De combien de RAM ton ordinateur portable a-t-il besoin pour faire tourner l’IA en local ?

Sur votre propre ordinateur portable, un petit modèle d’IA peut déjà lire du texte, interpréter des images et répondre à vos questions sans avoir besoin d’un compte cloud. Ce soir, téléchargez qwen3.5:4b-q4_K_M (Qwen), un modèle de 3,4 Go qui peut faire exactement cela sur un ordinateur portable ordinaire doté de 16 Go de mémoire. C’est un LLM, ou grand modèle de langage. Télécharge-le via Ollama, pose-lui une question avec un contexte de 4K, et tu fais déjà tourner un vrai modèle d’IA en local sur ta machine actuelle. Il lit du texte et des images. Ici, on parle d’inférence, pas d’entraînement : on n’apprend rien de nouveau au modèle, qui se contente de répondre.

Un autocollant aussi vague que « AI PC » sur la boîte d’un ordinateur portable ne remplace pas une fiche technique. Ce qui compte, c’est la RAM, la mémoire exploitable par le GPU, le stockage et la compatibilité logicielle réelle. Avec 16 Go de mémoire, tu as déjà un vrai point d’entrée pour les petits modèles d’IA. Ce n’est ni une capacité à écarter d’office, ni la garantie de pouvoir faire tout ce qu’annonce une fiche technique. Plus de mémoire, c’est plus de contexte et davantage de marge pour le multitâche. Avec 16 Go, tu peux déjà commencer.

La taille de téléchargement d’un modèle et la mémoire qu’il occupe une fois lancé sont deux choses bien différentes. Les confondre, c’est de loin l’erreur la plus fréquente quand on cherche un ordinateur portable pour l’IA. Les 3,4 Go que tu télécharges pour qwen3.5:4b-q4_K_M correspondent au fichier stocké sur le disque. Pour le charger, il faut de la mémoire disponible. Il en faut aussi pour la fenêtre de contexte, autrement dit la conversation en cours que le modèle garde en tête pendant qu’il répond, ce qu’on appelle le cache KV. Et il en faut encore pour le moteur lui-même, sans compter ce que ton système d’exploitation et tes autres applis utilisent déjà.

Par défaut, Ollama charge un contexte de 4 096 tokens, et tu peux l’augmenter. Si tu exécutes plusieurs requêtes en parallèle, la mémoire nécessaire pour le contexte augmente à peu près au même rythme que le nombre de requêtes simultanées. La fiche technique d’un modèle peut annoncer une fenêtre de contexte de 128K ou 256K tokens : vois-y le plafond du modèle, pas la promesse que ton ordinateur portable de 16 Go pourra exploiter toute cette capacité d’un coup.

Les puces Apple Silicon utilisent une mémoire unifiée : le CPU et le GPU puisent dans la même réserve de 16, 24 ou 32 Go. Il n’y a donc pas de mémoire graphique séparée susceptible de manquer. Sur un ordinateur portable classique sous Windows ou Linux, doté d’un GPU NVIDIA dédié, c’est différent. La RAM système et la VRAM du GPU forment deux réserves distinctes, et 16 Go de RAM système avec un GPU de 8 Go ne constituent pas un seul bloc de 24 Go qu’un modèle peut utiliser librement.

Quand un modèle ne tient pas entièrement sur le GPU, une partie s’exécute sur le CPU. Cette répartition partielle peut rendre un modèle techniquement chargeable nettement plus lent à l’usage. Exécute la commande ollama ps : elle t’indiquera précisément la répartition CPU/GPU du modèle actuellement chargé.

La capacité ne fait pas tout. La vitesse de transfert des données compte tout autant : Apple annonce 153 Go/s de bande passante mémoire sur le MacBook Air M5. C’est aussi cette bande passante, et pas seulement la quantité de mémoire, qui explique pourquoi la mémoire unifiée reste fluide au quotidien plutôt que d’être simplement suffisante sur le papier.

La quantification, c’est ce qui se cache derrière ce téléchargement de 3,4 Go : en stockant les poids d’un modèle avec une précision numérique plus faible, on réduit la taille du fichier. Le modèle 9B de Qwen3.5 illustre très bien cet écart. Le même modèle 9B se télécharge en 6,6 Go en Q4_K_M, en 11 Go en Q8_0 et en 19 Go en pleine précision BF16. Même modèle, même nombre de paramètres, trois tailles de téléchargement très différentes. Et là encore, il s’agit de la taille du fichier, pas de la RAM nécessaire pendant l’exécution.

En général, une précision plus faible entraîne une petite perte de qualité, mais son ampleur dépend de la tâche, pas d’un pourcentage fixe. Autre détail concret à connaître avant de choisir Qwen comme premier modèle : certains utilisateurs signalent que son étape de « réflexion » retarde sensiblement l’affichage de la réponse par rapport à des modèles qui répondent plus directement. Mieux vaut tester les deux approches sur tes propres usages plutôt que de partir du principe que l’une est forcément meilleure.

Les GPU NVIDIA pour ordinateurs portables portent les mêmes noms que les cartes pour ordinateurs de bureau, et ce nom en dit moins qu’on ne le croit. Le RTX 5060 Laptop GPU dispose de 8 Go de mémoire GDDR7 et d’une plage de puissance annoncée de 45 à 100 watts. Le RTX 5070 Ti Laptop GPU dispose de 12 Go de GDDR7 et de 60 à 115 watts. Un résultat trouvé en ligne pour une RTX 5070 Ti de bureau n’équivaut pas à un résultat obtenu avec une RTX 5070 Ti pour ordinateur portable, quoi qu’en laisse penser le nom.

Un deuxième piège se cache dans ce même nom. Deux ordinateurs portables peuvent tous deux intégrer un « RTX 5070 Ti Laptop GPU » et pourtant offrir des performances différentes en charge prolongée : un châssis fin et léger ne gère pas la chaleur comme un modèle plus épais et plus lourd. Le même nom de GPU ne garantit donc pas la même vitesse réelle après une période prolongée sous charge. Vérifie toujours la quantité exacte de VRAM et la configuration de puissance propre à l’ordinateur portable, jamais le seul nom de la famille de GPU.

Le processeur Ryzen AI Max+ 395 d’AMD prend en charge jusqu’à 128 Go de mémoire système LPDDR5x, selon la configuration retenue sur l’ordinateur portable final. C’est une architecture mémoire différente qu’il vaut la peine de connaître, avec une vraie limite à garder en tête : la liste de compatibilité ROCm Linux d’Ollama mentionne cette puce, alors que la liste ROCm Windows ne la cite pas à l’heure actuelle.

Voilà une bonne raison de vérifier, sur un ordinateur portable précis, la quantité de mémoire installée, le système d’exploitation, le backend GPU, le pilote et le comportement d’Ollama avant de le recommander. Ce n’est pas une raison pour écarter d’emblée cette puce. Considère plutôt un ordinateur portable AMD à grande capacité mémoire comme une architecture alternative intéressante à étudier de près, et non comme le premier achat par défaut pour quelqu’un qui débute avec l’IA en local.

Ollama est la solution la plus simple pour échanger avec un modèle sur ta propre machine : tu télécharges un modèle, tu le lances, et tu obtiens un serveur local qui répond aux requêtes, sans avoir besoin d’un compte cloud si le modèle est déjà téléchargé. C’est l’outil utilisé dans tous les exemples ici.

LM Studio propose une alternative graphique avec son propre navigateur de modèles et sa fenêtre de chat. L’outil publie ses exigences minimales : au moins 16 Go de RAM sur Mac ou Windows, prise en charge d’AVX2 obligatoire sur Windows x64, et 4 Go de VRAM dédiée recommandés sur Windows. Bien configurer l’un ou l’autre est un sujet à part entière.

Un point de vigilance avant de te fier à un seul chiffre de vitesse vu en ligne : l’outil officiel llama-bench distingue la vitesse de traitement du prompt de la vitesse de génération et publie les variations observées sur plusieurs essais, plutôt qu’un seul nombre. Un message de forum qui cite un seul chiffre de tokens par seconde précise rarement lequel des deux a été mesuré, ni combien de fois le test a été lancé.

Avant d’acheter ou d’améliorer un ordinateur portable spécifiquement pour l’IA en local, vérifie les points concrets plutôt que le marketing.

Modèle exact du GPU et quantité de VRAM. Pas seulement le nom de la famille de GPU : vérifie la variante précise de l’ordinateur portable et sa quantité de mémoire, car un même nom peut cacher plusieurs capacités de VRAM.

RAM soudée ou évolutive. Certains ordinateurs portables permettent d’ajouter de la mémoire plus tard ; beaucoup de modèles fins et légers modernes ne le permettent pas. Mieux vaut le savoir avant d’acheter.

Espace SSD disponible. Les téléchargements de modèles vont de moins d’un gigaoctet à bien plus de dix gigaoctets, et une bibliothèque de modèles qui s’agrandit prend vite de la place aux côtés de tes autres fichiers.

Comportement thermique en charge prolongée. Un modèle qui répond à une seule question et un ordinateur portable qui enchaîne plusieurs requêtes à la suite ne passent pas le même test. Le bruit des ventilateurs et la baisse de fréquence après plusieurs prompts en disent plus qu’une simple démo rapide.

Prise en charge du système d’exploitation et des pilotes. Vérifie que la combinaison exacte de backend GPU et de système d’exploitation est bien prise en charge par Ollama ou LM Studio avant de partir du principe que ça fonctionnera.

Le chiffre TOPS du NPU affiché sur la boîte ne garantit aucun débit réel. C’est un argument marketing, pas un résultat mesuré avec le moteur que tu utiliseras. Un vague label « AI PC » ne remplace aucun des contrôles ci-dessus.

Ai-je besoin d’un GPU dédié pour faire tourner l’IA en local ?

Non. Un petit modèle peut tourner sur le CPU ou sur la partie graphique intégrée de nombreux ordinateurs portables dotés de 16 Go de mémoire, simplement avec plus de variations de vitesse que sur un ordinateur portable doté d’un GPU dédié. Commence par un modèle 2–4B avant de supposer que tu as absolument besoin d’une carte graphique dédiée.

Est-ce que 8 Go de RAM suffisent ?

Pas confortablement pour les modèles abordés ici. 16 Go constituent le vrai point de départ réaliste dès lors qu’il faut partager la mémoire entre le modèle, sa fenêtre de contexte, le moteur et le système d’exploitation.

Faire tourner un modèle en local, est-ce la même chose que l’entraîner ?

Non. Tout ce qui précède relève de l’inférence : on pose des questions à un modèle déjà entraîné. L’entraînement consiste à construire un modèle à partir de zéro et demande bien plus de matériel que n’importe quel ordinateur portable mentionné ici.

Plus de RAM garantit-il des réponses plus rapides ?

Non. Plus de mémoire offre davantage de marge pour des modèles plus gros, un contexte plus long et plus d’applis ouvertes, mais la vitesse réelle dépend de la bande passante mémoire, du backend GPU et du modèle précis, pas de la seule quantité de mémoire.

Mes données restent-elles privées lorsqu’un modèle tourne en local ?

Oui, dans le sens où tes prompts restent sur ta machine au lieu d’être envoyés à un fournisseur cloud. Par défaut, Ollama n’est accessible que sur ton propre ordinateur portable et n’envoie rien ailleurs, sauf si tu configures volontairement un accès cloud.