Guide 2026 : gamme Mac complète et meilleurs modèles locaux — comment choisir 8B, 14B, 32B et 70B

Deux bases : Ollama et ce que signifie « B »

Ollama emballe les LLM locaux en mode tirer-et-lancer : un ollama pull télécharge des poids GGUF, ollama run démarre le chat, et une API locale compatible OpenAI écoute sur localhost:11434. L'outil ne décide pas de la taille maximale du modèle — le goulot d'étranglement, c'est la mémoire unifiée du Mac : CPU, GPU et Neural Engine partagent le même réservoir ; les poids du modèle et le cache KV pendant la conversation en proviennent tous les deux.

L'étiquette B = milliards de paramètres — à peu près le nombre de poids apprenables du modèle. Plus de paramètres signifient en général une meilleure qualité, mais la consommation mémoire augmente en parallèle. À nombre de paramètres égal, la quantification (Q4, Q5, Q8, FP16) peut presque doubler ou diviser par deux l'empreinte — ne fixez pas seulement votre regard sur « 32B » ; vérifiez si vous avez tiré le Q4 par défaut de qwen2.5:32b ou une variante plus précise.

Au-delà des poids, trois facteurs font souvent déraper une machine :

• Quantification : les défauts Ollama sont souvent en 4 bits (ex. Q4_K_M). Tirages typiques : llama3.1:8b ~5 Go, qwen2.5:14b ~9 Go, qwen2.5:32b ~19–20 Go, llama3.3:70b ~40–43 Go (poids seuls ; hors système et autres apps).
• Longueur de contexte : des conversations plus longues agrandissent le cache KV. Passer de 4K à 32K/128K peut ajouter plusieurs Go ; un modèle qui « tenait tout juste » peut commencer à swapper.
• Swap et multitâche : macOS, le navigateur, Xcode et Docker se disputent la même RAM. Une fois les poids remplis et le swap activé, les tokens par seconde passent d'utilisable à pénible.

Règle empirique : réservez ~4–8 Go pour le système et les apps courantes, plus ~2–6 Go pour le cache KV (selon le contexte). Ce qui reste borne les poids du modèle. Ci-dessous, nous supposons un palier Q4, un contexte modéré et quelques apps légères ouvertes ; si vous vivez en 128K de contexte, montez d'un cran les besoins mémoire.

8B / 14B : entrée et usage quotidien léger à moyen (Mac 16 Go / 24 Go)

~8B est le point de départ pour la plupart des gens. Exemples : llama3.1:8b, qwen2.5:7b, qwen2.5-coder:7b (orienté code). Sur Apple Silicon, un 8B en Q4 reste souvent assez réactif pour Q&R, résumés de mails/docs, scripts simples et tests d'agents légers.

~14B (ex. qwen2.5:14b, phi4:14b) dépasse généralement le 8B en raisonnement et sortie structurée, avec des poids autour de 9–11 Go. Pertinent si vous acceptez d'attendre une ou deux secondes de plus pour de meilleures réponses, une base de connaissances locale ou une revue de code de complexité moyenne.

Si vous n'avez que 16 Go mais visez un 32B au quotidien, la douleur vient souvent d'un décalage de budget mémoire, pas d'un « Mac incapable de faire de l'IA ». En 16 Go, épinglez un 8B quotidien, validez le flux de travail, puis ajoutez de la RAM ou changez de machine.

24B / 32B : la zone idéale du modèle local personnel (32 Go / 48 Go / 64 Go)

Au-delà de ~20B, on approche d'un vrai assistant local. ~32B (ex. qwen2.5:32b, qwen2.5-coder:32b) en Q4 pèse ~19–20 Go de poids — un compromis qualité / vitesse courant pour instructions complexes, résumés de longs documents et code multi-fichiers. ~24B (ex. mistral-small:24b) se situe entre 14B et 32B pour les machines 24–32 Go qui testent la montée en charge.

32 Go de mémoire unifiée : le 32B comme modèle principal avec de la marge pour l'IDE et le navigateur ; la vitesse reste en général correcte pour le chat quotidien (tokens/s selon la puce). 48 Go : 32B avec plus de marge et un contexte plus long ; vous pouvez essayer un 70B quantifié, mais ce ne doit pas être la norme. 64 Go (avant de faire du 70B le modèle principal) : 32B + contexte long + appels d'outils — configuration de bureau idéale pour beaucoup de développeurs.

Matériel concerné : Mac mini M4 Pro (jusqu'à 64 Go), MacBook Pro M4 Pro / M4 Max (32 Go+, Max jusqu'à 128 Go) et Mac Studio M4 Max. Si vous faites du dev iOS et des modèles locaux, la mémoire prime sur l'achat aveugle d'Ultra — voir comment choisir la configuration Mac mini M4.

70B : le seuil du grand modèle local (64 Go+ recommandés)

~70B — exemples : llama3.3:70b, qwen2.5:72b (étiquette 72B, même classe que 70B). Les poids Q4 seuls font ~40–43 Go ; avec le système, le KV et les apps, 64 Go est le plancher pratique pour tourner de façon stable. En 48 Go, vous pouvez charger une fois avec tout fermé, contexte court et ralentissement visible — pas une configuration de production par défaut.

Pour qui le 70B convient : vous avez besoin d'une qualité proche du cloud phare avec les données sur la machine — résumés juridiques/médicaux sensibles, politique hors ligne, génération RAG de haute qualité. Pour qui il ne convient pas : machines 16 Go/24 Go qui espèrent qu'un seul modèle fasse tout — c'est le territoire des API cloud ou du 32B.

Même en 64 Go, surveillez le contexte et la concurrence : après chargement du 70B, il reste peu de RAM ; longs fils ou sessions multiples swapent encore. Schéma stable : 70B pour la génération lourde, 8B/14B pour les petites tâches fréquentes — changez de modèle dans Ollama au lieu de laisser le 70B monté 24 h/24.

235B / 671B : limites station de travail — pas des choix Mac du quotidien

La bibliothèque Ollama inclut des étiquettes 100B+ et 200B+ (grands poids ouverts, quants communautaires). Elles visent serveurs multi-GPU, stations de travail ou labos — pas un MacBook Air ou un Mac mini 16 Go en recommandation quotidienne.

• Classe ~235B : même avec une quantification agressive, il faut souvent 100 Go+ rien que pour les poids — au-delà de ce que la plupart des Mac personnels offrent (beaucoup plafonnent à 128 Go, et le système a aussi besoin de RAM).
• Classe ~671B : démos d'architecture et déploiements institutionnels ; sur un Mac personnel, « ça charge peut-être » reste une latence inutilisable.

Pour la majorité des lecteurs : traitez 235B/671B comme frontières techniques et actualité, puis ancrez-vous sur l'échelle 8B → 32B → (si possible) 70B. Si le produit exige vraiment plus gros, prévoyez API cloud, serveurs d'inférence dédiés ou nœuds Mac loués à forte mémoire — ne pariez pas sur un Mac d'entrée de gamme « qui pourrait peut-être ».

Pourquoi un plus gros modèle n'est pas toujours le meilleur choix

Le nombre de paramètres n'est qu'un axe de capacité — pas votre expérience quotidienne :

1. Latence : un 70B sur Mac 64 Go peut sembler plus lent qu'un 14B sur 24 Go. Pour le code et les retouches de texte, 3× plus lent renvoie souvent vers le cloud.
2. Adéquation à la tâche : résumés, traduction et aide code de niveau regex favorisent souvent un 8B coder ciblé plutôt qu'un géant « fait tout ».
3. Concurrence avec l'environnement dev : les modèles locaux partagent la RAM avec Xcode, simulateurs et Docker ; les modèles plus gros augmentent crashs et swap aux pics de charge.
4. Compromis de quantification : forcer un grand modèle avec un quant agressif peut perdre face à un modèle plus petit en Q5/Q8.

Stratégie plus saine : utilisez le plus petit palier qui couvre ~80 % des tâches, et ne montez au 32B/70B que pour les cas difficiles — pas la plus grosse étiquette dès le premier jour.

Gamme Mac 2026 : relier l'échelle à Air, mini, Pro et Studio

Au 26 mai 2026, la boutique Apple reste centrée sur les Mac série M4 (Mac mini M4 / M4 Pro ; MacBook Air M4 ; MacBook Pro M4 / M4 Pro / M4 Max ; Mac Studio M4 Max / M4 Ultra ; iMac M4). Les modèles non annoncés sont hors périmètre. Ci-dessous : mémoire unifiée × cas d'usage, pas chaque référence :

Achetez dans cet ordre : choisissez le palier que vous laisserez chargé (8B / 14B / 32B / 70B), puis la RAM et le Mac. À RAM égale, passer de M4 à M4 Pro/Max améliore surtout vitesse et bande passante — cela ne répare pas « les poids ne rentrent pas ».

Parcours de montée : 8B pour apprendre, 32B comme pilier, 70B pour les spécialistes

1. Semaine 1 (8B) : installez Ollama, tirez llama3.1:8b ou qwen2.5:7b ; apprenez l'API locale, le contexte et la vitesse de référence.
2. Semaines 2–4 (14B, optionnel) : si le 8B manque souvent en raisonnement/code et que vous avez 24 Go+, essayez qwen2.5:14b et décidez s'il mérite de rester chargé.
3. Bascule principale (32B) : quand le 14B ne suffit plus plusieurs fois par semaine et que vous avez 32 Go+, promouvez qwen2.5:32b par défaut.
4. Niveau pro (70B) : seulement si le 32B manque encore en qualité, que vous avez 64 Go+ et acceptez des réponses plus lentes — utilisez llama3.3:70b pour les grosses tâches, pas comme seul modèle.

Alternez montées logicielles et matérielles : essayez le palier suivant sur le même Mac et confirmez que vous l'utilisez vraiment avant d'acheter de la RAM ou une nouvelle machine — évitez « 128 Go + 70B dès le jour 1 » alors que 90 % du temps part sur du 8B.

Tableau récapitulatif des meilleurs modèles locaux (Ollama · référence Q4 · mai 2026)

Combine des étiquettes Ollama courantes et l'empreinte communautaire (classe Q4_K_M ; confirmez avec ollama show <modèle>). « RAM suggérée » inclut le système et une marge de contexte modéré.

Après ollama pull <nom>, utilisez ollama ps pour voir l'empreinte en direct. Si vous mélangez OpenClaw, IDE et Ollama, voir inférence hybride OpenClaw + Ollama et dépannage mémoire.

Mémoire unifiée et faible consommation : pourquoi le Mac mini convient comme nœud de modèles locaux

L'échelle Ollama de cet article porte ses fruits sur la mémoire unifiée Apple Silicon — poids et bande passante partagent le même réservoir, souvent plus simple qu'avec des copies CPU/GPU discrets sur un PC au prix comparable. macOS offre une accélération Metal mature, Terminal et Homebrew ; les services de modèles peuvent tourner en arrière-plan pendant des heures. Le Mac mini M4 / M4 Pro est compact et consomme seulement quelques watts au repos — un solide « coin d'inférence 8B–32B » à la maison ou une deuxième machine dev sans laisser le portable chargé 24 h/24.

Une fois votre palier cible connu (ex. 32 Go pour du 32B, ou 64 Go pour essayer le 70B), le Mac mini M4 Pro est souvent le moyen le plus clair d'investir ce budget RAM. Face à de petits boîtiers Windows, la stabilité de macOS et Gatekeeper/SIP conviennent mieux aux services locaux sans surveillance. Obtenez un Mac mini et transformez l'échelle de « ça a tourné une fois » en quelque chose que vous laissez réellement allumé chaque jour.