Quel LLM sur iMac M4 (16 / 24 / 32 Go) ?

#Ce que fait un iMac M4 pour l'IA locale

L'iMac M4 exécute bien les modèles de 8 à 14 milliards de paramètres et accepte des modèles plus gros à vitesse réduite. Trois chiffres résument l'essentiel. La puce M4 délivre 120 Go/s de bande passante mémoire d'après la fiche Apple, soit un plafond théorique d'environ 31 tokens par seconde sur un 7B en Q4_0. La mesure publique du dépôt llama.cpp sur un M4 à GPU 10 cœurs donne 24,11 tokens par seconde en génération, soit 77 % de ce plafond. Enfin, la mémoire unifiée va de 16 à 32 Go et se choisit à l'achat : elle décide seule de la taille de modèle possible. Ce qui manque à cet iMac, c'est de la bande passante, pas de la capacité.

Puce

Apple M4 ; la fiche Apple ne propose pas de variante Pro ou Max pour l'iMac.

Bande passante

120 Go/s, quelle que soit la configuration.

Mémoire unifiée

16 Go en base ; 24 Go en option sur toutes les versions, 32 Go sur le modèle à 4 ports.

Écran

24 pouces 4,5K (4480 × 2520), ce qui laisse peu d'intérêt à un GPU plus gros : la limite est la mémoire.

Prix

Non indiqué ici : Apple les modifie ; voir la page matériel du site.

#Les configurations réelles : deux modèles, pas trois

La page d'Apple distingue deux familles. Le modèle à 2 ports a un CPU 8 cœurs et un GPU 8 cœurs, avec 16 Go de mémoire extensible à 24 Go. Le modèle à 4 ports a un CPU 10 cœurs et un GPU 10 cœurs, avec 16 Go extensibles à 24 ou 32 Go. La bande passante de 120 Go/s est identique. Une erreur courante, présente dans l'ancienne version de cette page, est de croire qu'une configuration de 8 Go existe encore : la mémoire de base est de 16 Go. Ce qui compte pour un LLM est donc de viser le modèle à 4 ports si l'on veut 32 Go.

Pour la génération de texte, la différence entre 8 et 10 cœurs GPU est probablement faible : la vitesse dépend de la bande passante, identique. Aucune mesure publique du tableau de référence n'existe pour la variante à 8 cœurs, donc cette affirmation reste une hypothèse. Si vous hésitez, payez plutôt pour la mémoire que pour les cœurs.

#16, 24 ou 32 Go : le budget mémoire

Sur un Mac, la mémoire est partagée entre le système et le GPU, et macOS ne laisse au GPU qu'une fraction. Le réglage iogpu.wired_limit_mb vaut 0 par défaut, ce qui signifie que le noyau déduit la limite de la mémoire installée. Sur un Mac de 32 Go mesuré par ModelPiper, Metal proposait 24,96 GiB au GPU, soit 78 % de la mémoire. On cite couramment 75 %. Pour un iMac, comptez donc de l'ordre de 11 à 12 Go pour un modèle en 16 Go, 17 à 18 Go en 24 Go et 24 à 25 Go en 32 Go : ce sont des estimations, à vérifier sur votre machine avec la commande sysctl iogpu.wired_limit_mb et l'outil Metal décrit par ModelPiper.

Pour aller plus loin que ces limites, il est possible de relever la part accordée au GPU. Le guide sur l'optimisation des Mac Apple Silicon détaille ce réglage et ses risques ; nous ne le répétons pas ici.

• Tirer le maximum d'un Mac Apple Silicon : réglages macOS
• Calculateur de mémoire pour un modèle et un contexte donnés

#Quels modèles pour quelle mémoire

Les poids en Q4 ci-dessous viennent du catalogue QuelLLM. Ils supposent que le modèle tient dans la mémoire utilisable du tableau précédent, contexte compris. La colonne « fluidité » applique le plafond de 120 Go/s à chaque modèle : ce sont des ordres de grandeur calculés, pas des mesures.

Le mot d'ordre est de ne pas confondre « tient » et « est agréable ». Un 24B dense sur M4 base reste lisible mais lent, à quelques mots par seconde, alors qu'un modèle à experts (MoE) comme gpt-oss 20B ou Gemma 4 26B-A4B ne lit que quelques milliards de paramètres à chaque token, donc dépasse un dense de taille comparable. Pour un iMac 24 ou 32 Go, un MoE est souvent le meilleur choix.

Un arbitrage revient souvent sur 24 Go : un 12B en Q8 (environ 13 Go) ou un 24B en Q4 (environ 14 Go). Les deux occupent presque la même mémoire, donc génèrent à peu près à la même vitesse, autour de 7 tokens par seconde d'après le plafond de bande passante. Le second offre davantage de capacité de raisonnement, le premier une fidélité plus proche du modèle d'origine. À bande passante égale, c'est la taille du modèle en gigaoctets qui fixe le débit, pas son nombre de paramètres.

#Vitesse : la bande passante décide

La seule mesure publique de référence est le tableau du dépôt llama.cpp sur Apple Silicon, qui teste un LLaMA 7B en Q4_0. Pour un M4 avec GPU 10 cœurs et 120 Go/s, il donne 221,29 tokens par seconde en lecture de prompt et 24,11 en génération. Un M4 Pro à 273 Go/s et GPU 16 cœurs donne 49,64 en génération, soit un peu plus du double. Ce rapport est proche de celui des bandes passantes (2,3 fois) : c'est le signe que la génération dépend de la mémoire, pas du nombre de cœurs GPU.

Ces mesures datent d'une version précoce de llama.cpp ; les versions récentes et MLX peuvent faire mieux. Prenez-les comme un ordre de grandeur. L'ancienne version de cette page annonçait 28 à 31 tokens par seconde pour un 9B en Q5 : ce chiffre dépasserait le plafond de 120 Go/s pour un modèle de cette taille, et nous l'avons retiré.

#Trois usages réalistes selon la mémoire

Un budget mémoire se lit mieux appliqué à un usage. Dans chaque cas, additionnez le poids du modèle, le cache du contexte et les autres programmes ouverts, et comparez le total à la mémoire utilisable du tableau précédent. Le calculateur du site fait cette addition pour vous ; retenez seulement la logique.

Sur la chaleur et le bruit, nous n'avons trouvé aucune mesure publique d'un iMac M4 sous charge LLM soutenue, et nous ne prétendons donc rien sur son ventilateur. Le seul repère fiable est l'usage : si la génération dure des heures, surveillez la fréquence et la température dans le Moniteur d'activité et gardez un contexte raisonnable.

• Remplacer ChatGPT par une IA locale : ce qui est réaliste

#Mise en route

1. 01
   Vérifier la mémoire

   Notez la mémoire de votre iMac dans le menu Pomme puis À propos de ce Mac. Elle fixe la liste de modèles possibles.
2. 02
   Installer Ollama ou LM Studio

   Ollama accélère les calculs sur GPU Apple via l'API Metal. LM Studio offre une interface graphique bien adaptée au grand écran.
3. 03
   Charger un modèle adapté

   Choisissez un modèle du tableau selon votre mémoire, en Q4_K_M, et lancez-le avec ollama run.
4. 04
   Contrôler l'usage GPU

   Utilisez ollama ps pour vérifier que le modèle est chargé sur le GPU, puis Moniteur d'activité pour suivre la pression mémoire.
5. 05
   Limiter le contexte

   Sur 16 Go, gardez un contexte de quelques milliers de tokens pour éviter que le système ne swappe.

ollama ps
sysctl iogpu.wired_limit_mb
sysctl hw.memsize

• Ollama pour débutants : installer et comprendre
• LM Studio : tutoriel complet

#iMac M4 ou Mac mini M4 : le vrai critère

Le Mac mini M4 utilise la même puce et la même bande passante ; à mémoire égale, l'iMac n'est donc pas plus lent. Ce qui change, c'est l'écran intégré, non remplaçable, et l'absence de variante Pro : l'iMac plafonne à 32 Go et 120 Go/s, quand le Mac mini M4 Pro monte à 273 Go/s d'après la même discussion de référence. Si votre objectif est un modèle de 24B ou plus à vitesse correcte, la bande passante du Mac mini M4 Pro double le débit ; si c'est un assistant de bureau avec un 8 à 14B, l'iMac est équivalent.

• Mac mini M4 et M4 Pro : quel LLM selon la mémoire
• Fiche matériel du Mac mini M4 Pro
• Fiche technique de l'iMac, Apple
• Performances de llama.cpp sur Apple Silicon, dépôt llama.cpp
• Documentation Ollama : GPU pris en charge, dont Metal
• ModelPiper : la limite de mémoire GPU sur Mac

#Questions fréquentes