Comment télécharger, installer et lancer Llama 4

LLama 4 — est une nouvelle série de modèles de langage de Meta*, conçue pour travailler avec du texte, du code, des requêtes en dialogue et d’autres tâches de traitement du langage naturel. Elle est présentée comme une alternative ouverte à GPT-4. Elle peut servir à créer des chatbots, générer du texte, analyser des documents, automatiser des tâches et couvrir d’autres cas d’usage nécessitant une génération de langage de qualité.

⚠️ Avertissement

Avant de passer à l’installation, gardez à l’esprit plusieurs points importants :

Les modèles LLaMA 4 sont très volumineux — de 100 à 220 Go. Ils demandent beaucoup d’espace disque.

Les modèles utilisent une architecture Mixture of Experts et nécessitent un matériel puissant — sur processeur, ils fonctionnent lentement, et sur la plupart des ordinateurs portables ils ne se lancent pas directement.

Au moment de la publication, Meta fournit uniquement les poids au format .safetensors, qui ne peuvent pas être lancés via llama.cpp. Pour les exécuter, il faut transformers, text-generation-webui ou une adaptation vers des solutions tierces.

Même l’installation et le téléchargement prendront du temps — assurez-vous d’avoir une connexion Internet stable.

Erreurs

Pendant l’installation et le lancement du modèle, des erreurs apparaîtront presque certainement : incompatibilités de versions de bibliothèques, manque de mémoire, mauvais chemin de fichier, erreurs d’import — tout cela fait partie du processus.

Collez-le dans n’importe quel chatbot, par exemple :

ChatGPT de OpenAI ;

Claude de Anthropic ;

Grok de xAI.

Expliquez que vous installez Llama 4 en local et demandez d’analyser l’erreur.

Obtenir l’accès à Llama 4

L’accès aux modèles Llama 4 Scout et Maverick est fourni sans restrictions. Il suffit d’ouvrir la page officielle, de sélectionner Download models et de remplir les informations :

Prénom ;

Nom ;

Date de naissance ;

Email ;

Pays ;

Nom de l’entreprise — vous pouvez en inventer un ou indiquer une entreprise existante ;

Poste — choisissez n’importe quel élément de la liste.

Installation de Llama 4

Après avoir rempli les informations, vous recevrez un ID de requête et les instructions pour télécharger les modèles. Vous pourrez les télécharger pendant 48 heures, jusqu’à 5 fois, à l’aide de liens uniques. Ils seront envoyés à l’adresse email indiquée.

Préparer le dossier pour le modèle

✅ macOS :

`cd ~/Downloads mkdir -p llama/models cd llama/models`

💻 Windows, cmd :

`cd %USERPROFILE%\\Downloads mkdir llama\\models cd llama\\models`

À la place de %USERPROFILE%, vous devez saisir le nom du profil dans Windows, par exemple Admin.

Télécharger LLaMA 4 Scout ou Maverick via curl ou Invoke-WebRequest

Meta fournit un lien unique pour télécharger le modèle, valable 48 heures. Il ressemble à ceci :

N’essayez pas d’utiliser le lien de l’instruction, il n’est pas valide

https://llama4.llamameta.net/?Policy=eyJTdGF0ZW1lbnQiOlt7InVuaXF1ZV9oYXNoIjoicGgxeGRqOGx3bHIwYTU2YWVpMjM5ZDNpIiwiUmVzb3VyY2UiOiJodHRwczpcL1wvbGxhbWE0LmxsYW1hbWV0W70z-gRaD4DsMGSiu4i55xt4nIohvUC6QB5weJBShoYdiLhcCUQii6-ZyAgBgBcOl67-5wWEhoLwnlkJf5s4XvZaMYqKCJ6SGMK9MidUsVk12NUoBhEwh7kzlvBXbqElbeF%7E26dE1N8v3lS0rLD3OJ3Hk636bNb78GuRqNgQYt21vuA7PuGjKJsMlUyc7Ds7JJMOjpim5ihr4xQQmk-sjUJOlbMNDaKXnUBQ-UytMAwAxw3d9uL2JJ7u2y9A\_\_&Key-Pair-Id=...&Download-Request-ID=...

Important : ne modifiez pas l’URL et n’insérez pas * dans l’adresse ! Cela entraînera une erreur 403.

✅ macOS :

curl -L -o llama-4-scout-17b-instruct.safetensors "Lien"

💻 Windows PowerShell :

`Invoke-WebRequest \\ -Uri "Lien"`

Ou 💻 Windows cmd + wget :

wget "Lien" -O llama-4-scout-17b-instruct.safetensors

**Résultat : fichier **`.safetensors`

Après un téléchargement réussi, vous obtiendrez le fichier :

llama-4-scout-17b-instruct.safetensors

Taille : de 100 à 220 Go selon la version.

Que faire après le téléchargement de .safetensors

Le fichier .safetensors que vous avez téléchargé contient les poids du modèle LLaMA 4. Vous pouvez le lancer de plusieurs façons — selon vos objectifs et les capacités de votre ordinateur.

Option 1. Utiliser transformers de Hugging Face sur CPU

Cette méthode convient pour un test ou pour travailler avec des requêtes courtes. Elle fonctionne sur CPU, sans carte graphique.

Étape 1. Installer les dépendances

✅ macOS :

pip install transformers accelerate sentencepiece

💻 Windows (cmd ou PowerShell) :

pip install transformers accelerate sentencepiece

Étape 2. Code minimal pour lancer le modèle

Créez un fichier run\_llama.py avec le contenu suivant :

from transformers import AutoTokenizer, AutoModelForCausalLM import torch model_path = "./llama-4-scout-17b-instruct.safetensors" # chemin vers le modèle tokenizer = AutoTokenizer.from_pretrained("meta-llama/Meta-Llama-3-8B-Instruct", use_fast=False) model = AutoModelForCausalLM.from_pretrained( model_path, torch_dtype=torch.float32, # CPU low_cpu_mem_usage=True, device_map="auto", ) prompt = "Raconte brièvement comment fonctionne le réseau neuronal LLaMA 4." inputs = tokenizer(prompt, return_tensors="pt") with torch.no_grad(): outputs = model.generate(**inputs, max_new_tokens=150) print(tokenizer.decode(outputs[0], skip_special_tokens=True))

❗ meta-llama/Meta-Llama-3-8B-Instruct est utilisé ici uniquement pour charger le tokenizer — remplacez-le si Meta publie séparément le tokenizer de LLaMA 4.

Lancement :

python run_llama.py

Option 2. Le connecter à WebUI (text-generation-webui)

Si vous voulez une interface graphique pratique dans le navigateur, vous pouvez utiliser text-generation-webui :

Clonez le dépôt :

git clone https://github.com/oobabooga/text-generation-webui cd text-generation-webui

Copiez le modèle .safetensors dans le dossier models/llama4

Lancez :

python server.py --model llama4

Cette option nécessite l’installation de bibliothèques supplémentaires. Elle convient aux utilisateurs avancés et aux serveurs avec GPU.

Exemples d’utilisation de LLama 4

Même si vous n’êtes pas développeur et que vous ne lancez pas LLaMA 4 en production, vous pouvez l’utiliser pour résoudre des tâches simples, mais intéressantes — directement sur votre ordinateur.

Créer un chatbot local

Lancez LLama 4 en mode Instruct et posez-lui des questions dans n’importe quel style — du professionnel au quotidien. Le modèle peut :

expliquer des sujets complexes dans un langage simple ;

aider pour les textes — lettres, plans, CV ;

mener une conversation de manière pratique, même sans Internet.

Exemple de question :

Explique-moi simplement comment fonctionnent les cryptomonnaies.

Génération d’histoires, de lettres et d’idées

Avec LLaMA 4, vous pouvez écrire :

de courtes histoires et des scènes pour des livres ;

des textes de motivation ;

des scénarios pour des vidéos, TikTok ou un podcast.

Exemple de requête :

Invente une histoire drôle.

*Meta - interdite sur le territoire de la Fédération de Russie.