AI LUKE.
FR
Open source · Guide et explications

Quel modèle d’IA local convient à votre ordinateur portable ?

Commencez avec un modèle qui laisse votre ordinateur utilisable. Le plus gros modèle que vous pouvez charger n’est pas forcément le meilleur choix pour votre travail.

Luke Byrne
Luke ByrneAI Luke · Luke Byrne | AI & Tech
Vidéo publiée le 18 nov. 2026· 6 min de lecture

Vidéo en français

Voir sur YouTube ↗

Choisir un point de départ

Ces choix viennent du tableau matériel de la vidéo. Ce ne sont pas des mesures de vitesse pour chaque machine. La taille du téléchargement ne représente qu’une partie de la mémoire nécessaire en fonctionnement : le contexte, le logiciel et les autres applications ont aussi besoin de place. Q4 désigne une version quantifiée ; une autre quantification change les besoins en mémoire.

Votre matériel: Mac Intel · 8–16 Go de RAM · Premier choix: Qwen3 1.7B · Option plus grosse / marge supplémentaire: Qwen3 4B ; avec 16 Go, 8B est aussi un candidat · À vérifier: CPU uniquement dans Ollama. Tenir en mémoire ne garantit pas une vitesse utile.

Votre matériel: Mac série M · 8 Go · Premier choix: Qwen3 1.7B · Option plus grosse / marge supplémentaire: Qwen3 4B Q4 · À vérifier: Mémoire partagée avec macOS et les applications.

Votre matériel: Mac série M · 16 Go · Premier choix: Dolphin 3 8B Q4 · Option plus grosse / marge supplémentaire: Qwen3 14B Q4 · téléchargement de 9,3 Go · À vérifier: Commencer avec un contexte de 4K, fermer les applications lourdes et vérifier le modèle chargé.

Votre matériel: Mac série M · 24 Go · Premier choix: Qwen3 14B Q4 · Option plus grosse / marge supplémentaire: Plus de place pour le contexte et les applications · À vérifier: 24 Go et 32 Go sont deux paliers différents.

Votre matériel: Mac série M · 32–48 Go · Premier choix: Qwen3 14B Q4 · Option plus grosse / marge supplémentaire: Qwen3 32B Q4 · téléchargement de 20 Go · À vérifier: 48 Go donnent plus de marge au même modèle 32B.

Votre matériel: Windows · carte graphique intégrée · Premier choix: 8 Go de RAM : Qwen3 1.7B · Option plus grosse / marge supplémentaire: 4B ; avec 16 Go de RAM, essayer aussi 8B · À vérifier: La prise en charge du GPU varie. Vérifier si Ollama utilise le CPU.

Votre matériel: Windows · 4 Go de VRAM dédiée · Premier choix: Qwen3 1.7B · Option plus grosse / marge supplémentaire: Qwen3 4B Q4 s’il tient · À vérifier: Garder de la place pour le fonctionnement du logiciel et le contexte.

Votre matériel: Windows · 8 Go de VRAM dédiée · Premier choix: Dolphin 3 8B Q4 · Option plus grosse / marge supplémentaire: Garder le palier 8B comme premier choix · À vérifier: Un RTX 4060 Laptop GPU possède 8 Go. La RAM système est séparée.

Votre matériel: Windows · 12–16 Go de VRAM dédiée · Premier choix: 8B Q4 · Option plus grosse / marge supplémentaire: Qwen3 14B Q4 · À vérifier: 12 Go laissent moins de marge ; vérifier une exécution entièrement sur GPU avec un contexte de 4K.

Votre matériel: Windows · 24 Go de VRAM dédiée · Premier choix: Qwen3 14B Q4 · Option plus grosse / marge supplémentaire: Qwen3 32B Q4 · À vérifier: Vérifier le contexte et la répartition CPU/GPU avant d’allonger l’entrée.

Sur un Mac M4 avec 16 Go, un modèle 8B est le point de départ le plus simple au quotidien ; Qwen3 14B Q4 est un candidat plus gros à essayer. Comparez la réponse et le temps d’attente sur votre tâche, ainsi que la pression mémoire. Un plus grand nombre de paramètres ne garantit pas une meilleure réponse.

Installer et lancer Ollama

Téléchargez l’installateur Mac ou Windows sur Ollama (https://ollama.com/download), puis installez-le normalement. Ouvrez Terminal sur Mac ou PowerShell sous Windows.

Voici la commande montrée dans la vidéo :

ollama run dolphin3:8b

Le premier lancement télécharge le modèle. Les suivants réutilisent le téléchargement enregistré. Si le tableau vous oriente vers un autre modèle, utilisez son identifiant exact dans la bibliothèque Ollama ; ne supposez pas que tous les modèles suivent le même nommage.

Dans une deuxième fenêtre de terminal, examinez le modèle en cours d’exécution :

ollama ps

  1. Regardez la colonne PROCESSOR. Un modèle peut tourner sur le GPU, le CPU ou les deux. La capacité mémoire seule ne vous indique pas le temps d’attente. Comparez avec vos applications habituelles ouvertes, puis réduisez la charge si la pression mémoire est élevée.
  2. Pour une vérification reproductible avec un petit contexte, le point de départ du guide est 4 096 tokens. Confirmez le réglage réellement chargé au lieu de supposer que le téléchargement utilise celui que vous aviez prévu. Le contexte comprend les instructions, l’entrée et l’historique de conversation ; un livre entier ne tiendra pas simplement parce que le modèle possède plus de paramètres.

Essayer une petite tâche sans données personnelles

Ces exemples inventés sont des prompts à essayer, pas des résultats de benchmark rapportés dans cette vidéo.

Extraire les faits d’un court message

Lis ce message inventé. Renvoie la date, l’heure et le lieu du rendez-vous sur trois lignes avec leurs libellés. N’ajoute aucune information.

Bonjour Sam, notre rendez-vous est le 18 novembre à 14:30 au 22 Example Street. Si tu arrives en avance, attends à l’accueil.

Faits attendus : 18 novembre ; 14:30 ; 22 Example Street. L’année n’est pas indiquée.

Comparer les informations que vous fournissez

J’ai besoin d’un ordinateur portable pour écrire et faire occasionnellement du montage vidéo. Mon budget est de £900. Compare ces options fictives en utilisant uniquement les informations fournies. Explique le compromis et précise ce qu’il te manque.

A : £800, 16 Go de RAM, 512 Go de stockage, carte graphique intégrée, 1,3 kg. B : £900, 16 Go de RAM système, 512 Go de stockage, GPU dédié avec 8 Go de VRAM, 2,2 kg.

Une réponse utile devrait conserver la distinction entre RAM système et VRAM, et demander les informations manquantes, comme l’autonomie et le processeur. Elle ne devrait pas inventer des résultats de benchmark.

Expliquer un petit bug

Cette fonction doit renvoyer le premier élément, mais elle échoue avec une liste vide. Explique pourquoi et propose une version qui renvoie None pour une liste vide. Ne modifie aucun fichier.

def first_item(items): return items[0]

Un modèle textuel peut proposer une modification. Lire votre projet, modifier des fichiers et lancer des tests demandent une application ou un agent disposant de ces outils et autorisations ; le nombre de paramètres seul ne prouve pas la fiabilité de leur utilisation.

Consigner le résultat

  1. Pour chaque modèle, notez l’identifiant exact, le contexte configuré, la répartition CPU/GPU, si vos applications habituelles restaient utilisables, le temps réellement attendu et si la réponse était correcte. Gardez la même entrée lorsque vous comparez deux modèles. Commencez une nouvelle conversation à chaque essai.

Sources

Télécharger Ollama (https://ollama.com/download)

FAQ Ollama (https://docs.ollama.com/faq)

Ce guide repose sur le tableau matériel du projet et la narration enregistrée. Les recommandations sont des points de départ à vérifier sur votre propre ordinateur, pas une série de benchmarks de chaque configuration.

À retenir

Commencez avec un modèle qui laisse votre ordinateur utilisable, vérifiez sa mémoire réelle et sa répartition CPU/GPU, puis comparez les réponses sur la même petite tâche. Le tableau propose des candidats de départ, pas des limites universelles.

À propos de cet article et de ses sources

Ce guide repose sur le tableau matériel du projet et la narration enregistrée. Les recommandations sont des points de départ à vérifier sur votre propre ordinateur, pas une série de benchmarks de chaque configuration.

Vidéo YouTube d’origine ↗