5 projets d’IA open source à essayer : FreeLLMAPI, OpenDots, T3 Code, Elephant Goldfish et FluidVoice

La réponse courte

Voici cinq projets open source qui gravitent autour des modèles d’IA que vous utilisez déjà. FreeLLMAPI répartit les requêtes de votre application entre les fournisseurs de modèles que vous avez connectés. OpenDots, de CopilotKit, donne à des agents nommés un espace de travail où vous pouvez revenir. T3 Code réunit au même endroit vos sessions de code Codex et Claude, leurs fichiers et leurs modifications. Elephant Goldfish de Google fait vérifier un plan écrit par des relecteurs sans contexte avant que vous le construisiez. FluidVoice est une dictée locale pour Mac.

Le code est open source, mais tout n’est pas gratuit pour autant. Plusieurs de ces projets envoient encore le travail à des services de modèles payants ou limités, et chaque section ci-dessous précise lesquels. Si vous codez déjà avec l’IA, essayez T3 Code, puis Elephant Goldfish. Pour la recherche et les documents, commencez par OpenDots.

1. FreeLLMAPI : un routeur pour vos fournisseurs de modèles

FreeLLMAPI donne à votre application une seule adresse compatible OpenAI à laquelle envoyer ses requêtes. Derrière, le routeur les transmet aux fournisseurs que vous avez ajoutés (Groq, par exemple) et, si l’un atteint sa limite gratuite ou échoue, passe au modèle suivant de votre chaîne de repli. Le routeur tourne sur votre ordinateur, mais pas les modèles : les requêtes partent toujours dans le cloud de chaque fournisseur, et vous restez dans les quotas de chacun. Le README du projet précise lui-même qu’il sert à expérimenter et à apprendre, pas à la production.

Il propose aussi des lanceurs pour les clients de code. npx freellmapi launch ouvre Claude Code via le routeur, mais c’est le modèle que vous avez configuré qui répond : vous avez l’interface de Claude Code, pas un accès gratuit aux modèles de Claude. Dans cette vidéo, nous avons expliqué le routage documenté sans refaire de test de repli ; notre guide FreeLLMAPI précédent (https://lukejbyrne.com/library/guides/txy-dy0x1y4/?lang=fr) détaille l’installation que nous avons utilisée avec Claude Code.

1. Installez-le : le .dmg macOS ou le .exe Windows depuis la page Releases du projet, ou la commande Docker en une ligne du README (curl -fsSL https://freellmapi.co/install.sh | bash). Une installation serveur demande Node 20 ou plus récent, ou Docker.
2. Ouvrez le tableau de bord (http://localhost:3001 pour une installation serveur ; l’application de bureau ouvre le sien depuis l’icône de la barre des menus) et ajoutez vos clés de fournisseurs sur la page Keys.
3. Réordonnez la Fallback Chain pour que vos modèles préférés soient essayés en premier.
4. Envoyez un prompt ordinaire dans le Playground et regardez quel fournisseur et quel modèle ont répondu, et si la réponse convient à votre usage.
5. Ensuite seulement, pointez votre client vers l’adresse du routeur (http://localhost:3001/v1 pour une installation serveur) avec la clé unifiée affichée sur la page Keys. Gardez cette clé privée.

2. OpenDots : un espace de travail open source pour agents

OpenDots est la version open source des Dots de ChatGPT, par CopilotKit : des agents nommés (les Dots) avec leurs propres instructions, l’accès aux documents dont ils ont besoin, et des Spaces où vivent leurs pages. Au lieu de recoller le même brief dans une nouvelle conversation à chaque fois, vous gardez l’agent, la conversation et le document ensemble. Dans notre présentation précédente d’OpenDots (https://lukejbyrne.com/library/guides/dwalirqzh3o/?lang=fr), nous avons connecté un modèle, créé un Dot chercheur et lui avons confié une tâche ; il a rapporté un brouillon à relire, le premier brouillon demandait une correction, puis « approuver et enregistrer » a placé une page modifiable dans l’espace de travail.

Ce n’est pas une application entièrement hors ligne. Les conversations passent par CopilotKit Intelligence (hébergé, ou une évaluation locale sous Docker qui demande quand même une connexion CopilotKit et Internet), et le fournisseur du modèle reçoit la conversation. Notre configuration utilisait une clé d’API OpenAI payante ; les pages étaient stockées en local. Les ordinateurs par Dot, avec navigateur et terminal, passent par OpenBot de CopilotKit, un service de plus à configurer : faites d’abord fonctionner un seul Dot chercheur dans un seul Space. Le dépôt se présente comme un modèle de départ en début de développement, pas comme un produit hébergé.

1. Installez Node.js 24 et npm, puis clonez le dépôt : git clone https://github.com/CopilotKit/OpenDots.git puis cd OpenDots
2. Installez et configurez : npm ci, puis cp .env.example .env
3. Lancez npm run dev et ouvrez http://127.0.0.1:5173. Vous pouvez créer des Spaces et des pages avant de connecter quoi que ce soit.
4. Connectez les conversations : pour Intelligence hébergé, lancez npx copilotkit@latest login puis npx copilotkit@latest project select (qui écrit CPK_INTELLIGENCE_API_KEY dans .env), ou suivez docs/SETUP.md pour l’évaluation locale sous Docker. Ne lancez pas copilotkit onboard dans ce dossier.
5. Ajoutez OPENAI_API_KEY et OPENAI_MODEL dans .env (votre propre clé, hors écran), relancez npm run dev, puis créez un Dot avec un rôle clair et un Space pour ses pages.

3. T3 Code : vos sessions Codex et Claude au même endroit

T3 Code est un poste de contrôle pour les agents de code déjà installés sur votre machine. Vous ouvrez un projet, choisissez un fournisseur que vous avez installé et auquel vous êtes connecté, puis lancez un fil pour la tâche. C’est toujours ce fournisseur qui code, avec votre propre abonnement Codex ou Claude (nous avons atteint une limite de compte pendant nos tests) ; T3 garde la conversation, les fichiers et les modifications ensemble pour que vous n’ayez pas à les suivre dans plusieurs fenêtres de terminal.

Nous avons testé la version 0.1.7 en construisant une feuille de route d’atelier : on fixe une heure de début et des sections, on donne une durée à chacune, et le reste du planning se décale quand l’une déborde ; l’application enregistre le plan et l’exporte en CSV. Codex a construit la première version. Claude en a ensuite reçu une copie dans un nouveau fil T3, avec une demande précise : un atelier de 90 minutes était passé à 105 minutes, il fallait revenir à 90, garder fixes les 10 minutes d’accueil et les 15 minutes de questions, et raccourcir seulement les deux sections centrales de 40 minutes. L’application révisée a réparti les 65 minutes en 33 et 32, a montré un aperçu avant de l’appliquer, et Annuler a rétabli les horaires d’origine. Nous avons aussi essayé la configuration en worktree de T3, pour que l’agent travaille dans une copie séparée, et ouvert l’interface dans Safari sur un iPhone connecté au même Wi-Fi pour envoyer un message.

1. Installez d’abord au moins un fournisseur et connectez-vous, par exemple la CLI Codex (codex login) ou Claude Code (claude auth login).
2. Essayez-le une fois sans l’installer : npx t3@latest. Pour l’installer, utilisez le script du README (curl -fsSL https://t3.codes/install.sh | sh, puis lancez t3) ou l’application de bureau (brew install --cask t3-code sur macOS).
3. Ouvrez votre projet, choisissez le fournisseur et lancez un fil pour une seule tâche.
4. Demandez une modification vérifiable : dites quelles valeurs peuvent changer et quel résultat vous attendez, plutôt que « améliore l’application ».
5. Relisez les fichiers et les modifications dans T3 avant de les garder ; utilisez un worktree si vous voulez que la copie d’origine reste intacte.

4. Elephant Goldfish de Google : des relecteurs neufs pour votre plan

Elephant Goldfish (EGM) est un plugin sous licence Apache-2.0 publié dans l’organisation GitHub de Google ; son README précise que ce n’est pas un produit officiellement pris en charge par Google. L’éléphant est l’agent qui a le contexte de votre projet et vous aide à construire le plan. Les poissons rouges sont des relecteurs qui ne reçoivent que la spécification écrite et les fichiers qu’on leur donne : ils doivent travailler à partir de ce qui est vraiment écrit, et peuvent repérer des exigences manquantes ou des cas délicats tant que vous pouvez encore modifier le plan. Notre guide d’installation d’Elephant Goldfish (https://lukejbyrne.com/library/guides/vm3_aieah8w/?lang=fr) détaille le fonctionnement.

Nous l’avons comparé à Claude seul, avec deux relecteurs sans contexte chargés de relire, de modifier le plan puis de construire : même modèle, mêmes réglages. Les deux sites ont réussi les mêmes 11 vérifications indépendantes. Ensuite, nous avons filtré la bibliothèque de guides sur Tripo, cliqué sur « Copier le lien » et aussitôt basculé le filtre sur Codex, alors que la copie dans le presse-papiers était encore en cours, si bien qu’elle a échoué. La version simple affichait l’ancien lien Tripo sous les résultats Codex ; la version EGM a détecté le changement et l’a bloqué, une correction que nous avons pu relier à une remarque de la relecture EGM. Ce n’est qu’une comparaison, pas un verdict sur la méthode ; le guide complet de la comparaison (https://lukejbyrne.com/library/guides/jtgauklu4ga/?lang=fr) contient les briefs, les relectures et les résultats.

1. Dans Claude Code : claude plugin marketplace add google/elephant-goldfish-model, puis claude plugin install egm@egm. Dans la CLI Codex : codex plugin marketplace add google/elephant-goldfish-model, puis codex plugin add egm@egm.
2. Ouvrez une nouvelle session après l’installation. Le brainstorming et la relecture exigent une session capable de créer de nouveaux sous-agents.
3. Explorez l’idée avec /egm:egm-brainstorm, rédigez la spécification avec /egm:egm-draft, puis faites-la relire avec /egm:egm-review design_draft.md (dans Codex, choisissez plutôt la compétence EGM correspondante).
4. Traitez les remarques et modifiez le plan avant de construire.

5. FluidVoice : la dictée locale sur Mac

FluidVoice est une application Mac sous licence GPL-3.0 qui transforme votre voix en texte sur votre propre ordinateur et le tape dans d’autres applications : vous pouvez l’utiliser partout, y compris pour dicter de longues instructions à vos agents de code. Choisissez un modèle de reconnaissance vocale qui prend en charge la langue que vous parlez : Parakeet TDT v2 et Parakeet Flash ne gèrent que l’anglais, Parakeet TDT v3 couvre 25 langues et Whisper jusqu’à 99. Il faut macOS 15 ou plus récent ; les Mac Apple Silicon font tourner tous les modèles, les Mac Intel utilisent les modèles Whisper. Nous n’avons pas mesuré nous-mêmes la précision ni la vitesse de FluidVoice : essayez-le avec votre propre voix avant de vous y fier.

Sachez ce qui reste en local. L’application principale est open source et transcrit sur votre Mac. L’amélioration facultative Fluid Intelligence tourne aussi en local (un modèle d’environ 3,5 Go), mais ce moteur est maintenu en privé, il n’est pas open source. L’option AI Enhancement via OpenAI, Groq ou un fournisseur personnalisé envoie votre texte à ce fournisseur : vérifiez lesquelles de ces options sont activées si vous voulez que tout reste sur votre Mac. Si les modèles vocaux vous intéressent, nous avons comparé huit modèles locaux de transcription sur l’accent écossais de Luke (https://lukejbyrne.com/library/guides/qpsxna4gtfq/?lang=fr).

1. Installez-le avec Homebrew (brew install --cask fluidvoice) ou depuis les Releases GitHub du projet.
2. Autorisez l’accès au micro et l’accès Accessibilité (nécessaire pour taper dans d’autres applications).
3. Pendant la configuration, choisissez et téléchargez un modèle vocal adapté à votre langue, puis définissez votre raccourci.
4. Dictez une phrase ou un paragraphe dans un champ de texte, y compris les noms que vous prononcez souvent, et regardez l’aperçu en direct.
5. Ensuite seulement, essayez des dictées plus longues et les options de nettoyage ou d’amélioration. Le premier essai de Luke avec une IA vocale locale, une note de dix minutes, n’a pas fonctionné : commencez par de courts passages.

Lequel essayer en premier

FreeLLMAPI regroupe les offres gratuites de plusieurs fournisseurs derrière une seule connexion. OpenDots vous donne un espace de travail pour agents. T3 Code vous aide à gérer vos agents de code, Elephant Goldfish relit leurs plans, et FluidVoice vous permet de dicter vos instructions. Si vous codez déjà avec l’IA, essayez T3 Code, puis Elephant Goldfish. Pour la recherche et les documents, commencez par OpenDots.

Ne construisez pas tout votre flux de travail en comptant sur un fournisseur gratuit qui resterait disponible, et gardez vos clés d’API dans des fichiers .env ou dans le stockage de clés des applications, jamais dans une conversation, une capture d’écran ou un commit.

Liens

FreeLLMAPI (MIT) : https://github.com/tashfeenahmed/freellmapi. OpenDots (MIT) : https://github.com/CopilotKit/OpenDots, avec ses notes d’installation sur https://github.com/CopilotKit/OpenDots/blob/main/docs/SETUP.md. T3 Code (MIT) : https://github.com/pingdotgg/t3code.

Elephant Goldfish (Apache-2.0) : https://github.com/google/elephant-goldfish-model et https://egm.dev/. FluidVoice (GPL-3.0) : https://github.com/altic-dev/FluidVoice. Suivez le README de la version que vous installez. Ce guide est gratuit, sans adresse e-mail à fournir.

À retenir

Choisissez le projet selon le travail à faire : FreeLLMAPI pour essayer des modèles chez plusieurs fournisseurs, OpenDots pour un espace de travail d’agents durable, T3 Code pour gérer vos agents de code, Elephant Goldfish pour faire relire un plan avant de construire, et FluidVoice pour dicter sur votre Mac. Le code est open source, mais vérifiez à quels services de modèles chacun envoie encore votre travail.