Skip to main content
PromptQuorumBuilt for humans. Structured for AI.
Accueil/LLM locaux avancés
Mobile & Edge LLMs

Private LLM: test de l'IA embarquée pour iPhone, iPad et Mac

·9 min de lecturePar Hans Kuepper · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Private LLM est une application à achat unique de 4,99 $ pour iPhone, iPad et Mac qui exécute plus de 140 modèles d'IA open source entièrement sur l'appareil, sans compte et sans abonnement. Développée par Numen Technologies Limited, elle utilise la quantification OmniQuant et GPTQ, dont l'éditeur affirme qu'elle préserve davantage de qualité de sortie par bit que la quantification round-to-nearest de certaines applications concurrentes. Un seul achat débloque l'intégralité de la bibliothèque de modèles sur les trois plateformes Apple et, via le Partage familial, pour jusqu'à six personnes. Les lecteurs qui souhaitent une alternative gratuite, ou qui utilisent Android/Windows/Linux, devraient la comparer à PocketPal AI, gratuite et open source.

Points clés

  • Prix : achat unique de 4,99 $ sur l'App Store d'Apple ; pas d'abonnement ni d'achats intégrés répertoriés au moment de ce test.
  • Plateformes : iPhone, iPad et Mac uniquement — aucune application Android, Windows ou Linux sur l'App Store.
  • Éditeur : Numen Technologies Limited, une petite équipe autofinancée basée dans l'UE, selon le site de l'éditeur.
  • Bibliothèque de modèles : plus de 140 modèles open source, dont Llama, Qwen, Gemma, Mistral, Phi-4 et des modèles basés sur DeepSeek-R1 Distill.
  • Quantification : utilise OmniQuant et GPTQ, qui selon l'éditeur produisent une meilleure qualité de sortie par bit que la quantification round-to-nearest (RTN) utilisée par certaines applications concurrentes.
  • Confidentialité : la fiche de confidentialité de l'App Store indique que l'éditeur ne collecte aucune donnée via l'application ; aucun compte ni connexion n'est requis pour discuter.
  • Extras : intégration Siri et Raccourcis via deux App Intents, plus le Partage familial pour jusqu'à six personnes pour un seul achat.
  • La version 1.9.16 (publiée sur l'App Store le 14 septembre 2026 ; les notes de version du développeur la datent du 29 juillet 2026) est la version actuelle ; l'application est apparue pour la première fois sur l'App Store en juin 2023.

📍 En une phrase

Private LLM est une application à achat unique de 4,99 $ pour iPhone, iPad et Mac développée par Numen Technologies Limited, qui exécute plus de 140 modèles d'IA open source entièrement sur l'appareil avec la quantification OmniQuant et GPTQ — sans compte, sans repli vers le cloud et sans abonnement.

💬 En termes simples

Voyez cela comme l'achat unique d'une application de chat IA locale, comme n'importe quelle application classique de l'App Store, plutôt qu'un abonnement à un chatbot cloud — le modèle tourne sur votre propre iPhone ou Mac, donc rien de ce que vous tapez ne quitte l'appareil.

Lire en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Private LLM, développée par Numen Technologies Limited, est une application payante à achat unique pour iPhone, iPad et Mac qui exécute des modèles de langage open source entièrement sur l'appareil, sans compte, sans repli vers le cloud et sans abonnement. Elle coûte 4,99 $ sur l'App Store d'Apple — un achat unique qui couvre les trois plateformes Apple et, via le Partage familial, jusqu'à six personnes. Les prix de l'App Store peuvent varier selon la région ; vérifiez le prix actuel sur l'App Store français avant d'acheter. L'application prend en charge plus de 140 modèles open source de familles telles que Llama, Qwen, Gemma, Mistral et Phi-4, et utilise une méthode de quantification appelée OmniQuant (associée à GPTQ) qui, selon l'éditeur, préserve davantage de qualité du modèle que la quantification round-to-nearest plus simple utilisée par certaines applications concurrentes. La question pratique pour un lecteur qui compare des applications d'IA locale n'est pas de savoir si le chat embarqué fonctionne sur un iPhone — plusieurs applications déjà couvertes sur ce site le prouvent —, mais si un achat unique à 4,99 $ avec plus de 140 modèles sélectionnés vaut le coup face à des alternatives gratuites comme PocketPal AI ou Enclave AI.

Private LLM: test de l'IA embarquée pour iPhone, iPad et Mac

Ce qu'est Private LLM

Private LLM est une application Apple native qui télécharge et exécute des modèles de langage open source directement sur un iPhone, un iPad ou un Mac, sans aucun composant côté serveur. Une fois un modèle téléchargé, l'application n'a besoin d'aucune connexion internet pour générer une réponse — tout tourne localement via le CPU, le GPU et le Neural Engine de l'appareil.

Elle est développée et maintenue par Numen Technologies Limited, qui se décrit sur son propre site comme "conçue par deux ingénieurs, pas par des fonds de capital-risque" — une petite équipe autofinancée plutôt qu'une entreprise soutenue par des investisseurs. L'application est apparue pour la première fois sur l'App Store en juin 2023 sous le nom Private LLM - Local AI Chat (identifiant App Store 6448106860), et a été mise à jour en continu depuis — la version actuelle, 1.9.15, est sortie en juillet 2026.

Contrairement aux applications qui envoient les requêtes de chat à une API distante, toute la proposition de valeur de Private LLM repose sur l'inférence locale : l'éditeur affirme dans sa propre communication "pas de cloud, pas de suivi, pas de connexion" et que les conversations "ne quittent jamais l'appareil". Ce test évalue cette affirmation par rapport à ce que documentent réellement la fiche de confidentialité de l'App Store et la FAQ de l'éditeur, plutôt que de prendre le slogan pour argent comptant.

Comment démarrer

La mise en route de Private LLM prend quatre étapes et ne nécessite aucune création de compte. L'ensemble du processus, du téléchargement sur l'App Store à la première réponse, prend généralement quelques minutes, plus le temps de téléchargement du modèle choisi.

  1. 1
    Acheter et installer l'application
    Why it matters: Téléchargez [Private LLM depuis l'App Store d'Apple](https://apps.apple.com/us/app/private-llm-local-ai-chat/id6448106860) pour 4,99 $. C'est un achat unique — il n'y a ni essai gratuit ni abonnement récurrent à gérer.
  2. 2
    Choisir un modèle adapté à votre appareil
    Why it matters: Ouvrez l'explorateur de modèles intégré et choisissez un modèle dimensionné pour votre matériel. Les recommandations de l'éditeur suggèrent que la plupart des iPhone exécutent confortablement Llama 3.2 3B ou Qwen3 4B, que l'iPhone 15 Pro et les modèles plus récents peuvent gérer Llama 3.1 8B, et qu'un Mac avec 48 Go de mémoire unifiée peut exécuter Llama 3.3 70B.
  3. 3
    Télécharger le modèle
    Why it matters: Les fichiers de modèle vont d'environ 2 Go à plusieurs dizaines de gigaoctets selon le nombre de paramètres et le niveau de quantification. Cette étape nécessite une connexion internet ; aucune des étapes suivantes n'en a besoin.
  4. 4
    Discuter entièrement hors ligne
    Why it matters: Une fois le modèle téléchargé, activez le mode avion si vous voulez vérifier vous-même l'affirmation de fonctionnement hors ligne — le chat, le résumé et la reformulation (sur Mac) fonctionnent tous sans connexion réseau.
  5. 5
    Optionnel : connecter Siri et Raccourcis
    Why it matters: Private LLM expose deux App Intents pour Siri et l'application Raccourcis, permettant de déclencher une réponse du modèle via une commande vocale ou une automatisation sans ouvrir l'application directement.

Prix : l'achat unique expliqué

Private LLM coûte 4,99 $ en achat unique sur l'App Store d'Apple — il n'y a ni abonnement ni achats intégrés sur la fiche actuelle. Ce prix a été vérifié directement sur la fiche App Store pour ce test. Les prix de l'App Store peuvent varier selon la région ; vérifiez le prix actuel avant d'acheter.

4,99 $ (achat unique)

Ce que ça couvre:
Application complète sur iPhone, iPad et Mac ; accès à l'intégralité de la bibliothèque de 140+ modèles ; Partage familial pour jusqu'à six personnes
Ce qui n'est pas inclus:
Aucune version Android, Windows ou Linux — l'achat sur l'App Store ne débloque pas de licence multiplateforme

Les prix de l'App Store peuvent changer sans préavis et varier selon la région. Vérifiez le prix actuel sur la fiche App Store avant d'acheter. Vérifié pour ce test le 2026-10-23.

Modèles pris en charge et quantification OmniQuant

La bibliothèque de Private LLM compte plus de 140 modèles open source, couvrant des usages généralistes, du code et des réglages spécifiques par langue. Les familles citées dans la documentation de l'éditeur incluent Llama 3, 3.1, 3.2 et 3.3 ; des modèles basés sur Qwen2.5 et Qwen3 ; Gemma 2 et Gemma 3 ; Phi-4 ; Mixtral ; et des modèles basés sur DeepSeek-R1 Distill, ainsi que des options spécifiques à certaines régions comme SauerkrautLM (allemand), DictaLM (hébreu), RakutenAI (japonais) et Yi (chinois).

L'application quantifie ces modèles avec OmniQuant, associé à GPTQ pour certains modèles — deux méthodes de quantification basées sur l'optimisation plutôt que l'approche plus simple round-to-nearest (RTN) utilisée par certaines applications d'IA locale concurrentes. Selon les propres pages comparatives de l'éditeur, la quantification basée sur l'optimisation ajuste la plage de quantification à partir de données de calibration, ce qui peut préserver davantage la qualité de sortie du modèle d'origine à une largeur de bits donnée que le RTN. Il s'agit d'une affirmation technique propre à l'éditeur, appuyée par sa propre documentation — elle n'a pas été évaluée de manière indépendante par PromptQuorum sur les fichiers de modèles quantifiés spécifiques de Private LLM.

Recommandations matérielles de l'éditeur : la plupart des iPhone exécutent confortablement Llama 3.2 3B ou Qwen3 4B ; l'iPhone 15 Pro et les modèles plus récents peuvent gérer Llama 3.1 8B ; et un Mac avec 48 Go de mémoire unifiée peut exécuter Llama 3.3 70B. Ce sont les recommandations propres de l'éditeur, pas des chiffres évalués de manière indépendante — la performance réelle dépend du niveau de quantification, de la longueur de contexte et de la charge des applications en arrière-plan.

Plateformes : iPhone, iPad, Mac et Vision Pro

iPhone

À quoi s'attendre:
Nécessite iOS 17.0 ou ultérieur et une puce A12 Bionic ou plus récente (iPhone XS et suivants, selon la fiche App Store). La taille du modèle choisi doit correspondre à la RAM disponible.
Remarque importante:
La plupart des iPhone gèrent bien les modèles de 3 à 4 milliards de paramètres ; seuls l'iPhone 15 Pro et les modèles plus récents sont recommandés pour les modèles 8B, selon l'éditeur.

iPad

À quoi s'attendre:
Exécute la même application et la même bibliothèque de modèles que l'iPhone. La FAQ de l'éditeur recommande au moins 4 Go de RAM, avec un iPad Pro (16 Go) recommandé pour les modèles plus volumineux.
Remarque importante:
Les iPad plus anciens avec moins de RAM sont limités aux modèles quantifiés plus petits.

Mac

À quoi s'attendre:
Application native pour Mac Apple Silicon (série M). Inclut également des services d'écriture spécifiques à macOS (correction grammaticale, résumé, reformulation) que d'autres applications peuvent solliciter.
Remarque importante:
La FAQ de l'éditeur indique que les Mac Intel sont techniquement pris en charge mais non recommandés — l'inférence est nettement plus lente sans la mémoire unifiée et le Neural Engine de l'Apple Silicon.

Apple Vision Pro

À quoi s'attendre:
La fiche App Store affiche une compatibilité Vision Pro pour la même application.
Remarque importante:
Ce test n'a pas évalué de manière indépendante l'expérience sur Vision Pro ; considérez-la comme une compatibilité listée sur l'App Store, pas comme une fonctionnalité vérifiée en pratique.

Android, Windows, Linux

À quoi s'attendre:
Aucune fiche officielle sur Google Play, le Microsoft Store ou un dépôt de paquets Linux.
Remarque importante:
Un APK bêta non officiel a circulé en dehors du Google Play Store à certains moments de l'histoire de l'application ; il ne fait pas partie du site marketing principal ni du canal de diffusion pris en charge par l'éditeur, donc ce test ne considère pas Android comme une plateforme prise en charge.

Confidentialité : ce que Private LLM collecte, et ce qu'elle ne collecte pas

La fiche de confidentialité de l'App Store de Private LLM indique que l'éditeur ne collecte aucune donnée via l'application, et celle-ci ne nécessite ni compte, ni connexion, ni inscription pour être utilisée. La propre communication de l'éditeur décrit le produit avec les formules "pas de cloud, pas de suivi, pas de connexion" et affirme que les conversations "ne quittent jamais l'appareil".

Comme l'inférence s'exécute localement une fois un modèle téléchargé, il n'y a aucune donnée de chat à transmettre à un serveur en usage normal — c'est l'architecture elle-même, pas seulement une promesse de politique, qui garde les conversations sur l'appareil.

  • Aucun compte requis. Vous pouvez télécharger, acheter et utiliser l'application sans créer de profil ni vous connecter.
  • Aucune collecte de données, selon la fiche App Store. L'étiquette de confidentialité d'Apple pour cette fiche ne montre aucune donnée collectée par l'application.
  • Depuis la version 1.9.16, l'historique des conversations est enregistré sur l'appareil. Les notes de version décrivent une liste de conversations enregistrées avec recherche, renommage et suppression, que l'on peut désactiver ou effacer dans les Réglages.
  • La synchronisation de l'historique via iCloud n'est pas documentée. La FAQ publique de l'éditeur ne décrit aucune synchronisation iCloud des conversations entre appareils — ce test considère ce point comme non confirmé plutôt que de supposer qu'il existe. Si la synchronisation multi-appareils compte pour vous, vérifiez le comportement actuel directement dans l'application avant de vous y fier.
  • Exécution en bac à sable (sandbox). L'application s'exécute dans le bac à sable standard d'Apple, la même isolation à laquelle est soumise toute application de l'App Store — c'est une garantie de la plateforme Apple, pas une fonctionnalité propre à Private LLM.

Histoire de l'entreprise et jalons des versions

Private LLM a été lancée sur l'App Store en juin 2023, la version 1.0.1 pour iOS et la version 1.0.2 pour macOS étant toutes deux sorties le 2 juin 2023. Elle est développée par Numen Technologies Limited, qui se décrit comme une petite équipe autofinancée, sans financement de capital-risque.

  • Juin 2023. Première sortie sur l'App Store (iOS 1.0.1, macOS 1.0.2) avec un modèle de base affiné.
  • Juillet 2023. Ajout de la prise en charge de Siri et Raccourcis (App Intents).
  • Septembre 2023. Ajout de la compatibilité avec la série iPhone 15.
  • Décembre 2023. Prise en charge étendue aux iPhone et iPad plus anciens avec seulement 3 Go de RAM.
  • Janvier 2024. Introduction du téléchargement multi-modèles, élargissant la bibliothèque avec des modèles des familles TinyLlama, StableLM, Phi-2, Mistral, Llama et Gemma.
  • Février 2024. Ajout de services d'écriture spécifiques à macOS : correction grammaticale, résumé et reformulation, accessibles depuis d'autres applications Mac.
  • Mars 2024. Changement de modèle sans quitter l'interface de chat active.
  • Juillet 2026. La version 1.9.15 (8 juillet 2026) a déplacé les téléchargements de modèles vers un CDN plutôt que Hugging Face, ce que les notes de version décrivent comme plus rapide.
  • Juillet–septembre 2026. La version 1.9.16 (datée du 29 juillet 2026 dans les notes de version du développeur ; disponible sur l'App Store depuis le 14 septembre 2026) a ajouté un historique des conversations enregistré sur l'appareil avec recherche, renommage et suppression, l'export en Markdown ou PDF, une inférence et un changement de modèle plus rapides, et des réponses Siri et Raccourcis qui parviennent désormais à l'app demandeuse ; c'est la version actuelle au 23/10/2026.

Compromis : avantages contre limites

Achat unique de 4,99 $

Ce que ça signifie en usage réel:
Pas d'abonnement à suivre ou à résilier ; payez une fois, utilisez indéfiniment sur vos appareils Apple.
Limite / réserve:
Ce n'est pas gratuit — les lecteurs qui veulent une option sans coût devraient la comparer à PocketPal AI ou Enclave AI.

Bibliothèque de 140+ modèles

Ce que ça signifie en usage réel:
Large choix de modèles généralistes, de code et spécifiques par langue sans avoir à chercher soi-même des fichiers GGUF.
Limite / réserve:
La bibliothèque est sélectionnée par l'éditeur ; vous ne pouvez pas importer un fine-tune personnalisé arbitraire comme le permettent certaines applications open source.

Quantification OmniQuant et GPTQ

Ce que ça signifie en usage réel:
L'éditeur affirme que cela préserve davantage de qualité du modèle par bit que la quantification round-to-nearest plus simple.
Limite / réserve:
C'est une affirmation technique propre à l'éditeur ; PromptQuorum n'a pas comparé de manière indépendante les fichiers de modèles spécifiques de Private LLM à des équivalents quantifiés en RTN.

Aucun compte, aucune collecte de données

Ce que ça signifie en usage réel:
Utilisez l'application immédiatement après l'achat sans rien avoir à créer ; la fiche de confidentialité de l'App Store ne montre aucune donnée collectée.
Limite / réserve:
L'application étant à code source fermé, l'affirmation d'absence de collecte ne peut pas être auditée de manière indépendante comme pour une application open source.

Intégration Siri et Raccourcis

Ce que ça signifie en usage réel:
Déclenchez des réponses du modèle via des commandes vocales ou des automatisations sans ouvrir l'application.
Limite / réserve:
iOS restreint l'accès au GPU en arrière-plan, donc la génération déclenchée via Raccourcis peut être plus lente ou plus limitée que le chat au premier plan.

Partage familial pour jusqu'à six personnes

Ce que ça signifie en usage réel:
Un seul achat de 4,99 $ peut couvrir tout un groupe de Partage familial Apple.
Limite / réserve:
Chaque membre de la famille a toujours besoin de son propre appareil compatible et d'assez de stockage/RAM pour les modèles qu'il choisit.

Private LLM face aux alternatives

Private LLM

Plateformes:
iPhone/iPad/Mac (Apple uniquement)
Prix:
Achat unique de 4,99 $
Flexibilité des modèles:
140+ modèles sélectionnés ; quantification OmniQuant/GPTQ
Différence clé:
Payante, code source fermé, bibliothèque sélectionnée — pas d'import GGUF arbitraire
Articles sur Private LLM (9)

+12 autres non affichés

PocketPal AI

Plateformes:
iPhone/iPad, avec un support Android partiel
Prix:
Gratuite, open source
Flexibilité des modèles:
N'importe quel fichier GGUF que l'utilisateur récupère sur Hugging Face ou ailleurs
Différence clé:
Gratuite et open source ; demande davantage de gestion manuelle des modèles
Articles sur PocketPal AI (9)

+36 autres non affichés

Enclave AI

Plateformes:
Variable selon la version — vérifiez la fiche actuelle
Prix:
Voir la fiche actuelle
Flexibilité des modèles:
Voir le test complet pour la prise en charge actuelle des modèles
Différence clé:
Voir le test complet d'Enclave AI pour une comparaison détaillée
Articles sur Enclave AI (3)

Également mentionné dans :

Locally AI

Plateformes:
iPhone/iPad/Mac
Prix:
Gratuite
Flexibilité des modèles:
Construite sur Apple MLX ; accès au modèle de fondation embarqué d'Apple
Différence clé:
Alternative gratuite construite spécifiquement sur le framework MLX d'Apple
Articles sur Locally AI (5)

Également mentionné dans :

Arbiter

Plateformes:
Voir le test complet pour la prise en charge actuelle des plateformes
Prix:
Voir la fiche actuelle
Flexibilité des modèles:
Voir le test complet pour la prise en charge actuelle des modèles
Différence clé:
Voir le test complet d'Arbiter pour une comparaison détaillée
Articles sur Arbiter (2)

Également mentionné dans :

LLM Farm

Plateformes:
iOS/Mac (open source, GitHub : guinmoon/LLMFarm)
Prix:
Gratuite, open source
Flexibilité des modèles:
Charge des modèles GGUF personnalisés via llama.cpp/ggml
Différence clé:
Retirée de l'App Store et de TestFlight en août 2025 selon son propre README GitHub — vérifiez la disponibilité actuelle avant d'en dépendre
Articles sur LLM Farm (4)

Également mentionné dans :

Layla

Plateformes:
iOS et Android
Prix:
19,99 $ plus achats intégrés
Flexibilité des modèles:
Modèles GGUF personnalisés ; axée personnages/jeu de rôle avec plus de 100 voix
Différence clé:
Multiplateforme (contrairement à Private LLM), mais plus chère, avec une orientation jeu de rôle/personnages
Articles sur Layla (4)

Également mentionné dans :

Maid

Plateformes:
Application Flutter multiplateforme (Android en priorité ; fonctionne aussi sur d'autres plateformes prises en charge par Flutter)
Prix:
Gratuite, open source (licence MIT)
Flexibilité des modèles:
N'importe quel fichier GGUF via llama.cpp ; se connecte aussi à distance à Anthropic, DeepSeek, Ollama, Mistral, OpenAI
Différence clé:
Gratuite, entièrement open source, et pas limitée à l'inférence locale uniquement
Articles sur Maid (4)

Également mentionné dans :

RikkaHub

Plateformes:
Android
Prix:
Gratuite, open source
Flexibilité des modèles:
Plusieurs API de fournisseurs cloud plus exécution locale
Différence clé:
Android uniquement ; se positionne comme un client multi-fournisseurs, pas une application local-first
Articles sur RikkaHub (2)

Également mentionné dans :

AnythingLLM Mobile

Plateformes:
Android (iOS prévu)
Prix:
Gratuite, open source
Flexibilité des modèles:
Exécute des modèles GGUF sur l'appareil via Cactus Compute (llama.cpp pour React Native), ou se connecte à un serveur AnythingLLM auto-hébergé
Différence clé:
Conçue pour se coupler à un espace de travail AnythingLLM auto-hébergé, pas une application de chat autonome
Articles sur AnythingLLM Mobile (2)

Également mentionné dans :

Les détails de plateforme, de prix et de fonctionnalités des applications tierces changent fréquemment — vérifiez les informations actuelles sur la fiche propre de chaque application avant de décider. La disponibilité de LLM Farm sur l'App Store en particulier devrait être revérifiée, son propre README GitHub la décrivant comme retirée de l'App Store depuis août 2025.

Comparer dans l'annuaire

Qui devrait utiliser Private LLM

  • Les utilisateurs exclusivement Apple qui veulent une application soignée et sélectionnée et acceptent de payer une fois. Les propriétaires d'iPhone, d'iPad et de Mac qui privilégient une application maintenue et régulièrement mise à jour plutôt que de constituer eux-mêmes une collection de fichiers GGUF obtiennent d'emblée une vaste bibliothèque de modèles pour 4,99 $.
  • Les lecteurs qui privilégient la qualité de quantification plutôt que le nombre brut de modèles. Si l'avantage de qualité par bit revendiqué par OmniQuant et GPTQ par rapport à la quantification round-to-nearest compte pour votre usage, Private LLM est l'une des rares applications grand public construite spécifiquement autour de cette approche.
  • Les familles partageant un même groupe Apple ID. Le Partage familial signifie qu'un seul achat de 4,99 $ peut couvrir jusqu'à six personnes, moins cher par personne que de configurer individuellement plusieurs applications gratuites pour des membres de la famille peu technophiles.
  • Les utilisateurs qui veulent l'automatisation Siri/Raccourcis. Les deux App Intents permettent d'intégrer des réponses d'IA locale dans des automatisations iOS existantes sans ouvrir l'application.
  • Les utilisateurs soucieux de confidentialité à l'aise avec une application à code source fermé. Si "aucune donnée collectée" selon la fiche de confidentialité de l'App Store et "aucun compte requis" répondent à vos attentes sans avoir besoin d'auditer vous-même le code source, l'architecture embarquée de Private LLM offre exactement cela.

Qui ne devrait pas utiliser Private LLM

  • Les utilisateurs d'Android, Windows ou Linux. Private LLM n'a d'application officielle sur aucune de ces plateformes — choisissez plutôt PocketPal AI (support Android partiel), Maid, ChatterUI ou RikkaHub.
  • Les lecteurs qui veulent une option totalement gratuite. 4,99 $, c'est peu cher, mais ce n'est pas gratuit — PocketPal AI et Locally AI ne coûtent rien.
  • Les lecteurs qui veulent faire tourner les plus grands modèles ouverts. Le matériel mobile limite ce qui tient en mémoire — même les recommandations propres de l'éditeur plafonnent la plupart des iPhone à des modèles de 3 à 8 milliards de paramètres ; seul un Mac avec 48 Go+ de mémoire unifiée atteint la catégorie 70B, et ce plafond reste très en deçà des plus grands modèles ouverts disponibles pour du matériel serveur.
  • Les équipes ou organisations qui veulent un déploiement partagé et géré de manière centralisée. Private LLM est une application grand public mono-utilisateur, mono-appareil, sans console d'administration, sans gestion de licences partagée ni facturation d'équipe — les organisations devraient plutôt se tourner vers une infrastructure de LLM local auto-hébergée côté serveur.
  • Les lecteurs qui veulent auditer eux-mêmes le code source de l'application. Private LLM est à code source fermé. Si la revue de code indépendante compte pour vous, une alternative open source comme PocketPal AI ou Maid permet de vérifier directement le comportement.

Questions fréquentes

Combien coûte Private LLM ?

Private LLM coûte 4,99 $ en achat unique sur l'App Store d'Apple, vérifié pour ce test le 2026-10-23. Il n'y a ni abonnement ni achats intégrés sur la fiche actuelle de l'App Store. Les prix de l'App Store peuvent varier selon la région et évoluer dans le temps — confirmez le prix actuel avant d'acheter.

Private LLM est-elle disponible sur Android ou Windows ?

Aucune version officielle n'existe sur Google Play, le Microsoft Store ou un dépôt de paquets Linux. Private LLM est conçue spécifiquement pour iPhone, iPad et Mac. Un APK bêta non officiel a circulé en dehors du Play Store à certains moments, mais il ne fait pas partie du canal de diffusion officiel de l'éditeur, donc ce test considère Android comme non pris en charge.

Qui développe Private LLM ?

Private LLM est développée par Numen Technologies Limited, qui se décrit sur son propre site comme une petite équipe autofinancée de deux ingénieurs, sans financement de capital-risque.

Qu'est-ce qu'OmniQuant, et pourquoi Private LLM l'utilise-t-elle ?

OmniQuant est une méthode de quantification basée sur l'optimisation qui ajuste la plage de quantification à partir de données de calibration, plutôt que l'approche plus simple round-to-nearest (RTN). Private LLM associe OmniQuant à GPTQ pour certains modèles. L'éditeur affirme que cela préserve davantage la qualité de sortie d'origine d'un modèle à une largeur de bits donnée que la quantification RTN ; il s'agit d'une affirmation technique propre à l'éditeur, pas d'un benchmark indépendant de PromptQuorum sur les fichiers de modèles spécifiques de Private LLM.

Private LLM fonctionne-t-elle entièrement hors ligne ?

Oui, une fois un modèle téléchargé. L'application n'a besoin d'une connexion internet que pour télécharger un modèle ou une mise à jour de l'application ; le chat et les services spécifiques à macOS comme la correction grammaticale et le résumé fonctionnent ensuite sans connexion réseau.

Private LLM collecte-t-elle des données personnelles ?

L'étiquette de confidentialité d'Apple pour cette fiche de l'App Store indique que l'éditeur ne collecte aucune donnée via l'application. Aucun compte ni connexion n'est requis pour l'utiliser. Ce test s'appuie sur l'étiquette de confidentialité de l'App Store plutôt que sur un audit indépendant du code source fermé de l'application.

Private LLM synchronise-t-elle l'historique de chat entre appareils via iCloud ?

Ce n'est pas documenté dans la FAQ publique de l'éditeur. Ce test considère la synchronisation iCloud des conversations comme non confirmée plutôt que de supposer qu'elle existe — vérifiez le comportement actuel directement dans l'application avant de compter sur une continuité de chat entre appareils.

Quels modèles puis-je exécuter sur un iPhone avec Private LLM ?

Selon les propres recommandations de l'éditeur, la plupart des iPhone exécutent confortablement des modèles de 3 à 4 milliards de paramètres (par exemple Llama 3.2 3B ou Qwen3 4B), tandis que l'iPhone 15 Pro et les modèles plus récents peuvent gérer des modèles de 8 milliards de paramètres comme Llama 3.1 8B. Ce sont les recommandations de l'éditeur, pas des résultats évalués de manière indépendante — la performance réelle dépend du niveau de quantification et de la RAM disponible.

Comment Private LLM se compare-t-elle à PocketPal AI ?

Private LLM est une application payante (4,99 $), à code source fermé, exclusive à Apple, avec une bibliothèque sélectionnée de 140+ modèles et une quantification OmniQuant/GPTQ. PocketPal AI est gratuite et open source, fonctionne sur iPhone/iPad avec un support Android partiel, et permet d'importer n'importe quel fichier GGUF plutôt que de choisir dans une liste sélectionnée. Choisissez Private LLM pour une expérience maintenue, à achat unique, avec une large bibliothèque de modèles intégrée ; choisissez PocketPal AI pour une configuration gratuite, auditable et plus manuelle.

Un achat de Private LLM couvre-t-il plusieurs appareils ou membres de la famille ?

Oui. L'achat de 4,99 $ couvre iPhone, iPad et Mac pour l'identifiant Apple qui effectue l'achat, et le Partage familial d'Apple étend cet achat unique à jusqu'à six personnes au sein du même groupe de Partage familial.

Verdict

Private LLM mérite sa place parmi les applications d'IA locale mobile les mieux documentées couvertes sur ce site : un prix unique clair de 4,99 $ vérifié directement sur l'App Store, une bibliothèque sélectionnée de plus de 140 modèles open source, et une approche de quantification concrète et nommée (OmniQuant plus GPTQ) plutôt qu'une vague affirmation "optimisée pour mobile". Les propres notes de version de l'éditeur montrent trois années de mises à jour continues depuis le lancement de juin 2023, un historique nettement plus long que plusieurs applications plus petites de ce groupe. Les compromis sont tout aussi clairs : elle est exclusive à Apple, elle n'est pas gratuite, sa liste de modèles est sélectionnée plutôt que totalement ouverte aux imports GGUF personnalisés, et son code source fermé signifie que l'affirmation "aucune donnée collectée" repose sur la fiche de confidentialité de l'App Store plutôt que sur une revue de code indépendante. Les lecteurs qui veulent une application maintenue, sélectionnée, à achat unique sur l'ensemble de leurs appareils Apple devraient l'acheter ; les lecteurs sur Android/Windows/Linux, ceux qui veulent une option gratuite, ou ceux qui veulent auditer eux-mêmes le code source devraient plutôt commencer par PocketPal AI.

Sources

  • Private LLM sur l'App Store — prix, compatibilité des plateformes, fiche de confidentialité, notes et historique des versions.
  • Site officiel de Private LLM — présentation du produit, modèle tarifaire et affirmations de confidentialité.
  • FAQ de Private LLM — modèles pris en charge, approche de quantification, configuration matérielle requise, Partage familial et intégration Siri/Raccourcis.
  • Notes de version de Private LLM — historique des versions et jalons de fonctionnalités de juin 2023 à septembre 2026.

← Retour aux LLM locaux avancés

MCP