Cherry Studio est-il gratuit ?

Oui. L'édition communautaire est gratuite sous la licence open-source AGPL-3.0, sans limite de fonctionnalités sur le chat, le RAG, le MCP ou la comparaison multi-modèles. Vous ne payez que les coûts des fournisseurs d'API que vous engagez (tokens OpenAI, tokens Anthropic, etc.). Cherry Studio en lui-même ne facture rien. Une édition Enterprise existe pour les organisations nécessitant un déploiement privé, le SSO et des bases de connaissances partagées ; cette version fait l'objet d'une tarification sur mesure.

Cherry Studio nécessite-tild'une connexion internet pour fonctionner ?

Pas entièrement. Si vous configurez Cherry Studio pour utiliser exclusivement des modèles Ollama locaux, il peut fonctionner de manière totalement hors ligne sans qu'aucune donnée ne quitte votre machine. Les fournisseurs cloud (OpenAI, Anthropic, Google) nécessitent un accès à internet. La vectorisation de la base de connaissances RAG est locale, quel que soit le modèle que vous utilisez pour les requêtes.

Comment Cherry Studio se compare-t-il à la simple utilisation de LM Studio ?

LM Studio est un gestionnaire de modèles propriétaire, exclusivement local, optimisé pour le téléchargement et l'exécution de modèles GGUF sur votre matériel. Cherry Studio couvre tout ce que fait LM Studio (en acceptant LM Studio comme backend local) et y ajoute la prise en charge des API cloud, la comparaison multi-modèles, le RAG, le MCP et plus de 300 assistants préconfigurés. Si vous souhaitez uniquement une inférence locale avec une interface de gestion de modèles soignée, LM Studio est plus spécialisé. Si vous souhaitez combiner le local et le cloud dans une seule application, Cherry Studio est le choix le plus complet.

Qu'est-ce que la licence AGPL-3.0 et comment m'affecte-t-elle ?

L'AGPL-3.0 signifie que l'application est gratuite pour un usage personnel et professionnel interne. Si vous modifiez Cherry Studio et le déployez en tant que service pour d'autres (y compris en interne selon certaines interprétations), vous devez publier vos modifications sous la même licence AGPL. Pour la plupart des utilisateurs individuels et des équipes d'outils internes, cela n'a aucun effet pratique. Pour les entreprises de produits qui construisent un service commercial par-dessus Cherry Studio, la licence commerciale d'entreprise est requise.

Puis-je utiliser Cherry Studio sans aucune clé API ?

Oui, si vous installez Ollama séparément et exécutez un modèle local (comme Llama 3 ou Mistral). Cherry Studio détecte automatiquement une instance Ollama en cours d'exécution. Vous pouvez alors utiliser l'interface complète de Cherry Studio, le RAG et les fonctionnalités d'assistant alimentés par des modèles locaux sans aucune clé API et sans connexion internet requise pour l'inférence.

Comment le RAG de Cherry Studio se compare-t-il à AnythingLLM ?

AnythingLLM offre une gestion RAG multi-utilisateurs plus sophistiquée, des contrôles d'accès d'entreprise et des flux de travail de traitement de documents complexes adaptés aux organisations. La base de connaissances de Cherry Studio est plus simple à configurer et mieux adaptée aux utilisateurs individuels ou aux petites équipes qui souhaitent des questions-réponses sur des documents sans avoir à administrer une plateforme RAG d'entreprise. AnythingLLM l'emporte sur la profondeur ; Cherry Studio l'emporte sur la facilité de configuration.

Cherry Studio convient-il aux utilisateurs non techniques ?

Partiellement. L'interface de chat principale est accessible aux utilisateurs non techniques. L'obstacle réside dans la gestion des clés API : obtenir et configurer des clés auprès d'OpenAI, Anthropic ou Google nécessite de naviguer sur des portails de développeurs. Les utilisateurs qui ne sont pas à l'aise avec cela devraient se tourner vers des interfaces grand public (ChatGPT, Claude.ai) ou utiliser Cherry Studio uniquement avec des modèles Ollama locaux, ce qui évite complètement les clés API mais nécessite la configuration d'Ollama. La feuille de route prévoit des améliorations pour l'intégration, mais en mai 2026, cela reste un outil nécessitant une configuration importante.

Cherry Studio

Name: Cherry Studio
Price: Free USD
Author: CherryHQ

Modèles IA & LLM

Gratuit

Cherry Studio est un client de bureau gratuit et open-source qui réunit plus de 300 fournisseurs de LLM, dont OpenAI, Claude, Gemini et les modèles locaux Ollama, au sein d'une interface unique. Il intègre des bases de connaissances RAG, la prise en charge des agents MCP et la comparaison de modèles côte à côte sur Windows, macOS et Linux.

Cas d'usage :Chat & Assistants IA Code & Développement Apprentissage & Recherche Productivité personnelle

Fonctionnalités :Open Source

Cherry Studio est une application de bureau multiplateforme développée par CherryHQ qui vous offre un accès unifié à des centaines de fournisseurs de grands modèles linguistiques sans avoir à changer d'application ou d'onglet de navigateur. Créée par le développeur kangfenmao et lancée publiquement fin 2024, elle fonctionne nativement sur Windows, macOS et Linux via Electron et TypeScript. L'idée principale est simple : au lieu de gérer des abonnements et des interfaces séparés pour OpenAI, Anthropic, Google et d'autres, vous connectez toutes vos clés API une seule fois et dirigez vos conversations vers le modèle dont vous avez besoin. L'édition communautaire est gratuite sous licence AGPL-3.0, tandis qu'une édition Enterprise est disponible pour les organisations nécessitant un déploiement privé, le SSO et des bases de connaissances partagées.

L'application est livrée avec plus de 300 assistants IA préconfigurés couvrant des cas d'usage allant du dépannage DevOps et de la rédaction juridique à la rédaction SEO et l'analyse de données. Sa base de connaissances RAG intégrée accepte les PDF, les documents Word, les PowerPoints, les feuilles de calcul, les fichiers Markdown et les URL, en les vectorisant localement pour que vous puissiez interroger vos propres documents via n'importe quel modèle connecté. Cherry Studio prend en charge le Model Context Protocol (MCP) d'Anthropic, le transformant d'un simple client de chat en une plateforme d'automatisation extensible capable de se connecter à des systèmes de fichiers externes, à la recherche web, à des interpréteurs de code et à des bases de données. Depuis la version v1.9.1 (16 avril 2026), il inclut également CherryClaw, un système d'agents autonomes doté d'un framework de personnalité intégré et d'une gestion unifiée des Skills remplaçant l'ancien système de Plugins.

Ce que fait réellement Cherry Studio en mai 2026

Au 30 avril 2026 (v1.9.4), Cherry Studio a publié 257 versions en environ 18 mois de disponibilité publique, démontrant un développement actif et soutenu, ce qui est rare pour les projets open-source créés par un développeur solo. La couverture des fournisseurs de l'application se divise en trois niveaux : les principales API cloud (OpenAI, Anthropic Claude, Google Gemini, Azure), les services web d'IA accessibles sans clés API brutes (Claude.ai, Perplexity, Poe), et l'intégration d'environnements d'exécution locaux via Ollama.

Le mode de comparaison multi-modèles est l'une des fonctionnalités pratiques les plus remarquables. Vous saisissez un seul prompt et obtenez des réponses simultanées de GPT-4.1, Claude Sonnet 4, Gemini 2.5 Pro et DeepSeek côte à côte en temps réel, sans avoir à copier le prompt dans quatre onglets différents. Pour les chercheurs et les développeurs qui évaluent quel modèle utiliser pour une tâche en production, cela représente un gain de temps considérable. La version v1.0.0 du 23 février 2026, qui a apporté la recherche web à tous les modèles quel que soit le fournisseur, a généré 288 réactions sur GitHub (248 pouces en l'air, 95 emojis de célébration), un signal communautaire exceptionnellement fort pour un outil open-source non monétisé.

L'implémentation de la base de connaissances prend en charge les formats pdf, docx, pptx, xlsx, txt, md et mdx, ainsi que l'importation de dossiers, d'URL de sites web et de sitemaps XML. Les documents sont vectorisés localement à l'aide d'un modèle d'embedding que vous configurez (bge-m3 est la recommandation documentée). Les scores de correspondance apparaissent à côté des résultats de recherche pour vous permettre d'évaluer leur pertinence. Les limites incluent : les images de documents ne peuvent pas être vectorisées et nécessitent une conversion manuelle en texte ; les sites web dotés de protections anti-scraping échouent souvent à l'importation ; les liens vers des fichiers locaux dans les sitemaps ne sont pas reconnus.

"CherryStudio est un outil puissant pour ce cas d'usage... il dispose du MCP, de la recherche, de personas et de la prise en charge du raisonnement également.", khimaros, Hacker News, août 2025

Où se situe Cherry Studio par rapport à LM Studio et Jan

LM Studio est le concurrent le plus proche dans l'espace des clients d'IA locaux, mais les deux outils occupent des positions très différentes. LM Studio est propriétaire (non open-source), et sa conception est entièrement centrée sur la gestion des modèles locaux : téléchargement de modèles au format GGUF, sélection des quantifications, benchmarking par rapport à votre matériel et exécution d'un serveur API local. Il n'offre pas d'intégration de fournisseurs cloud, de base de connaissances RAG ou de framework d'agents. Cherry Studio prend en fait en charge LM Studio comme backend de modèle local, les deux peuvent donc être superposés : LM Studio gère vos modèles locaux, Cherry Studio fournit l'interface, le RAG et la comparaison multi-modèles par-dessus. Si tout ce que vous voulez est l'expérience d'inférence 100 % locale la plus épurée possible, l'interface dédiée de LM Studio l'emporte. Si vous avez également besoin de fournisseurs cloud, de questions-réponses sur des documents ou d'une connectivité MCP, Cherry Studio couvre l'ensemble de la stack.

Jan est entièrement open-source (Apache 2.0, plus permissif que l'AGPL-3.0 de Cherry Studio) et axé sur la confidentialité. La philosophie de conception de Jan repose sur un fonctionnement exclusivement local avec une interface minimaliste de type ChatGPT. Il inclut un serveur API local compatible OpenAI afin que des outils comme Cursor ou Open WebUI puissent se connecter aux modèles locaux de Jan. L'écosystème d'extensions de Jan est encore en développement ; il lui manque les plus de 300 assistants préconfigurés, le RAG intégré et la profondeur d'intégration MCP de Cherry Studio. Décrit dans les critiques comme "ce à quoi ressemblerait LM Studio si Apple l'avait conçu", Jan privilégie l'élégance et la simplicité à l'exhaustivité. La licence AGPL-3.0 de Cherry Studio crée des frictions pour le déploiement commercial que la licence Apache 2.0 de Jan évite, ce qui est important pour les équipes qui construisent des produits par-dessus ces outils.

AnythingLLM est le concurrent direct le plus sérieux du côté des bases de connaissances d'entreprise : il offre une indexation de documents et une gestion RAG multi-utilisateurs plus sophistiquées, mais avec une courbe d'apprentissage plus abrupte pour la configuration. Cherry Studio offre un meilleur équilibre pour les développeurs individuels et les petites équipes qui souhaitent utiliser le RAG sans la lourdeur d'une configuration de niveau entreprise. LM Studio reste le gestionnaire de modèles locaux de référence, tandis que Cherry Studio est le client de bureau multi-fournisseurs par excellence, intégrant la prise en charge des modèles locaux.

À quoi ressemble la réalité de l'utilisation quotidienne

La configuration de Cherry Studio nécessite de connecter les clés API pour chaque fournisseur que vous souhaitez utiliser. Pour OpenAI, Anthropic et Google, cela signifie obtenir un accès API et coller les clés dans le panneau des paramètres. Pour les modèles locaux, vous installez Ollama séparément, et Cherry Studio le détecte automatiquement. La configuration initiale prend 15 à 30 minutes pour une installation multi-fournisseurs. Les plus de 300 assistants préconfigurés couvrent suffisamment de domaines pour que la plupart des utilisateurs puissent choisir un persona existant plutôt que d'écrire des prompts système de zéro, ce qui réduit les frictions initiales par rapport aux outils API bruts.

La gestion quotidienne des conversations est claire. Les sujets peuvent être recherchés et épinglés (ajouté dans la v1.9.2), et la fonction de recherche globale couvre toutes les conversations et le contenu de la base de connaissances. Les options d'exportation incluent Markdown, JSON et PDF. L'interface affiche nativement les diagrammes Mermaid et les blocs de code avec coloration syntaxique, ce qui est important pour les conversations de développeurs où la révision de code est fréquente. La prise en charge de WebDAV permet de synchroniser l'historique des conversations avec un serveur de fichiers auto-hébergé ou un stockage cloud, offrant aux utilisateurs des options de sauvegarde sans dépendre du cloud d'un fournisseur.

L'intégration MCP est orientée développeurs et nécessite de configurer manuellement les connexions au serveur MCP. La version v1.9.1 d'avril 2026 a ajouté flomo en tant que serveur MCP intégré et a introduit une interface unifiée de gestion des Skills, ce qui simplifie l'ancien système de Plugins. CherryClaw, l'agent autonome lancé dans la même version, en est encore à ses débuts : la boucle de l'agent gère les tâches à plusieurs étapes, mais la fiabilité à grande échelle nécessitera davantage de tests de la part de la communauté. Pour les flux de travail de chat et de RAG simples, l'expérience est stable. Pour l'automatisation complexe par agents, il s'agit d'un framework performant mais encore en phase de maturation.

L'architecture Electron signifie que Cherry Studio supporte la surcharge de mémoire typique de Chromium. Sur les machines équipées de 8 Go de RAM avec des modèles locaux actifs, les utilisateurs signalent une concurrence notable au niveau des ressources. Un ticket GitHub demandant de documenter les configurations matérielles minimales (Issue #9440, août 2025) reflète cette contrainte du monde réel. L'application n'est pas adaptée au matériel peu performant si vous exécutez des modèles locaux en parallèle. Cela dit, si vous n'exécutez pas d'inférence locale via Ollama simultanément, l'empreinte de l'application est comparable à celle de n'importe quelle application de productivité basée sur Electron ; le problème de mémoire est spécifique aux flux de travail combinant cloud et modèles locaux.

"Amusez-vous bien sur leur page Issues si vous ne lisez ni n'écrivez le chinois. Les pages de documentation sont également rédigées en chinois.". Eisenstein, Hacker News, août 2025

La culture de développement axée d'abord sur la langue chinoise est l'un des points de friction les plus fréquemment relevés par les utilisateurs anglophones. L'interface principale est localisée en anglais et dans une douzaine d'autres langues. Mais le suivi des tickets GitHub, de nombreux fils de discussion sur les forums communautaires et certaines parties de la documentation officielle sont par défaut en chinois simplifié. Pour les contributeurs anglophones ou les utilisateurs essayant de résoudre des cas particuliers, cela ajoute une véritable barrière. Le projet est réactif face aux problèmes, mais la principale communauté d'assistance opère en chinois.

À qui s'adresse Cherry Studio

Cherry Studio convient particulièrement aux développeurs et aux utilisateurs techniques qui conservent un accès API à plusieurs fournisseurs de LLM et qui sont fatigués de changer de contexte entre l'interface ChatGPT, Claude.ai, Gemini et des outils d'inférence locaux distincts. La possibilité d'exécuter le même prompt sur quatre modèles simultanément est un véritable gain de temps pour le travail d'évaluation des modèles. Les chercheurs qui construisent des pipelines RAG sur des collections de documents privés bénéficient de la base de connaissances axée sur le local sans avoir besoin de déployer une stack de base de données vectorielle distincte. Les équipes qui envisagent un hub d'IA sur site qui ne soit pas un abonnement SaaS trouveront dans l'édition Enterprise une alternative moins lourde que le déploiement d'Open WebUI ou d'une instance complète d'AnythingLLM.

Les utilisateurs soucieux de la confidentialité qui souhaitent effectuer des questions-réponses sur des documents entièrement sur leur propre matériel peuvent configurer Cherry Studio avec des modèles Ollama locaux et des embeddings bge-m3 afin qu'aucune donnée ne quitte la machine. Il s'agit d'un cas d'usage réel et testé, et non d'un argument marketing : la vectorisation de la base de connaissances est locale par conception, et l'architecture des clés API signifie que vous contrôlez quels fournisseurs voient quelles conversations. Un tutoriel de blog de novembre 2025 a documenté la configuration complète sur un Mac Studio avec Ollama et RAGFlow, décrivant la combinaison comme pratique pour les flux de travail de recherche professionnelle impliquant des documents clients sensibles.

Les créateurs de contenu et les rédacteurs qui ont besoin de passer rapidement d'un modèle rapide et peu coûteux (DeepSeek, Gemini Flash) pour les brouillons à un modèle de meilleure qualité (Claude Opus, GPT-4.1) pour les finitions trouvent que l'interface multi-modèles fait gagner un temps considérable par rapport à la gestion d'onglets de navigateur ou d'abonnements séparés. Les personas de rédaction, de traduction et d'édition préconçus de la bibliothèque d'assistants réduisent le temps passé à écrire des prompts système pour les tâches créatives de routine.

Évitez Cherry Studio si : Vous souhaitez une expérience de bureau purement hors ligne sans dépendances aux API cloud (Jan ou LM Studio conviennent mieux). Vous avez besoin d'un client mobile (iOS et Android sont sur la feuille de route mais pas encore publiés en mai 2026). Vous n'êtes pas à l'aise avec la gestion des clés API et le dépannage de l'authentification des fournisseurs. Vous avez besoin d'une interface axée sur la voix comparable au mode vocal avancé de ChatGPT. Ou vous avez besoin d'une licence Apache 2.0 pour une intégration commerciale dans un produit (la licence de Jan est plus permissive).