Guide OpenHuman 2026 | Installation avatar IA local de zero

Sommaire

01 · Qu'est-ce qu'OpenHuman ?

OpenHuman est une plateforme d'agents IA open source local-first (TinyHumans) pour macOS, Windows et Linux. Contrairement a un chatbot, elle construit un Memory Tree SQLite : mails, calendriers, Slack et depots deviennent un contexte reutilisable a chaque conversation.

La version 2026 ajoute Meeting Agent, contexte multimodal et lien Obsidian. Pour createurs et developpeurs, c'est un alter ego numerique. Atout cle : les donnees cœur restent en local sauf si vous configurez un endpoint heberge.

02 · Trois problemes d'installation

Avant d'installer, les trois echecs les plus frequents :

Conflits Python. Sans venv, pip install openhuman cible souvent Python <3.10. Il faut 3.10+.
Poids de modeles. HuggingFace lent ou bloque, fichiers multi-Go sans reprise fiable ; chaque canal a ses frictions.
Backend GPU. CUDA mal apparie sous Windows ; pas de CUDA sur Intel Mac ; Apple Silicon = MPS, pas CUDA.

Ce guide donne pour chaque plateforme une sequence de commandes verifiee.

03 · Matrice materielle

Le tableau resume les exigences officielles 2026 et les trois chemins d'installation. Pour un LLM local, verifiez RAM et SSD en priorite.

Element	Min	Recommande	Notes
OS	macOS 12 / Win 10 / Ubuntu 20.04	macOS 14+ / Win 11 / Ubuntu 22.04	Apple Silicon : macOS 13+
RAM	4 GB	16 GB+	grosse boite mail + LLM local
GPU	Aucun (CPU)	NVIDIA RTX / puce Apple	ecart d'inference ~5–10×
Stockage	10 GB	50 GB+ SSD	Memory Tree croit avec les donnees
macOS	Homebrew brew install openhuman		Homebrew gere la signature
Linux	apt depot apt signe ou AUR		Ubuntu 20.04 LTS+
Windows	MSI MSI signe		CUDA 12.x pour GPU

📌 Trois donnees : ① minimum 4 Go RAM, modele local 16 Go+ ; ② premiere sync Memory Tree ~20 min ; ③ MPS ~5–8× plus rapide que CPU seul.

04 · Preparer l'environnement

Versions Python

OpenHuman exige Python 3.10+. Isolez avec pyenv ou conda.

                        # Verify Python

python3 --version   # 3.10+

# macOS: pyenv

brew install pyenv

pyenv install 3.11.9 && pyenv global 3.11.9

# venv

python3 -m venv openhuman_env

source openhuman_env/bin/activate   # Linux/macOS

openhuman_env\Scripts\activate       # Windows

Verifier Git

                        # Verifier Git

git --version   # 2.x+

# macOS

brew install git

GPU

Apple Silicon (M1–M4) : MPS automatique, pas de CUDA. NVIDIA : installez CUDA 12.x et le wheel PyTorch correspondant avant de continuer.

Sous Windows/Linux avec NVIDIA : CUDA 12.x et le wheel PyTorch correspondant d'abord — c'est la cause n°1 des erreurs GPU.

05 · Cinq etapes d'installation

Etape 1 — macOS : Homebrew

                        # Official tap

brew tap humansai/openhuman

brew install openhuman

# Verify

openhuman --version

Homebrew verifie les bouteilles et dependances. Lancez depuis Applications ou le terminal.

Etape 2 — Linux : depot apt

                        sudo apt-get install -y gnupg2 curl ca-certificates

curl -fsSL https://tinyhumansai.github.io/openhuman/apt/KEY.gpg \

  | sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg

echo "deb [signed-by=/etc/apt/keyrings/openhuman.gpg arch=amd64] \

  https://tinyhumansai.github.io/openhuman/apt stable main" \

  | sudo tee /etc/apt/sources.list.d/openhuman.list

sudo apt-get update && sudo apt-get install -y openhuman

Arch : yay -S openhuman-bin

Etape 3 — Windows : MSI

MSI signe sur tinyhumans.ai/openhuman. Pour GPU, CUDA 12.x d'abord. L'installateur configure menu et service de sync.

Etape 4 — Connexion & droits

Connexion GitHub/Google. macOS demande accessibilite et surveillance saisie — reglages systeme ou Parametres → Automation & Channels.

Self-host : mode Custom / Local et fichier de config :

                        # macOS: ~/Library/Application Support/openhuman/config.toml

[model]

provider = "custom"

base_url = "https://api.deepseek.com"

api_key  = "<YOUR_API_KEY>"

[memory]

backend  = "local"

Etape 5 — Sources & Memory Tree

Dans Integrations, connectez trois sources OAuth (Gmail, GitHub, Slack…). Premiere sync complete ~20 min — ne fermez pas l'app ; ensuite quelques secondes.

Pour l'inference locale, telechargez les checkpoints via HuggingFace, ModelScope ou miroirs alternatifs, puis indiquez le chemin dans config ou Integrations. Le premier telechargement peut prendre 30+ minutes, en parallele des ~20 min de sync Memory Tree.

06 · Validation & depannage

Envoyez un prompt test via Web UI ou API, puis verifiez le Memory Tree. Pas de reponse ? Controlez provider/cle API ou endpoint Ollama dans config.toml.

Erreur	Cause	Action
ModuleNotFoundError: openhuman	pip dans mauvais venv	reactiver venv, reinstaller
MPS not available	PyTorch sans MPS	PyTorch 2.0+ arm64 macOS
Memory DB locked	plusieurs instances	tuer processus openhuman
Integration OAuth failed	horloge systeme	sync heure, refaire OAuth
Ingest timeout	trop de sources au debut	ajouter par lots

07 · Avance : Ollama & Web UI

Ollama hors ligne

Pour un usage 100 % local, pointez le backend vers Ollama dans config.toml :

                        [model]

provider = "custom"

base_url = "http://localhost:11434"

model    = "deepseek-r1:14b"

Sur M4, ~18–25 tok/s en 14B quantifie — suffisant au quotidien. 70B+ : Mac mini M4 64 Go+ ou Mac Studio.

Chemins memory.db

macOS: ~/Library/Application Support/openhuman/memory.db
Linux: ~/.local/share/openhuman/memory.db
Windows: %APPDATA%\openhuman\memory.db

Lier le Memory Tree a un vault Obsidian — integration preferee des chercheurs et auteurs.

OpenClaw + OpenHuman sur Mac mini M4 loue

08 · Pourquoi louer un Mac

Heberger chez soi marche — mais ces frictions comptent :

Cout initial. Mac mini M4 16 Go ~600 $ ; Mac Studio 512 Go >3 000 $ pour un essai de quelques jours.
Conflit sur la machine principale. Ollama + sync ralentissent navigateur, Xcode, outils design.
Complexite Windows/Linux. Matrice CUDA, WSL2, chemins — heures de debug ; macOS propre evite beaucoup d'ecueils.
RAM non extensible. memoire unifiee soudee — upgrade = nouvelle machine.

Location journaliere Mac mini M4/Studio : macOS propre, MPS pret, workflow valide a faible cout avant engagement long.

Tester Web UI et API

Lancez l'UI web et posez une question simple (ex. resumer les mails non lus de la semaine). Mode Ollama : ollama pull deepseek-r1:14b avant le test. Conseil : valider d'abord une API cloud, puis basculer vers Ollama pour isoler les pannes.

Pendant les ~20 min de premiere sync, evitez un gros modele local en parallele. Sur Apple Silicon, surveillez la charge MPS ; sous Windows, verifiez CUDA dans le gestionnaire des taches.

Comparer les trois canaux de poids

HuggingFace – catalogue le plus large, parfois lent selon la region. ModelScope – CDN Asie, compte requis. Miroirs pour fichiers 20 Go+. Harmonisez chemins config et Integrations.

Journaux : ~/Library/Logs/openhuman/ (macOS). Echec OAuth : heure systeme, proxy d'entreprise, bloqueur de popups sur le callback localhost.

Contrairement au guide OpenClaw + OpenHuman, cet article ne couvre que l'installation autonome.

09 · FAQ

Sans GPU ?

Oui. API cloud suffit ; Memory Tree n'utilise pas le GPU. Inferrence locale plus lente (2–4× vs MPS).

Apple Silicon ?

Oui. Bouteille Homebrew arm64, MPS auto des macOS 13+, bien plus rapide que Rosetta.

Telechargements lents ?

① ModelScope ; ② HuggingFace + miroir HF_ENDPOINT ; ③ miroirs alternatifs pour tres gros fichiers. Preferez un CLI avec reprise.

Mise a jour ?

macOS : brew upgrade openhuman ; Linux : apt install --only-upgrade openhuman ; Windows : MSI par-dessus.

Usage commercial ?

Coeur MIT, usage perso gratuit. Commercial : voir tinyhumans.ai ; APIs hebergees peuvent etre separees.

Guide installation Hermes Agent 2026