Meilleur LLM local pour un laptop avec 16 Go de RAM (2026) ?
Par Hans Kuepper · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Réponse rapide
Pour un laptop 16 Go de RAM sans GPU dédié, Qwen3.5 9B (Q4, ~7 Go à télécharger) est le meilleur polyvalent, et Gemma 4 12B (~8 Go) est le modèle le plus puissant qui tient encore, mais plus lent. Qwen3.5 4B (~3,5 Go) ou Phi-4-mini (~2,5 Go) conviennent aux machines plus faibles. Qwen3 8B et Gemma 3 12B fonctionnent toujours, mais ont des successeurs plus récents. Les vitesses sont des estimations : environ 6–12 tok/s pour un modèle 9B sur CPU, et environ 1,5 à 2 fois plus sur Apple Silicon. Avec 32 Go, les modèles 26–27B deviennent possibles.
- ▸Qwen3.5 9B (Q4) : ~7 Go, ~6–12 tok/s estimés sur CPU — meilleur polyvalent pour 16 Go
- ▸Gemma 4 12B (Q4) : ~8 Go, ~5–8 tok/s estimés — le modèle le plus puissant qui tient encore en 16 Go
- ▸Qwen3.5 4B (~3,5 Go) ou Phi-4-mini (~2,5 Go) : pour les machines 8 Go ou faibles
- ▸Apple Silicon : 1,5 à 2× plus rapide (estimation) via mémoire unifiée ; 32 Go de RAM ouvre les modèles 26–27B
Qwen3.5 9B Est le Meilleur Choix Pour un Laptop 16 Go
Sur un laptop 16 Go de RAM sans GPU dédié, Qwen3.5 9B en quantisation 4 bits est le meilleur LLM local polyvalent. Ollama indique un téléchargement de 6,6–7,6 Go, ce qui laisse environ 8–9 Go pour le système et les autres applications. Il accepte texte et images et offre une fenêtre de contexte native de 256K tokens ; sur 16 Go, réglez un contexte de 8K–16K tokens pour que le cache de contexte ne vous pousse pas vers le swap.
Lancez-le avec ollama run qwen3.5:9b, ou ollama run gemma4:12b pour Gemma 4 12B. Le tableau présente les modèles à considérer sur un laptop 16 Go. Les vitesses sont des estimations, pas des mesures de PromptQuorum : la vitesse CPU vaut grossièrement la bande passante mémoire divisée par la taille du fichier du modèle, et la mémoire double canal d'un laptop fournit environ 50–90 Go/s.
| Modèle | Téléchargement (Q4) | Vitesse (meilleur usage) |
|---|---|---|
| Qwen3.5 9B | 6,6–7,6 Go | ~6–12 tok/s — meilleur polyvalent |
| Gemma 4 12B | ~8 Go | ~5–8 tok/s — le plus puissant qui tient |
| Qwen3.5 4B | 3,3–4,0 Go | ~12–20 tok/s — 8 Go / CPU faibles |
| Phi-4-mini | ~2,5 Go | ~15–25 tok/s — vitesse avant tout |
| Qwen3 8B | ~5,2 Go | ~8–15 tok/s — plus ancien, solide |
RAM vs VRAM — Ce Qui Compte
Sur un laptop sans GPU dédié, la RAM et la VRAM forment le même pool. Le CPU lit les poids du modèle directement dans la RAM système ; 16 Go de RAM, c'est donc 16 Go partagés entre le modèle, le système et le cache de contexte. Un laptop avec un GPU dédié de 6 Go (par ex. RTX 4050 Laptop) a un plafond de VRAM fixe : un modèle de 8 Go n'y tient pas entièrement, et le runtime le répartit entre GPU et CPU, ce qui est plus lent qu'un chargement complet sur GPU.
Apple Silicon est un cas différent. Sur les laptops Apple, la RAM est unifiée : CPU et GPU partagent la même mémoire physique à haute bande passante (environ 100 Go/s sur les M2/M3 de base, 120 Go/s sur M4). Comme la vitesse de génération suit la bande passante mémoire, un MacBook série M de 16 Go exécute généralement le même modèle environ 1,5 à 2 fois plus vite qu'un laptop x86 typique à RAM égale. Entre un laptop Intel/AMD de 16 Go et un laptop Apple Silicon de 16 Go, Apple Silicon est plus rapide en inférence locale.
Guides associés
- ▸Best Local LLM for 6 GB VRAM -- 6GB VRAM guide
- ▸Best Ollama Models for CPU-Only Inference -- CPU inference guide
- ▸How Much RAM Does a 7B Model Need? -- RAM requirements
- ▸Best eGPU Setup for MacBook Local LLM 2026 -- eGPU setup guide
- ▸Radeon 6800M for Local LLM: Full Setup Guide -- Radeon GPU guide
- ▸Mistral Small 24B vs Qwen3 14B vs Llama 3.1 8B -- model comparison