Configurer un modèle LLM dans OpenClaw : Claude, GPT, DeepSeek

OpenClaw n’embarque aucun modèle de langage : c’est le principe du bring your own LLM. L’agent orchestre, mémorise et exécute des outils, mais le raisonnement est délégué à un modèle distant que vous choisissez — Claude d’Anthropic, GPT d’OpenAI, DeepSeek, et bien d’autres. Ce tutoriel branche un cerveau sur votre agent et vous montre comment en changer en une commande.

🎯 Ce que vous allez apprendre

• Comprendre le format d’identification des modèles fournisseur/modèle.
• Fournir votre clé d’API via une variable d’environnement.
• Définir le modèle par défaut de l’agent, en CLI ou dans la configuration.
• Changer de fournisseur sans réinstaller quoi que ce soit.
• Brancher un modèle local ou un fournisseur compatible OpenAI.

🛠️ Ce que vous allez construire

Vous allez donner à votre assistant un cerveau opérationnel : à la fin, vous lui écrivez une question et il répond en s’appuyant sur le modèle de votre choix. Vous saurez aussi basculer d’un modèle haut de gamme vers un modèle plus économique selon la tâche.

Prérequis

• OpenClaw installé, passerelle fonctionnelle.
• Une clé d’API valide chez au moins un fournisseur. Pour en obtenir une, voir nos guides dédiés : API OpenAI, DeepSeek, ou Google Gemini.
• Niveau : débutant. Test express : si vous savez définir une variable d’environnement dans votre shell, vous êtes prêt.
• ⏱️ Temps estimé : ~20 minutes.

Étape 1 — Comprendre le format fournisseur/modèle

OpenClaw désigne chaque modèle par une chaîne fournisseur/modèle. Le préfixe indique d’où vient le modèle et comment l’authentifier ; le suffixe est l’identifiant précis du modèle chez ce fournisseur. Cette convention rend le changement de cerveau trivial : on remplace la chaîne, rien d’autre.

anthropic/claude-opus-4-6
openai/gpt-5.5
deepseek/deepseek-v4-flash
google/gemini-3-flash-preview

Les identifiants exacts de modèles évoluent vite : chaque fournisseur publie régulièrement de nouvelles versions et retire les anciennes. La règle de longévité : choisissez le modèle phare actuel du fournisseur que vous utilisez déjà, et vérifiez son identifiant exact dans la documentation du fournisseur au moment où vous configurez. Les valeurs ci-dessus sont des exemples de la forme attendue, pas des références gravées dans le marbre.

Étape 2 — Fournir la clé d’API

Pour les fournisseurs intégrés, OpenClaw lit automatiquement des variables d’environnement standard. Vous n’avez donc pas à écrire la clé dans un fichier de configuration : il suffit de l’exporter dans votre shell. C’est aussi plus sûr, car la clé ne traîne pas dans un fichier susceptible d’être copié.

# Exemple pour Anthropic (Claude)
export ANTHROPIC_API_KEY="sk-ant-..."
# OpenAI
export OPENAI_API_KEY="sk-..."
# DeepSeek
export DEEPSEEK_API_KEY="sk-..."

Pour que la clé persiste entre les sessions, ajoutez la ligne export correspondante à votre ~/.bashrc ou ~/.zshrc, puis rechargez le shell. Sur un serveur où la passerelle tourne en service système, veillez à ce que le service hérite bien de cette variable — l’onboarding s’en charge généralement, sinon déclarez-la dans l’environnement du service.

✅ Point d’étape — echo $ANTHROPIC_API_KEY (ou la variable de votre fournisseur) renvoie votre clé. Si la sortie est vide, la variable n’est pas chargée dans ce shell.

Étape 3 — Définir le modèle par défaut

La façon la plus directe de fixer le modèle de l’agent est la commande dédiée. Elle écrit le bon réglage dans la configuration et évite toute erreur de syntaxe JSON.

openclaw models set anthropic/claude-opus-4-6

La commande confirme le modèle actif. Vous pouvez aussi régler cela dans ~/.openclaw/openclaw.json si vous préférez tout versionner dans un fichier. Le modèle par défaut se place sous agents.defaults.model.primary :

{
  agents: {
    defaults: {
      model: { primary: "anthropic/claude-opus-4-6" }
    }
  }
}

Après une modification manuelle du fichier, relancez la passerelle. Que vous passiez par la CLI ou par le fichier, le résultat est le même : l’agent sait désormais quel modèle interroger.

Étape 4 — Tester le cerveau

Le moment de vérité : posez une question à l’agent. Si Telegram est déjà connecté (voir le tutoriel Telegram), écrivez-lui depuis votre téléphone. Sinon, interrogez-le directement en ligne de commande, ce qui isole le test du modèle de la couche messagerie.

openclaw agent --message "Resume en une phrase ce qu'est un agent IA personnel."

L’agent appelle le modèle configuré et renvoie une réponse rédigée. Si vous obtenez une réponse cohérente, le cerveau est bien branché. Une erreur d’authentification (401/403) signale une clé invalide ou non chargée ; une erreur de modèle introuvable signale un identifiant mal orthographié ou retiré par le fournisseur.

✅ Point d’étape — openclaw agent --message "..." renvoie une vraie réponse. Votre assistant raisonne enfin.

Étape 5 — Changer de modèle selon le besoin

L’intérêt du format unifié est de pouvoir arbitrer entre qualité et coût. Un modèle phare raisonne mieux mais coûte plus cher au million de jetons ; un modèle « flash » ou « mini » répond plus vite et moins cher pour des tâches simples. Basculer ne prend qu’une commande.

# Tâche exigeante : modèle haut de gamme
openclaw models set anthropic/claude-opus-4-6
# Tâches courantes et volumineuses : modèle économique
openclaw models set deepseek/deepseek-v4-flash

Relancez la passerelle si nécessaire, puis reposez une question pour confirmer le changement. Beaucoup d’utilisateurs gardent un modèle économique par défaut et ne montent en gamme que pour les demandes complexes. Tester plusieurs fournisseurs vous donne aussi une porte de sortie si l’un d’eux subit une panne ou un changement de tarif.

Étape 6 — Brancher un modèle local ou un fournisseur compatible

Au-delà des fournisseurs intégrés, OpenClaw accepte n’importe quel endpoint compatible avec l’API d’OpenAI — c’est le cas d’un serveur local comme LM Studio ou Ollama, ou d’un proxy d’entreprise. On déclare alors un fournisseur sur mesure sous models.providers, en précisant son URL de base, sa clé et la liste de ses modèles.

{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          { id: "mon-modele-local", contextWindow: 200000, maxTokens: 8192 }
        ]
      }
    }
  }
}

La syntaxe ${LM_API_TOKEN} indique à OpenClaw de lire la valeur depuis la variable d’environnement de ce nom, plutôt que d’écrire le secret en clair. Une fois le fournisseur déclaré, sélectionnez l’un de ses modèles comme n’importe quel autre : openclaw models set lmstudio/mon-modele-local. Cette voie est précieuse pour expérimenter hors ligne ou garder des données sensibles sur votre propre matériel.

Étape 7 — Vérification finale

Confirmez que tout l’enchaînement tient : la clé est chargée, le modèle est sélectionné, l’agent répond. Posez une dernière question via openclaw agent --message et, si Telegram est branché, vérifiez que la même question depuis votre téléphone donne une réponse équivalente. Vous disposez maintenant d’un assistant qui entend (messagerie) et qui pense (modèle).

🐞 Pièges fréquents

🌍 Maîtriser le coût du cerveau

Le vrai poste de dépense d’un agent auto-hébergé n’est pas le serveur, mais l’API du modèle, facturée au volume de jetons et payable en devises. Trois leviers concrets : garder un modèle économique par défaut et ne monter en gamme que pour les demandes complexes ; surveiller la consommation avec la commande d’usage intégrée (/usage) ; et, pour des données sensibles ou un budget serré, basculer sur un modèle local quand votre matériel le permet. Un fournisseur comme DeepSeek, réputé bon marché au million de jetons, est un point de départ raisonnable pour ne pas voir la facture s’envoler pendant la phase d’apprentissage. Pensez aussi à fixer un plafond de dépense côté fournisseur : c’est le garde-fou le plus efficace contre une boucle d’agent qui consommerait sans contrôle.

✅ Récapitulatif

Vous avez compris le format fournisseur/modèle, exporté votre clé d’API, défini le modèle par défaut en CLI et dans le fichier, testé la réponse de l’agent, appris à changer de modèle à la volée, et même branché un endpoint compatible OpenAI pour un modèle local. Votre assistant entend et pense ; il ne lui manque plus que des compétences sur mesure pour devenir vraiment utile.

🧾 Aide-mémoire

💪 À vous de jouer

Défi : configurez deux modèles de deux fournisseurs différents et basculez de l’un à l’autre, en confirmant à chaque fois lequel répond.

openclaw models set openai/gpt-5.5
openclaw agent --message "Quel modele es-tu, en une ligne ?"
openclaw models set deepseek/deepseek-v4-flash
openclaw agent --message "Quel modele es-tu, en une ligne ?"

Tutoriels frères

• Écrire une Skill OpenClaw — apprendre une nouvelle capacité à votre agent.
• Connecter OpenClaw à Telegram — interroger le modèle depuis votre téléphone.

Pour aller plus loin

• 🔝 Retour au guide principal : OpenClaw, panorama et mise en route.
• Documentation officielle des fournisseurs de modèles : docs.openclaw.ai/concepts/model-providers.

Qui gagne : variable d’environnement, CLI ou fichier ?

Quand on configure le même réglage à plusieurs endroits, il faut savoir lequel l’emporte, sous peine de chercher pendant des heures pourquoi l’agent ignore votre dernier changement. OpenClaw applique une hiérarchie claire : les variables d’environnement servent surtout aux secrets (clés d’API), tandis que le modèle actif est gouverné par la configuration, qu’elle soit écrite par la commande openclaw models set ou éditée à la main dans openclaw.json. En pratique, la dernière écriture dans le fichier fait foi pour le choix du modèle, et les clés viennent de l’environnement.

Le réflexe sain est donc : clés dans l’environnement, modèle dans la configuration. Vous évitez ainsi de dupliquer un secret dans un fichier versionné, et vous gardez un seul endroit de vérité pour savoir quel cerveau l’agent utilise. Quand un changement ne « prend » pas, vérifiez d’abord que vous éditez le bon fichier (~/.openclaw/openclaw.json, pas une copie) et que la passerelle a bien été relancée.

Faire tourner plusieurs clés pour encaisser la charge

Si vous sollicitez beaucoup l’agent, une seule clé peut atteindre son plafond de débit et déclencher des erreurs 429. OpenClaw sait alterner automatiquement entre plusieurs clés d’un même fournisseur et reprendre sur une autre dès qu’une limite est touchée. On déclare la liste via une variable dédiée, séparée par des virgules ou des points-virgules.

export ANTHROPIC_API_KEYS="sk-ant-aaa...,sk-ant-bbb...,sk-ant-ccc..."

Les clés sont essayées tour à tour ; quand l’une est limitée, la suivante prend le relais sans intervention de votre part. C’est utile si plusieurs personnes partagent l’assistant ou si une tâche génère beaucoup d’appels en rafale. Gardez à l’esprit que cela ne fait que répartir la charge : le plafond global de votre compte reste la limite réelle.

Ajuster l’effort de raisonnement

Tous les modèles récents ne « réfléchissent » pas à la même profondeur. OpenClaw expose un réglage d’effort de raisonnement, accessible à la volée, qui demande au modèle de prendre plus de temps pour les problèmes difficiles. En conversation, la commande intégrée /think permet de monter ce niveau pour une demande complexe, puis de le redescendre pour économiser des jetons sur les échanges anodins.

openclaw agent --message "Analyse ce log et propose une cause racine." --thinking high

Le drapeau --thinking high pousse le modèle à raisonner davantage avant de répondre. Réservez-le aux vraies analyses : un effort élevé sur une question triviale gaspille du temps et des jetons sans bénéfice.

FAQ

Puis-je utiliser OpenClaw sans payer d’API ?
Oui, en branchant un modèle local (LM Studio, Ollama) via un fournisseur compatible OpenAI. La qualité dépend alors de votre matériel, mais vous ne payez aucun jeton.

Quel modèle choisir pour débuter ?
Le modèle phare du fournisseur dont vous avez déjà une clé. Si vous partez de zéro et que le budget compte, un modèle économique réputé bon marché vous permet d’apprendre sans surprise sur la facture.

L’agent garde-t-il mes clés en sécurité ?
Les clés vivent dans vos variables d’environnement ou via le mécanisme de référence de secret d’OpenClaw, jamais transmises ailleurs que vers le fournisseur. Évitez de les écrire en clair dans un fichier partagé.

Que se passe-t-il si je dépasse mon quota ?
Le fournisseur renvoie une erreur 429. OpenClaw peut faire tourner plusieurs clés automatiquement en cas de limitation ; sinon, l’agent vous le signale et vous réduisez la cadence ou relevez votre plafond.