2026 — Comment choisir un Mac pour les LLM locaux : arbre de décision 8 Go, 16 Go, 24 Go et 64 Go

Parcourir l'arbre de décision d'abord

Cet arbre suit quatre étapes : usage → taille du modèle → contexte long / RAG → multitâche. Chaque étape vous oriente vers un palier mémoire concret. Chaque point d'arrivée indique un paliers recommandé, ce que vous pouvez tenter en limite, et ce qu'il vaut mieux éviter. Les sections ci-dessous détaillent chaque étape ; si les quatre réponses restent floues, passez directement à la voie prudente en fin d'article.

Quatre points d'arrivée courants (recommandations prudentes — sans garantie de vitesse en tokens) :

• 8 Go (ligne essai sur machine existante) : 4B–7B en Q4, contexte court, chat en application unique.
• 16 Go (ligne entrée pour nouvel achat) : 8B en quotidien ; 14B en limite ; fermer onglets et simulateurs.
• 24 Go (sweet spot personnel durable) : 8B/14B toujours chargés ; 32B en interactif ; dev + modèle en parallèle.
• 64 Go (seuil grands modèles) : 32B confortable au quotidien ; 70B Q4 en cas limite conditionnel (contexte court, faible concurrence).

Première question : essai ou usage durable ?

Pourquoi commencer par l'usage plutôt que par la génération de puce ou le budget ? Parce que « peut charger » et « peut utiliser confortablement » ne sont pas le même seuil. L'essai sert à valider le flux — Ollama tourne-t-il proprement, LM Studio est-il utilisable. L'usage durable exige de la marge pour des modèles plus grands, un contexte plus long et des apps ouvertes pendant l'inférence. L'usage vous dit s'il faut optimiser la machine actuelle ou acheter pour ce qui vient ensuite.

Pourquoi machine existante et nouvel achat ne suivent pas la même route ? Sur la plupart des Mac Apple Silicon, la RAM n'est pas évolutive — ou le coût approche celui d'un remplacement. Avec 8 ou 16 Go déjà en place, il faut adapter le modèle à ce que la machine supporte confortablement, pas forcer un 32B. À l'achat neuf, prenez assez de mémoire unifiée à la commande. L'essai peut viser « faire tourner » ; l'achat durable doit traiter 16 Go comme plancher et 24 Go comme réponse par défaut.

Deuxième question : quelle taille pour le modèle principal ?

Pour déduire la mémoire à partir de la taille du modèle, le nombre de paramètres ne suffit pas — il faut la quantification précise (Q4, Q5, Q8) et la façon dont votre outil nomme les téléchargements. Ci-dessous : poids Ollama Q4_K_M courants à contexte modéré (poids seuls ; ajoutez 4–8 Go pour système + cache KV) :

Formule rapide : empreinte poids + 4–8 Go système/apps + 2–6 Go cache KV ≤ mémoire unifiée. Si le 32B est votre modèle quotidien, 24 Go reste « ça tient, mais serré » ; avec un IDE ouvert, soit 14B sur 24 Go, soit viser 32/48 Go pour le 32B. Pour une matrice Mac/modèles plus complète, voir notre guide 2026 modèles locaux et matériel Mac.

Troisième question : contexte long ou RAG ?

Le contexte long et le RAG changent la réponse — ils consomment le cache KV à l'inférence et de la mémoire pour embeddings et recherche, pas seulement les poids du modèle.

• Contexte court (4K–8K) : chat courant, résumé d'un fichier. Impact mémoire faible — restez sur la question 2.
• Contexte long (32K–128K) : livres entiers, longs logs, agents multi-étapes. Le cache KV peut ajouter plusieurs Go à 10+ Go — monter d'un palier par rapport à la question 2.
• RAG local : base vectorielle + modèle d'embedding + générateur tous résidents. GPT4All LocalDocs, Ollama avec stack RAG custom, etc. ajoutent souvent 2–8 Go selon corpus et taille d'embed.

Quatrième question : multitâche ou concurrence ?

macOS, le navigateur, Xcode, les simulateurs, Docker et votre modèle local partagent le même pool de mémoire unifiée. Le multitâche ne change pas les poids du modèle, mais grignote la marge réservée au cache KV et aux buffers. Dès que le swap s'active, l'expérience passe de « lent » à « inutilisable ».

Astuce pratique : pas besoin du plus gros modèle chargé 24 h/24. Gardez un 8B pour les tâches fréquentes ; chargez 32B/70B à la demande avec ollama run — plus durable que forcer un 32B sur 16 Go. Pour le choix d'outil, voir Ollama vs LM Studio vs Jan vs GPT4All comparés.

À qui correspond chaque point d'arrivée

Point A : 8 Go — ligne essai sur machine existante

Recommandé : continuer avec votre Mac 8 Go actuel. Limite : 4B–7B Q4, contexte ≤8K, une seule app. À éviter : 14B+ au quotidien, RAG, Xcode en parallèle. Si vous achetez du neuf pour l'IA locale, sautez 8 Go et visez 16/24 Go.

Point B : 16 Go — ligne entrée nouvel achat

Recommandé : budget serré, 8B comme modèle quotidien. Limite : 14B contexte court, RAG léger (simulateurs et onglets fermés). À éviter : 32B toujours chargé, contexte 128K, dev + gros modèle à pleine charge. Idéal pour Mac mini / Air d'entrée qui valident un flux local avant d'investir plus en RAM.

Point C : 24 Go — sweet spot personnel durable

Recommandé : défaut pour qui prend l'IA locale au sérieux. Limite : 14B permanent + 32B à la demande, RAG moyen, navigateur et IDE ensemble. À éviter : 70B au quotidien, plusieurs modèles 24 h/24. Meilleur équilibre expérience/coût — en cas de doute, prenez 24 Go plutôt que parier sur 16 Go.

Point D : 64 Go — seuil grands modèles

Quelles branches imposent 64 Go ou plus ?

• Modèle quotidien 30B–32B avec contexte long + dev multitâche courant.
• Exploration conditionnelle du 70B (pas un quotidien confortable — voir ci-dessous).
• APIs modèles concurrentes, agents locaux en chaîne, grande base RAG toujours résidente.
• 48 Go peut parfois charger un 70B, mais laisse trop peu de marge — 64 Go est le plancher prudent pour 70B Q4.

Limite conditionnelle du 70B (à lire) : sur 64 Go, les poids Q4 de modèles comme llama3.3:70b prennent ~40 Go+, il reste ~20 Go pour système, cache KV et apps. Ne traitez le 70B comme couche occasionnelle haute qualité qu'en acceptant contexte court, faible concurrence et réponses nettement plus lentes qu'en 32B. Pour un 70B vraiment quotidien avec RAG long, prévoyez 96–128 Go (Mac Studio / MacBook Pro Max haute mémoire) plutôt que tendre les 64 Go.

Même 64 Go ne suffit pas pour : modèles type 235B, déploiements serveur multi-GPU — préférez API cloud ou nœuds d'inférence dédiés plutôt qu'un Mac personnel.

Quand upgrader si les besoins évoluent

Ces signaux indiquent que vous avez atteint le plafond de votre palier — temps de remplacer la machine ou d'ajouter une box plus mémoire (la RAM Apple Silicon n'est pas extensible après achat) :

1. Swap fréquent : pression mémoire jaune/rouge dans Moniteur d'activité ; frappe et interface saccadées.
2. Downgrade de modèles : le 14B était fluide ; seul le 8B reste utilisable — concurrence ou contexte a grandi.
3. Workflow verrouillé sur un gros modèle : « tester le 32B » est devenu « impossible sans 32B » — passer de 16/24 Go à 32/48 Go.
4. RAG ou agents en production : embed + base vectorielle + générateur tous résidents — monter d'un palier (question 3).
5. Le 70B est passé de curiosité à exigence : 64 Go = exploration limite ; 70B stable au quotidien = 96 Go+.

Ordre d'upgrade : monter le palier mémoire (nouvelle machine) → puis envisager la puce (M4 Pro/Max). Un silicium plus rapide avec RAM insuffisante ne fait qu'arriver plus tôt au swap — ça ne corrige pas « ça ne rentre pas ».

Auto-contrôle en 30 secondes

1. Essai ou usage quotidien durable ? (essai → 8 Go actuel OK ; durable → achat neuf ≥16 Go)
2. Modèle principal : 8B, 14B, 32B ou 70B ? (tableau ci-dessus pour le plancher)
3. Besoin de 32K+ ou RAG local ? (oui → monter d'un palier)
4. Xcode / Docker à côté du modèle ? (oui → partir de 24 Go ; 32B quotidien → 32 Go+)
5. Toujours incertain après quatre étapes ? → acheter 24 Go ; pour 32B quotidien ou essais 70B → 64 Go

Cet article donne des recommandations prudentes et générales. La vitesse réelle varie selon puce, quantification et outil (Ollama / LM Studio / MLX). Avant d'acheter, confirmez la taille exacte du modèle dans votre outil cible et calculez « poids + système + KV + apps quotidiennes » — pas seulement « ça a chargé ».

Mémoire unifiée : pourquoi le Mac mini colle à cet arbre

Chaque palier de cet arbre est amplifié ou contraint par la mémoire unifiée Apple Silicon : CPU, GPU et Neural Engine partagent un pool à haute bande passante. Pour des modèles quantifiés 8B–14B, cela bat souvent des PC Windows au prix comparable où VRAM et RAM système sont séparées — moins de va-et-vient sur les poids, plus de tokens générés. Le Mac mini M4 est compact avec une consommation au repos d'environ 4 W, ce qui en fait un excellent nœud IA local toujours allumé : Ollama peut charger des modèles par paliers en arrière-plan pendant que vous développez le jour et lancez du RAG le soir, sans la chaleur et l'autonomie d'un portable.

Gatekeeper, SIP et FileVault sur macOS ajoutent une couche de protection pour poids locaux et index RAG — plus maîtrisé que plusieurs clients IA sur un PC partagé. Si cet arbre vous mène à 24 ou 64 Go, dédier un Mac mini aux modèles et bases documentaires vaut mieux que tout entasser sur votre machine principale. Le Mac mini M4 est le matériel le plus rentable pour faire tourner cet arbre de décision sereinement — voir les offres maintenant, alignez la RAM sur votre point d'arrivée, et gardez une inférence locale stable et silencieuse en continu.