LLM local sur Mac Apple Silicon : Ollama, MLX, LM Studio

Un Mac à puce Apple Silicon (M1 et suivantes) fait tourner des modèles de langage localement en utilisant sa carte graphique intégrée. Son atout : la mémoire unifiée, partagée entre processeur et carte graphique, si bien que la quantité totale de mémoire du Mac fixe la taille de modèle possible. Ollama et LM Studio s'y installent comme des applications ordinaires, et tous deux savent utiliser MLX, le cadre d'apprentissage automatique d'Apple. Faits tirés de leur documentation, lue le 15/11/2026.

Ce qu'il faut

Pourquoi la mémoire unifiée change le calcul

Sur un PC, le modèle doit tenir dans la mémoire de la carte graphique, séparée de la mémoire vive. Sur un Mac Apple Silicon, la carte graphique puise dans la mémoire commune. Le guide de démarrage d'Ollama parle ainsi de « mémoire unifiée sur un Mac » là où il recommande 8 Go de mémoire vidéo sur PC. La méthode de calcul reste la même (poids, contexte, marge, voir Quel matériel pour un LLM local), mais il faut laisser de la mémoire à macOS et à vos autres applications.

Ollama sur Mac : Metal, puis MLX

• Metal. La page sur les cartes graphiques indique qu'Ollama accélère le calcul sur les appareils Apple par l'interface Metal.
• MLX, depuis mars 2026. Un billet d'Ollama du 30/03/2026 annonce qu'Ollama sur Apple Silicon est désormais construit sur MLX, pour tirer parti de la mémoire unifiée. Cet aperçu, avec Ollama 0.19, accélérait d'abord le modèle Qwen3.5-35B-A3B, et demandait un Mac doté de plus de 32 Go de mémoire unifiée. Sur les puces M5, M5 Pro et M5 Max, Ollama utilise en plus les accélérateurs neuronaux de la carte graphique.
• Mise à jour de juin 2026. Le billet du 11/06/2026 annonce un moteur MLX jusqu'à 20 % plus rapide, la prise en charge du format NVFP4 et une gestion d'instantanés qui laisse plus de mémoire au modèle.

Concrètement, la bibliothèque d'Ollama propose des variantes suffixées -mlx : par exemple, pour Gemma 4, gemma4:12b-mlx (7,7 Go, contexte de 256 000 jetons) ; pour Qwen 3.5, qwen3.5:9b-mlx (8,9 Go). Le billet de juin ne dit pas si MLX est devenu le moteur par défaut : il donne les instructions pour lancer un modèle avec le moteur MLX.

ollama run gemma4:12b-mlx

LM Studio : llama.cpp ou MLX

D'après sa documentation, LM Studio exécute les modèles avec llama.cpp (format GGUF) sur tous les systèmes et, sur les Mac Apple Silicon, aussi avec MLX. Sur un Mac, vous pouvez donc essayer le même modèle dans les deux formats et comparer vitesse et qualité sur vos propres questions. La présentation complète est sur LM Studio.

mlx-lm, pour les développeurs

mlx-lm est un paquet Python, sous licence MIT, pour générer du texte et affiner des modèles avec MLX sur Apple Silicon.

pip install mlx-lm
mlx_lm.generate --prompt "Explique la mémoire unifiée en deux phrases."
mlx_lm.chat

Pour quantifier un modèle : mlx_lm.convert --model mistralai/Mistral-7B-Instruct-v0.3 -q. Le README prévient que les modèles grands par rapport à la mémoire totale de la machine peuvent être lents ; mlx-lm tente de les accélérer en verrouillant en mémoire la place occupée par le modèle et son cache, ce qui exige macOS 15 ou plus.

Quel Mac pour quel usage ?

La documentation ne donne pas de tableau par modèle de Mac. Les repères publiés sont :

Avant d'acheter un Mac pour l'IA locale, faites tourner le modèle visé sur une machine équivalente, avec la longueur de contexte dont vous avez besoin, et regardez ollama ps.

Un Mac comme serveur d'équipe ?

Ollama sur Mac se règle avec les mêmes variables que sur Linux, dont OLLAMA_HOST pour l'adresse d'écoute : un Mac peut donc servir un modèle à quelques postes, avec les mêmes précautions qu'un serveur (voir Ollama sur un serveur). Pour de nombreux accès simultanés, vLLM, pensé pour le service à plusieurs, demande Linux et une carte graphique compatible (voir vLLM).