Quel LLM sur MacBook Pro M2 Pro / Max (16–96 Go) ?

Le MacBook Pro M2 Pro / Max (2023) est en 2026 un excellent choix pour qui veut faire tourner des LLM en local sans compromis : ventilateurs actifs, mémoire unifiée jusqu'à 96 Go (record à l'époque), bande passante 200-400 Go/s. Un Llama 3.3 70B Q4 tourne à 10-12 tokens/seconde sur un M2 Max 96 Go, un Mistral Small 24B à 20 tok/s. Ce guide passe en revue chaque config.

Par Mohamed Meguedmi·Màj 2026-04-18·Testé sur macOS 14+

#MBP M2 Pro / Max en 2026

Sortie: Janvier 2023. Actuellement en fin de cycle, remplacé par M3/M4. Occasion attractive.
M2 Pro: 10 ou 12 cœurs CPU + 16 ou 19 cœurs GPU, 200 Go/s, RAM 16 ou 32 Go.
M2 Max: 12 cœurs CPU + 30 ou 38 cœurs GPU, 400 Go/s, RAM 32, 64 ou 96 Go.
Gain vs M1: +15 % de vitesse sur 7B, +25 % sur 70B grâce au GPU plus large et aux optimisations Metal 3.

#1. M2 Pro vs M2 Max

M2 Pro (200 Go/s): Identique à M1 Pro côté bande passante. Gain de 10-15 % vs M1 grâce à Metal 3 et GPU élargi.
M2 Max (400 Go/s): Double bande passante, indispensable pour 32B+. Option 96 Go ouvre des modèles quasi-inatteignables ailleurs.
96 Go M2 Max: Exclusivité M2 Max (pas dispo sur M1 Max). Permet Llama 70B Q5 confortable ou deux modèles 32B chargés simultanément.

#2. 16 à 96 Go : capacités

Modèles compatibles par config MBP M2

Modèle	Quant	RAM modèle	M2 Pro 16	M2 Pro 32	M2 Max 64	M2 Max 96
Mistral 7B	Q5_K_M	5 Go	✓ 40	✓ 45	✓ 60	✓ 60
Llama 3.1 8B	Q5_K_M	6 Go	✓ 34	✓ 38	✓ 52	✓ 52
Phi-4 14B	Q5_K_M	10,5 Go	—	✓ 19	✓ 28	✓ 28
Qwen 2.5 32B	Q4_K_M	19 Go	—	—	✓ 16	✓ 17
Mistral Small 24B	Q5_K_M	16 Go	—	✓ 12	✓ 20	✓ 20
Llama 3.3 70B	Q4_K_M	42 Go	—	—	✓ 10	✓ 12
Llama 3.3 70B	Q5_K_M	50 Go	—	—	—	✓ 10
DeepSeek 70B	Q4_K_M	42 Go	—	—	✓ 10	✓ 11

#3. Benchmarks

MBP M2 Max 38-core GPU, 96 Go, Ollama, secteur

Modèle	Q4_K_M	Q5_K_M	Contexte 8k
Mistral 7B	62 t/s	58 t/s	55 t/s
Phi-4 14B	30 t/s	28 t/s	26 t/s
Mistral Small 24B	22 t/s	20 t/s	18 t/s
Qwen 2.5 32B	17 t/s	15 t/s	14 t/s
Llama 3.3 70B	11 t/s	10 t/s	9 t/s

#4. Installation

Setup Ollama + optimisations

brew install --cask ollama

# Flash Attention + KV cache Q8 (gain pour gros modèles)
export OLLAMA_FLASH_ATTENTION=1
export OLLAMA_KV_CACHE_TYPE=q8_0

# Relever mémoire GPU si M2 Max 64+ Go
sudo sysctl iogpu.wired_limit_mb=57344   # M2 Max 64 Go
# sudo sysctl iogpu.wired_limit_mb=86016 # M2 Max 96 Go

brew services start ollama
ollama run llama3.3  # 70B sur 64-96 Go

#5. Modèles recommandés par usage

Chat généraliste: Mistral 7B Q5 (rapide, FR natif) ou Llama 3.1 8B Q5 (meilleur raisonnement).
Code: Qwen 2.5 Coder 14B Q5 sur 32 Go, DeepSeek Coder v2 16B Q5 sur 32 Go+, ou Qwen 32B Coder sur 64 Go+.
RAG documentaire: Phi-4 14B (contexte 16k) ou Mistral Small 24B (meilleur raisonnement mais plus lent).
Raisonnement / analyse: Sur 64 Go+, Llama 3.3 70B Q4 bat tout le reste en qualité pure. 32B sur 32 Go est un bon compromis.

#6. Optimisations avancées

Flash Attention: Activé via OLLAMA_FLASH_ATTENTION=1. Gain de 10-15 % sur contextes 8k+.
KV cache Q8: Via OLLAMA_KV_CACHE_TYPE=q8_0. Divise par 2 la RAM du cache, essentiel sur 70B contexte 16k+.
Spéculatif decoding: Disponible dans llama.cpp maison. Sur 70B + un 1B comme draft, gain 1,5× sur génération.
Allocation manuelle GPU: sysctl iogpu.wired_limit_mb. Sur 96 Go, montez à 86016 Mo (84 Go) pour charger 70B Q5 + contexte long.

#Upgrade vers M4 Max ?

Le M4 Max 16-core apporte 546 Go/s de bande passante (+36 % vs M2 Max), et jusqu'à 128 Go de RAM. Concrètement :

Gain vitesse 70B: De 11 tok/s (M2 Max) à ~17 tok/s (M4 Max 16-core). Significatif.
Capacité RAM: De 96 Go à 128 Go. Ouvre Llama 70B Q6 ou 123B Q4.
Prix upgrade: Revente M2 Max 96 Go ~2500 € / achat M4 Max 128 Go neuf ~4500 €. Coût net ~2000 €.
Verdict: Upgrade uniquement si vous travaillez quotidiennement sur du 70B+ et que la vitesse compte. Sinon, M2 Max 96 Go reste très bien en 2026.

#Questions fréquentes

MBP M2 Pro 16 Go est-il suffisant pour l'IA locale ?+

Oui, pour Mistral 7B, Llama 3.1 8B et Qwen 7B en Q5 à 35-40 tok/s. Pour un usage plus ambitieux (14B, 24B), visez 32 Go.

Différence entre M2 Max 30-core et 38-core GPU ?+

Environ 15-20 % de vitesse en plus pour le 38-core sur des 32B+. Négligeable sur 7B (limité par la bande passante commune). Si votre usage vise les gros modèles, optez pour le 38-core.

Peut-on faire tourner deux LLM en parallèle sur MBP M2 Max 64 Go ?+

Oui : par exemple Mistral 7B (5 Go) + Phi-4 14B (10 Go) + contexte = 20 Go. Reste 40 Go pour le système et les apps. Ollama gère très bien le multi-modèle.

Quel modèle pour du français sur MBP M2 Max 64 Go ?+

Mistral Small 24B Q5 (excellente maîtrise FR, 20 tok/s) ou Llama 3.3 70B Q4 (meilleure qualité mais 10 tok/s). Sur 32 Go, restez sur Mistral Small 24B.

Le MBP M2 Max chauffe-t-il plus que le M1 Max ?+

Légèrement — efficience énergétique moins bonne que M1. Mais les ventilateurs actifs absorbent la différence. Conso soutenue : ~50 W sur 70B vs ~45 W sur M1 Max.

Faut-il installer MLX à côté d'Ollama sur M2 Max ?+

Seulement si vous voulez fine-tuner un LoRA en local ou utiliser des modèles MLX-community non disponibles en GGUF. Pour 95 % des usages, Ollama seul suffit.

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