Sur cette page
Faire tourner des LLM en local sur ton iPhone en 2026 (hors ligne, sans abonnement)
Le GPU Metal et le Neural Engine d’Apple équipent tous les iPhone depuis 2017. Ce sont des accélérateurs d’IA dédiés, la plupart du temps au repos pendant que tu paies un abonnement mensuel pour envoyer tes questions sur les serveurs d’un autre.
Off Grid AI change ça. Fais tourner Qwen 3.5, Gemma 4, Mistral et d’autres grands modèles directement sur ton iPhone : hors ligne, en privé, sans frais récurrents. L’inférence passe par llama.cpp avec l’accélération Metal.
Configuration requise
- iPhone 12 ou plus récent (A14 Bionic ou plus récent)
- iOS 17 ou plus récent
- Au moins 3 Go libres
- Internet une fois pour télécharger le modèle
Étape 1 : installer Off Grid AI
Étape 2 : choisir ton modèle
Tous les modèles utilisent la quantification Q4_K_M, le meilleur compromis entre qualité et taille sur mobile.
| Modèle | iPhone min. | RAM | Taille | Idéal pour |
|---|---|---|---|---|
| Qwen 3.5 0.8B | iPhone 12 | 3GB | ~0.8GB | Ultra rapide, contexte de 262K |
| Qwen 3.5 2B | iPhone 12 | 4GB | ~1.7GB | Le meilleur pour les appareils de 4 à 6 Go |
| Gemma 4 E2B | iPhone 12 | 4GB | ~1.5GB | Vision et mode réflexion |
| Mistral 7B | iPhone 14 | 6GB | ~4.1GB | Rapide et fiable pour tout |
| Gemma 4 E4B | iPhone 14 | 6GB | ~2.5GB | Raisonnement et vision, mode réflexion |
| Qwen 3.5 9B | iPhone 15 Pro | 8GB | ~5.5GB | La meilleure qualité sur l’appareil |
Sur iPhone 12 ou 13 : commence par Qwen 3.5 2B. Sur iPhone 15 Pro ou 16 : essaie Qwen 3.5 9B.
Étape 3 : télécharger, charger, discuter
- Ouvre Off Grid AI → Models
- Touche un modèle → Download
- Touche Load : le modèle se charge via Metal (le framework GPU d’Apple)
- Ouvre Chat
L’IA tourne maintenant en local sur Apple Silicon. Tes conversations ne quittent jamais ton téléphone.
Pourquoi l’iPhone est idéal pour l’IA locale
L’iPhone a un gros avantage : la mémoire unifiée. Le GPU Metal et le CPU partagent la même mémoire, donc les modèles se chargent plus vite et l’inférence est plus efficace que sur les appareils qui n’utilisent que le CPU.
Qwen 3.5 2B sur un iPhone 14 produit environ 20 à 30 tokens par seconde. Assez pour une conversation fluide.
Le mode réflexion (Qwen 3.5, Gemma 4) fonctionne particulièrement bien sur iPhone, car l’accélération Metal évite que les longs raisonnements traînent.
Performances par appareil
| iPhone | RAM | Modèle conseillé | Tokens/s env. |
|---|---|---|---|
| iPhone 16 Pro Max | 8GB | Qwen 3.5 9B | 18–28 |
| iPhone 16 / 16 Plus | 8GB | Qwen 3.5 9B | 18–28 |
| iPhone 15 Pro | 8GB | Qwen 3.5 9B | 15–25 |
| iPhone 14 Pro | 6GB | Gemma 4 E4B | 15–22 |
| iPhone 14 | 6GB | Qwen 3.5 2B | 20–30 |
| iPhone 13 | 4GB | Qwen 3.5 2B | 18–26 |
| iPhone 12 | 4GB | Qwen 3.5 0.8B | 25–40 |
Autres guides
- Faire tourner des LLM en local sur ton téléphone Android en 2026
- Quel modèle choisir ?
- Faire tourner Stable Diffusion sur ton iPhone
- IA de vision : analyser des images sur l’appareil