LLM Non CensureGuide
LLM sans censure : local ou API hébergée, que choisir
Faire tourner un LLM sans censure chez soi ou payer une API hébergée : les deux voies marchent, et le bon choix dépend de votre matériel, de votre volume et de votre patience.


Points clés
Le choix en un tableau
Un llm sans censure peut s'obtenir de deux façons : vous téléchargez les poids d'un modèle ouvert et vous le faites tourner sur votre machine, ou vous appelez un modèle déjà hébergé par quelqu'un d'autre. Voici la comparaison, sans détour.
| Critère | Local | API hébergée |
|---|---|---|
| Mise en route | Installation, téléchargement de poids lourds, réglages | Une clé, une URL, un appel |
| Matériel | GPU ou machine puissante, selon la taille du modèle | Aucun, un simple ordinateur suffit |
| Coût | Achat du matériel plus électricité | Paiement au token, sans abonnement |
| Confidentialité | Les données restent chez vous | Les prompts transitent par un tiers |
| Hors ligne | Oui | Non |
| Maintenance | À votre charge : mises à jour, pilotes, quantification | Assurée par l'hébergeur |
| Montée en charge | Limitée par votre machine | Jusqu'à 8 requêtes simultanées et 300 par minute |
Quand le local est le meilleur choix
Le local gagne dans trois situations. D'abord, quand la confidentialité prime absolument : des textes que vous ne voulez envoyer à aucun serveur. Ensuite, quand vous travaillez hors ligne ou sur un réseau fermé. Enfin, quand vous aimez bricoler : choisir sa quantification, tester dix variantes de modèle, ajuster des paramètres bas niveau.
Des outils comme Ollama, llama.cpp ou LM Studio rendent l'exercice abordable, et plusieurs exposent même une API locale compatible OpenAI, ce qui permet de réutiliser le même code. Cela dit, la taille du modèle que vous pouvez charger dépend de la mémoire de votre GPU ou de votre machine. Consultez la fiche de chaque modèle et la documentation de l'outil pour connaître les besoins exacts, ils varient beaucoup.
Le revers : un petit modèle local écrit en général moins bien qu'un gros modèle hébergé, et la vitesse de génération dépend de votre équipement. Tant que vous n'avez pas testé sur vos propres textes, méfiez-vous des comparaisons toutes faites.
Quand l'API hébergée est plus raisonnable
L'API convient quand vous voulez un résultat vite, sans acheter ni configurer de matériel. C'est aussi le cas si vous construisez un produit pour d'autres : une application de fiction interactive, un compagnon pour adultes, un outil interne. Vous n'avez pas à gérer des pannes de GPU, ni les mises à jour.
Le service décrit ici est une API compatible OpenAI avec un seul modèle open-weight, uncensored, exploité par un fournisseur indépendant et réglé pour répondre sans refus de contenu dans un cadre adulte légal. Il fournit une fenêtre de 100 000 tokens, le streaming, les appels d'outils et le mode JSON. Il ne génère que du texte, et les contenus sexuels impliquant des mineurs sont exclus. Le guide intégrer une IA non censurée par API détaille la mise en place côté application.
Un calcul de coût pour trancher
Le tarif est de 0,15 $ par million de tokens en entrée et 0,50 $ par million en sortie. Une requête de 1 000 tokens en entrée et 500 en sortie coûte 1 000 × 0,15 / 1 000 000 + 500 × 0,50 / 1 000 000 = 0,00015 + 0,00025 = 0,0004 $.
Imaginons, à titre d'hypothèse, que vous envisagiez d'acheter une machine à 1 000 $ uniquement pour ce besoin. Ce montant représente 1 000 / 0,0004 = 2 500 000 requêtes de cette taille sur l'API, sans compter l'électricité ni votre temps de maintenance côté local. Si votre usage tourne autour de quelques milliers de requêtes par mois, l'API reste très en dessous. Si vous en lancez des millions en continu, le calcul peut s'inverser, surtout si la machine sert aussi à autre chose.
Si vous possédez déjà un GPU adapté, le coût marginal du local se limite à l'électricité, et l'API devient surtout une option de secours ou de montée en charge. Faites ce calcul avec vos propres chiffres : volume réel, taille de prompt, prix du matériel et de l'énergie chez vous.
Écrire du code qui marche dans les deux cas
Parce que l'API suit le format OpenAI, vous pouvez coder une fois et changer d'hébergement par configuration. Voici un client qui lit l'URL, la clé et le modèle dans l'environnement, avec l'API hébergée par défaut.
import os
from openai import OpenAI
client = OpenAI(
base_url=os.getenv("LLM_BASE_URL", "https://api.llmnoncensure.com/v1"),
api_key=os.getenv("LLM_API_KEY", "VOTRE_CLE"),
)
MODELE = os.getenv("LLM_MODEL", "uncensored")
def demander(texte):
r = client.chat.completions.create(
model=MODELE,
messages=[{"role": "user", "content": texte}],
temperature=0.8,
)
return r.choices[0].message.content
print(demander("Propose trois idées de nouvelles noires, une phrase chacune."))
Pour passer au local, il suffit alors de définir LLM_BASE_URL, LLM_API_KEY et LLM_MODEL selon ce qu'attend votre serveur local. Les noms de modèles locaux sont différents et dépendent de ce que vous avez installé : vérifiez-les dans la documentation de l'outil. Cette séparation vous évite d'être enfermé dans un choix. Voyez aussi la documentation de l'API pour les routes /v1/chat/completions et /v1/responses.
L'approche hybride, souvent la plus sensée
Rien n'oblige à choisir un camp. Beaucoup de développeurs combinent les deux :
- Local pour le travail privé : brouillons, notes, textes que vous ne voulez pas envoyer ailleurs.
- API pour la qualité ou la charge : pics d'usage, démonstrations, tests avec des utilisateurs, tâches longues qui saturent votre machine.
- API pour le prototypage : vous validez l'idée en une heure, puis vous décidez si un déploiement local se justifie.
Pour la montée en charge, retenez les plafonds : une clé complète autorise 8 requêtes simultanées et 300 par minute, une clé d'essai 2 et 60. Au-delà, l'API répond par un 429 avec le code rate_limited ou concurrency. Un client bien écrit attend et réessaie au lieu de planter.
Un dernier repère de budget : 20 $ de recharge couvrent 20 / 0,0004 = 50 000 requêtes de la taille type ci-dessus, et 100 $ donnent 110 $ de crédit avec le bonus de 10 %, soit 275 000 requêtes. Les requêtes échouées ou refusées ne sont pas facturées. Avec ces chiffres en main, comparer avec votre coût réel de matériel et d'énergie devient un simple exercice de calcul.
Ce qu'aucune des deux voies ne change
Un modèle sans refus de principe ne vous dispense ni du droit, ni du bon sens. Que le modèle tourne chez vous ou sur un serveur, vous répondez de ce que vous générez et publiez. Le contenu sexuel impliquant des mineurs reste exclu, et un service destiné au public doit prévoir sa propre vérification d'âge.
Sur la confidentialité de l'option hébergée, un fait précis : les prompts ne sont pas utilisés pour entraîner le modèle. Pour le reste, lisez la politique de confidentialité avant d'envoyer des données sensibles. Si ce point est décisif pour vous, le local est le choix le plus sûr.
Pour commencer à l'essai sans engagement, réclamez 0,50 $ de crédit d'essai sur la page obtenir une clé API, sans moyen de paiement. Une fois ce test fait, vous saurez si la qualité de réponse justifie de pousser plus loin, ou de rester en local. Les tarifs de recharge sont sur la page tarifs, avec un paiement en crypto (USDT sur TRC20 ou USDC sur Base).
Autres guides
Questions fréquentes
Un LLM sans censure local est-il meilleur qu'une API ?
Pas forcément. Il est meilleur pour la confidentialité et le hors ligne, moins bon pour la simplicité, la qualité à matériel modeste et la montée en charge.
Puis-je changer de local à API sans réécrire mon code ?
Oui, si votre code utilise le SDK OpenAI. Il suffit de modifier l'URL de base, la clé et le nom du modèle.
L'API hébergée garde-t-elle mes prompts pour entraîner le modèle ?
Non, les prompts ne sont pas utilisés pour l'entraînement.
Quel est le prix de l'API hébergée ?
0,15 $ par million de tokens en entrée et 0,50 $ par million en sortie, sans abonnement, avec un crédit qui n'expire jamais.
Votre clé est à une étape
Créez un compte, copiez la clé, modifiez l'URL de base. C'est tout.