Stable Diffusion en local : le guide complet 2026

Générer des images sans connexion, sans abonnement et sans qu’un serveur distant conserve vos prompts : c’est ce que permet Stable Diffusion en local. La brique centrale de cet écosystème, ComfyUI, dépasse aujourd’hui les 127 000 étoiles sur GitHub et revendique plus de 5 000 extensions communautaires, selon son dépôt officiel et le site comfy.org. Installer un générateur d’images sur sa propre machine n’est donc plus une affaire de bidouilleurs isolés. Reste que le sujet est truffé de chiffres approximatifs et de licences mal comprises. Ce guide répond aux questions que se pose réellement quiconque envisage de faire tourner Stable Diffusion en local : quel matériel faut-il, et surtout combien de VRAM ? Quels modèles peut-on utiliser commercialement en 2026 ? Quelle interface installer selon son niveau ? Comment procéder, commande par commande ? Et à partir de combien d’images par mois une carte graphique devient-elle plus rentable qu’un abonnement en ligne ?

L’essentiel en bref

• Stable Diffusion en local est gratuit et open source, mais exige une carte graphique dédiée : comptez 8 Go de VRAM pour SDXL et 12 à 16 Go pour les modèles récents de type Flux.
• ComfyUI est l’interface de référence pour Stable Diffusion en local en 2026 : publiée sous licence GPL-3.0, elle propose un installeur de bureau Windows et macOS, une version portable et une installation manuelle.
• Toutes les licences ne se valent pas : FLUX.1 [schnell] et FLUX.2 [klein] 4B sont sous Apache 2.0 (usage commercial libre), quand FLUX.1 [dev] et FLUX.2 [dev] relèvent d’une licence non commerciale.
• Stable Diffusion 3.5 Large (8 milliards de paramètres) est utilisable commercialement gratuitement sous Stability Community License, tant que le chiffre d’affaires annuel reste inférieur à 1 million de dollars.
• Le coût électrique de Stable Diffusion en local est marginal face au coût matériel : au tarif réglementé EDF du 1er février 2026 (0,1940 € TTC le kWh), une heure de génération à 350 W revient à environ 7 centimes.
• Un seul format de fichier de modèle est sûr : le safetensors. Les fichiers .ckpt reposent sur le format pickle de Python, qui peut exécuter du code arbitraire à l’ouverture.

Pourquoi installer Stable Diffusion en local plutôt que payer un abonnement

Installer Stable Diffusion en local répond à cinq besoins. Le premier est financier : une fois la carte graphique achetée, générer trois cents variantes au lieu de dix ne coûte rien de plus.

Le deuxième est la confidentialité : avec Stable Diffusion en local, prompts et images ne quittent jamais la machine. Pour un photographe travaillant sous embargo ou un particulier qui manipule ses propres portraits, la différence est structurante. Le sujet rejoint celui de la vie privée face à l’IA, où la localisation du traitement est le critère déterminant.

Le troisième est l’absence de filtres imposés : les plateformes commerciales bloquent régulièrement des demandes légitimes, de l’anatomie médicale au storyboard violent. En local, c’est l’utilisateur qui fixe la limite, et qui en porte la responsabilité juridique. Le quatrième est le contrôle technique : tous les paramètres sont exposés, des étapes de débruitage au poids de chaque LoRA. Le cinquième est la possibilité d’entraîner ses propres modèles à partir de quelques dizaines d’images.

Les contreparties de Stable Diffusion en local

Ces avantages se paient. Stable Diffusion en local suppose un investissement matériel, une vraie courbe d’apprentissage et de la maintenance : mises à jour, conflits de dépendances Python, nœuds personnalisés cassés après une montée de version. Un abonnement en ligne, lui, ne casse jamais un dimanche soir. Avant de vous lancer, notre annuaire comparatif d’outils IA permet de confronter les générateurs en ligne équivalents.

Quel matériel pour faire tourner Stable Diffusion en local en 2026

La VRAM est le facteur limitant numéro un de Stable Diffusion en local : elle détermine quels modèles se chargent, pas seulement à quelle vitesse. Un modèle qui ne tient pas en mémoire ne s’exécute pas, ou transite par la mémoire système, ce qui effondre les performances.

L’ordre de grandeur se calcule à partir de la taille des poids : Stable Diffusion 1.5 pèse 0,9 milliard de paramètres, SDXL 1.0 3 milliards, SD 3.5 Large 8 milliards, FLUX.1 [dev] 12 milliards et FLUX.2 [dev] 32 milliards, d’après les fiches publiées sur Hugging Face. En bf16, chaque paramètre occupe 2 octets : un modèle de 12 milliards réclame donc environ 24 Go rien que pour ses poids. D’où l’intérêt des versions quantifiées, qui divisent l’empreinte par deux (fp8) ou par près de quatre (GGUF Q4), au prix d’une perte de détail fin.

VRAM	Ce que vous pouvez faire	Limites
6 Go	SD 1.5 en 512×512, SDXL quantifié, Fooocus (4 Go NVIDIA annoncés)	Flux hors de portée, pas d’entraînement
8 Go	SDXL en 1024×1024, SD 3.5 Medium, Flux en GGUF Q4 avec offload	Peu de marge pour cumuler LoRA et ControlNet
12 Go	Flux en GGUF Q5/Q6, SD 3.5 Large en fp8, FLUX.2 [klein] 4B	Entraînement de LoRA lent
16 Go	Flux en fp8, chaînes ControlNet complètes, entraînement confortable	FLUX.2 [dev] en quantification agressive
24 Go et plus	Tous les modèles image, FLUX.2 [klein] 9B, vidéo locale	Coût matériel et consommation

Ces chiffres sont des ordres de grandeur : la consommation réelle dépend de la résolution et de la taille des lots. Les valeurs citées pour FLUX.2 [klein] proviennent de la documentation de Black Forest Labs, qui recommande aussi 32 Go de RAM système pour la version 4B et 64 Go pour la 9B.

NVIDIA, AMD ou Apple Silicon pour Stable Diffusion en local

NVIDIA reste le choix par défaut pour Stable Diffusion en local : l’écosystème PyTorch et CUDA est celui que visent en priorité les développeurs d’interfaces et de nœuds. ComfyUI exige CUDA 13.0 ou supérieur pour les GeForce RTX série 20 et au-delà. AMD fonctionne avec des réserves : ComfyUI documente une installation ROCm 7.2 sous Linux et un support « expérimental » des architectures RDNA 3, 3.5 et 4 sous Windows.

Apple Silicon est pris en charge via Metal, et la mémoire unifiée constitue un avantage réel — un Mac doté de 32 Go charge des modèles qu’une carte 8 Go refuse — mais la vitesse brute reste très inférieure à celle d’une RTX récente. Sur Mac et iPad, Draw Things propose une génération locale hors ligne gratuite, avec un abonnement optionnel à 8,99 $ par mois pour du calcul dans le cloud. ComfyUI gère enfin les GPU Intel Arc via PyTorch XPU et dispose d’un mode --cpu, utile pour tester, pas pour produire.

Côté vitesse, un banc d’essai publié en avril 2026 par GigaGPU sous ComfyUI en FP16 donne un repère : SDXL turbo (1 étape) en 1024×1024 prend 0,7 seconde sur RTX 3090 et 0,25 seconde sur RTX 5090 ; FLUX.1 [schnell] demande 2,8 secondes sur RTX 3090 et 0,9 seconde sur RTX 5090. Ce sont des modèles distillés : une génération SDXL classique à 30 étapes se compte en dizaines de secondes sur une carte milieu de gamme, et une image Flux [dev] quantifiée sur 8 Go dépasse souvent la minute.

Quels modèles pour Stable Diffusion en local, et lesquels sont utilisables commercialement

C’est le point que la plupart des tutoriels sur Stable Diffusion en local passent sous silence : télécharger librement un modèle ne signifie pas pouvoir vendre ce qu’on en tire. État des licences en août 2026, vérifié sur les fiches officielles.

Modèle	Paramètres	Licence	Usage commercial
Stable Diffusion 1.5	0,9 Md	CreativeML OpenRAIL-M	Oui, sous conditions d’usage
SDXL 1.0	3 Md	CreativeML Open RAIL++-M	Oui, sous conditions d’usage
Stable Diffusion 3.5 Large	8 Md	Stability Community License	Oui si CA annuel < 1 M$
FLUX.1 [schnell]	12 Md	Apache 2.0	Oui
FLUX.1 [dev]	12 Md	FLUX.1 [dev] Non-Commercial License	Non
FLUX.2 [dev]	32 Md	FLUX Non-Commercial License	Non
FLUX.2 [klein] 4B	4 Md	Apache 2.0	Oui
FLUX.2 [klein] 9B	9 Md	FLUX Non-Commercial License	Non
Qwen-Image	20 Md	Apache 2.0	Oui
HiDream-I1	17 Md	MIT	Oui

La famille Stable Diffusion historique reste très vivante : SD 1.5 (natif 512×512) est le modèle le plus léger et celui qui dispose du plus grand catalogue de LoRA, tandis que SDXL (natif 1024×1024) demeure le meilleur compromis qualité/VRAM sur une carte 8 Go. Le dépôt Hugging Face d’origine de SD 1.5 ayant été retiré, le miroir de référence est désormais stable-diffusion-v1-5/stable-diffusion-v1-5.

Flux, développé par Black Forest Labs, occupe le haut du panier. FLUX.1 [schnell] génère en 1 à 4 étapes sous Apache 2.0 : c’est le choix évident pour un usage professionnel. FLUX.1 [dev] produit de meilleurs résultats mais reste non commercial, tout comme FLUX.1 Krea [dev], publié le 31 juillet 2025 avec Krea AI pour viser le photoréalisme. FLUX.2, annoncé le 25 novembre 2025, s’appuie sur un modèle vision-langage Mistral-3 de 24 milliards de paramètres et accepte jusqu’à 10 images de référence. Enfin FLUX 3, annoncé le 23 juillet 2026, étend l’approche à la vidéo et à l’audio : des poids ouverts « FLUX 3 Dev » sont promis, mais pas encore disponibles.

Qwen-Image, publié par Alibaba le 4 août 2025 sous Apache 2.0 (20 milliards de paramètres), se distingue par le rendu du texte dans l’image. HiDream-I1, sous licence MIT et fort de 17 milliards de paramètres, existe en trois variantes à 50, 28 et 16 étapes.

L’intérêt de Stable Diffusion en local vient surtout des modèles communautaires hébergés sur Civitai et Hugging Face. Attention, ces dérivés héritent de la licence du modèle parent : un checkpoint entraîné à partir de FLUX.1 [dev] reste non commercial, même si sa page ne le rappelle pas. Pour les situer face aux offres en ligne, notre comparatif Midjourney vs DALL·E vs Flux donne les repères qualitatifs.

Quelle interface choisir pour Stable Diffusion en local

Interface	Pour qui	Licence	Point fort	Limite
ComfyUI	Intermédiaires à avancés	GPL-3.0	Nœuds, support immédiat des nouveaux modèles, installeur de bureau	Courbe d’apprentissage du graphe
AUTOMATIC1111 / Forge	Habitués de SD 1.5 et SDXL	AGPL-3.0	Interface à onglets, immense base de tutoriels	A1111 figé en 1.10.1 ; Forge assure le suivi
InvokeAI	Professionnels de l’image	Apache 2.0	Canvas unifié, calques, inpainting, galerie	Moins réactif sur les modèles récents
Fooocus	Grands débutants	GPL-3.0	Zéro réglage, 4 Go de VRAM minimum	Support limité aux corrections de bugs
SwarmUI	Débutants qui veulent progresser	MIT	Interface simple avec ComfyUI en moteur	Encore en bêta (0.9.8, février 2026)
Draw Things	Mac, iPad, iPhone	App Store	Gratuit, hors ligne, optimisé Apple Silicon	Écosystème d’extensions restreint

ComfyUI s’est imposé comme le standard de fait pour Stable Diffusion en local. Sa logique est celle d’un graphe : chaque étape — chargement du modèle, encodage du prompt, échantillonnage, décodage VAE — est un nœud relié aux autres. Déroutant au premier abord, ce fonctionnement rend tout le pipeline visible et explique que les nouveaux modèles y soient supportés en quelques jours.

AUTOMATIC1111 conserve un poids historique considérable (plus de 164 000 étoiles GitHub) mais sa dernière version publiée est la 1.10.1 ; Forge, qui en dérive, indique se resynchroniser tous les 90 jours environ, le projet amont étant devenu « presque statique ». Fooocus est en support limité depuis la v2.5.5 (août 2024), sans plan de migration vers les architectures récentes. Si vous partez de zéro en 2026, commencez par ComfyUI ou SwarmUI.

Installer Stable Diffusion en local : le tutoriel pas à pas

Voie 1 : l’installeur de bureau ComfyUI

C’est la méthode la plus rapide pour démarrer avec Stable Diffusion en local. Sur https://www.comfy.org/download, téléchargez l’application de bureau pour Windows ou macOS ARM et lancez l’installation : elle embarque son propre environnement Python, aucune ligne de commande n’est nécessaire. Une version portable existe aussi sous Windows. Prévoyez de l’espace disque : un checkpoint SDXL pèse 6 à 7 Go, un modèle Flux non quantifié plus de 20 Go.

Voie 2 : l’installation manuelle

Pour Linux, pour un contrôle total ou pour une machine AMD, l’installation manuelle reste la référence. ComfyUI recommande Python 3.13 (3.12 en repli) et exige PyTorch 2.4 au minimum, la dernière version majeure étant conseillée.

bash

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
source venv/bin/activate      # Windows : venv\Scripts\activate

Installez PyTorch selon votre matériel, en suivant les commandes du dépôt officiel :

bash

# NVIDIA (CUDA 13.0, GeForce RTX série 20 et supérieures)
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

# AMD sous Linux (ROCm 7.2)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2

# Intel Arc
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/xpu

Puis les dépendances et le lancement :

bash

pip install -r requirements.txt
python main.py

L’interface s’ouvre dans le navigateur, à l’adresse locale affichée dans le terminal.

Où télécharger les modèles et dans quel dossier les placer

Les deux sources à connaître sont Hugging Face (modèles officiels) et Civitai (checkpoints et LoRA communautaires). L’arborescence de ComfyUI impose ensuite un rangement précis :

• models/checkpoints/ : modèles complets (SD 1.5, SDXL, SD 3.5)
• models/diffusion_models/ (ou unet/) : modèles séparés de leurs encodeurs, comme Flux
• models/loras/, models/vae/, models/clip/ : LoRA, autoencodeurs, encodeurs de texte
• models/controlnet/ et models/upscale_models/ : guidage et agrandissement

Un modèle rangé dans le mauvais dossier n’apparaîtra pas dans le nœud de chargement : c’est la première source de confusion des débutants. Pour une première génération, chargez un checkpoint SDXL, ouvrez un flux de travail par défaut, saisissez un prompt positif, réglez la résolution sur 1024×1024 et lancez. Nos conseils pour écrire un bon prompt s’appliquent directement à l’image.

Les concepts à maîtriser pour de bons résultats

• Prompt positif : ce que vous voulez voir. Flux comprend des phrases naturelles, SD 1.5 et SDXL préfèrent des listes de mots-clés.
• Prompt négatif : ce que le modèle doit éviter. Utile sur SD 1.5 et SDXL, souvent inopérant sur les modèles distillés.
• Steps : le nombre d’itérations de débruitage. Comptez 20 à 30 pour SDXL, 28 pour FLUX.1 [dev], 1 à 4 pour [schnell].
• CFG scale : l’intensité avec laquelle le modèle suit le prompt. Trop bas, l’image dérive ; trop haut, elle sature.
• Sampler et scheduler : l’algorithme de débruitage et la décroissance du bruit. Le couple choisi change nettement le rendu.
• Seed : le nombre qui initialise le bruit aléatoire. À seed et réglages identiques, la génération est reproductible.
• Résolution native : la taille d’entraînement du modèle (512×512 pour SD 1.5, 1024×1024 pour SDXL). S’en écarter duplique membres et objets.
• LoRA : un petit fichier qui greffe un style, un personnage ou un objet sur un modèle existant, sans le réentraîner.
• ControlNet : un modèle de guidage qui impose une structure à partir d’une image de référence (contours, profondeur, pose).
• Upscaling : l’agrandissement de l’image, par un modèle dédié ou une seconde passe de diffusion.
• img2img et inpainting : la génération à partir d’une image existante, et la régénération d’une zone sélectionnée au pinceau.

Les erreurs fréquentes de Stable Diffusion en local, et comment les corriger

« CUDA out of memory ». Le modèle ne tient pas en VRAM. Baissez la résolution, ramenez le lot à 1, passez sur une version quantifiée fp8 ou GGUF, activez l’offload CPU et fermez les applications gourmandes en VRAM.

Images floues ou « bouillies ». Généralement un CFG trop élevé, trop peu d’étapes ou un VAE inadapté. Vérifiez d’abord le VAE recommandé par l’auteur du modèle.

Compositions déformées, personnages dupliqués. Vous générez trop loin de la résolution native : revenez à 512×512 pour SD 1.5, 1024×1024 pour SDXL, puis agrandissez par upscaling.

Mains ratées. Défaut historique des modèles de diffusion. Trois remèdes : un modèle récent (Flux et SD 3.5 s’en sortent mieux), une correction par inpainting, ou un ControlNet de pose.

Modèle incompatible avec l’interface. Un checkpoint Flux ne se charge pas comme un SDXL : il exige des nœuds et des encodeurs de texte spécifiques. Vérifiez l’architecture annoncée avant de conclure à un bug.

Lenteur excessive. Trois causes : pilotes non à jour, PyTorch installé en version CPU par erreur, ou modèle qui déborde de la VRAM. Le message de démarrage de ComfyUI indique quel périphérique est utilisé.

Stable Diffusion en local ou abonnement : le calcul économique honnête

L’arbitrage oppose un coût fixe élevé à un coût variable quasi nul. Côté abonnement, Midjourney propose quatre formules — Basic à 10 $ par mois, Standard à 30 $, Pro à 60 $ et Mega à 120 $, avec respectivement 3,3, 15, 30 et 60 heures de GPU rapide — d’après le récapitulatif tarifaire publié en juin 2026 par eesel AI ; seules les formules Standard et supérieures incluent un mode Relax illimité.

Côté Stable Diffusion en local, la dépense se concentre sur la carte graphique. Une RTX 5060 Ti 16 Go, entrée de gamme convenable pour Flux en fp8, se trouvait à partir de 623,75 € sur le comparateur leDénicheur au moment de la rédaction. S’y ajoute l’électricité : à 0,1940 € TTC le kWh au tarif réglementé EDF du 1er février 2026, une machine de 350 W coûte environ 7 centimes par heure de génération.

Le seuil de rentabilité s’en déduit. Face à un abonnement Standard à 30 $ par mois — environ 360 $ par an — une carte à 620 € s’amortit en un peu moins de deux ans. À plusieurs centaines d’images par mois, le coût unitaire en local devient négligeable alors que les heures de GPU rapide s’épuisent ; à vingt images par mois, l’abonnement reste imbattable et n’exige aucune maintenance.

Deux éléments faussent souvent ce calcul. D’abord, si votre carte sert aussi au jeu ou au montage vidéo, seul le surcoût lié à un modèle mieux doté en VRAM devrait être imputé à la génération d’images. Ensuite, le temps passé à apprendre et à dépanner Stable Diffusion en local a une valeur, rarement comptabilisée. Pour un usage occasionnel, les meilleures IA gratuites pour créer des images suffisent largement.

Sécurité : safetensors, .ckpt et nœuds personnalisés

Deux risques accompagnent Stable Diffusion en local, et tous deux se maîtrisent facilement.

Le premier concerne le format des fichiers de modèles. Les anciens fichiers .ckpt reposent sur le format pickle de Python, qui peut exécuter du code arbitraire au chargement. Le format safetensors, développé par Hugging Face, a été créé pour stocker des tenseurs « en sécurité, par opposition à pickle » selon sa documentation officielle. La règle : ne téléchargez que des fichiers .safetensors.

Le second concerne les nœuds personnalisés de ComfyUI, qui sont du code Python exécuté avec vos droits utilisateur. L’affaire ComfyUI_LLMVISION, révélée en juin 2024, l’a démontré : ce nœud malveillant exfiltrait mots de passe, données bancaires, portefeuilles de cryptomonnaies et captures d’écran. Limitez-vous aux extensions largement utilisées et installez-les via le gestionnaire officiel. Ces précautions rejoignent l’hygiène décrite dans notre dossier sur la sécurité informatique et les solutions IA.

Questions fréquentes

Faut-il une carte graphique pour utiliser Stable Diffusion en local ?

Oui, dans les faits. ComfyUI dispose d’un mode --cpu, mais ses temps de génération le rendent inutilisable au quotidien. Une carte NVIDIA d’au moins 8 Go de VRAM est le point d’entrée raisonnable ; les Mac Apple Silicon fonctionnent grâce à leur mémoire unifiée, mais restent nettement plus lents.

Peut-on vendre des images générées avec Stable Diffusion en local ?

Cela dépend du modèle. FLUX.1 [schnell], FLUX.2 [klein] 4B, Qwen-Image (Apache 2.0) et HiDream-I1 (MIT) autorisent l’usage commercial. Stable Diffusion 3.5 l’autorise en dessous de 1 million de dollars de chiffre d’affaires annuel. FLUX.1 [dev] et FLUX.2 [dev] relèvent d’une licence non commerciale.

Combien de VRAM faut-il pour faire tourner Flux en local ?

Comptez 12 Go de VRAM pour un usage confortable de Flux via une quantification GGUF Q5 ou Q6, et 16 Go pour une version fp8 de meilleure qualité. Avec 8 Go, Flux tourne en Q4 avec déport vers la mémoire système, au prix d’une perte de détail.

ComfyUI ou AUTOMATIC1111 : lequel choisir en 2026 ?

ComfyUI, si vous démarrez aujourd’hui : les nouveaux modèles y sont supportés en quelques jours et son dépôt dépasse 127 000 étoiles. AUTOMATIC1111 en est resté à la version 1.10.1, son dérivé Forge décrivant le projet amont comme « presque statique ». SwarmUI est une bonne porte d’entrée.

Stable Diffusion en local est-il vraiment gratuit ?

Le logiciel et les modèles sont gratuits : ComfyUI est publié sous GPL-3.0 et les poids se téléchargent librement sur Hugging Face. Le coût réel est matériel — une carte adaptée démarre autour de 620 € en 16 Go. L’électricité, à environ 7 centimes par heure, reste marginale.

Les images générées en local sont-elles détectables ?

Les images produites par Stable Diffusion en local présentent les mêmes signatures visuelles et statistiques que celles des services en ligne, et restent analysables par les outils de détection. Elles ne portent en revanche pas les filigranes que certaines plateformes commerciales ajoutent automatiquement.

Conclusion

Faire tourner Stable Diffusion en local en 2026 n’a plus rien d’expérimental : l’installeur de bureau de ComfyUI ramène la mise en route à quelques minutes, et l’offre de modèles ouverts n’a jamais été aussi large, de SDXL à FLUX.2 [klein] en passant par Qwen-Image et HiDream-I1. Trois enseignements à retenir. Premièrement, la VRAM décide de tout : 8 Go ouvrent SDXL, 12 à 16 Go ouvrent Flux, 24 Go lèvent la plupart des limites. Deuxièmement, la licence n’est pas un détail : Apache 2.0 et MIT autorisent l’usage commercial, les licences « dev » de Black Forest Labs non, et les modèles communautaires héritent de la licence de leur parent. Troisièmement, Stable Diffusion en local devient rentable au volume : quelques dizaines d’images par mois ne justifient pas l’achat d’une carte graphique, plusieurs centaines oui.

Reste la sécurité, trop souvent négligée : n’installez que des modèles au format safetensors et des nœuds dont la réputation est établie. Si vous hésitez encore entre une installation locale et un service en ligne, prenez le temps de comparer les outils disponibles dans notre annuaire IA avant d’investir dans du matériel.

Pour aller plus loin

• Installer une IA en local : le guide complet
• Tutoriel Ollama : installation et utilisation
• Tutoriel LM Studio : faire tourner un LLM sur son PC
• Midjourney vs DALL·E vs Flux : le comparatif des IA d’images
• Les meilleures IA gratuites pour créer des images
• Comment écrire un bon prompt : guide débutant