Quel LLM sur MacBook Air M3 (8 / 16 / 24 Go) ?

#MacBook Air M3 en 2026 : la fiche technique utile aux LLM

Selon la fiche technique d'Apple, la puce M3 du MacBook Air associe un CPU à 8 cœurs (4 de performance et 4 d'efficacité), un GPU à 8 ou 10 cœurs, un Neural Engine à 16 cœurs et une bande passante mémoire de 100 Go/s. La mémoire unifiée est soudée : Apple liste deux configurations d'entrée, 8 Go ou 16 Go, toutes deux extensibles à 24 Go au moment de l'achat. Le modèle est décliné en 13 et 15 pouces avec la même puce.

Bande passante

100 Go/s, identique à celle du M2. C'est elle, plus que le nombre de cœurs GPU, qui plafonne la vitesse de génération.

Refroidissement

Sans ventilateur. La puce ne peut évacuer sa chaleur que par le châssis : sur une génération longue, elle finit par réduire sa fréquence.

Neural Engine

16 cœurs, mais les outils courants de l'IA locale (Ollama, llama.cpp, LM Studio) exploitent le GPU via Metal, pas le Neural Engine.

Nouveauté du M3

Le Dynamic Caching, qui alloue en temps réel la mémoire locale du GPU. Nous n'avons pas de mesure de son effet sur les LLM et n'en promettons pas.

#IA locale ou Apple Intelligence : deux choses différentes

Beaucoup de recherches sur le MacBook Air M3 concernent « l'IA » au sens large. Apple Intelligence est la suite de fonctions intégrée à macOS (résumés, écriture, Siri) ; d'après Apple, elle fonctionne sur les Mac équipés d'une puce M1 ou plus récente, donc sur le MacBook Air M3. Elle ne vous permet pas de choisir le modèle, ni d'exposer une API, ni de travailler sur vos propres documents avec un modèle ouvert.

L'IA locale, dont il est question dans ce guide, consiste à télécharger un modèle ouvert (Qwen, Gemma, Granite, Mistral) et à l'exécuter avec Ollama, LM Studio ou MLX. Vous décidez du modèle, de la taille de contexte et de ce qui reste sur la machine. Les deux peuvent coexister ; la mémoire est en revanche partagée, et un modèle de 9 milliards de paramètres chargé réduit ce qui reste pour macOS et les applications.

#Combien de mémoire : 8, 16 ou 24 Go

La mémoire est le premier critère, parce qu'un modèle qui déborde ne ralentit pas : il devient inutilisable. Sur Apple Silicon, le GPU ne peut pas utiliser toute la mémoire unifiée ; d'après les discussions du dépôt llama.cpp, Metal en accorde par défaut 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.

La colonne « utilisable » est une estimation à partir de la règle des deux tiers à trois quarts, pas une valeur d'Apple. Le 8 Go se justifie seulement si vous savez que vous resterez sur des petits modèles ; comme la mémoire ne s'ajoute pas après coup, le 16 Go est le choix raisonnable pour l'IA locale. Pour vérifier qu'un modèle et son contexte tiennent, le calculateur de mémoire du site donne le total.

• Calculateur de mémoire pour un modèle et un contexte
• Choisir sa quantification

#Quel modèle choisir, avec quelle vitesse attendue

Le débit de génération est limité par la bande passante divisée par la taille des poids lus à chaque token. Avec 100 Go/s, un modèle de 4,6 Go est plafonné vers 21 tokens par seconde, un de 6 Go vers 16, un de 14 Go vers 7. Dans les mesures publiées pour un Llama 7B, le M3 atteint 21,34 tokens par seconde en Q4_0, soit environ 80 % du plafond. Il s'agit de plafonds théoriques, pas de garanties.

Si le résultat est trop lent, le levier n'est pas un réglage mais la taille du modèle : passer de 9B à 4B double à peu près le débit. Pour le code, un modèle de 7 à 9B spécialisé rend plus de services qu'un 24B trop lent pour être utilisé en direct. Le tableau de vitesse du site (/benchmarks) recense les mesures publiées par matériel.

#Sans ventilateur : la chaleur limite les longues générations

Le MacBook Air n'a pas de ventilateur. Pour une question courte, vous ne le remarquerez pas. Pour un résumé de plusieurs dizaines de pages ou une génération de plusieurs minutes, la puce chauffe et finit par baisser sa fréquence, donc son débit. Le phénomène dépend de la pièce, de la charge et de l'environnement ; nous n'avons pas de mesure à citer, et il vaut mieux le vérifier sur votre machine avec une génération longue.

Poser la machine sur un support ventilé

Un support en aluminium ou une surface dure aide le châssis à évacuer la chaleur ; un canapé ou un lit l'empêche.

Prévoir des pauses

Sur les tâches longues, découpez le travail en lots plutôt qu'une seule génération de plusieurs minutes.

Réduire le modèle

Un 4B ou un 8B chauffe nettement moins qu'un modèle qui sature la bande passante en continu.

Brancher le secteur

Sur batterie, macOS peut limiter les performances pour économiser l'énergie.

• Optimiser les thermiques d'une machine qui fait de l'inférence

#Installer Ollama et lancer un premier modèle

Ollama demande macOS Sonoma (14) ou plus récent. Le plus simple est de télécharger l'application depuis le site officiel ; le guide d'installation détaille la variante Homebrew. Une fois lancée, l'application écoute sur le port 11434 de la machine, et les modèles se téléchargent en une commande.

1. 01
   Installer Ollama

   Téléchargez l'application ou suivez le guide d'installation sur macOS, puis lancez-la une première fois.
2. 02
   Choisir un modèle selon la mémoire

   8 Go : un modèle de 3 à 4 milliards de paramètres. 16 Go : un 8B (5,2 Go dans la bibliothèque Ollama). 24 Go : un 14B (9,3 Go) ou plus.
3. 03
   Lancer la génération

   Exécutez ollama run suivi du nom du modèle : le téléchargement se fait au premier appel.
4. 04
   Vérifier la mémoire pendant l'usage

   Ouvrez Moniteur d'activité, onglet Mémoire : la pression doit rester verte. Si elle passe au jaune ou au rouge, le modèle est trop gros ou le contexte trop long.

ollama run qwen3:8b

La bibliothèque Ollama indique 5,2 Go pour qwen3:8b et 9,3 Go pour qwen3:14b. Le second convient à un MacBook Air 24 Go, pas à un 16 Go où il laisse trop peu de marge. Si vous voulez tester MLX plutôt qu'Ollama, le guide dédié explique la différence et les limites de chaque outil.

#Deux réglages Ollama qui comptent sur 16 Go

Le premier est la taille du contexte. La FAQ officielle d'Ollama indique une fenêtre par défaut de 4 096 tokens, modifiable ; l'agrandir consomme de la mémoire pour le cache. Pour des documents longs, augmentez-la progressivement plutôt que de fixer une valeur maximale. Le second est la quantification du cache KV : selon la même FAQ, Ollama accepte la variable OLLAMA_KV_CACHE_TYPE avec la valeur q8_0, qui utilise environ la moitié de la mémoire du format f16 par défaut, à condition que Flash Attention soit activé.

launchctl setenv OLLAMA_FLASH_ATTENTION 1
launchctl setenv OLLAMA_KV_CACHE_TYPE q8_0
# puis quitter et relancer l'application Ollama

Sur Mac, la FAQ précise que, lorsque Ollama tourne comme application, les variables se définissent avec launchctl puis l'application doit être relancée. Le guide d'optimisation des Mac Apple Silicon complète ces réglages côté macOS.

#MLX ou Ollama sur MacBook Air M3

MLX est le framework de machine learning d'Apple pour ses puces. Il convient aux développeurs qui veulent piloter le modèle depuis Python ou faire un affinage LoRA en local. Ollama, lui, s'occupe du téléchargement, du chargement et de l'API ; c'est le point d'entrée le plus simple. Les écarts de vitesse entre les deux dépendent du modèle et de la version : plutôt que de promettre un pourcentage, reportez-vous à la comparaison détaillée du site.

• MLX ou llama.cpp sur Mac : la comparaison
• Utiliser MLX sur Apple Silicon

#Faut-il passer à un MacBook Air M4 ou plus ?

Le M4 monte la bande passante à 120 Go/s d'après la table llama.cpp, soit 20 % de plus que le M3 : dans cette table, un Llama 7B en Q4_0 passe de 21,34 à 24,11 tokens par seconde. C'est perceptible sur les modèles de 8B et plus, pas transformateur. La vraie limite du M3 reste la mémoire, pas la vitesse.

• MacBook Air M4 : le successeur
• MacBook Air M2 : la génération précédente
• MacBook Pro M2 : avec ventilateur
• Les réglages macOS pour Apple Silicon
• Source : fiche technique du MacBook Air M3 (Apple)
• Source : mesures llama.cpp sur puces Apple
• Source : FAQ officielle d'Ollama

#Questions fréquentes