Apple n’est pas forcément l’acteur le plus visible sur les modèles d’IA eux-mêmes, mais ses Mac se sont visiblement fait une place sur un autre terrain : l’exécution locale. D’après MacGeneration, cet usage aurait même contribué à des ruptures de stock sur certains Mac mini et Mac Studio. Dans un entretien publié par The Deep View avant la WWDC 2026, Doug Brooks, responsable de l’architecture Apple Silicon, détaille la logique derrière cette montée en puissance.
Son message est simple : sur Mac, l’IA ne dépendrait pas uniquement de la carte graphique. Apple met plutôt en avant une approche où le CPU, le GPU, le Neural Engine, la mémoire unifiée et le logiciel travaillent ensemble.
Apple dit avoir préparé le terrain depuis plusieurs années
Dans cet entretien, Apple rappelle avoir intégré un Neural Engine dès la puce A11 de l’iPhone X en 2017. Selon les chiffres cités, ce bloc dédié au machine learning serait passé de 600 milliards d’opérations par seconde sur la première génération à 38 000 milliards sur la puce M5.
Doug Brooks explique aussi qu’avec la génération M5, Apple a ajouté des accélérateurs neuronaux directement dans le GPU. Il précise cependant que le CPU compte lui aussi dans certains usages liés à l’IA, notamment quand une faible latence est importante.
« 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 »
Pour l’utilisateur, l’idée défendue ici est concrète : un Mac ne miserait pas sur un seul composant pour faire tourner un modèle, mais sur plusieurs briques de la puce selon la tâche à traiter.
Pas le GPU le plus puissant, mais une approche pensée pour l’usage réel
Apple reconnaît ne pas dominer le marché des GPU pour serveurs d’IA, un secteur largement associé à Nvidia. En revanche, Doug Brooks estime que la différence se joue ailleurs sur des machines destinées au grand public ou aux professionnels.
« 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 »
Autrement dit, Apple défend une vision plus pratique que purement théorique : ce qui compte ne serait pas seulement un pic de puissance graphique, mais la manière dont toute la machine participe au traitement.
Trois arguments mis en avant : vitesse, autonomie et mémoire
Dans son échange avec The Deep View, Doug Brooks cite trois piliers d’Apple Silicon : les performances, l’efficacité énergétique et la mémoire unifiée. C’est cet équilibre qui expliquerait, selon lui, l’intérêt des Mac pour l’IA locale.
Apple insiste aussi sur un point régulièrement mis en avant avec ses puces : le matériel, l’ordinateur qui l’accueille et le logiciel seraient conçus de façon très étroitement liée.
« 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 ? »
Concrètement, cela signifie qu’Apple cherche à transformer ses choix techniques en fonctions réellement exploitables par les apps et les développeurs.
Tout n’était pas immédiatement exploitable côté développeurs
Ce tableau reste toutefois à nuancer. Selon MacGeneration, il a fallu attendre macOS Tahoe 26.2 pour tirer pleinement parti des accélérateurs neuronaux de la puce M5 via MLX, le framework d’Apple dédié aux modèles d’IA.
En clair, le potentiel matériel ne suffit pas toujours : encore faut-il que les outils logiciels suivent pour que les développeurs puissent en profiter facilement.
Pourquoi l’IA en local attire de plus en plus
Doug Brooks évoque aussi une tendance de fond : l’intérêt croissant pour les grands modèles exécutés directement sur l’appareil. Il avance plusieurs raisons, notamment la confidentialité, le coût du 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 »
D’après MacGeneration, cette allusion viserait un tweet devenu viral publié par 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 euros. Le média rappelle aussi que la hausse du prix de la mémoire, liée à l’essor de l’IA, rend ces machines très haut de gamme moins accessibles.
Un effet boule de neige autour de macOS
MacGeneration avance également un effet d’écosystème. Selon le média, des développeurs et entreprises de l’IA, dont OpenAI, seraient équipés de Mac, ce qui les pousserait ensuite à privilégier macOS pour certains logiciels, parfois avant Windows.
Si cet effet se confirme, il peut renforcer l’intérêt du Mac de façon très concrète : plus il y a d’outils optimisés pour macOS, plus la plateforme devient attractive pour exécuter de l’IA en local.
Apple défend malgré tout un modèle hybride
Malgré cette mise en avant du traitement sur l’appareil, Doug Brooks ne présente pas le local comme une solution unique. Il explique au contraire qu’il faut choisir entre traitement sur la machine et cloud en fonction du besoin.
« 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 approche correspond en théorie à la philosophie d’Apple Intelligence. Le média note toutefois qu’Apple semble aussi s’appuyer davantage sur ses serveurs pour certaines fonctions récentes. Il cite notamment Image Playground sur iOS 27, qui ne fonctionnerait pas sans connexion Internet.
Au final, Apple cherche surtout à faire passer une idée simple : sur Mac, l’intérêt pour l’IA locale viendrait moins d’une fiche technique spectaculaire que d’un ensemble cohérent entre puce, mémoire, logiciel et usages concrets.
À lire aussi
Source : The Deep View