Accueil›Guides›IA locale en français : ce qui change, ce que ça coûte et ce que vous perdez

Choisir · Guide

IA locale en français : ce qui change, ce que ça coûte et ce que vous perdez

Sur les tickets de support, le français est la langue la plus chère des quatre : 1,40x l’anglais en médiane, devant l’allemand. Mesuré sur 28 modèles, avec ce que ça change à l’écran.

Mesuré et rédigé par Local AI ScopePublié le Chiffres mesurés par Local AI Scope

Commençons par la bonne nouvelle : presque n’importe quel ordinateur récent peut faire tourner une IA en local, et la voir répondre pour la première fois sur votre propre bureau a quelque chose de magique. L’autre moitié : ce qu’il ne peut pas faire tourner, c’est celle que vous utilisez aujourd’hui. Sur une carte de 8 Go, 7 des 28 modèles que nous mesurons tiennent à côté d’un document de huit pages, et le plus gros pèse 5,29 Gio ; le plus gros qui tienne sur une machine de la liste pèse 433,83 Gio. Tout le reste de cette page découle de cet écart.

Ce n’est donc pas une raison d’y renoncer. C’est la raison de savoir ce que vous échangez avant d’y passer une soirée.

Ce qui change vraiment quand le modèle tourne sur votre machine

Quatre choses changent, et seulement quatre.

Rien de ce que vous tapez ne quitte la machine. Ni le document, ni la question, ni le brouillon que vous n’avez finalement pas envoyé. Pas de contrat de sous-traitance à signer, pas de clause de transfert hors UE à relire, pas de case « n’entraînez pas sur mes données » à croire sur parole. Pour tout ce qui relève du RGPD, cela ne réduit pas la démarche : cela la supprime.

Le coût cesse d’être à l’usage. Vous payez une fois la machine et l’électricité. Pas de taximètre qui tourne pendant que vous collez un contrat long et redemandez le résumé cinq fois.

Ça marche câble débranché. Une fois le fichier sur le disque, un avion, un site sans réseau ou une infrastructure fermée cessent d’être un obstacle.

Et c’est plus petit et plus lent que ce à quoi vous êtes habitué. C’est justement la partie qui n’apparaît jamais à côté du prix, alors le reste de cette page s’attache à lui mettre des chiffres.

Comment nous comptons, avant tout chiffre

Tous les chiffres de cette page utilisent une compression par modèle : Q4_K_M lorsque l’auteur la publie, le voisin le plus proche sinon. Q4_K_M est notre plancher de qualité, parce qu’en dessous la perte s’entend dans les réponses.

Combien plus petit, exactement

Un modèle local est un fichier, et ce fichier doit tenir dans ce qui reste de mémoire une fois que le système a pris sa part, en même temps que la mémoire occupée par la conversation et la marge de travail du programme. Nous réservons 0,8 Gio sur les cartes graphiques dédiées et 3 Gio en mémoire unifiée ou système. Sur les PC avec Ryzen AI Max+, c’est une autre limite qui compte : AMD ne laisse au processeur graphique que 96 Gio sur 128 Go et 160 Gio sur 192 Go.

PC avec Ryzen AI Max+ 395 et 128 Go unifiésPC avec Ryzen AI Max+ 395 et 128 Go unifiésFiche matériel PC avec Ryzen AI Max+ PRO 495 et 192 Go unifiésPC avec Ryzen AI Max+ PRO 495 et 192 Go unifiésFiche matériel

Avec un document de 4 000 mots en français :

Machine Mémoire pour le modèle Modèles qui tiennent Le plus gros Poids Distance à glm-5.2
PC avec RTX 4060 8 Go 7,20 Gio 7 sur 28 qwen3.5-9b 5,29 Gio ×82
PC avec RTX 3060 12 Go 11,20 Gio 9 sur 28 phi-4 8,43 Gio ×51
PC avec RTX 4070 12 Go 11,20 Gio 9 sur 28 phi-4 8,43 Gio ×51
Mac avec M4 et 16 Go unifiés 13,00 Gio 10 sur 28 gpt-oss-20b 10,83 Gio ×40
Portable de bureau, 16 Go, sans carte 13,00 Gio 10 sur 28 gpt-oss-20b 10,83 Gio ×40
Mac mini avec M6 et 16 Go 13,00 Gio 10 sur 28 gpt-oss-20b 10,83 Gio ×40
Mac avec M4 Pro et 24 Go 21,00 Gio 17 sur 28 qwen3-coder-30b 17,28 Gio ×25
Station avec RTX 4090 24 Go 23,20 Gio 18 sur 28 qwen3.6-35b-a3b 20,61 Gio ×21
Mini-PC avec NPU et 32 Go 29,00 Gio 20 sur 28 nemotron-3.5-lightning-30b 23,73 Gio ×18
Mac mini avec M6 et 32 Go 29,00 Gio 20 sur 28 nemotron-3.5-lightning-30b 23,73 Gio ×18
Serveur 2× RTX 3090 (48 Go) 47,20 Gio 20 sur 28 nemotron-3.5-lightning-30b 23,73 Gio ×18
Mac avec M4 Max et 64 Go 61,00 Gio 21 sur 28 gpt-oss-120b 58,46 Gio ×7
Mac mini avec M5 Pro et 64 Go 61,00 Gio 21 sur 28 gpt-oss-120b 58,46 Gio ×7
Xiaomi AI Cube, 80 Go (prototype) 77,00 Gio 23 sur 28 nemotron-3.5-super-120b 65,29 Gio ×7
PC avec Ryzen AI Max+ 395 et 128 Go 96,00 Gio 24 sur 28 qwen3.8-flash-next 87,25 Gio ×5
Mac Studio avec M5 Max et 128 Go 125,00 Gio 24 sur 28 qwen3.8-flash-next 87,25 Gio ×5
PC avec Ryzen AI Max+ PRO 495 et 192 Go 160,00 Gio 25 sur 28 deepseek-v4-flash 127,28 Gio ×3
Mac Studio avec M5 Ultra et 512 Go 509,00 Gio 27 sur 28 glm-5.2 433,83 Gio ×1

Calculé par Local AI Scope à partir des tailles de fichier publiées et du schéma d’attention réel de chaque modèle, toutes les lignes à la même compression de référence pour que les tailles soient comparables. Les tailles proviennent des versions publiées par les auteurs : glm-5.2, phi-4, gpt-oss-20b. glm-5.2 pèse 433,83 Gio en Q4_K_M ; la version la moins compressée que nous cataloguons (Q8_0) pèse 746,32 Gio.

L’échelle ne rattrape l’écart qu’au sommet : un Mac de 64 Go, qui n’a pourtant rien d’une machine bon marché, reste 7 fois en dessous, 128 Go ne le ramènent qu’à 5, 192 Go qu’à 3, et la seule machine de la liste qui atteint 27 sur 28 est le Mac Studio avec M5 Ultra et 512 Go. mistral-large-4 (591,21 Gio) ne tient sur aucune.

Mac Studio avec M5 Ultra et 512 Go unifiésMac Studio avec M5 Ultra et 512 Go unifiésFiche matériel
Mac Studio avec Xcode à l’écran
Mac Studio avec Xcode à l’écran Photo : Apple

Combien plus lent

La vitesse, ce sont deux nombres qui ne se comportent pas pareil, et les confondre est ce qui provoque la déception.

Écrire la réponse est limité par la bande passante mémoire. Lire votre document avant de sortir le premier mot est limité par le calcul brut. Dans une conversation courte, le second nombre passe inaperçu ; dans un document long, il n’y a plus que lui.

Même document de 4 000 mots en français, meilleur modèle pour les documents qui tient sur chaque machine :

Machine Modèle Écrit à Attente avant le premier mot
Portable de bureau, 16 Go, sans carte phi-4 ~3,2 tokens/s ~13 min 22 s
Mac avec M4 et 16 Go unifiés phi-4 ~7,3 tokens/s ~2 min 29 s
PC avec RTX 3060 12 Go phi-4 ~26 tokens/s ~43 s
PC avec RTX 4060 8 Go qwen3.5-9b ~31 tokens/s ~19 s
Station avec RTX 4090 24 Go qwen3.6-35b-a3b ~213 tokens/s ~2 s

Estimé par Local AI Scope, pas mesuré : la formule part de la bande passante et de la puissance déclarées par le fabricant, avec des rendements prudents. Elle est publiée pour être vérifiable, et elle ne décide jamais si un modèle tient.

Les mêmes machines avec un message normal d’environ 1 000 mots : la RTX 4060 attend environ 5 secondes et écrit à ~31 tokens/s ; le portable sans carte graphique attend environ 19 secondes et écrit à ~17 tokens/s.

PC avec RTX 4060 8 GoFiche matériel

Le français coûte-t-il plus cher que l’anglais ?

Oui, et sur un type de texte il est même la langue la plus chère des quatre — franchement, ce n’est pas le résultat que nous attendions.

Le contexte se réserve en tokens, et le même texte ne fait pas le même nombre de tokens selon la langue. Mesuré avec le tokenizer propre de chaque modèle sur un corpus parallèle qui nous appartient (sha256[:16] 2f6c96b6ea0b161f), voici le surcoût médian sur les 28 modèles, par type de document :

Type de texte Espagnol Français Allemand
Contrat, document juridique ×1,16 ×1,23 ×1,36
Courriel, note interne ×1,13 ×1,22 ×1,23
Ticket de support ×1,24 ×1,40 ×1,32
Code commenté ×1,20 ×1,31 ×1,46

Médianes mesurées par Local AI Scope sur 28 modèles, corpus parallèle propre. Le facteur va de ×1,31 à ×1,63 selon le modèle sur les tickets de support en français.

Sur les contrats et le code, l’allemand est plus cher. Sur les tickets de support, c’est le français.

Concrètement, ce surcoût finit par coûter un modèle. En mesurant par pas de 100 mots, sur une RTX 4060 8 Go un document français cesse de tenir là où l’anglais tenait à partir de 4 200 mots ; sur une RTX 4090, à partir de 8 400 ; sur les machines de 12 Go, dès 4 200, comme sur la 4060 ; sur celles de 16 Go, à partir de 8 400. La faute au palier : le programme réserve le contexte en puissances de deux, donc l’écart est absorbé jusqu’à ce qu’il franchisse un seuil, et là il saute d’un coup. Un peu comme la valise à l’enregistrement : tout va bien jusqu’à ce que la balance dépasse la limite. Les cartes de 8 et 12 Go le franchissent les premières, au même endroit, parce que leur marge est la plus étroite. À partir de 16 Go, le seuil est le même sur toutes les machines, y compris celle de 512 Go : le modèle qui tombe, c’est phi-4, parce qu’à 8 400 mots en français le document demande déjà plus que les 16k de contexte qu’il accepte. Là, ce n’est pas la mémoire qui manque, c’est son contexte qui s’arrête.

Une IA locale suffit-elle pour le travail de tous les jours ?

Ici, mieux vaut couper la question en deux, car chaque moitié a sa propre réponse.

Les travaux courts, d’une ou deux pages — rédiger, réécrire, résumer, poser des questions sur un document, travailler hors connexion : c’est exactement la forme de tâche pour laquelle un modèle tenant sur une machine ordinaire est fait, et la confidentialité et le coût fixe sont de vrais gains.

Raisonner sur un dossier entier, du code à l’échelle d’un projet, ou tout ce pour quoi vous comptiez sur un grand modèle : sauf sur un Mac Studio de 512 Go, le fichier posé sur votre disque est 3 à 82 fois plus petit que le plus gros qui tienne sur une machine de la liste, selon votre machine, et aucun réglage ne comble cet écart.

Puces Apple M5 Max et M5 Ultra
Puces Apple M5 Max et M5 Ultra Image : Apple

Ce que nous ne mesurons pas

Ce que cette différence de taille coûte en qualité de réponse, nous ne l’avons pas mesuré, et nous n’avancerons pas de chiffre.

Nous ne mesurons pas non plus la qualité de la réponse en français : cela demande d’exécuter les modèles et d’évaluer ce qu’ils répondent, il faut un GPU que nous n’avons pas, et appeler « mesure » une formule est précisément l’erreur que ce site existe pour ne pas commettre. Ce que nous mesurons, c’est le coût de la langue en tokens et ce qu’il oblige à réserver.

Si quelqu’un affirme que son modèle local « répond en français aussi bien que GPT » sans publier comment il l’a mesuré, il devine.

Si vous devez acheter, achetez de la mémoire

Deux règles tiennent dans tous les scénarios que nous avons calculés.

  • La mémoire décide de ce qui tient ; la bande passante décide de la vitesse. Une RTX 4070 12 Go et une RTX 3060 12 Go font tenir exactement les mêmes modèles. La 4070 les exécute plus vite et n’en ajoute aucun.
  • La spécification, c’est la taille du fichier, pas le nombre de paramètres. gemma4-12b pèse 6,63 Gio et qwen3-coder-30b 17,28 Gio : le second n’entre sur aucune machine de 12 Go, quoi que son nom promette.
PC avec RTX 4070 12 GoFiche matériel
PC avec une NVIDIA GeForce RTX 3060
PC avec une NVIDIA GeForce RTX 3060 Photo : NVIDIA

Les fiches matériel donnent les deux listes de chaque machine, ce qui tient et ce qui ne tient pas, comptées comme sur cette page. Et si c’est l’angle achat qui vous intéresse, c’est par ici : quelle carte graphique pour une IA en local. Ce classement est calculé avant de regarder ce qui est en vente, comme le dit notre politique éditoriale : ici, aucune machine ne monte d’un rang simplement parce qu’elle est plus facile à acheter.

Trois questions, et l’outil répond

Le trouveur de modèle a besoin de trois réponses et fonctionne entièrement dans votre navigateur : ce que vous y saisissez ne nous parvient pas.

  1. Quelle machine avez-vous ? Mémoire et type, pas marque. Partez de la vôtre : RTX 4060 8 Go · RTX 3060 12 Go · Mac M4 16 Go · portable sans carte graphique · RTX 4090 24 Go.
  2. Que lui donnez-vous, de quelle longueur, et dans quelle langue ? Un courriel de 600 mots et un contrat de 12 000 ne sont pas le problème de la même machine, et la langue déplace la réponse.
  3. Qu’y a-t-il dans ces données ? Rien de sensible, interne à l’entreprise, données personnelles, ou ne doit pas sortir. Seule la dernière réponse transforme le verdict en exigence plutôt qu’en préférence.
Mac avec M4 et 16 Go unifiésMac avec M4 et 16 Go unifiésFiche matériel Station de travail avec RTX 4090 24 GoStation de travail avec RTX 4090 24 GoFiche matériel

S’ouvre sur YouTube (sans cookies) seulement si vous appuyez. Plus de vidéos sur sa fiche →

Une différence à connaître : l’outil vous montre aussi ce qui tiendrait en acceptant une compression sous Q4_K_M, et il le signale quand c’est le cas. Les comptes de cette page ne l’acceptent jamais.

Une dernière chose, parce qu’elle décide plus que le modèle : le programme qui l’exécute change ce qu’on peut charger et la télémétrie qu’il envoie. C’est dans les fiches logiciels.