Un agent IA sur Raspberry Pi ? J’ai testé OpenClaw

Vous avez déjà rêvé d’avoir votre propre Jarvis ? Avec les progrès récents de l’intelligence artificielle, ça commence à ressembler à quelque chose de concret. J’ai testé un assistant IA sur mon Raspberry Pi, et honnêtement, les résultats m’ont surpris.

Un Raspberry Pi peut faire tourner un assistant IA comme OpenClaw, mais c’est vraiment utilisable uniquement en le couplant à un LLM dans le cloud. Faire tourner le tout en local est généralement trop lent pour un usage réel sur le matériel habituel d’un Raspberry Pi.

Dans cet article, on va voir ce qu’est un assistant IA, ce qu’il faut comme matériel pour en faire tourner un, et je partage aussi mon retour d’expérience sur ses performances sur mon Raspberry Pi.

Si vous êtes à la recherche d’inspiration pour votre prochain projet Raspberry Pi, j’ai créé une liste avec plus de 75 idées avec une courte description, le niveau et matériel conseillé, et des liens vers des tutoriels. Que vous soyez débutant ou plus expérimenté, vous trouverez des idées adaptées à votre niveau. Accès gratuit ici !

C’est quoi un assistant IA ?

Un assistant IA, c’est un logiciel qui comprend des commandes en langage naturel et les exécute. En gros, c’est un peu comme parler à ChatGPT (en anglais) et obtenir une réponse.

Mais des outils comme OpenClaw, NanoClaw, NanoBot ou Agno vont plus loin. Ces programmes tournent sur votre machine et se connectent à des grands modèles de langage (LLM) pour accomplir vos tâches.

Vous pouvez leur donner des instructions d’administration en langage courant, par exemple créer un fichier ou planifier une tâche. Le fonctionnement global ressemble à ça :

C’est une version simplifiée, bien sûr. Le traitement réel est beaucoup plus complexe, mais pas besoin de rentrer dans les détails théoriques ici.

Un Raspberry Pi peut-il faire tourner un assistant IA ?

On a vu qu’un assistant IA repose sur deux composants principaux :

• le logiciel assistant IA (comme OpenClaw), et
• un LLM (le chatbot).

Faire tourner le logiciel assistant en lui-même n’est pas très gourmand, et ça devrait passer sans problème même sur des Raspberry Pi d’entrée de gamme. Par contre, faire tourner un LLM en local (en anglais), c’est une autre histoire.

J’ai testé pas mal de LLMs sur un Raspberry Pi 5 (8 Go) et même les modèles légers comme qwen2.5b:3b, qwen:1.8b ou llama3.1:8b peuvent mettre jusqu’à 5 minutes pour répondre à une simple question.

Et un assistant IA, c’est encore plus exigeant qu’un simple chat. Il génère des requêtes contextuelles et inclut les structures JSON (en anglais) de tous les outils disponibles à chaque appel.

Pendant mes tests, même les modèles légers comme qwen:1.8b n’arrivaient pas à répondre via OpenClaw à cause de timeouts. J’ai poussé le timeout par défaut jusqu’à 30 minutes. Les réponses restaient quand même aléatoires.

Des modèles encore plus petits comme tinyllama, qwen:0.5b ou smollm2:135m répondent plus vite, mais ils ne supportent pas le « tool calling » — donc ils ne peuvent pas faire ce qu’on attend d’OpenClaw.

Après m’être acharné sur le sujet, j’ai fini par abandonner l’idée d’un assistant IA avec un LLM local. La plupart des modèles ont carrément échoué, et ceux qui fonctionnaient étaient inutilisables en pratique.

J’ai donc pris une autre direction.

Les LLMs cloud

Heureusement, on peut utiliser des LLMs cloud (en anglais) à la place. Des modèles comme ChatGPT, Claude, Google Gemini ou Microsoft Copilot font très bien l’affaire.

Comme ces modèles tournent dans le cloud, les besoins en matériel sont minimes. C’est donc la solution la plus pratique pour coupler un assistant IA à votre Raspberry Pi.

Petit bémol : les assistants IA génèrent souvent des requêtes avec un nombre de tokens très élevé, ce qui peut faire grimper la facture rapidement.

Pour les plus technophiles, il existe des alternatives gratuites : le tier gratuit de certains modèles cloud via Ollama, ou faire tourner un LLM local sur un PC ou workstation plus puissant.

Ma configuration

J’ai finalement opté pour OpenClaw sur mon Raspberry Pi 5 (8 Go), couplé au modèle gpt-5.4-mini d’OpenAI. J’ai aussi essayé gpt-5.4, mais le coût combiné au nombre élevé de tokens requis par OpenClaw le rendait trop cher pour un usage continu.

Le Raspberry Pi 5 était un peu surdimensionné pour ça. Avec un LLM cloud, seule la passerelle OpenClaw tourne sur le Pi — un modèle moins puissant aurait largement suffi.

D’autres agents IA comme NanoClaw, NanoBot ou Agno peuvent aussi remplacer OpenClaw pour un résultat similaire.

Installer OpenClaw

L’installation est assez simple. Assurez-vous d’avoir la version 64 bits de Raspberry Pi OS pour OpenClaw.

Une fois votre Raspberry Pi démarré et mis à jour, on installe OpenClaw via son script d’installation. Il suffit de lancer cette commande curl :
curl -fsSL https://openclaw.ai/install.sh | bash

Le script installe automatiquement tous les prérequis avec OpenClaw. Une fois l’installation terminée, on arrive sur l’assistant de configuration avec quelques options de personnalisation.

Premier choix : quel LLM voulez-vous utiliser avec OpenClaw ?

Ensuite, vous choisissez l’agent de messagerie à connecter et les compétences (skills) à installer avec OpenClaw.

Une fois tout configuré, OpenClaw démarre automatiquement. Pour vérifier son état :
openclaw gateway status

On accède ensuite au tableau de bord en ouvrant http://127.0.0.1:18789 dans le navigateur, ou via la commande :
openclaw dashboard

Vous ne pourrez pas envoyer de messages directement via votre bot Telegram (ou un autre agent) sans une configuration préalable. Mais une fois OpenClaw lancé, j’ai simplement demandé à l’assistant de se configurer lui-même avec mon bot Telegram — et il l’a fait tout seul.

Et voilà, votre assistant IA tourne sur votre Raspberry Pi.

OpenClaw en action sur Raspberry Pi

Au démarrage, je m’attendais à quelque chose de similaire à Google Assistant ou Alexa. Mais faire tourner l’assistant IA sur un Raspberry Pi plutôt que sur un téléphone Android lui donne beaucoup plus de droits sur le système — et ça change vraiment tout.

Interface chatbot

Par défaut, OpenClaw propose une interface style chatbot. On y accède depuis le tableau de bord OpenClaw sur le Raspberry Pi, ou depuis un autre PC sur le même réseau.

On peut aussi parler à l’assistant via une appli de messagerie comme Telegram, WhatsApp, Slack ou Discord.

J’ai configuré OpenClaw avec Telegram. C’est bien plus pratique pour interagir avec l’assistant même quand on est loin du Pi.

La qualité du chatbot dépend surtout du LLM choisi. En gros, c’est une conversation contextuelle avec ce modèle spécifique.

OpenClaw stocke des fichiers dans le répertoire ~/.openclaw/workspace qui définissent la personnalité de l’assistant. Deux fichiers particulièrement intéressants : SOUL.md et USER.md. L’assistant les met à jour régulièrement pour ajuster son comportement et sa personnalité.

Ce partage constant de contexte et de personnalité fait exploser le nombre de tokens. Rien que lors du démarrage, OpenClaw en a consommé environ 14 000 ! C’est énorme.

J’ai aussi régulièrement vu des réponses consommer entre 1 000 et 10 000 tokens, surtout quand beaucoup d’outils étaient sollicités. Avec un LLM cloud payant, ça peut vite devenir un problème. C’est pour ça que je suis passé de gpt-5.4 à gpt-5.4-mini.

Le temps de réponse était globalement très rapide. Mais comme j’utilisais un LLM cloud, ça dépendait surtout de ma vitesse de connexion réseau (en anglais).

Administration système

Un des cas d’usage vraiment sympa d’OpenClaw, c’est l’administration système à distance. Une fois connecté à votre compte Telegram, vous pouvez lui demander des stats système comme la température CPU ou l’utilisation mémoire.

Si les tableaux de bord classiques de monitoring ne vous enthousiasment pas, c’est une super alternative. On a vraiment l’impression d’envoyer un message à son Raspberry Pi comme s’il était vivant — et lui peut vous dire s’il est à bout ou surchargé.

OpenClaw a les droits d’administration complets sur votre Raspberry Pi. Il peut donc démarrer ou arrêter des processus, lancer des programmes, ou exécuter n’importe quelle commande qui nécessiterait normalement un accès CLI.

Mais vous n’avez pas besoin de connaître les commandes. Parlez-lui comme à un humain, il détermine tout seul ce qu’il doit exécuter et le fait.

Si les commandes Linux ce n’est pas trop votre truc, n’hésitez pas à jeter un œil à cet article qui vous explique les commandes qu’il faut absolument connaître. Je vous donne aussi une antisèche à télécharger pour les avoir toujours sous la main !

Gestion de fichiers

Donner des droits système à un LLM, ça ouvre aussi de belles possibilités pour la gestion de fichiers (en anglais). On peut demander à OpenClaw de créer, supprimer, modifier ou rechercher des fichiers.

Comme OpenClaw peut lire et modifier des fichiers, il peut aussi se reconfigurer lui-même. Pas besoin de fouiller dans des menus ou d’éditer des fichiers de config à la main. Il suffit de lui demander.

Par exemple, pendant la mise en place, je lui ai souvent demandé de changer le LLM par défaut ou de corriger des problèmes de configuration Telegram. Il a tout géré seul, en modifiant ses propres fichiers de config pour corriger les bugs.

Planification de tâches

Un bon assistant, ça gère aussi un planning. Et OpenClaw s’en sort très bien. On peut créer des cron jobs via OpenClaw qui se déclenchent automatiquement à intervalles réguliers — l’assistant exécute ensuite la tâche planifiée à votre place.

Tout ça en envoyant un simple message à votre Raspberry Pi. Pas besoin de créer des cron jobs manuellement ni de coder quoi que ce soit.

C’est vraiment puissant : quand la tâche s’exécute, elle dispose de tous les droits d’OpenClaw et de l’intelligence du LLM.

Ça veut dire qu’on peut créer des tâches complexes nécessitant un vrai raisonnement logique, et elles seront exécutées automatiquement sans intervention.

Le tableau de bord OpenClaw dispose d’une section dédiée pour suivre toutes vos tâches planifiées, et vous pouvez les modifier manuellement depuis cet espace.

C’est le cas d’usage le plus concret que j’ai trouvé pendant mes tests. Imaginez recevoir chaque matin un résumé des actualités et de vos tâches du jour — ce serait parfait.

C’est là qu’un assistant IA commence vraiment à se distinguer d’un simple chatbot et ressemble davantage à un agent autonome qui gère les tâches répétitives à votre place.

Gestionnaire de maison connectée

On peut aussi utiliser l’assistant IA comme interface intelligente pour piloter sa maison connectée. Si Home Assistant et OpenClaw tournent sur le même Raspberry Pi, ça devient un vrai centre de contrôle pour la maison.

Pour ça, il faut accepter de configurer les skills pendant l’installation :

Puis installer le skill mcporter :

Cet outil permet à OpenClaw de communiquer avec le serveur MCP de Home Assistant. Demandez-lui de se connecter à Home Assistant via l’outil mcporter, et il le fait automatiquement. Il faut juste lui fournir l’URL et le token d’accès MCP.

Combinez ça avec des cron jobs pour automatiser des tâches (en anglais) : l’assistant peut analyser des données de capteurs, prendre des décisions intelligentes en fonction des valeurs, et déclencher les actions correspondantes via Home Assistant.

Outils et skills

Les assistants IA peuvent être équipés de toute une gamme d’outils et de skills. Pendant l’installation, on peut en installer plusieurs, comme mcporter mentionné plus haut.

On peut aussi en installer depuis la section Skills du tableau de bord OpenClaw :

Ces skills prennent la forme d’outils que le LLM peut utiliser pour des fonctions spécialisées, comme s’intégrer à GitHub (en anglais), Discord ou d’autres services.

La plupart des skills sont orientés vers un service ou une API spécifique à intégrer dans OpenClaw. Concrètement, ce sont souvent des fichiers MD contenant des prompts et instructions en langage naturel pour accéder à un service donné.

En plus des skills officiels, plus de 2 000 skills créés par la communauté sont disponibles sur ClawHub.

Il y a vraiment de quoi faire, avec des tonnes de tutoriels pour les installer et les utiliser. Les skills transforment votre assistant IA d’un simple chatbot générique en un vrai assistant spécialisé, capable d’accomplir des tâches précises efficacement.

Conseils pour OpenClaw sur Raspberry Pi

Voici quelques conseils tirés de mes expériences pour mettre en place un assistant IA sur Raspberry Pi :

Évitez les LLMs locaux (pour l’instant)

L’idée d’un LLM local avec OpenClaw sur Raspberry Pi est séduisante, mais en pratique on se heurte aux limites matérielles (en anglais) qui rendent l’expérience inutilisable.

J’aurais peut-être trouvé un ou deux modèles légers qui passent en testant davantage. Mais même dans ce cas, la qualité des réponses chute vraiment avec ces petits modèles.

Au final, l’assistant devient moins capable et demande une guidance constante à chaque étape — c’est vous qui finissez par faire le travail à sa place.

Choisissez le bon modèle selon votre budget

Les assistants IA font des appels très gourmands en tokens. Comme la plupart des LLMs cloud facturent au nombre de tokens, un modèle coûteux peut vite faire exploser la note.

N’oubliez pas de surveiller votre consommation de tokens via votre fournisseur LLM. La plupart, comme OpenAI, permettent de définir un budget pour éviter les mauvaises surprises quand on teste.

Attention aux permissions système

Les assistants IA ont généralement les droits d’administration complets. C’est ce qui les rend puissants, mais ça implique aussi des risques de sécurité non négligeables.

N’exposez pas l’API de votre assistant sur un réseau non sécurisé. Assurez-vous d’avoir une authentification correcte. Dans l’ensemble, j’ai trouvé qu’OpenClaw affiche des avertissements clairs et dispose de bonnes protections pour limiter ces risques.

Surveillez l’accumulation du contexte

Garder toutes vos conversations dans un seul fil crée un contexte très long, ce qui fait exploser le nombre de tokens à chaque appel.

Une astuce pratique : la commande « /compress » dans le chat. Elle résume automatiquement l’historique de conversation pour réduire les tokens des échanges suivants.

On peut aussi surveiller le contexte et la consommation de tokens avec la commande « /status ».

Verdict final : vraiment utile ou simple démo ?

Les assistants IA sont des outils puissants pour gérer les tâches du quotidien. J’ai été agréablement surpris par la simplicité de la mise en place et par le résultat : une fois configuré, on a vraiment l’impression d’avoir son Jarvis personnel à qui on parle et qui exécute les tâches.

Malheureusement, un assistant IA 100 % local sur Raspberry Pi ressemble encore plus à une démo technique qu’à un outil du quotidien. Mais avec les avancées matérielles et l’efficacité croissante des LLMs, je pense qu’on pourra faire tourner un assistant IA entièrement local sur le futur Raspberry Pi 6.

Pour l’instant, l’usage le plus pratique reste de s’en servir comme passerelle vers des LLMs cloud plutôt que locaux. Mais cette approche a un vrai défaut : le nombre élevé de tokens consommés par les agents IA, combiné au coût croissant des LLMs cloud, en fait une solution assez onéreuse.

Personnellement, le rapport coût/bénéfice des LLMs cloud haut de gamme me freine pour installer OpenClaw de façon permanente sur mon Raspberry Pi. Je préfère garder ce projet pour un mini PC plus puissant, capable de gérer des LLMs locaux plus exigeants.

Sinon, j’envisage aussi de mettre en place un assistant IA sur le Pi et de faire tourner un LLM local puissant sur mon workstation. Je pense que cette combinaison serait bien plus pratique au final.

Ressources supplémentaires pour votre Raspberry Pi

Initiation au Raspberry Pi en vidéo
Si vous débutez et voulez passer rapidement à la vitesse supérieure, j’ai exactement ce qu’il vous faut.
Regardez ma formation vidéo qui vous aidera à démarrer du bon bien, choisir votre matériel, installer les meilleures applications et vous lancer directement dans vos premiers projets avec mon aide.
Regarder les vidéos dès maintenant

Maîtrisez votre Raspberry Pi en 30 jours
Vous avez besoin de plus ? Si vous êtes à la recherche des meilleures astuces pour devenir expert sur Raspberry Pi, ce livre est fait pour vous. Développez vos compétences sous Linux et pratiquez via de nombreux projets en suivant mes guides étape par étape. 10% de remise aujourd’hui !
Télécharger le livre au format PDF ici

Maîtrisez Python sur Raspberry Pi
Pas besoin d’être un génie pour coder quelques lignes pour votre Raspberry Pi.
Je vous apprends juste ce qu’il faut sur Python afin de réaliser n’importe quel projet. La seconde partie du livre est d’ailleurs consacrée à des exemples de projets où je vous guide pas à pas.
Ne perdez pas de temps, apprenez le strict nécessaire et économisez 10% avec ce lien :
Télécharger maintenant

Autres ressources pour profiter de votre Raspberry Pi
J’ai regroupé toutes mes recommandations de logiciels, sites utiles et de matériel sur cette page de ressources. Je vous invite à la consulter régulièrement pour faire les bons choix et rester à jour.
Visiter les pages ressources