Outils LLM locaux sur macOS en 2026 : Ollama ou LM Studio
Traduction automatique
Cet article a été traduit automatiquement depuis la version originale en anglais.
Les outils LLM locaux sur macOS répondent à quatre besoins différents : exécuter une API, explorer des modèles, contrôler les paramètres d’inférence et expérimenter directement sur Apple Silicon. Ollama et LM Studio exposent désormais tous deux des API locales : le choix ne se résume donc plus à « API ou interface graphique ». Comparez le niveau de contrôle nécessaire sur le cycle de vie, le modèle et le runtime pour chaque workflow.
Une configuration pratique utilise Ollama pour un petit service géré, ou LM Studio lorsque l’exploration de modèles, les SDKs, les structured outputs et un daemon headless doivent être réunis dans un même produit. Choisissez llama.cpp si vous avez besoin d’un contrôle direct de l’exécution GGUF. Choisissez MLX-LM pour les expérimentations Python natives sur Apple Silicon et le fine-tuning.
Dernière vérification : 2026-09-08. Critères de sélection : interface, format des artefacts, contrôle du runtime, automatisation, marge mémoire et exposition réseau.
Tableau de recommandation
| Outil | Excelle dans | À utiliser quand | Principal compromis |
|---|---|---|---|
| Ollama | Service local géré et cycle de vie des modèles | Vous voulez rapidement un endpoint scriptable | Moins de contrôle bas niveau que llama.cpp. |
| LM Studio | Découverte de modèles, SDKs, daemon et workflows de serveur local | Vous voulez un environnement de développement desktop et headless unique | Son abstraction masque encore certains détails du runtime. |
| llama.cpp | Inférence GGUF, quantification, options du serveur, contrôle de Metal | Vous devez contrôler le contexte, le batch, la quantification et le comportement du runtime | Davantage de configuration et d’options. |
| MLX-LM | Génération et fine-tuning natifs d’Apple Silicon | Vous voulez expérimenter au niveau Python sur des Mac équipés de puces M | Écosystème de serving plus restreint qu’avec Ollama ou llama.cpp. |
Lequel installer en premier ?
Commencez par Ollama si vous voulez gérer un modèle via un service local que votre application peut appeler. Testez l’API avec les prompts et les formats de réponse dont votre application a besoin.
Installez d’abord LM Studio si vous choisissez un modèle ou si vous voulez utiliser ses SDKs Python et TypeScript, ses API locales, ses structured outputs, son tool use et son daemon headless. Vous pouvez passer de la comparaison interactive à un service scripté sans changer de produit.
Installez d’abord llama.cpp si les mécanismes de l’inférence vous importent. La longueur du contexte, la quantification, les options Metal, le traitement du prompt, les tailles de batch et le comportement du serveur sont plus faciles à examiner lorsqu’on est plus proche du runtime.
Utilisez MLX-LM lorsque vous faites davantage que servir un modèle de chat. Il convient aux expérimentations de modèles natives sur Apple Silicon, à la conversion, au fine-tuning et aux workflows Python dans lesquels la mémoire unifiée fait partie de la conception.
Matrice des workflows
| Workflow | Choix par défaut | Pourquoi |
|---|---|---|
| API locale pour une application | Ollama | Ergonomie développeur stable et large prise en charge des intégrations. |
| Comparaison manuelle de modèles | LM Studio | L’interface graphique accélère la comparaison des prompts et des modèles. |
| Débogage des performances | llama.cpp | Vous pouvez observer et contrôler les paramètres du runtime. |
| Serving de modèles GGUF quantifiés | llama.cpp ou Ollama | Utilisez llama.cpp pour le contrôle, Ollama pour la simplicité. |
| Expérimentations de modèles sur Apple Silicon | MLX-LM | Outils de modèles natifs pour les Mac équipés de puces M. |
| Démonstration à un interlocuteur non technique | LM Studio | Facile à présenter et à ajuster de manière interactive. |
| Configuration d’ingénierie reproductible | CLI/API de l’un ou l’autre outil avec des modèles épinglés | Consignez le modèle, le runtime et les paramètres de génération afin qu’un script puisse reproduire l’exécution. |
Remarques sur le matériel
La mémoire unifiée est la véritable contrainte sur Apple Silicon. Un modèle qui tient sur un MacBook Pro de 64 Go peut être inutilisable sur un MacBook Air de 8 Go. La quantification aide, mais la longueur du contexte peut rapidement devenir le principal facteur de consommation mémoire. Évaluez la forme réelle du prompt plutôt que le seul nom du modèle.
Pour les petits outils locaux, un modèle de classe 7B ou 8B est souvent plus utile qu’un modèle plus grand surchargé. Pour le code, un long contexte et l’intégration d’outils peuvent compter davantage que le rang dans les benchmarks bruts. Pour la QA documentaire, vérifiez que la récupération fournit les éléments nécessaires avant de changer de modèle.
Garder l’inférence en local
Choisissez explicitement un modèle et un backend locaux. Une API localhost peut tout de même transmettre une requête à un modèle cloud ou à une intégration externe. La FAQ d’Ollama documente le mode local uniquement (OLLAMA_NO_CLOUD=1) ainsi que sa liaison loopback par défaut. Limitez l’accessibilité du serveur à votre machine, sauf si vous sécurisez délibérément l’accès pour d’autres clients.
LM Studio peut exécuter hors ligne les modèles téléchargés ; la découverte et le téléchargement de modèles nécessitent un accès réseau. Vérifiez les fonctionnalités cloud, les plugins, la télémétrie et l’application appelante, en plus du serveur de modèles. Télécharger un modèle et envoyer un prompt privé sont deux opérations réseau différentes.
À éviter
Ne transformez pas la configuration d’un LLM local en projet de benchmark permanent, sauf si la performance constitue le produit. Commencez avec Ollama ou LM Studio. Vérifiez que l’inférence locale vous est utile. Passez ensuite à llama.cpp ou MLX lorsque vous avez une raison concrète de le faire.
Ne comparez pas les modèles uniquement dans une interface de chat si la charge réelle concerne l’extraction structurée, l’édition de code ou la synthèse de réponses RAG. Écrivez un petit script d’évaluation avec des prompts représentatifs.
Pour aller plus loin
- LLMs locaux sur macOS présente la configuration pratique.
- Variantes de LLMs open-weight explique GGUF, GPTQ, AWQ, les modèles de base et les modèles instruct.
- Configuration d’un MacBook pour l’ingénierie AI couvre la configuration plus générale d’un poste de travail.