Offline AI chatbot in your browser — download once, chat offline
Calculator / Reminders / Timer / Clock / Unit Converter
Chat / Writing / Translation / Summarize / Code
Latest news / Precise data / Medical / Legal / Financial
Web search / Send emails / Control device / Generate images
This tool runs 100% in your browser. All computation happens locally on your device — your input is never uploaded to any server. Results are for reference only.
Before any response, your message passes through a capability classifier. Requests that map to a built-in local tool (calculator, reminders, timer, clock, unit converter) are answered deterministically — exact results, no model needed. Everything else is routed to a small language model that runs in your browser via WebLLM (Llama-3.2 / Phi-3.5). A secondary semantic check flags requests that need real-time or professional data as "accuracy not guaranteed", keeping the assistant honest about its limits.
Each request is classified before it is answered: deterministic local tools handle exact tasks, the on-device LLM handles generative ones, and out-of-scope requests get a clear refusal with a suggestion.
Lena opens the assistant before her shift. She needs a quick calculation, a short welcome note, and a reality check on today's weather — three very different routing decisions.
A fully offline AI assistant that runs in your browser. Everything runs locally; nothing is uploaded.
FreeToolHub Local AI Assistant is a free browser-based tool — a fully offline AI assistant that runs in your browser. No signup, no upload; everything runs locally in your browser.
Un assistant IA entièrement hors ligne qui fonctionne dans votre navigateur. Téléchargez le modèle une seule fois, puis discutez sans connexion Internet. Inclut une calculatrice, des rappels, un minuteur, un convertisseur d'unités. L'entrée/sortie vocale est prise en charge. Pas d'inscription, 100 % privé.
L'Assistant IA Local est un chatbot qui réside entièrement dans l'onglet de votre navigateur. Construit sur WebLLM, il télécharge un modèle à poids ouvert — Llama-3.2-1B, Llama-3.2-3B ou Phi-3.5-mini, environ 0,8 Go à 2 Go — puis exécute l'inférence sur votre GPU via WebGPU, afin que les conversations se poursuivent sans intervention de serveur. Contrairement aux chatbots génériques, il associe le modèle à des outils locaux déterministes : une calculatrice, des rappels, un minuteur qui déclenche des notifications réelles même après avoir fermé la page, une horloge et un convertisseur d'unités. Chaque réponse est étiquetée par un système de limites de capacités qui indique clairement si elle provient d'un outil local exact, de l'IA ou si elle dépasse ce que l'assistant peut faire de manière fiable. L'entrée vocale et les réponses parlées sont prises en charge.
Les utilisateurs soucieux de leur confidentialité qui ne veulent pas que leurs questions soient enregistrées sur le serveur de quelqu'un d'autre constituent le public cible. Avocats, consultants, thérapeutes et toute personne travaillant sur des brouillons confidentiels peuvent brainstormer, résumer et réécrire du texte en sachant que rien ne quitte l'appareil. Les voyageurs et les navetteurs l'utilisent hors ligne — une fois le modèle mis en cache, le mode avion ne l'interrompt pas. Les développeurs et les étudiants expérimentent avec des modèles de langage locaux pour comprendre leur vitesse et leurs limites avant d'allouer un budget GPU ailleurs. Les personnes qui ont besoin d'utilitaires rapides, comme 'régler un minuteur de 10 minutes' ou 'convertir 5 miles en kilomètres', obtiennent des réponses exactes à partir des outils intégrés sans charger l'IA du tout.
(1) Sélectionnez un modèle et cliquez sur Load Model. Llama-3.2-1B (~0,8 Go) est le plus rapide, Llama-3.2-3B (~2 Go) est le défaut équilibré, et Phi-3.5-mini (~2 Go) échange la vitesse contre le raisonnement. Le téléchargement se produit une seule fois, puis le modèle est mis en cache dans le stockage de votre navigateur pour les sessions hors ligne. (2) Discutez en tapant ou en appuyant sur le microphone pour l'entrée vocale ; un interrupteur lit les réponses à haute voix. (3) Utilisez des phrases simples pour déclencher des outils locaux exacts : 'calculate 12*7', 'what time is it', 'remind me to call mom', ou 'set a 10 minute timer' — cela fonctionne même avant le chargement du modèle. (4) Lisez l'étiquette colorée sur chaque réponse : Local Tool signifie une réponse exacte, AI Generated étiquette la sortie du modèle, et les demandes incertaines ou non prises en charge sont signalées honnêtement.
Les outils locaux sont entièrement fiables à tout moment : les expressions arithmétiques, la date et l'heure actuelles, les rappels enregistrés dans votre navigateur, les minuteurs en arrière-plan avec des notifications système, et toutes les conversions d'unités renvoient des réponses exactes. Le modèle de langage gère tout ce qui est conversationnel — rédaction, réécriture, résumé, explication de concepts, traduction, brainstorming — avec la réserve qu'un modèle de 1 à 3 milliards de paramètres n'est pas un modèle de pointe : attendez-vous à des réponses concises, parfois superficielles, plutôt qu'à des essais encyclopédiques. Il ne peut pas naviguer sur le Web, récupérer des prix ou des informations en direct, ou contrôler d'autres logiciels, et ses instructions lui disent d'admettre son incertitude plutôt que d'inventer des faits. Cette honnêteté est le point de la conception : vous savez toujours quel type de réponse vous venez de recevoir.
Uniquement pour le premier téléchargement du modèle — après cela, le modèle est mis en cache dans votre navigateur et chaque conversation s'exécute entièrement hors ligne. Cela le rend utilisable en vol, dans des environnements réseau isolés, ou n'importe où la connectivité est peu fiable. Consultez l'indicateur d'état du modèle : il montre si le modèle est mis en cache, en cours de téléchargement ou nécessite une connexion.
Les modèles plus petits (1B) répondent instantanément et fonctionnent sur du matériel modeste — bons pour les questions rapides, la rédaction et le brainstorming. Les modèles plus grands raisonnent mieux et écrivent mieux mais se chargent plus lentement et nécessitent plus de mémoire. Si votre appareil prend en charge WebGPU, les modèles plus grands sont beaucoup plus utilisables. La sélection est enregistrée, vous choisissez donc une seule fois et conservez votre défaut préféré entre les sessions.
La première exécution charge les poids du modèle (des centaines de mégaoctets à quelques gigaoctets) et les compile pour votre matériel — ce coût unique prend des minutes sur les connexions lentes. Les chargements suivants lisent à partir du cache local en quelques secondes, et les réponses individuelles s'exécutent ensuite à une vitesse conversationnelle. L'indicateur de progression montre les étapes de téléchargement et de compilation afin que vous sachiez qu'il fonctionne, qu'il n'est pas bloqué.
Oui — les invites et les réponses ne quittent jamais votre appareil : l'inférence s'exécute localement avec WebGPU ou WebAssembly, et l'historique reste dans le stockage de votre navigateur. Aucun serveur ne voit vos messages, aucun compte n'est requis, et la suppression des données du site supprime toutes les traces. Pour le matériel sensible, c'est la différence clé avec les chatbots cloud : l'assistant est capable sans que votre texte ne soit jamais transmis.
Oui. Après le premier téléchargement du modèle (0,8-2 Go selon le modèle choisi), toute l'inférence s'exécute localement dans votre navigateur via WebLLM et WebGPU. Aucune connexion Internet n'est nécessaire pour les conversations. Votre historique de chat ne quitte jamais votre appareil — aucun appel d'API, aucune télémétrie, aucune dépendance cloud. Idéal pour les environnements réseau isolés et les utilisations sensibles à la confidentialité.
Trois options : Llama-3.2-1B (le plus rapide, ~0,8 Go de téléchargement, bon pour les Q&A simples), Llama-3.2-3B (équilibre recommandé, ~2 Go, gère le raisonnement complexe), et Phi-3.5-mini (~2 Go, fort en code et en mathématiques). Tous fonctionnent à 10-30 tokens/seconde sur un GPU moderne. Les modèles sont mis en cache après le premier téléchargement pour un chargement instantané par la suite.
Il exécute des modèles de 1B-3B paramètres localement contre des modèles cloud de 100B+ paramètres, il ne peut donc pas égaler leur profondeur de raisonnement ou l'étendue de leurs connaissances. Le compromis est une confidentialité absolue : vos conversations sont physiquement incapables de quitter votre appareil. Le mieux adapté pour la rédaction, le brainstorming, les calculs et les tâches où la sensibilité des données l'emporte sur le besoin d'une capacité de modèle de pointe.
Yes. After the initial model download (0.8-2GB depending on model choice), all inference runs locally in your browser via WebLLM and WebGPU. No internet is needed for conversations. Your chat history never leaves your device—no API calls, no telemetry, no cloud dependency. Ideal for air-gapped environments and privacy-sensitive use.
Three options: Llama-3.2-1B (fastest, ~0.8GB download, good for simple Q&A), Llama-3.2-3B (recommended balance, ~2GB, handles complex reasoning), and Phi-3.5-mini (~2GB, strong at code and math). All run at 10-30 tokens/second on a modern GPU. Models are cached after first download for instant subsequent loading.
It runs 1B-3B parameter models locally versus 100B+ parameter cloud models, so it cannot match their reasoning depth or knowledge breadth. The trade-off is absolute privacy: your conversations are physically incapable of leaving your device. Best suited for drafting, brainstorming, calculations, and tasks where data sensitivity outweighs the need for frontier-model capability.
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.