Comment faire tourner un LLM en local dans un jeu Unity
Faites tourner un LLM en local dans Unity : prototypez un chat de PNJ avec Ollama et le package Neocortex, découvrez ce que coûte un modèle local pour les joueurs, et quand l'inférence sur l'appareil en vaut la peine.
Sercan AltundasFounder of Neocortex
· Mis à jour le 3 nov. 2026 · 8 min de lecture

Faire tourner un modèle de langage en local dans Unity signifie que le cerveau du PNJ vit sur la machine au lieu d'un serveur : pas besoin d'internet, rien ne quitte l'appareil, et aucun coût par message. Ce guide montre la façon la plus rapide de l'essayer, en prototypant avec Ollama et le package Neocortex Ollama Support, puis explique ce qu'implique réellement la livraison d'un modèle local aux joueurs.
Trois façons de faire tourner un modèle en local
| Voie | Où tourne le modèle | Idéal pour |
|---|---|---|
| Ollama sur votre machine | Un serveur local séparé | Prototypage et tests hors ligne |
| Un modèle intégré au build | À l'intérieur du processus du jeu | Jeux livrés avec des modèles modestes |
| Le runtime Neocortex sur l'appareil | À l'intérieur du jeu, avec la voix | Studios qui livrent des personnages vocaux sur l'appareil |
Les packages open source comme LLMUnity suivent la voie intégrée avec llama.cpp, et la logique du personnage vous revient. La suite de ce guide couvre pas à pas la voie Ollama, puis le runtime sur l'appareil.
Prototyper avec Ollama dans Unity
Ollama télécharge et fait tourner des modèles ouverts sur votre ordinateur, derrière un petit serveur local. Le package Neocortex Ollama Support relie Unity à Ollama, avec un sélecteur de modèle et un exemple de chat prêt à l'emploi.
Étape 1 : installer les packages
Il vous faut Unity 6 avec le SDK Unity de Neocortex installé, car le package Ollama utilise son interface de chat. Ajoutez ensuite le package Ollama depuis l'URL git dans le Package Manager :
https://github.com/neocortex-link/neocortex-ollama-support.git
Étape 2 : installer Ollama et choisir un modèle
Ouvrez Tools > Neocortex > Ollama Support. La fenêtre vous guide pour installer Ollama et choisir un modèle à télécharger. Commencez petit : les modèles de quelques milliards de paramètres répondent vite sur une carte graphique de jeu classique, alors que les plus gros demandent beaucoup plus de mémoire.
Étape 3 : lancer l'exemple de chat
Dans le Package Manager, ouvrez l'onglet Samples du package Ollama Support et importez le Chat Sample. Appuyez sur Play, choisissez le modèle dans la liste déroulante et tapez. Le PNJ répond à partir du modèle sur votre propre machine.
Étape 4 : l'appeler depuis votre propre code
L'OllamaRequest de l'exemple suffit pour brancher un modèle local dans votre propre PNJ :
using UnityEngine;
using Neocortex;
using Neocortex.Data;
public class LocalNpc : MonoBehaviour
{
private OllamaRequest request;
private void Start()
{
request = new OllamaRequest { ModelName = "MODEL_NAME" }; // a model you downloaded with Ollama
request.AddSystemMessage("You are Brannoch, a gruff village blacksmith. Answer in one or two sentences.");
request.OnChatResponseReceived += OnReply;
request.Send("Is the north road safe?");
}
private void OnReply(ChatResponse response) => Debug.Log(response.message);
}La requête conserve elle-même l'historique de la conversation, donc chaque Send poursuit le même chat.
Ce que la voie Ollama ne couvre pas
C'est un outil de prototypage, et il ne fait que du chat textuel :
- Pas de voix. La reconnaissance vocale et la synthèse vocale n'en font pas partie.
- Pas d'émotions ni d'actions. Vous recevez du texte brut.
- Les joueurs auraient besoin d'Ollama. Chaque joueur devrait installer Ollama et télécharger un modèle, ce que presque personne ne fera.
Lorsque le prototype a prouvé l'idée, le même SDK Unity parle aux personnages Neocortex dans le cloud, avec la voix, les émotions, les actions et un éditeur visuel, et sans modèle sur la machine du joueur. Notre tutoriel sur les personnages IA dans Unity couvre cette configuration.
Ce que coûte réellement la livraison d'un modèle local
L'inférence locale déplace le coût de votre facture serveur vers le matériel du joueur :
- Mémoire. Le modèle doit tenir à côté de votre jeu dans la VRAM. Un modèle 3B demande environ 3 Go sur notre runtime, un modèle 2B moins de 1 Go.
- Taille du téléchargement. Les modèles ajoutent plusieurs gigaoctets à l'installation.
- Qualité. Les petits modèles sont moins capables que les grands modèles cloud, donc les personnages demandent une écriture plus serrée et des connaissances plus étroites.
- Plateformes. WebGL ne peut pas le faire, et la plupart des téléphones ne peuvent pas libérer la mémoire nécessaire.
Le runtime Neocortex sur l'appareil
Pour les studios qui ont besoin de personnages sur l'appareil du joueur, avec la voix, Neocortex propose un runtime sur l'appareil sous forme d'offre Custom. Sur un ordinateur portable RTX 3080, il renvoie son premier jeton en 0,06 seconde et commence à parler en environ une seconde, avec un modèle 3B en environ 3 Go de VRAM, la reconnaissance vocale et la voix tournant sur le CPU. Contactez-nous pour planifier un déploiement, et consultez les plateformes de PNJ IA locales et sur site pour comparer les options.
Tutoriel vidéo
La vidéo présente pas à pas le package Ollama Support dans Unity.
Étapes suivantes
Pour le côté vitesse de la décision, lisez comment obtenir des réponses vocales de PNJ IA en moins d'une seconde. Pour la voie cloud sans configuration sur les machines des joueurs, voyez comment faire parler des PNJ avec ChatGPT dans Unity, qui compare l'appel direct d'une API avec le SDK Neocortex. Tous les tutoriels figurent dans le guide pour créer des PNJ IA.
Questions fréquentes
Puis-je faire tourner un LLM en local dans Unity ?
Oui. La façon la plus rapide consiste à utiliser Ollama sur votre propre machine avec le package Neocortex Ollama Support, qui fournit un sélecteur de modèle et un exemple de chat. C'est du chat textuel pour le prototypage. Pour livrer une IA sur l'appareil aux joueurs, les studios peuvent demander le runtime Neocortex sur l'appareil, en offre Custom.
Combien de VRAM un LLM local demande-t-il pour un PNJ ?
Cela dépend de la taille du modèle. Sur notre propre runtime sur l'appareil, un modèle 3B tourne en environ 3 Go de VRAM et un modèle 2B en moins de 1 Go, la reconnaissance vocale et la voix tournant sur le CPU. Les modèles plus gros demandent bien plus.
Les joueurs peuvent-ils utiliser Ollama dans mon jeu livré ?
Seulement si chaque joueur installe Ollama et télécharge lui-même un modèle, ce que peu de joueurs feront. Ollama est un bon outil de prototypage. Les jeux livrés utilisent soit un service cloud, soit un runtime sur l'appareil intégré.
Un LLM local fonctionne-t-il dans Unity WebGL ou sur mobile ?
Rarement en pratique. Les builds navigateur ne peuvent pas atteindre un serveur de modèle local, et les téléphones ont peu de mémoire à libérer. Les personnages cloud fonctionnent sur les deux, y compris la voix en WebGL via le modèle Neocortex.
Un LLM local est-il plus rapide que le cloud ?
Il évite le réseau, donc le premier mot peut arriver très vite. Notre runtime sur l'appareil renvoie son premier jeton en 0,06 seconde et commence à parler en environ une seconde sur un ordinateur portable RTX 3080.






