Quel LLM sur MacBook Pro M1 Pro / Max (16–64 Go) ?

Sorti fin 2021, le MacBook Pro M1 Pro / Max reste en 2026 une machine remarquable pour l'IA locale, surtout en version Max 64 Go. Bande passante 200 à 400 Go/s, ventilateurs actifs (pas de throttle), jusqu'à 64 Go de mémoire unifiée : un MoE Qwen 3.6 35B tourne à ~34 tokens/seconde et un modèle 30B tient en Q8 pleine qualité, chose impossible sur un PC portable grand public équivalent. Ce guide détaille comment exploiter cette machine aujourd'hui.

Par Mohamed Meguedmi·Màj 2026-08-27·Testé sur macOS 14+

#MBP M1 Pro / Max en 2026

Sortie: Octobre 2021. Toujours supporté par macOS Sequoia (15) en 2026.
M1 Pro: 8 ou 10 cœurs CPU + 14 ou 16 cœurs GPU, bande passante 200 Go/s, RAM 16 ou 32 Go.
M1 Max: 10 cœurs CPU + 24 ou 32 cœurs GPU, bande passante 400 Go/s, RAM 32 ou 64 Go.
Refroidissement: Ventilateurs actifs — aucun throttle en usage LLM. Peut tourner en continu 24h.
Valeur d'occasion 2026: MBP M1 Pro 16 Go à partir de 900 €. MBP M1 Max 64 Go entre 1500 et 1900 € selon état.

→

Pourquoi c'est une affaire en 2026

Un MBP M1 Max 64 Go d'occasion à 1700 € fait tourner les meilleurs modèles MoE 2026 (Qwen 3.6 35B, Qwen3-Coder 30B) en Q8 pleine qualité. Pour la même capacité LLM sur PC, il faut 2 × RTX 3090 (~1400 €) + un CPU / carte mère / PSU compatibles (~800 €) = 2200 € minimum, bruyant et énergivore.

#1. M1 Pro vs M1 Max : choisir

M1 Pro (200 Go/s): Excellent pour les modèles 8-12B. Un MoE 30-35B (Qwen 3.6 35B-A3B) tient sur la version 32 Go, mais pas sur 16 Go.
M1 Max (400 Go/s): 2× la bande passante = 2× la vitesse d'inférence sur modèles ≥ 13B. Indispensable pour faire tourner un 30B en Q8 pleine qualité.
Cœurs GPU: M1 Max 32-core est 15-20 % plus rapide que 24-core sur des 8B. L'écart se creuse sur les modèles 27-35B.

#2. 16, 32, 64 Go : quels modèles

Modèles recommandés par config MBP M1

Modèle	Quant	RAM modèle	M1 Pro 16 Go	M1 Pro 32 Go	M1 Max 64 Go
Qwen 3.5 9B	Q5_K_M	7 Go	28	31	43
Granite 4.2 8B	Q5_K_M	6 Go	30	34	47
Gemma 4 12B	Q5_K_M	9 Go	18	21	30
Qwen 3.8 27B	Q4_K_M	18 Go	—	11	18
Mistral Small 24B	Q5_K_M	16 Go	—	10	18
Qwen 3.6 35B-A3B (MoE)	Q4_K_M	23 Go	—	22	34
Qwen3-Coder 30B-A3B	Q8_0	32 Go	—	—	24

#3. Benchmarks tokens/sec

MBP M1 Max 32-core GPU, 64 Go, Ollama, secteur — ordres de grandeur

Modèle	Q4_K_M	Q5_K_M	Q8_0
Qwen 3.5 9B	46 t/s	43 t/s	28 t/s
Granite 4.2 8B	50 t/s	47 t/s	30 t/s
Gemma 4 12B	32 t/s	30 t/s	19 t/s
Qwen 3.8 27B	18 t/s	16 t/s	10 t/s
Qwen 3.6 35B-A3B	34 t/s	—	22 t/s

#4. Installation et setup

Terminal — setup complet

# Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# Ollama + démarrage auto
brew install --cask ollama
brew services start ollama

# Modèles conseillés
ollama run qwen3.5:9b        # M1 Pro 16 Go
ollama run qwen3.8:27b       # M1 Pro 32 Go
ollama run qwen3.6:35b       # M1 Max 64 Go (MoE 35B)

#5. Relever la limite mémoire GPU

Sur MBP M1 Max 64 Go, macOS alloue par défaut ~43 Go au GPU. Pour charger un modèle 30-35B en Q8 (~35 Go) avec un contexte étendu — le cache KV d'un contexte 256k peut à lui seul dépasser 10 Go — l'ensemble franchit vite les 43 Go, et il faut relever le plafond.

Augmenter la mémoire GPU allouable

# Vérifier la valeur actuelle
sysctl iogpu.wired_limit_mb

# Relever à 56 Go (64 Go - 8 Go système)
sudo sysctl iogpu.wired_limit_mb=57344

# Rendre permanent
echo "iogpu.wired_limit_mb=57344" | sudo tee -a /etc/sysctl.conf

Laissez ≥ 8 Go à macOS

En dessous, le système swape et l'inférence ralentit dramatiquement. 8 Go est la marge minimale sur un MBP 64 Go ; restez sur 6 Go uniquement si vous fermez toutes les apps Electron et n'utilisez pas de navigateur.

#6. Faire tourner un gros modèle 2026 sur M1 Max

Le MBP M1 Max 64 Go fait tourner les plus gros modèles 2026 en pleine qualité : un MoE 30-35B en Q8, ou plusieurs modèles chargés en parallèle. Voici la config optimale :

MoE Qwen 3.6 35B sur M1 Max 64 Go

# Augmenter la RAM GPU (fait une seule fois)
sudo sysctl iogpu.wired_limit_mb=57344

# Activer flash attention + KV cache quantifié
export OLLAMA_FLASH_ATTENTION=1
export OLLAMA_KV_CACHE_TYPE=q8_0
brew services restart ollama

# Lancer le modèle
ollama run qwen3.6:35b
# Comptez ~34 tokens/seconde (MoE, 3B actifs) — contexte étendu confortable

Autonomie batterie sur les gros modèles

Environ 1h30 d'autonomie en chat continu sur un MoE 35B (conso ~40 W). Pour des sessions longues, branchez — le MBP M1 Max bride fortement le GPU sur batterie basse.

#Upgrade vers M3 Max ou M4 Max ?

M3 Max 16-core (2023): +50 % de vitesse pure vs M1 Max. 128 Go RAM possible (vs 64 Go). Justifie l'upgrade si vous voulez pousser un MoE 30-35B au-delà de 50 tok/s.
M4 Max 16-core (2024): +90 % vs M1 Max, bande passante 546 Go/s. 128 Go RAM. Meilleur Mac laptop pour LLM en 2026.
Rester sur M1 Max 64 Go: Totalement viable : MoE 35B à ~34 tok/s, 27B dense à 18 tok/s. Pas de raison d'upgrader avant 2027 si la vitesse actuelle vous convient.

#Questions fréquentes

MBP M1 Pro 16 Go ou M1 Max 32 Go pour l'IA locale ?+

Le M1 Max 32 Go pour un gain réel : double bande passante (400 vs 200 Go/s) = double vitesse sur 13B+, et 20 Go utilisables en plus. En revanche, pour ne tourner que des modèles 8-9B, le M1 Pro 16 Go suffit largement.

Peut-on faire tourner un gros modèle sur MBP M1 Max 32 Go ?+

Oui : un MoE 30-35B en Q4 (~23 Go, comme Qwen 3.6 35B-A3B) tient sur 32 Go et tourne vite grâce à ses 3B de paramètres actifs. En revanche, un 30B en Q8 (~32 Go) ou un modèle dense ≥ 27B en Q8 saturent les 32 Go : passez alors sur 64 Go.

Le MBP M1 Pro est-il meilleur qu'un PC RTX 3060 pour les LLM ?+

Pour Qwen 3.5 9B Q4 : vitesse comparable (30-45 tok/s). Avantage Mac : 16 Go utilisables vs 12 Go VRAM, silence, pas de drivers. Avantage PC : écosystème CUDA, fine-tuning plus simple.

Les ventilateurs tournent fort en inférence LLM ?+

Audible sur un gros modèle en chat continu (RPM ~4000, équivalent à un MacBook Pro Intel 2019 en compilation). Calme sur 8-12B (RPM ~2500). Bien moins bruyant qu'un laptop PC gamer à la même charge GPU.

Faut-il l'écran 16" ou 14" pour les LLM ?+

Aucun impact sur les performances. Le 16" a une meilleure dissipation thermique (châssis plus grand) donc soutient la charge un peu plus longtemps. 14" si la portabilité prime, 16" si les sessions longues prévalent.

Ollama ou MLX sur MBP M1 Max ?+

Ollama reste la base pour 95 % des usages (simple, robuste, API OpenAI). MLX est intéressant pour fine-tuner un 8-9B en local ou pour des modèles MLX-native qui profitent du M1 Max. Les deux coexistent sans conflit.

Ce guide vous a aidé ?

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

Suite logique

Matériel · 12 min