Quel LLM sur MacBook Air M1 (8 / 16 Go) ?

#Le MacBook Air M1 en 2026

Le MacBook Air M1 a 5 ans et se vend encore neuf à 999 € ou d'occasion autour de 500 €. Pour l'IA locale, c'est la meilleure porte d'entrée : Apple Silicon de première génération, Metal déjà mature, mémoire unifiée, et surtout un silence total grâce à son design sans ventilateur.

Puce: Apple M1 (2020), 8 cœurs CPU + 7 ou 8 cœurs GPU selon config.
Bande passante mémoire: 68,25 Go/s (LPDDR4X). C'est la principale limite pour les gros modèles.
RAM disponible: 8 Go ou 16 Go (non upgradable). Le choix que vous avez fait à l'achat détermine ce qui est possible.
Refroidissement: Passif. Après ~10 minutes d'inférence intensive, la puce throttle de 20-30 %.
Support Apple: macOS Sequoia (15) toujours supporté en 2026. Au-delà, Apple peut arrêter le support.

→

Pourquoi c'est toujours une bonne machine

Un M1 fanless fait tourner Granite 4.2 8B à 14-20 tok/s en consommant 15 W. Un laptop PC équivalent en vitesse consomme 3× plus, chauffe, ventile, et coûte plus cher d'occasion.

#1. Votre RAM : 8 ou 16 Go ?

La quantité de RAM détermine tout. Sur Mac, le GPU et le CPU partagent la même RAM — mais macOS en réserve une bonne partie pour le système et vos apps.

MBA M1 8 Go: ~4-5 Go utilisables pour un LLM. Ouvre Qwen 3.5 4B (confortable), Granite 4.2 3B, Qwen 3.5 2B. Gemma 4 E2B Q4 passe tout juste. Fermez Chrome pendant l'inférence.
MBA M1 16 Go: ~10-11 Go utilisables. Confortable pour Qwen 3.5 9B et Granite 4.2 8B, envisageable pour Gemma 4 12B. Pas de 24B.

Swap = danger sur Air M1

Si macOS swape plus de 3-4 Go, votre SSD souffre (l'Air M1 a un SSD relativement lent en écriture) et la vitesse d'inférence chute. Surveillez avec top -o mem : si SWAP actif > 5 Go, réduisez la taille du modèle.

#2. Les modèles qui tournent vraiment

Modèles recommandés par config — ordres de grandeur en tokens/sec sur Air M1 8-core GPU

Modèle	Quantization	RAM requise	Tokens/s (8 Go)	Tokens/s (16 Go)
Qwen 3.5 2B	Q4_K_M	1,9 Go	46-54	52-60
Granite 4.2 3B	Q4_K_M	2,2 Go	38-46	42-50
Qwen 3.5 4B	Q4_K_M	3,4 Go	24-30	28-36
Gemma 4 E2B	Q4_K_M	4,3 Go	18-23	24-30
Granite 4.2 8B	Q4_K_M	5,3 Go	—	16-20
Qwen 3.5 9B	Q4_K_M	6,6 Go	—	12-16
Gemma 4 12B	Q4_K_M	7,6 Go	—	10-13 (limite)

→

Modèle de démarrage conseillé

Sur 8 Go : Qwen 3.5 4B (ollama run qwen3.5:4b). Sur 16 Go : Qwen 3.5 9B (ollama run qwen3.5:9b). Ces deux couvrent 80 % des usages courants (résumé, rédaction, code simple).

#3. Installation en 3 minutes

Ollama est la voie la plus simple. Il détecte Metal tout seul et gère les téléchargements.

01
Installez Ollama via Homebrew
Si Homebrew n'est pas présent, téléchargez le .dmg sur ollama.com. Sinon, une commande suffit.
02
Lancez un modèle adapté à votre RAM
Air 8 Go : ollama run qwen3.5:4b. Air 16 Go : ollama run qwen3.5:9b. Le premier téléchargement prend 2-5 minutes, les suivants sont instantanés.
03
Vérifiez l'accélération Metal
Une fois le modèle chargé, ouvrez un autre terminal et tapez ollama ps. La colonne PROCESSOR doit afficher 100% GPU.
04
Ajoutez une interface graphique (optionnel)
Enchanted (App Store, gratuit) ou Msty (.dmg). Les deux se connectent à Ollama sans config.

Terminal — installation complète

# Installation
brew install --cask ollama
brew services start ollama

# Premier modèle (Air 16 Go)
ollama run qwen3.5:9b

# Vérification du GPU
ollama ps

Si vous venez d'un PC

Pas besoin de drivers, pas de CUDA, pas de configuration de VRAM. Metal est activé par défaut et tout est géré par macOS. C'est le principal argument du Mac pour l'IA locale.

#4. Tokens/seconde mesurés

Ordres de grandeur relevés sur un MacBook Air M1 8-core GPU, 16 Go, macOS Sequoia 15.3, Ollama récent. Prompt : "Écris un paragraphe de 200 mots sur l'intelligence artificielle locale." Moyenne sur 5 runs.

Prompt 200 tokens en sortie — ordres de grandeur

Modèle	Q4_K_M	Q5_K_M	Q8_0
Qwen 3.5 2B	54 t/s	48 t/s	42 t/s
Granite 4.2 3B	46 t/s	40 t/s	30 t/s
Qwen 3.5 4B	32 t/s	28 t/s	20 t/s
Granite 4.2 8B	18 t/s	16 t/s	10 t/s
Qwen 3.5 9B	14 t/s	12 t/s	8 t/s

Pourquoi Q4 > Q8 ici

La bande passante mémoire (68 Go/s) est le goulot d'étranglement du M1. Un modèle Q4 est 2× plus petit en mémoire qu'un Q8, donc 2× plus rapide à lire. La perte de qualité est négligeable sur 8-9B et moins.

#5. Quelle quantization choisir

⭐ Q4_K_M: Le défaut pour M1. Meilleur compromis taille/qualité/vitesse. À privilégier sauf raison contraire.
Q5_K_M: +5 % qualité, -15 % vitesse. Intéressant sur 16 Go si le modèle reste dans la RAM utile.
Q3_K_M: Pour faire tenir un Gemma 4 12B sur 16 Go quand le contexte est long. Qualité notable en baisse — à réserver aux cas où rien d'autre ne passe.
FP16 / Q8_0: À éviter sur M1. La bande passante n'est pas adaptée, la vitesse tombe et vous perdez sans gain net.

#6. Gérer la chauffe (fanless)

Le MacBook Air M1 n'a pas de ventilateur. En inférence soutenue, la puce monte à 85-95 °C et throttle automatiquement après 8-12 minutes. Pour un chat ponctuel, aucun souci. Pour un batch d'embeddings d'une heure, c'est différent.

Surélevez la machine: Un simple support à 10 € (laptop stand) améliore la dissipation de 10-15 °C, donc repousse le throttle.
Travaillez dans une pièce fraîche: À 20 °C ambiante vs 28 °C, vous gagnez 5 minutes avant throttle. Réel.
Fermez les apps Electron: Chrome, VS Code, Slack consomment du CPU et contribuent à la chauffe. Sur Air M1, chaque watt compte.
Évitez le Q8: Les quantizations plus compactes (Q4) chauffent moins à qualité comparable.

→

Monitoring en direct

Téléchargez TG Pro ou stats (gratuit, open source) pour surveiller la température en barre de menus. Au-delà de 95 °C soutenu, coupez l'inférence 2 minutes pour laisser refroidir.

#Limites à connaître

Pas de modèles 70B: Même Q2, un 70B ne rentre pas. Pour ça, un M1 Max ou ultérieur est nécessaire.
Pas d'entraînement sérieux: Le fine-tuning LoRA est théoriquement possible mais lent. Préférez un service cloud ponctuel.
Context window limité: Au-delà de 8 k tokens, la RAM explose. Restez sur 4-8 k sauf si vous quantifiez le KV cache.
Pas de vision rapide: Les modèles multimodaux (Gemma 4 12B, Qwen 3.5 9B) tournent mais lentement sur M1. Préférez Qwen 3.5 2B (multimodal, 1,9 Go) si vous avez besoin de vision réactive.

#Questions fréquentes

Un MacBook Air M1 8 Go suffit-il pour un LLM local ?+

Oui, pour démarrer avec des modèles 2B à 4B (Qwen 3.5, Granite 4.2, Gemma 4 E2B). Granite 4.2 8B Q4 passe tout juste si vous fermez les autres apps, mais c'est serré. Pour un usage confortable, 16 Go est recommandé — sinon limitez-vous aux 4B.

Quelle différence de vitesse entre M1 8-core GPU et 7-core GPU ?+

Environ 10-12 % en faveur du 8-core sur des modèles 7B. Sur 1B-3B, la différence est négligeable car c'est la bande passante mémoire qui limite, pas les cœurs GPU. Ne changez pas de machine pour ça.

Peut-on faire du RAG sur MacBook Air M1 ?+

Oui — c'est même un excellent cas d'usage. Un modèle d'embeddings BGE-M3 + Granite 4.2 8B en générateur tournent confortablement sur 16 Go. Sur 8 Go, c'est jouable avec Qwen 3.5 4B et un embedder léger comme all-MiniLM-L6-v2.

Un modèle 70B peut-il tourner sur MacBook Air M1 16 Go ?+

Non. Même en Q2 (qualité fortement dégradée), un 70B fait plus de 20 Go. Sur Air M1, la limite pratique est un Qwen 3.5 9B Q4 ou un Gemma 4 12B en contexte court.

Faut-il préférer Ollama, LM Studio ou MLX sur M1 ?+

Ollama pour la simplicité, LM Studio si vous voulez une UI riche, MLX si vous êtes curieux des formats Apple. Sur 8 Go, LM Studio consomme un peu plus de RAM qu'Ollama (environ 400 Mo de plus) — un détail qui compte.

Le MacBook Air M1 va-t-il devenir obsolète pour l'IA bientôt ?+

Les modèles 4B-9B resteront largement utiles en 2027-2028. Apple supportera macOS sur M1 au moins jusqu'en 2027. La vraie limite viendra plus probablement de modèles qui exigeront plus de 16 Go de RAM unifiée minimum.

Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.

Suite logique

Installation · 3 min