# Comment installer LM Studio CLI dans le terminal Linux

1. Ouvrez un nouveau terminal pour exécuter l'interface CLI de LM Studio, ou utilisez `tmux`
2. Obtenir [LM Studio](https://lmstudio.ai/download) ou exécutez ci-dessous (taille de téléchargement d'environ 1 Go)

{% code overflow="wrap" %}

```bash
wget https://lmstudio.ai/download/latest/linux/x64?format=AppImage -O 'LM_Studio.AppImage'
chmod u+x ./LM_Studio.AppImage
```

{% endcode %}

<figure><img src="/files/dd440207813b85c70e0e528bc058cab17d7fff4e" alt=""><figcaption></figcaption></figure>

2. Exécutez LM Studio via

```bash
./LM_Studio.AppImage
```

Vous pourriez voir ci‑dessous :

<figure><img src="/files/72c0047552c7f4216d65062d3419387f4cfcd462" alt=""><figcaption></figcaption></figure>

{% code overflow="wrap" %}

```
[802435:0215/073628.027773:FATAL:sandbox/linux/suid/client/setuid_sandbox_host.cc:166] Le binaire d'aide du sandbox SUID a été trouvé, mais n'est pas configuré correctement. Plutôt que d'exécuter sans sandboxing, j'abandonne maintenant.
```

{% endcode %}

Si c'est le cas, faites plutôt ce qui suit :

```bash
./LM_Studio.AppImage --no-sandbox
```

3. Vous pourriez alors voir ce qui suit, surtout si vous êtes sur une instance cloud sans bureau :

<figure><img src="/files/9c89f29e9fd898f1a8dcab1d2672a647d2521138" alt=""><figcaption></figcaption></figure>

{% code overflow="wrap" %}

```
[807101:0215/073740.801969:ERROR:ui/ozone/platform/x11/ozone_platform_x11.cc:249] Serveur X manquant ou $DISPLAY
[807101:0215/073740.802000:ERROR:ui/aura/env.cc:257] La plateforme n'a pas pu s'initialiser. Sortie.
Erreur de segmentation (vidage de la mémoire)
```

{% endcode %}

Si c'est le cas, installez un simulateur de bureau « factice » dans le terminal :

```bash
sudo apt-get install xvfb
```

4. Puis utilisez `xvfb` et lancez LM Studio :

```bash
xvfb-run --auto-servernum ./LM_Studio.AppImage --no-sandbox
```

<figure><img src="/files/edc45d608ff39748464ab1693945eae537a410f6" alt=""><figcaption></figcaption></figure>

5. Ensuite récupérez le LMS/CLI de LM Studio dans un autre terminal, ou après CTRL+B+D pour `tmux`

```bash
~/.lmstudio/bin/lms bootstrap
```

<figure><img src="/files/822bd08c08ea34bc4631df6a708ce885f4bd9d56" alt=""><figcaption></figcaption></figure>

6. Ouvrez un nouveau terminal ou `tmux`  puis exécutez :

```bash
lms
```

<figure><img src="/files/95d1f1c8e6e5aed5e19cfadc1f8d11a588b133f0" alt="" width="375"><figcaption></figcaption></figure>

Si vous voyez `-bash: lms: commande introuvable` veuillez exécuter `lms` dans une nouvelle fenêtre de terminal !

7. Téléchargez maintenant un modèle comme [Qwen3-Coder-Next](/docs/fr/modeles/qwen3-coder-next.md) comme ci‑dessous. Si les téléchargements sont bloqués, voyez [Hugging Face Hub, débogage XET](/docs/fr/bases/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md)

{% code overflow="wrap" %}

```bash
pip install -U huggingface_hub
hf download unsloth/Qwen3-Coder-Next-GGUF \
    --local-dir unsloth/Qwen3-Coder-Next-GGUF \
    --include "*UD-Q4_K_XL*"
```

{% endcode %}

8. Nous importons ensuite le modèle via :

{% code overflow="wrap" %}

```bash
lms import \
    unsloth/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-UD-Q4_K_XL.gguf \
    --symbolic-link --user-repo "unsloth/Qwen3-Coder-Next-GGUF" -y
```

{% endcode %}

Vous pourriez voir `EEXIST: le fichier existe déjà, lien symbolique 'unsloth/Qwen3-Coder-Next-GGUF/UD-Q6_K_XL/Qwen3-Coder-Next-UD-Q6_K_XL-00001-of-00003.gguf' -> '~/.lmstudio/models/unsloth/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-UD-Q6_K_XL-00001-of-00003.gguf'` ce qui signifie simplement que vous avez déjà le modèle chargé dans LM Studio.

Vous pouvez aussi vérifier tous les modèles LM Studio via :

```bash
ls ~/.lmstudio/models
```

8. Vous pouvez aussi obtenir des modèles via `lms get` via ci‑dessous :

```bash
lms get https://huggingface.co/unsloth/Qwen3-Coder-Next-GGUF@Q4_K_XL
```

<figure><img src="/files/26e09f83e9673b22826ece6f3273cbb69121522a" alt=""><figcaption></figcaption></figure>

Vous verrez alors :

```
Finalisation du téléchargement...
Téléchargement terminé. Vous pouvez charger le modèle avec : 
lms load qwen3-coder-next
```

<figure><img src="/files/7c3e7d0a2c7bf90907c3a598fa827b5985a39080" alt=""><figcaption></figcaption></figure>

Puis chargez `lms load qwen3-coder-next`:

<figure><img src="/files/6e527195ca7dd63d417f8d2bf34ac5f7fd2304ed" alt=""><figcaption></figcaption></figure>

9. Puis démarrez le serveur de LM Studio :

```bash
lms server start --port 8001 --bind 127.0.0.1
```

Vous verrez `Succès ! Le serveur fonctionne maintenant sur le port 8001`

9. Puis dans un nouveau terminal, utilisez le modèle via le point de terminaison compatible OpenAI :

```python
from openai import OpenAI
import json
openai_client = OpenAI(
    base_url = "http://127.0.0.1:8001/v1",
    api_key = "null",
)
model_name = next(iter(openai_client.models.list())).id
print(model_name)
completion = openai_client.chat.completions.create(
    model = model_name,
    messages = [{"role": "user", "content": "What is 2+2?"},],
)
print(completion.choices[0].message.content)
```

<figure><img src="/files/938e8d8342aada696da3e2dec64631fdfae87f42" alt=""><figcaption></figcaption></figure>

Et nous avons fini !


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://unsloth.ai/docs/fr/bases/inference-and-deployment/lm-studio/how-to-install-lm-studio-cli-in-linux-terminal.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.