Jan AI contre GPT4All : chat hors ligne, documents et accès API

Jan et GPT4All sont tous deux des applications de chat de bureau gratuites, conçues d’abord pour fonctionner hors ligne, qui exécutent des modèles GGUF locaux et peuvent également pointer vers une API hébergée, mais un seul continue d’être publié : le dépôt de Jan a reçu du code le 18 septembre 2026, tandis que la version la plus récente de GPT4All est v3.10.0, datée du 25 février 2025, et son seul commit depuis lors est une tâche CI. Cela ne signifie pas que GPT4All est mort — il n’est pas archivé, se télécharge toujours et son comportement de récupération est mieux documenté que celui de Jan. Cela fait du choix une question de tâche, et non de popularité.

Commençons par clarifier deux homonymies, car il est facile de les publier accidentellement. Jan, à jan.ai, n’est pas Janitor AI — produit différent, public différent, aucun lien. Et la bannière « 20 $/mois » sur nomic.ai n’est pas un tarif GPT4All : elle concerne la Nomic Platform, un produit d’agent pour l’architecture et la construction doté de fonctionnalités de révision de plans et de conformité au code. GPT4All est lui-même sous licence MIT et gratuit.

Choisissez selon la tâche, pas selon le nombre d’étoiles

GPT4All compte 77 394 étoiles contre 44 551 pour Jan (API GitHub, 19 septembre 2026). C’est le nom le plus connu et la base de code la moins actuelle. Voici la décision selon les axes qui comptent réellement :

En bref : choisissez Jan, sauf si un élément précis vous rattache à GPT4All — un Mac Intel, explicitement exclu par Jan, un inventaire logiciel verrouillé ou la préférence pour une base de code qui a cessé d’évoluer sous vos yeux. Choisissez GPT4All lorsqu’un indexeur de dossiers figé et documenté constitue la fonctionnalité recherchée.

Chat hors ligne et flux de travail documentaire

C’est sur cet axe que les deux applications se distinguent réellement, et ce n’est pas celui que comparent les articles de classement.

GPT4All LocalDocs indexe un dossier à l’aide des modèles gratuits d’embeddings de Nomic exécutés sur l’appareil et vous permet de cliquer sur Sources sous une réponse pour voir quels fichiers ont été référencés. Ses valeurs par défaut des réglages sont précises et méritent d’être connues avant de lui confier un dossier de documents : la taille d’un extrait est de 512 caractères et le nombre maximal d’extraits par invite est de 3. Vous pouvez augmenter ces deux paramètres, et la documentation avertit que leur augmentation ralentit la génération.

Concernant les types de fichiers indexés, les deux sources de GPT4All ne concordent pas, et la source publiée est la plus ancienne : la page des réglages liste .txt, .pdf, .md et .rst, tandis que la valeur par défaut du code source publié — localdocs/fileExtensions dans mysettings.cpp sur main — est docx, pdf, txt, md, rst. LocalDocs a ajouté la prise en charge de .docx dans la v3.4.0 ; la page de documentation semble donc ne pas avoir été mise à jour. Les pièces jointes aux chats suivent un chemin distinct avec leur propre liste : la boîte de dialogue de pièce jointe dans ChatView.qml filtre les fichiers *.txt *.md *.rst *.xlsx — les pièces jointes Excel sont arrivées dans la v3.4.0, et les fichiers texte, Markdown et rst dans la v3.5.0-rc1, selon le journal des modifications. Un PDF ne figure pas dans ce filtre ; il atteint donc le modèle par l’intermédiaire d’une collection LocalDocs, ou pas du tout.

Les projets Jan acceptent un ensemble plus large : « PDF, Markdown, documents Office (DOCX, XLSX, PPTX), fichiers de code et autres », segmentés et indexés pour la récupération dans toutes les conversations du projet, avec une barre de progression et un nombre de segments par fichier. Cependant, la documentation de Jan indique qu’il n’existe ni modèle d’embeddings, ni taille d’extrait ni limite de récupération documentés. Sa note de confidentialité sur la même page indique que tous les fichiers sont traités localement sur votre machine et que, si vous utilisez un fournisseur cloud, « les fichiers sont envoyés à l’API de ce fournisseur dans le cadre de la requête ». Elle ne précise pas lequel de ces énoncés décrit un fichier de projet indexé plutôt qu’une pièce jointe de chat, ni ce que compte un fournisseur personnalisé passant par une passerelle ; considérez donc ce point comme non documenté plutôt que comme établi.

Une limite s’applique aux deux applications : l’étape d’embeddings n’est pas fournie par Kunavo. Kunavo fournit le modèle de chat. GPT4All calcule ses embeddings sur votre propre appareil par défaut, ou via la propre API de Nomic si vous activez cette option ; la documentation du moteur de Jan indique que cette étape est disponible sur llama.cpp et indisponible sur MLX, sans nommer de modèle. Si vous souhaitez une explication de la récupération de bout en bout, Implémentation de RAG couvre les différents éléments.

Modèles, matériel et ce que chaque application exécutera réellement

Jan exécute les modèles locaux sur llama.cpp ou MLX, ce dernier étant réservé aux Mac Apple Silicon sous macOS 14 ou version ultérieure ; il télécharge les modèles GGUF depuis son propre Hub et peut importer un fichier GGUF déjà présent sur le disque, en le liant sur place plutôt qu’en le copiant. GPT4All fournit un catalogue organisé que l’application récupère à l’adresse models3.json — 32 entrées, dont les plus récentes sont les distillations DeepSeek-R1 de janvier 2025, sans Qwen3, Gemma 3 ni Llama 4 (vérifié le 19 septembre 2026). Sa page Explore Models recherche également des fichiers GGUF sur Hugging Face ; le catalogue ne constitue donc pas une limite stricte — mais l’étagère organisée est un indicateur raisonnable de l’ancienneté du projet laissé sans entretien.

Chiffres de Jan issus de ses pages d’installation Mac et Windows ; chiffres de GPT4All issus de son tableau des exigences système et de son README. Toutes les informations ont été consultées le 19 septembre 2026.

GPT4All se contredit sur deux questions matérielles, et aucune ne possède de réponse nette. Concernant les Mac Intel, son README indique que la version macOS « nécessite Monterey 12.6 ou une version ultérieure » et donne de meilleurs résultats avec Apple Silicon, ce qui laisse penser qu’Intel fonctionne ; son tableau des exigences système place M1 dans les lignes consacrées aux processeurs et GPU Apple et ne mentionne aucun processeur Intel. Concernant Windows sur ARM, le README renvoie vers un installateur win64-arm et indique que cette version « prend en charge les processeurs Qualcomm Snapdragon et Microsoft SQ1/SQ2 », tandis que le tableau des exigences auquel le README renvoie lui-même indique que les PC Windows et Linux dotés de processeurs ARM ne sont pas pris en charge. La version v3.10.0 fournit bien un installateur win64-arm parmi ses ressources ; le lien du README vers celui-ci a été ajouté dix minutes après ce tag, le 25 février 2025, et le tableau des exigences n’a reçu aucun commit depuis le 13 septembre 2024. Le README constitue donc l’énoncé le plus récent — mais cette page ne résout aucune des deux contradictions à votre place. Sur un Mac Intel, GPT4All est le seul des deux qui vaille la peine d’être essayé, car Jan exclut explicitement Intel ; sur toute machine ARM, installez et vérifiez avant de vous engager.

Un autre manque mérite d’être signalé : nomic.ai/gpt4all propose quatre boutons de téléchargement avec aucun numéro de version, aucun journal des modifications et aucune configuration système requise, et les quatre programmes d’installation du site gpt4all.io portent tous une date Last-Modified du 4 février 2025 — antérieure à la balise v3.10.0. Ce sont des programmes d’installation en ligne ; ils récupèrent donc très probablement une version actuelle au moment de l’installation, mais je n’ai pas pu trouver le dépôt de mise à jour depuis lequel ils téléchargent les fichiers. Ne déduisez pas une version précise de la page de téléchargement ; vérifiez About après l’installation.

Serveur API local, accès cloud et données quittant la machine

Les deux applications exposent un serveur compatible avec OpenAI afin que d’autres outils puissent communiquer avec le modèle chargé, et leurs paramètres par défaut diffèrent de façons importantes sur une machine partagée.

D’après les pages Local API Server et API preference de Jan, ainsi que la documentation du API server de GPT4All, le 19 septembre 2026. Le serveur de Jan est documenté comme reposant sur llama.cpp, avec des exemples utilisant des modèles locaux tout au long de la documentation ; celle-ci n’indique pas si un modèle distant d’un fournisseur personnalisé est accessible via le port 1337 — ce n’est pas documenté, mais ce n’est pas exclu ; vérifiez-le donc vous-même avant de vous appuyer dessus.

En matière de confidentialité, la page d’installation de Jan sur Mac indique que les modèles, fils de discussion, paramètres et journaux sont stockés sous ~/Library/Application Support/Jan/data et que rien n’est envoyé vers le cloud — mais sa page consacrée à l’envoi de fichiers précise tout aussi clairement que avec un fournisseur cloud, les fichiers sont envoyés à l’API de ce fournisseur dans le cadre de la requête. Les deux applications peuvent fonctionner hors ligne, mais ne sont pas exclusivement hors ligne ; dès que vous configurez un fournisseur distant, les questions habituelles relatives au traitement des données s’appliquent à l’opérateur situé à l’autre bout.

Connecter l’une ou l’autre application à une clé hébergée

Le parcours avec un modèle local ne coûte rien par requête, mais vous limite à ce que votre matériel peut prendre en charge. Dans les deux applications, l’alternative consiste à fournir une URL de base et une clé. C’est là que les deux applications divergent le plus.

Le côté Jan provient de sa page Custom Endpoints, qui cite explicitement les passerelles et les proxys comme cas pris en charge. Le côté GPT4All a été étudié à partir du code source publié sur main : les quatre cartes de fournisseurs et la liste blanche OpenAI se trouvent dans AddRemoteModelView.qml, les trois libellés de champs dans RemoteModelCard.qml, la construction de l’URL dans chatllm.cpp, et "stream": true ainsi que l’en-tête Authorization: Bearer codés en dur dans chatapi.cpp. Aucun de ces éléments n’a été testé en conditions d’exécution.

Le fait que personne ne consigne au sujet de GPT4All : sa carte OpenAI intégrée est une liste blanche codée en dur, commentée // last updated 2025-02-24, qui ne contient que gpt-3.5-turbo, gpt-3.5-turbo-16k, gpt-4, gpt-4-32k, gpt-4-turbo et gpt-4o. Même avec une clé OpenAI valide de première partie, cette carte ne peut pas proposer un modèle qu’OpenAI a publié depuis. Les cartes Groq et Mistral contiennent des listes figées portant la même date de commentaire — bien que celle de Mistral inclue des alias -latest, qui correspondent toujours à ce que Mistral propose aujourd’hui ; ainsi, « liste figée » ne signifie pas « modèle figé » dans ce cas. Pour tout modèle plus récent que gpt-4o avec une clé de type OpenAI, la carte Custom est la solution — directement ou via une passerelle.

Et le piège de Jan qui suscite le plus de confusion : comme Jan ne peut pas détecter les capacités d’un fournisseur personnalisé, un modèle que vous ajoutez manuellement arrive avec la capacité d’utiliser des outils non cochée, et MCP nécessite un modèle qui la possède. Cochez-la sur le modèle, pas uniquement sur le fournisseur.

Pour Kunavo, les valeurs sont identiques dans les deux applications — URL de base https://api.kunavo.com/v1, clé Bearer commençant par sk-kn-. Dans Jan, choisissez le format compatible avec OpenAI et laissez l’application remplir la liste des modèles ; dans GPT4All, saisissez exactement l’identifiant du modèle, par exemple claude-sonnet-4-6, car GPT4All ajoute /chat/completions à toute URL de base que vous lui fournissez et ne vérifie jamais l’identifiant. Le format compatible avec Anthropic de Jan peut également atteindre un point de terminaison de type Anthropic, mais la documentation de Jan indique seulement d’« utiliser la base documentée par votre passerelle » et son propre exemple omet /v1 — cette page n’a pas testé la chaîne de base attendue par Jan pour ce parcours ; utilisez donc celle d’OpenAI, sauf si vous êtes prêt à expérimenter.

# Both apps need the same two things: a base URL that ends in /v1 and a
# Bearer key. This is the check to run BEFORE you type either into an app.
curl -s https://api.kunavo.com/v1/models \
  -H "Authorization: Bearer sk-kn-..."

# Jan calls this exact path to populate its model list.
# GPT4All never calls it for a Custom provider — you type the id by hand.

Exemple détaillé d’estimation des coûts pour le parcours hébergé

Il s’agit de calculs illustratifs fondés sur les tokens, et non de coûts de tâches mesurés ni d’un plafond de facturation. Supposons une session axée sur des documents qui envoie 30,000 tokens d’entrée non mis en cache — prompt système, extraits récupérés et conversation en cours — et reçoit 2,000 tokens de sortie, répétée 50 fois au cours d’un mois. Les tarifs correspondent aux prix actuels du catalogue Kunavo par million de tokens.

Observez l’effet des paramètres de récupération sur ce calcul. GPT4All utilise par défaut au maximum 3 extraits de 512 caractères — environ 400 jetons selon l’approximation courante de quatre caractères par jeton — ; avec ces valeurs par défaut, une invite LocalDocs sur une clé hébergée coûte donc à peine plus que le chat de base qui l’entoure. Augmentez l’un ou l’autre paramètre et ce coût augmente proportionnellement. Jan ne publie aucune limite, de sorte que la part du fichier de projet dans une invite dépend entièrement de ce que décide l’indexeur. Si votre facture évolue de manière inattendue après le passage de GPT4All à Jan, cette asymétrie est le premier élément à examiner.

Mettez ces valeurs à l’échelle de votre propre usage avant de les considérer comme un budget, et notez que le parcours avec un modèle local dans l’une ou l’autre application n’entraîne absolument aucun coût par requête — seulement des coûts de matériel et d’électricité. Le montant du catalogue Kunavo constitue un plancher de facturation, pas un plafond : lorsque le fournisseur amont signale son coût, la facture correspond au montant le plus élevé entre le coût du catalogue et le coût amont multiplié par la marge applicable. Les frais de cache et les outils externes ne sont pas inclus dans cet exemple. Le rechargement minimal est de $10 de crédit prépayé, un minimum de financement et non des frais par tâche ou un abonnement — consultez les détails de facturation.

Installation, maintenance et limites de la licence

Toutes les lignes ont été consultées le 19 septembre 2026 via les API GitHub et PyPI ainsi que les listes de versions de chaque projet. Deux réserves concernant les dates : le changelog de jan.ai date v0.8.4 du 21 juillet 2026, tandis que la version GitHub porte la date du 23 juillet, d’où « juillet 2026 » ci-dessus ; et le propre changelog de GPT4All date v3.10.0 du 24 février, contre le 25 février pour la balise de version.

Deux éléments concernant la propriété, formulés avec prudence car les preuves ne permettent pas d’aller plus loin. Jan est développé publiquement par l’équipe Jan sous l’organisation GitHub janhq, dont le profil affiche désormais simplement « Jan » ; l’ancienne URL menloresearch/jan renvoie vers celle-ci par une redirection HTTP 301. Le fichier LICENSE de Jan mentionne toujours Menlo Research, tandis que l’organisation distincte menloresearch décrit désormais un produit de robotique humanoïde. Je n’ai trouvé aucune annonce datée expliquant ce changement ; cette page n’affirme donc ni scission ni vente, mais uniquement ce qu’indiquent la redirection et les deux profils. L’activité commerciale du mainteneur de GPT4All a visiblement changé : le titre de la page d’accueil de nomic.ai porte désormais sur le design et la construction, et ses pages produit présentent une plateforme d’agents pour la révision de plans et la conformité des codes. La page GPT4All subsiste comme un vestige. Nomic n’a publié aucune déclaration sur le statut de GPT4All, et un problème intitulé « Is GPT4all dead? » est toujours ouvert et sans réponse.

Une remarque de protection des utilisateurs qui doit figurer sur toute page consacrée à GPT4All : nomic.ai ne fournit aucune version mobile. Sa page GPT4All propose quatre programmes d’installation pour ordinateur et rien d’autre, et les versions GitHub ne contiennent que des artefacts pour ordinateur. Un problème ouvert en 2024 sur le dépôt, créé le 20 décembre 2024 et fermé comme non planifié, signale un package Google Play nommé com.principia_tech.ai.gpt4all qui, selon son auteur, n’a rien à voir avec le projet et bloque les conversations derrière des publicités. Téléchargez uniquement depuis nomic.ai ou les versions GitHub. Ne confondez pas non plus le projet avec le service sans rapport « GPT4Free ».

Configurer le parcours hébergé

Kunavo n’a testé en conditions d’exécution aucune des deux applications avec son point de terminaison, et aucune ne dispose d’une page de configuration Kunavo — tout ce qui précède provient de la documentation officielle et, pour GPT4All, du code source publié. Ce qui est vérifiable, c’est la configuration dont les deux applications ont besoin : une URL de base de type OpenAI se terminant par /v1, une clé Bearer et un GET /v1/models fonctionnel afin que Jan puisse remplir sa liste. Exécutez d’abord le test de bon fonctionnement ci-dessus, conservez une route fonctionnelle pendant vos essais, puis lancez une tâche limitée et consultez le montant effectivement enregistré par votre compte pour celle-ci.

Créez un compte Kunavo lorsque vous serez prêt à approvisionner une clé. Pour plus de contexte, API compatible avec OpenAI explique le format de transmission utilisé par les deux applications, meilleure passerelle LLM explique comment comparer les options hébergées et, si vous choisissez encore un client de bureau, AnythingLLM vs Open WebUI compare deux alternatives axées sur les documents, avec la même séparation entre application gratuite et API facturée à l’usage.

Questions fréquentes

Vérifié le 19 septembre 2026 : les deux API de dépôts GitHub, les deux listes de versions, l’enregistrement PyPI de gpt4all, le catalogue de modèles sélectionnés de GPT4All et les en-têtes des programmes d’installation, le lien vers le tag du blog nomic.ai, la redirection menloresearch/jan, le changelog et les URL de tarification de jan.ai, les documentations d’installation, d’envoi de fichiers, MCP, de serveur API et de point de terminaison personnalisé de Jan, les documentations LocalDocs, des paramètres et du serveur API de GPT4All, son README, son changelog, sa page des modèles et son tableau de configuration système requise, les deux fils de discussion liés ci-dessus, l’historique des commits du README et du tableau des exigences, ainsi que le code source de GPT4All sur main — les vues des fournisseurs distants, le filtre attach de ChatView.qml et la valeur par défaut localdocs/fileExtensions dans mysettings.cpp. Non vérifié : toute session d’exécution de l’une ou l’autre application avec le point de terminaison Kunavo, la version fournie aujourd’hui par le programme d’installation en ligne de GPT4All et l’accessibilité d’un modèle de fournisseur personnalisé de Jan via son propre serveur local. Les tarifs des jetons Kunavo proviennent du catalogue actuel ; chaque exemple en dollars présenté ici est un calcul illustratif de jetons, et non un coût mesuré par tâche.