Meilleures recommandations par mémoire Mac
Dernière vérification : 2026-05-15. Les recommandations peuvent évoluer avec les nouveaux modèles. Mise à jour trimestrielle.
| Mémoire | Choix principal | Quantification | Taille | M5 Pro tok/s | M5 Max tok/s | Alternative |
|---|---|---|---|---|---|---|
| 16 Go | Phi-4 | Q4_K_M | 2,5 Go | 60–70 | 110–130 | Llama 3.3 8B Q4 (juste) |
| 36 Go | Llama 3.3 8B | Q8 | 8,5 Go | 38–45 | 75–85 | Qwen3 14B Q4 (8,5 Go) |
| 48 Go | Qwen3 14B | Q8 | 16 Go | 25–30 | 50–60 | Mixtral 8x22B Q4 (26 Go) |
| 64 Go | Qwen3 34B | Q5 | 24 Go | 18–22 | 35–42 | Mixtral 8x22B Q5 (32 Go) |
| 96 Go | Llama 3.3 70B | Q4 | 42 Go | 10–13 | 20–25 | Qwen3 72B Q4 (44 Go) |
| 128 Go | Llama 3.3 70B | Q5 | 49 Go | 8–11 | 14–18 | Qwen3 72B Q5 (51 Go) |
| 128 Go | Llama 3.3 70B | Q8 | 74 Go | N/A | 9–12 | Meilleure qualité, M5 Max uniquement |
Tailles au format GGUF. Les équivalents MLX 4-bit sont comparables.
Benchmarks de qualité des modèles (tests standards 2026)
| Modèle | MMLU | HumanEval | GSM8K | Moy. | Notes |
|---|---|---|---|---|---|
| Phi-4 (3,8B) | 84,8 | 82,6 | 91,0 | 86,1 | Meilleur petit modèle |
| Llama 3.3 8B | 73,0 | 72,6 | 84,5 | 76,7 | Polyvalent solide |
| Qwen3 14B | 79,7 | 83,5 | 90,2 | 84,5 | Raisonnement fort |
| Mistral Small | 60,1 | 30,5 | 50,0 | 46,9 | Ancien mais rapide |
| Qwen3 34B | 83,3 | 88,4 | 93,0 | 88,2 | Meilleur taille moyenne |
| Mixtral 8x22B | 70,6 | 40,2 | 60,4 | 57,1 | Architecture MoE |
| Llama 3.3 70B | 86,0 | 80,5 | 95,1 | 87,2 | Meilleur général |
| Qwen3 72B | 86,1 | 86,6 | 95,8 | 89,5 | Top raisonnement |
| Llama 3.3 405B | 88,6 | 89,0 | 96,8 | 91,5 | Ne tient pas localement |
| GPT-5.5 (référence) | 88,7 | 90,2 | 95,8 | 91,6 | Référence cloud |
Qwen3 72B sur un Mac 128 Go approche la qualité GPT-5.5 à coût nul. C'est le développement le plus important de l'IA locale en 2026.
Meilleurs modèles par cas d'usage (2026)
| Cas d'usage | Meilleur pour Mac 36 Go | Meilleur pour Mac 64 Go | Meilleur pour Mac 128 Go |
|---|---|---|---|
| Programmation (général) | Llama 3.3 8B | DeepSeek Coder V2 16B | Llama 3.3 70B |
| Programmation (Python) | DeepSeek Coder V2 Lite | DeepSeek Coder V2 16B | DeepSeek Coder V2 236B |
| Rédaction longue | Llama 3.3 8B Q8 | Qwen3 34B Q5 | Llama 3.3 70B Q5 |
| Chat / conversation | Mistral Small | Mixtral 8x22B | Llama 3.3 70B |
| Raisonnement / maths | Qwen3 14B | Qwen3 34B | Qwen3 72B |
| RAG / Q&R | Llama 3.3 8B + nomic-embed | Llama 3.3 8B + bge-large | Llama 3.3 70B + bge-large |
| Vision / multimodal | LLaVA 7B | Llama 3.2 Vision 11B | Llama 3.2 Vision 90B |
| Traduction | Qwen3 14B | Qwen3 34B | Aya Expanse 32B |
| Résumé | Llama 3.3 8B | Qwen3 34B | Llama 3.3 70B |
| Revue de code | DeepSeek Coder V2 Lite | DeepSeek Coder V2 16B | Llama 3.3 70B |
Les modèles spécialisés surpassent souvent les modèles généraux sur des tâches spécifiques. DeepSeek Coder bat Llama 3.3 pour le code même quand Llama est le modèle le plus grand.
Configurations réelles par type d'utilisateur
💡Tip: Développeur indépendant (Mac Mini M5 Pro 64 Go, env. 1 150 €) - Programmation : DeepSeek Coder V2 Lite (16B Q4, 10 Go) - Rédaction : Llama 3.3 8B Q8 (8,5 Go) pour docs et e-mails - Toujours actif : les deux modèles restent chauds avec `OLLAMA_MAX_LOADED_MODELS=2` - Coût journalier : 0 € (vs 28–90 €/mois pour Copilot + ChatGPT)
💡Tip: Professionnel soucieux de la confidentialité (MacBook Pro M5 Pro 48 Go, env. 2 400 €) - Principal : Llama 3.3 8B Q8 pour le travail général - Sensible : Qwen3 14B Q5 pour documents juridiques/médicaux/financiers - Voyage : fonctionne hors ligne en avion, dans les installations sécurisées - Aucune donnée ne quitte l'ordinateur
💡Tip: Chercheur / Ingénieur ML (Mac Studio M5 Max 128 Go, env. 3 800 €) - Principal : Llama 3.3 70B Q5 (49 Go) pour la qualité - Spécialisé : Qwen3 72B Q4 pour la recherche non-anglophone - Programmation : DeepSeek Coder V2 16B - Vision : Llama 3.2 Vision 11B pour les figures d'articles - Les quatre modèles chargés simultanément
💡Tip: Serveur IA familial (Mac Mini M5 Pro 64 Go, toujours allumé) - Assistant vocal : Llama 3.3 8B + Whisper + Piper - RAG : Q&R sur documents familiaux avec embeddings - Aide à la programmation pour les membres de la famille via REST API - Coût électrique : env. 30 €/an - Remplace : ChatGPT Plus pour 4 personnes = env. 960 €/an
Modèles à éviter en 2026 (et pourquoi)
⚠️Warning: Llama 3.3 (toute taille) n'est plus recommandé — remplacé par Llama 3.1 et Llama 3.2 ; les leaderboards standards montrent des résultats nettement plus faibles par rapport aux versions récentes. Apparaît encore dans d'anciens tutoriels — ne pas les suivre. Remplacer par : Llama 3.3 8B.
⚠️Warning: Éviter Vicuna, Alpaca, WizardLM — Ajustements communautaires de 2023. Les modèles de base modernes (Llama 3.3, Qwen3) égalent ou surpassent leurs performances. Remplacer par : Qwen3 14B ou Llama 3.3 8B.
⚠️Warning: Éviter Falcon 180B — Ne tient pas sur Apple Silicon grand public. Llama 3.3 70B (plus petit) le surpasse. Remplacer par : Llama 3.3 70B Q5.
⚠️Warning: Éviter la quantification FP16 sur matériel grand public — Llama 3.3 70B FP16 = 140 Go, ne tient sur aucun Mac. Le gain de qualité par rapport à Q5 est inférieur à 1%. Remplacer par : Q4_K_M ou Q5_K_M.
⚠️Warning: Éviter les modèles de base purs (sans variante instruct) — Les modèles de base complètent du texte mais ne suivent pas les instructions. Rechercher le suffixe "-instruct" ou "-chat". Remplacer par : la variante instruct du même modèle.
⚠️Warning: Faire preuve de prudence avec les modèles peu développés récemment — StableLM, RedPajama, MPT, Pythia : avec peu d'activité de développement récente (mi-2026). Utiliser des modèles de Meta, Alibaba, Mistral, Microsoft avec des mises à jour régulières.
Référence rapide des formats de modèles
| Format | Utilisé par | Taille vs original |
|---|---|---|
| GGUF Q4_K_M | Ollama, llama.cpp | ~30% de FP16 |
| GGUF Q5_K_M | Ollama, llama.cpp | ~35% de FP16 |
| GGUF Q8_0 | Ollama, llama.cpp | ~50% de FP16 |
| MLX 4-bit | Framework MLX | ~30% de FP16 |
| MLX 8-bit | Framework MLX | ~50% de FP16 |
| FP16 (original) | Tous les frameworks | 100% |
Les tailles dans cet article sont GGUF Q4_K_M sauf indication. Les équivalents MLX 4-bit sont similaires. Pour les octets exacts, consulter la fiche modèle sur HuggingFace.
Référence rapide : télécharger ces modèles
# Mac 16 Go
ollama pull phi4
# Mac 36 Go (choisir un)
ollama pull llama3.1:8b
ollama pull qwen2.5:14b
ollama pull mistral:7b
# Mac 64 Go
ollama pull qwen2.5:34b
ollama pull mixtral:8x7b
# Mac 128 Go
ollama pull llama3.1:70b
ollama pull qwen2.5:72b
# Modèles spécialisés
ollama pull deepseek-coder-v2:16b # programmation
ollama pull llama3.2-vision:11b # vision
ollama pull aya-expanse:32b # traductionPuis-je exécuter deux modèles différents simultanément ?
Oui, définir `OLLAMA_MAX_LOADED_MODELS=2` dans l'environnement. 64 Go peut exécuter 8B + 34B simultanément.
Quel modèle convient le mieux aux débutants ?
Llama 3.3 8B. Largement disponible, bonne qualité de sortie, historique éprouvé. Fonctionne sur tout Mac M1+.
Mixtral 8x22B est-il plus rapide que Llama 8B ?
Non, légèrement plus lent (40–50 tok/s vs 50–60 tok/s sur M5 Pro). Mais le raisonnement est supérieur.
Quel est le meilleur LLM local en 2026 ?
Pour la plupart des utilisateurs sur Apple Silicon : Qwen3 (toute taille tenant sur votre Mac) domine actuellement les benchmarks. Llama 3.3 70B est comparable pour les Mac 128 Go. En dessous de 16 Go : Phi-4 dépasse sa catégorie avec 3,8B paramètres, égalant des modèles 8B de 2024.
Puis-je exécuter Llama 3.3 405B sur un Mac ?
Non. Llama 3.3 405B nécessite plus de 200 Go même en quantification Q4 — aucun Mac grand public n'a assez de mémoire unifiée. Attendre le M5 Ultra (attendu mi-2026, 256 Go) — ce sera le premier matériel grand public capable d'exécuter 405B en Q3–Q4.
Qwen est-il meilleur que Llama pour un usage local ?
Pour la plupart des tâches, Qwen3 surpasse légèrement Llama 3.3 à paramètres égaux (1–3 points sur MMLU). Llama bénéficie d'un plus large soutien communautaire et plus d'ajustements fins disponibles. La plupart des utilisateurs ne remarqueront pas la différence — choisir selon la disponibilité et l'écosystème d'ajustements.
Quel est le plus petit modèle vraiment utile ?
Phi-4 à 3,8B paramètres. Il obtient 84,8 sur MMLU — équivalent à certains modèles 8B de 2024. Pour le chat et les Q&R, il est étonnamment capable. Pour la programmation ou le raisonnement complexe, passer à Llama 3.3 8B ou Qwen3 14B.