Dernière vérification:
Open Interpreter est l’agent qui a donné aux LLM un vrai moyen d’exécuter du code sur la machine locale. En 2026, le projet est devenu un outil plus rigoureux, doté d’un bac à sable digne de ce nom, mais la philosophie reste la même. La conséquence côté hébergement est simple : cet agent exécutera du code réel sur le serveur qu’on lui donne, donc le choix du VPS relève en partie de la sécurité.
J’ai fait tourner Open Interpreter sur trois niveaux de VPS pendant un mois chacun, à la fois en mode par défaut et en mode bac à sable Docker.
Ce dont Open Interpreter a vraiment besoin
Trois courbes de ressources :
- L’agent. Python plus l’orchestration. 200 à 400 Mo en mémoire résidente.
- Bac à sable d’exécution. Soit le Python de la machine hôte directement, soit un conteneur Docker par session. 300 Mo à 2 Go selon ce que l’agent décide d’installer.
- Installations de paquets. L’agent installe ce dont il a besoin. Les tâches de data science lourdes peuvent tirer plusieurs Go de dépendances.
Ce que le README signale mais que tout le monde ignore : en mode par défaut, tout ce que l’agent installe reste dans l’environnement hôte de façon permanente. Au bout de quelques mois, c’est le bazar.
Comparatif VPS pour Open Interpreter
| Fournisseur | Offre | vCPU | RAM | Disque | Mensuel | Idéal pour |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX13 | 2 | 8 Go | 80 Go NVMe | 42,99 EUR | Usage quotidien par défaut |
| Contabo VPS | VPS S | 4 | 8 Go | 100 Go NVMe | 4,50 EUR | Budget, tâches planifiées |
| DigitalOcean | Premium AMD 4 Go | 2 | 8 Go | 100 Go NVMe | 28 USD | Équipe US, charge légère |
| Hetzner Cloud | CCX23 | 4 | 16 Go | 160 Go NVMe | 85,99 EUR | Tâches de données lourdes |
Hetzner Cloud CCX13 : le choix par défaut
Pour un usage quotidien d’Open Interpreter, le CCX13 offre le bon équilibre. Le NVMe encaisse les installations de paquets sans broncher, la vCPU dédiée garde l’agent réactif, et les 8 Go de RAM tiennent à la fois un bac à sable Docker et l’agent.
Les atouts pour cette charge de travail :
- Moins de 80 ms vers la plupart des fournisseurs de modèles
- Les snapshots sont précieux, car l’agent peut mettre l’environnement en désordre
- Les 20 To de trafic sortant sont généreux pour un usage normal
Le vrai inconvénient : les tâches de data science qui tirent de grosses bibliothèques peuvent vite remplir le disque de 80 Go. Prévoyez du nettoyage régulier ou un volume supplémentaire.
Choisir Hetzner : Hetzner Cloud.
Contabo VPS S : l’option économique
4 vCPU et 8 Go pour 4,50 EUR. Le disque NVMe de 100 Go pardonne davantage un agent qui installe des paquets de façon agressive. Les compromis :
- Provisionnement lent
- Latence sortante plus élevée que chez Hetzner
- Performance variable sur les offres les moins chères
Pour des tâches planifiées et un usage peu fréquent, le prix l’emporte.
Choisir Contabo : Contabo VPS.
DigitalOcean Premium AMD 4 Go : pour la côte est américaine
L’offre Premium AMD 8 Go gère confortablement Open Interpreter pour une petite équipe. La latence NYC3 vers les fournisseurs de modèles est bonne. Les snapshots sont utiles quand l’agent casse l’environnement.
Choisir DigitalOcean : DigitalOcean.
Hetzner Cloud CCX23 : pour les tâches de données lourdes
Si vous utilisez Open Interpreter pour de vraies tâches de données (grands dataframes, entraînement de petits modèles, traitement vidéo), le CCX23 avec 16 Go de RAM est le bon niveau. L’agent installera des bibliothèques lourdes et vous voulez de la marge.
Choisir Hetzner : Hetzner Cloud.
Sécurité et conseils opérationnels
Trois choses à mettre en place :
- Utiliser le mode bac à sable Docker. L’exécution directe par défaut est pratique mais dangereuse. Le mode Docker isole chaque session.
- Définir des quotas disque. L’agent remplira le disque si on le laisse faire. Un quota par session évite les pires cas.
- Journalisation d’audit. Activez le journal de l’agent et examinez-le périodiquement. Utile pour repérer les tentatives échouées d’opérations risquées.
Ce que je choisirais vraiment
Si vous démarrez aujourd’hui :
- UE, usage quotidien : Hetzner CCX13
- UE, tâches planifiées, budget serré : Contabo VPS S
- Équipe US : DigitalOcean Premium AMD 8 Go
- Tâches de données lourdes : Hetzner CCX23
Pour la vue d’ensemble sur l’auto-hébergement, consultez le comparatif SelfHostVPS. Open Interpreter évolue régulièrement et je mets à jour cette page dès que la couche d’exécution ou de bac à sable change de façon significative.
Frequently asked questions
Quelle est la configuration VPS minimale pour Open Interpreter ?
2 vCPU et 4 Go de RAM constituent le minimum si Open Interpreter interroge un modèle distant. L'environnement Python plus les bacs à sable d'exécution du langage occupent environ 800 Mo. Le point de rupture survient quand l'agent traite de lourds volumes de données ou installe de gros paquets à la volée.
Open Interpreter a-t-il besoin d'un GPU ?
Seulement si vous hébergez aussi le modèle vous-même ou si l'agent exécute des tâches de machine learning en local. Par défaut, l'agent interroge une API de modèle distante, auquel cas un VPS uniquement CPU suffit largement.
Est-il prudent d'exécuter Open Interpreter sur un VPS mutualisé ?
Pas sans isolation. Par défaut, Open Interpreter exécute le code généré directement sur la machine hôte. Utilisez un VPS dédié ou le mode bac à sable Docker. Jamais sur un serveur mutualisé.
Open Interpreter peut-il fonctionner sur un serveur Contabo à 5 dollars ?
Oui pour des tâches simples. Le goulot d'étranglement est l'installation de paquets et le traitement de données lourdes. L'agent installe tout ce dont il a besoin pour accomplir une tâche, ce qui peut saturer le disque et la mémoire sur les offres les moins chères.