Quel LLM sur Mac mini M2 / M2 Pro (8–32 Go) ?

#Mac mini M2 / M2 Pro en 2026 : ce que la fiche technique promet

Apple a présenté le Mac mini M2 en janvier 2023 avec « jusqu'à 24 Go de mémoire unifiée et 100 Go/s de bande passante », et le M2 Pro avec 200 Go/s, soit le double, et jusqu'à 32 Go de mémoire. Les fiches techniques d'Apple donnent les configurations de série et sur mesure : le M2 démarre à 8 Go, configurable en 16 ou 24 Go ; le M2 Pro démarre à 16 Go, configurable en 32 Go. Il n'existe donc ni M2 à 32 Go ni M2 Pro à 8 Go. La mémoire est soudée : le choix se fait à l'achat, pas après.

Mac mini M2

8 cœurs CPU, 10 cœurs GPU, 100 Go/s, 8, 16 ou 24 Go de mémoire unifiée.

Mac mini M2 Pro

10 ou 12 cœurs CPU, 16 ou 19 cœurs GPU, 200 Go/s, 16 ou 32 Go.

Refroidissement

Ventilateur actif : Apple annonce un système thermique conçu pour des performances soutenues, ce qui compte pour une machine qui répond à des requêtes toute la journée.

Consommation

Selon la fiche officielle d'Apple : 7 W au repos, 50 W maximum pour le M2 et 100 W maximum pour le M2 Pro. Les valeurs plus basses que l'on lit parfois (10 à 30 W) sont des mesures d'utilisateurs, pas des plafonds.

#M2 ou M2 Pro : le choix se joue sur la bande passante

En génération de texte, chaque token oblige la puce à relire l'ensemble des poids actifs du modèle depuis la mémoire. La vitesse est donc plafonnée par la bande passante divisée par la taille du modèle. Un M2 à 100 Go/s et un modèle de 5 Go donnent un plafond théorique proche de 20 tokens par seconde ; le M2 Pro, à 200 Go/s, double ce plafond. La capacité de mémoire, elle, décide seulement de ce qui tient : un 24B en Q4 (environ 14 Go) ne laisse rien au système sur une machine de 16 Go.

Le M2 à 24 Go est la configuration hybride : il a la capacité d'un 14B, mais garde la bande passante du M2. Il charge donc des modèles plus gros que le M2 16 Go sans les faire tourner plus vite. Choisissez-le si vous voulez une longue fenêtre de contexte ou deux modèles chargés ; sinon le M2 Pro 16 Go, deux fois plus rapide à modèle égal, est souvent meilleur pour un usage interactif.

#Quel modèle pour quelle mémoire : le calcul, pas la promesse

Tout ne se met pas en mémoire GPU. Sur Apple Silicon, Metal limite par défaut la part de mémoire unifiée que le GPU peut utiliser, d'après les discussions du dépôt llama.cpp entre les deux tiers et les trois quarts. Sur une machine de 16 Go, comptez environ 10 à 12 Go pour le modèle et son contexte, le reste étant laissé à macOS. Le repère du site pour les poids en Q4 est 8B ≈ 5 Go, 14B ≈ 9 Go, 32B ≈ 19-20 Go ; le cache de contexte s'y ajoute.

Lecture du tableau : « Juste » signifie que les poids tiennent mais que le contexte long et macOS se disputent le reste. Le 8 Go est à écarter pour tout usage sérieux : macOS et le navigateur prennent déjà la moitié de la mémoire. Le MoE 35B-A3B est un cas particulier : il pèse 21 Go, mais n'active qu'environ 3 milliards de paramètres par token, ce qui le rend nettement plus rapide qu'un modèle dense de même taille. C'est la meilleure raison de choisir un M2 Pro 32 Go.

#Les débits mesurés : ce que la source publiée permet de dire

Nous n'avons pas de mesure maison et nous n'en présentons pas. La référence publique la plus utile est la discussion « Performance of llama.cpp on Apple Silicon M-series » du dépôt llama.cpp, où des utilisateurs publient la génération de texte (tg128) d'un modèle Llama 7B sur chaque puce Apple. Ces chiffres datent de la version de llama.cpp de l'époque et d'un modèle plus ancien que ceux d'aujourd'hui, mais ils donnent l'échelle.

Ce tableau confirme trois choses. Premièrement, la vitesse suit la taille des poids : passer de Q4_0 à Q8_0 divise à peu près par 1,8 le débit. Deuxièmement, le M2 Pro va environ 1,7 fois plus vite que le M2, un peu moins que les 2 fois de la bande passante. Troisièmement, les cœurs GPU supplémentaires du M2 Pro 19 cœurs ne changent presque rien à la génération (38,86 contre 37,87 t/s) : ils aident le traitement du prompt, pas la génération.

#Le contexte et le traitement du prompt : le vrai ralentisseur

Les tokens par seconde ne disent pas tout. Deux chiffres pèsent sur l'expérience : le temps de traitement du prompt (colonne pp512 des mêmes mesures : 201 t/s en F16 pour le M2, 384 t/s pour le M2 Pro 19 cœurs) et la croissance du cache de contexte. Un document de 20 000 tokens en entrée coûte plusieurs dizaines de secondes avant le premier mot, sur n'importe quel Mac de cette génération. Pour du RAG ou de l'analyse de documents, gardez des extraits courts plutôt que de coller tout un PDF.

Le cache de contexte occupe aussi la mémoire : plus la fenêtre est longue, moins il reste pour les poids. Sur 16 Go, réduire la fenêtre à 8 000 ou 16 000 tokens laisse la place à un modèle plus gros. Le guide sur la fenêtre de contexte détaille la règle, et le guide sur le cache KV explique comment le quantifier.

• Comprendre la fenêtre de contexte
• Quantifier le cache KV pour gagner de la mémoire

#Installer Ollama en serveur 24/7 : la procédure qui marche

Ollama demande macOS Sonoma (14) ou plus récent et écoute par défaut sur 127.0.0.1, port 11434 : autrement dit, uniquement depuis la machine elle-même. Pour le rendre accessible aux autres postes, il faut changer l'adresse d'écoute. Sur Mac, la documentation officielle de la FAQ indique que, lorsque Ollama tourne comme application, les variables d'environnement se définissent avec launchctl, puis l'application doit être redémarrée.

1. 01
   Installer l'application Ollama

   Téléchargez l'application depuis le site officiel ou utilisez Homebrew ; le guide d'installation sur macOS détaille les deux voies. N'utilisez pas en même temps l'application et un service Homebrew : ils se disputent le même port.
2. 02
   Définir l'adresse d'écoute

   Exécutez launchctl setenv OLLAMA_HOST 0.0.0.0:11434 dans le Terminal, puis quittez et relancez l'application Ollama.
3. 03
   Empêcher la veille

   Dans Réglages Système, section Économie d'énergie, activez l'option qui empêche la mise en veille automatique lorsque l'écran est éteint, et activez l'ouverture de session automatique si le Mac doit redémarrer seul.
4. 04
   Réserver une adresse fixe

   Attribuez une adresse IP fixe au Mac mini dans votre routeur, ou utilisez son nom mac-mini.local sur le réseau local.
5. 05
   Précharger le modèle

   Téléchargez le modèle avec ollama pull, puis testez depuis un autre poste avec la commande curl ci-dessous.

# Sur le Mac mini
launchctl setenv OLLAMA_HOST "0.0.0.0:11434"
# quitter puis relancer l'application Ollama
ollama pull qwen3:8b

# Depuis un autre poste du réseau local
curl http://mac-mini.local:11434/api/chat -d '{"model":"qwen3:8b","stream":false,"messages":[{"role":"user","content":"Bonjour"}]}'

#Ce que le Mac mini sert à toute la maison

Le Mac mini M2 n'est pas un serveur de production, mais il est excellent pour trois usages : un chat familial, une API compatible OpenAI pour vos outils, et des automatisations légères. Ollama prend en charge un sous-ensemble de l'API OpenAI sur le même port, ce qui permet de brancher beaucoup de clients existants en changeant seulement l'adresse ; vérifiez que les fonctions dont vous avez besoin (outils, sorties structurées) sont couvertes.

Chat

Open WebUI ou une application mobile compatible Ollama : renseignez l'adresse http://mac-mini.local:11434 dans les réglages.

Code

Continue, Aider ou Zed : indiquez l'URL du serveur Ollama comme fournisseur.

Automatisation

n8n, Home Assistant ou Raccourcis iOS : ils savent appeler une API HTTP compatible OpenAI.

Indexation de documents

Un modèle d'embedding léger, comme nomic-embed-text, laisse la place à un modèle de chat de 8-9B sur 16 Go.

Une limite à connaître : Ollama traite par défaut une requête à la fois par modèle (OLLAMA_NUM_PARALLEL vaut 1). Deux personnes qui posent une question en même temps se partagent donc le débit ou attendent leur tour. Pour une famille, c'est suffisant ; pour une équipe de plus de trois ou quatre personnes actives, mieux vaut une machine plus puissante ou un serveur d'inférence conçu pour le parallélisme.

#Mac mini M2 ou machine plus récente : quand changer

Le M4 de base passe à 120 Go/s (valeur de la table llama.cpp) et le M4 Pro à 273 Go/s, d'après Apple ; la bande passante étant le facteur limitant, l'écart de vitesse est d'environ 20 % entre M2 et M4 de base, et bien plus entre M2 Pro et M4 Pro. Le M2 Pro 32 Go d'occasion reste pertinent si vous visez un modèle 24 à 32B ; pour de l'agentique ou du code sur de longs contextes, une puce récente avec plus de mémoire fait gagner en confort.

• Mac mini M4 / M4 Pro : le successeur
• Fiche matériel : Mac mini M4 Pro
• Les réglages macOS pour Apple Silicon
• Installer Ollama sur macOS

• Source : Apple, fiche technique du Mac mini (2023)
• Source : Apple, consommation et dissipation thermique du Mac mini
• Source : mesures llama.cpp sur puces Apple
• Source : FAQ officielle d'Ollama

#Questions fréquentes