Apple n’a peut-être pas encore les modèles d’IA les plus en vue, mais ses machines ont trouvé leur place dans un autre registre : l’exécution locale. Selon MacGeneration, les Mac se sont imposés comme des ordinateurs particulièrement adaptés aux grands modèles de langage et à d’autres usages liés à l’IA, au point d’avoir provoqué des pénuries de Mac mini et de Mac Studio.
Dans une longue interview accordée à The Deep View avant la WWDC 2026, Doug Brooks, responsable de l’architecture Apple Silicon, revient sur les raisons de ce succès. Son propos met surtout en avant un point : chez Apple, l’IA ne repose pas uniquement sur le GPU, mais sur l’ensemble de la puce et de l’écosystème logiciel.
Apple a préparé le terrain matériel depuis plusieurs années
Apple rappelle avoir pris de l’avance sur le plan matériel dès 2017 avec le Neural Engine de la puce A11 de l’iPhone X. D’après les chiffres cités dans l’entretien, ce bloc dédié à l’apprentissage automatique est passé de 600 milliards d’opérations par seconde sur la première génération à 38 000 milliards sur la puce M5.
La firme explique aussi avoir renforcé sa stratégie avec la génération M5, en intégrant des accélérateurs neuronaux au sein même du GPU. Doug Brooks précise toutefois que le CPU joue lui aussi un rôle important, avec des accélérateurs neuronaux dédiés, initialement appelés accélérateurs ML.
« Nous en parlons un peu moins, mais le CPU dispose d’accélérateurs neuronaux dédiés, initialement appelés accélérateurs ML, qui accélèrent les tâches liées à l’IA au sein même du processeur. En réalité, le CPU excelle dans certains types de charges de travail liées à l’IA, notamment celles nécessitant une faible latence »
Autrement dit, Apple défend une approche plus globale que la seule puissance graphique brute. La société reconnaît d’ailleurs ne pas disposer des GPU les plus puissants du marché, un terrain largement dominé par Nvidia dans les serveurs d’IA, mais estime que son architecture fait la différence sur les machines grand public et professionnelles.
« Ce n’est plus une question de GPU exécutant un LLM. C’est l’ensemble de la puce qui contribue aux différentes étapes de la tâche, à l’appel d’outils et aux processus gravitant autour de ces flux de travail. Cela tire véritablement parti des points forts des puces Apple Silicon »
Le trio performance, efficacité et mémoire unifiée
Doug Brooks met en avant trois piliers historiques d’Apple Silicon : la performance, l’efficacité énergétique et la mémoire unifiée. Selon lui, cet équilibre explique en grande partie pourquoi les Mac séduisent dans l’IA locale.
Le responsable insiste aussi sur l’intégration étroite entre la puce, la machine qui l’accueille et le logiciel. Dans cet entretien avec The Deep View, il explique qu’Apple conçoit ses puces en fonction des systèmes visés, avec un aller-retour constant entre les contraintes du produit, les capacités du silicium et l’accès logiciel aux nouvelles fonctions.
« Nous concevons une puce en sachant précisément dans quels systèmes elle sera intégrée. La puce peut influencer la conception du système, et la conception du système peut, en retour, dicter les spécifications de la puce ; les deux sont étroitement liés. J’irais même plus loin en incluant le logiciel dans cette équation. Lorsque nous dotons la puce de nouvelles fonctionnalités, nous veillons à ce qu’elles soient accessibles à tous les niveaux de la pile logicielle, afin que les développeurs comme les clients puissent en tirer parti. Car si ces transistors restent inutilisés, à quoi bon ? »
Le tableau n’est toutefois pas totalement immédiat pour les développeurs. MacGeneration précise qu’il a fallu attendre macOS Tahoe 26.2 pour exploiter pleinement les accélérateurs neuronaux de la puce M5 via MLX, le framework d’Apple consacré aux modèles d’IA.
Le Mac profite aussi d’un effet d’écosystème
Selon le média, ces performances matérielles ont enclenché un cercle vertueux. Des développeurs et entreprises spécialisées dans l’IA, dont OpenAI, seraient équipés de Mac, ce qui les pousserait à privilégier macOS pour leurs logiciels, parfois avant Windows.
Doug Brooks souligne également une tendance plus large : l’intérêt croissant pour les grands modèles exécutés en local. Il cite plusieurs raisons, parmi lesquelles la confidentialité des données, la hausse du coût des tokens dans le cloud et les progrès rapides des modèles locaux.
« Ce que l’on parvient aujourd’hui à intégrer dans un modèle de 70 milliards de paramètres, voire de 120 milliards, est tout simplement époustouflant. Des gens font tourner ces modèles sur des ordinateurs portables. On voit des publications de développeurs qui programment à 10 000 mètres d’altitude, en plein vol et totalement déconnectés, car ils exécutent des modèles puissants en local »
MacGeneration précise que cette référence viserait un tweet viral d’un cadre de Hugging Face. Le portable concerné serait un MacBook Pro M5 Max avec 128 Go de RAM, soit une configuration à plus de 6 000 €. Le site rappelle aussi que la hausse du prix de la mémoire vive, liée à l’essor de l’IA, rend ces machines très équipées de moins en moins accessibles.
Une vision hybride, malgré des choix parfois plus dépendants du cloud
Malgré cette mise en avant du local, Doug Brooks défend une approche plus nuancée, où le traitement sur l’appareil et le recours au cloud coexistent selon les besoins.
« Je suis fermement convaincu qu’il faut utiliser l’outil adapté à chaque tâche. Parfois, on a besoin d’accéder à ces très grands modèles de pointe dans le cloud. Mais il est également possible d’accomplir une quantité considérable de travail en local »
D’après MacGeneration, cette logique hybride correspond en théorie à la philosophie d’Apple Intelligence. Le média note toutefois qu’Apple semble, récemment, s’appuyer davantage sur ses serveurs pour certaines fonctions. Il cite notamment le cas d’Image Playground sur iOS 27, qui ne fonctionnerait pas sans connexion internet.
Au final, l’entretien publié par The Deep View met surtout en lumière la façon dont Apple veut se différencier dans l’IA : moins par la course au plus gros modèle que par des machines capables de faire tourner efficacement des usages avancés en local, grâce à une architecture pensée de bout en bout.
À lire aussi
Source : The Deep View