. Pour des données sensibles, restez sur un modèle local. |
| Licence du modèle (≠ celle de Jan) | 🟡 selon le modèle | Jan est sous Apache 2.0, mais chaque modèle a sa propre licence : Llama et Gemma imposent des conditions, beaucoup de modèles Mistral et Qwen sont sous Apache 2.0, mais pas tous : vérifiez la fiche de chaque modèle. À vérifier avant un usage commercial. |
| Serveur API : authentification configurable | 🟡 seulement si vous l'activez | Le serveur (port 1337) écoute par défaut sur 127.0.0.1, joignable depuis votre seule machine. Il n'exige une clé que si le champ API Key est rempli : champ vide, authentification désactivée. Depuis la v0.8.8 (28 octobre 2026), une requête venue d'une page web n'est acceptée que depuis la machine elle-même, Jan ou un hôte ajouté dans « Trusted Hosts ». Sur une version plus ancienne, des pages ouvertes dans votre navigateur pouvaient appeler le serveur : mettez Jan à jour et définissez une clé. Avant de passer l'écoute à 0.0.0.0 (réseau local), une clé est indispensable ; au-delà, placez le serveur derrière un pare-feu ou un proxy authentifié. |
| Agent et outils (shell, fichiers, MCP) | 🟡 à régler | Depuis la série 0.8, Jan propose un agent qui peut lancer des commandes (outil Shell, désactivable dans le chat), lire et écrire des fichiers et appeler des serveurs MCP. Laissez Shell désactivé tant que vous n'en avez pas besoin, et relisez chaque action proposée. |
Sécurité
- En usage local, vos conversations restent sur le poste. N'activez une connexion API distante que si vous en avez besoin et après lecture des CGU du service.
-
Gardez le serveur sur
127.0.0.1(port 1337). Ne l'exposez sur le réseau qu'avec une couche d'authentification (reverse-proxy, VPN, pare-feu), et définissez une clé dans le champ API Key : laissé vide, il désactive l'authentification. - Le code est public sur GitHub : vous pouvez l'examiner ou suivre les revues de la communauté.
- Tenez l'application à jour depuis le site officiel pour les correctifs.
Aller plus loin
- GPT4All — pour interroger ses propres documents en local (LocalDocs).
- LM Studio — catalogue Hugging Face intégré et serveur API soigné.
- Ollama — le moteur en ligne de commande, à brancher comme provider de Jan.
- OSIALab — comparer Jan avec les autres outils d'IA locale.
Sources
- Site officiel : jan.ai
- Code source & licence (Apache 2.0) : github.com/janhq/jan
- Documentation : jan.ai/docs ; serveur API local (adresse, port, clé, CORS) : Local API Server (consultée le 30 octobre 2026)