Une discussion discrète a cours dans la communauté des LLM locaux, et la presse spécialisée mini PC l’a largement manquée : en 2026, la machine sérieuse la moins chère pour faire tourner des modèles de classe 70B sur son bureau n’est ni un boîtier Strix Halo de GMKtec, ni un petit mini PC équipé d’une RTX 4070, ni un Mac Studio d’occasion. C’est l’Apple Mac Mini avec puce M4 Pro et 64 Go de mémoire unifiée, configuré pour environ $2,000. Pour la tâche précise qui consiste à faire tourner localement un Llama ou un Qwen 70B quantifié, avec des logiciels matures, sur une machine qui consomme moins qu’une lampe de bureau, rien d’autre dans cette gamme de prix ne s’en approche.

C’est une affirmation forte, qui appelle les précautions d’usage. Voici donc la version sobre et documentée.

Apple Mac Mini M4 Pro : ce que contient réellement la machine

L’option M4 Pro du Mac mini est livrée avec un CPU de 12 ou 14 cœurs, un GPU de 16 ou 20 cœurs et un Neural Engine de 16 cœurs. D’après la fiche technique d’Apple, corroborée par la page Wikipédia consacrée au M4, la puce M4 Pro offre 273 Go/s de bande passante mémoire unifiée et accepte jusqu’à 64 Go de mémoire unifiée : le CPU, le GPU et le Neural Engine puisent tous dans le même pool, sans aller-retour par le PCIe.

L’annonce de lancement d’octobre 2024 fixe le prix du Mac mini M4 Pro d’entrée de gamme à $1,399 (CPU 12 cœurs, 24 Go de mémoire unifiée). Le passage à 64 Go (ce qui compte pour les LLM locaux) porte la configuration à environ $2,000 selon le stockage. Pas de RAM tierce ici : la mémoire est intégrée au boîtier de la puce, et soit vous la choisissez à la commande, soit vous faites avec.

Pour un boîtier de 5 pouces de côté, quasi silencieux au repos et qui consomme moins de 100 W en charge, ce chiffre de bande passante est l’argument principal. La plateforme Strix Halo qui équipe des machines comme le GMKtec EVO-X2 plafonne autour de 256 Go/s, mais va plus loin en capacité mémoire (jusqu’à 128 Go). Une RTX 4090 dédiée, à l’inverse, avoisine 1 To/s. La bande passante mémoire est le chiffre le plus important pour le débit de génération de tokens d’un modèle transformer, car l’inférence est limitée par la bande passante et non par la puissance de calcul, un fait que la communauté llama.cpp documente depuis l’ère M1 dans son fil de benchmarks consacré à la série M. Le M4 Pro occupe un drôle d’entre-deux : plus rapide que tous les mini PC « AI PC », bien plus lent que n’importe quel GPU dédié moderne, mais avec bien plus de mémoire exploitable qu’un mini PC à RTX 4090 au même prix.

À quoi ressemble la pile logicielle en 2026

Pendant longtemps, les LLM locaux sur Apple Silicon se résumaient à « le backend Metal de llama.cpp, et on croise les doigts ». Ce n’est plus le cas. Le framework MLX d’Apple (une bibliothèque de tableaux de type NumPy optimisée pour la mémoire unifiée) prend désormais en charge de façon stable l’inférence des grandes familles de modèles à poids ouverts (Llama, Qwen, Mistral, Gemma) et sert de base aux travaux de recherche publiés par Apple sur l’exécution efficace des LLM sur les GPU de la série M. Des outils comme LM Studio, Ollama et llama.cpp intègrent des backends Metal qui fonctionnent d’emblée. Pas de jonglage avec les pilotes, pas de version de ROCm à figer, pas de chaîne d’outils XDNA à assembler.

Cette maturité est la partie de la comparaison qui n’apparaît pas sur les fiches techniques. C’est aussi celle qui a basculé en faveur d’Apple au cours des 18 derniers mois.

Ce que 64 Go font réellement tourner, chiffres sourcés à l’appui

Le tableau honnête des tok/s pour un M4 Pro 64 Go ressemble à peu près à ceci, d’après des retours indépendants :

  • Llama 3.3 70B en 4 bits (MLX, ~40 Go résidents) : le développeur Bharani Manoharan, sur un Mac mini M4 Pro à GPU 20 cœurs avec 64 Go, a mesuré ~5 tok/s et jugé le résultat « admirable pour une machine qui tient dans la paume de ma main ». Simon Willison, qui décrit une configuration comparable de Llama 3.3 70B en 4 bits sur un MacBook Pro M2 Max 64 Go, a relevé des débits similaires, à un chiffre, et qualifié l’expérience de « classe GPT-4, sur mon portable » : exploitable pour des traitements par lots, limite pour une conversation en direct.
  • Modèles plus petits, de classe 30B : les benchmarks communautaires compilés dans le fil llama.cpp consacré à Apple Silicon et d’autres tests de la communauté situent les modèles de 14B à 32B entre 11 et 25 tok/s sur M4 Pro, ce qui reste confortablement interactif.
  • Modèles de 7B à 8B : bien au-delà de 50 tok/s, souvent à trois chiffres, plus vite qu’un humain ne peut lire.

Un modèle 70B en 4 bits tient dans 64 Go, mais tout juste. Un modèle 70B quantifié en Q5 ou Q6, lui, ne tient pas, point final. C’est le plafond de cette machine, et il vaut mieux le dire clairement : 64 Go de mémoire unifiée, c’est le strict minimum pour la classe 70B, pas un logement confortable.

La comparaison honnête

Face à un boîtier GMKtec EVO-X2 / Strix Halo, le Mac mini M4 Pro cède du terrain sur le plafond mémoire (64 Go contre jusqu’à 128 Go), mais l’emporte nettement sur la maturité logicielle début 2026. ROCm et la pile NPU XDNA de Strix Halo progressent, sans encore entrer dans la catégorie « on installe et ça marche » où se trouvent déjà MLX, Metal et Ollama sur Apple Silicon. Si votre besoin est « je veux faire tourner un 70B quantifié dès ce soir », le M4 Pro est le pari le plus sûr. S’il est « je veux de la marge pour faire tourner un modèle de classe 100B dans deux ans », le pool mémoire plus grand de Strix Halo l’emporte.

Face à un mini PC doté d’une RTX 4070 / 4070 Ti dédiée, le verdict s’inverse selon la taille du modèle. La machine à GPU dédié gagne en vitesse par token sur les petits et moyens modèles, et écrase le Mac en génération d’images comme sur tout code de recherche exclusivement CUDA. Le Mac gagne sur tous les modèles qui ne tiennent pas dans 12–16 Go de VRAM, c’est-à-dire la plupart de ceux qui valent la peine d’être exécutés localement en 2026.

Face à un Mac Studio M2 Ultra plus ancien, le Mac mini M4 Pro coûte environ quatre fois moins cher pour une bande passante mémoire comparable, mais plafonne à 64 Go au lieu de 192 Go. Pour la classe 70B, son rapport qualité-prix est nettement supérieur. Pour les modèles MoE de plus de 100B, le Studio reste la seule machine Apple capable de les accueillir.

L’article d’AppleInsider sur les clusters de Mac mini M4 mérite aussi d’être lu avant d’idéaliser l’idée d’un cluster Thunderbolt : relier deux Mac mini M4 est un projet amusant, mais bat rarement une seule machine mieux dotée en inférence, car la bande passante entre nœuds devient le goulot d’étranglement que le pool unifié était censé éliminer.

Les limites, sans détour

Trois points négatifs, en toute honnêteté.

D’abord, CUDA n’est pas facultatif pour une part non négligeable de l’écosystème IA. vLLM, TensorRT-LLM, une bonne partie du code de recherche de niche sur GitHub et de nombreux pipelines de génération d’images et de vidéos supposent une carte NVIDIA. Rien de tout cela ne tourne sur Mac. Si votre travail dépend d’un projet précis exclusivement CUDA, cette machine n’est pas la bonne réponse, quelle que soit la qualité de sa bande passante.

Ensuite, la tarification des extensions mémoire est notoirement punitive. Passer des 24 Go de base à 64 Go coûte environ $800, pour une quantité de RAM qui, dans un PC classique, coûterait une fraction de ce prix. Vous payez la taxe Apple pour le privilège de la mémoire unifiée, et aucune solution n’existe après l’achat.

Enfin, 64 Go, c’est exactement la limite à laquelle les modèles de classe 70B tiennent tout juste. Dès que vous voulez un contexte plus long, une quantification plus élevée ou un modèle MoE de classe 100B et plus, vous manquez de place et vous voilà à la recherche d’un Mac Studio ou d’un boîtier Strix Halo de 96–128 Go.

Ce qu’il faut retenir

Le Mac Mini M4 Pro 64 Go n’est pas la machine la plus rapide que l’on puisse acheter pour les LLM locaux. Il en est même loin. Ce qu’il est, au printemps 2026, c’est la machine la moins chère capable d’héberger un modèle de classe 70B sur votre bureau avec des logiciels qui fonctionnent dès le branchement, le tout dans un encombrement qui se loge à côté d’un écran, sans ventilateur audible. Pour ceux dont le besoin réel est « faire tourner des modèles à poids ouverts en local, tous les jours, sans dépendance exclusive à CUDA », rien d’autre sous $2,000 ne joue dans la même catégorie. La taxe sur les extensions et l’absence de CUDA sont des coûts réels, que tout acheteur doit comprendre avant de payer. Mais, tout bien pesé, c’est le compromis le plus favorable qu’Apple Silicon ait jamais proposé aux adeptes de l’IA locale.