Combien de RAM pour faire tourner ChatGPT local en 2026

Faire tourner un LLM local équivalent à ChatGPT sur ton portable est parfaitement possible en 2026, mais la question "combien de RAM il me faut" dépend fortement du modèle, de la quantification et de la plateforme. Réponse courte : 16 Go pour démarrer avec des modèles 7B, 32 Go pour un usage confortable, 64 Go pour des modèles sérieux type Llama 70B ou les DeepSeek R1 grands. La réponse longue est ci-dessous.

Pourquoi la RAM est critique pour les LLM locaux

Un LLM chargé en mémoire occupe une place proportionnelle à ses paramètres et sa précision. Un modèle 7B en précision complète (FP16) pèse environ 14 Go ; quantifié en Q4 il descend à 4-5 Go. Mais en plus du modèle il faut :

• De l'espace pour le contexte (8K-128K tokens consomment 1-8 Go extra selon le modèle).
• Un buffer pour l'inférence.
• De la RAM pour l'OS et les autres applications.

Règle générale : il te faut la taille du modèle quantifié + 4-6 Go de marge disponibles en RAM.

Tailles de modèles et RAM minimum

Petits modèles (1B-3B paramètres)

Exemples : Llama 3.2 1B et 3B, Phi-3 mini, Qwen 2.5 1.5B.

• Taille FP16 : 2-6 Go
• Taille Q4 : 1-2 Go
• RAM système minimum : 8 Go
• RAM confortable : 16 Go

Ces modèles servent pour l'autocomplete, la classification, des résumés courts. Qualité bien en dessous de ChatGPT-4 mais utilisables.

Modèles moyens (7B-8B)

Exemples : Llama 3.1 8B, Mistral 7B, DeepSeek R1 7B, Qwen 2.5 7B.

• Taille FP16 : 14-16 Go
• Taille Q4 : 4-5 Go
• RAM système minimum : 16 Go
• RAM confortable : 32 Go

Tu as déjà quelque chose raisonnablement proche de ChatGPT-3.5. Pour usage quotidien sur portable, c'est le sweet spot.

Gros modèles (13B-14B)

Exemples : Llama 3.1 13B, DeepSeek R1 14B.

• Taille FP16 : 26-28 Go
• Taille Q4 : 7-8 Go
• RAM système minimum : 32 Go
• RAM confortable : 48-64 Go

Qualité notable, se rapproche de GPT-4 mini sur les tâches courantes. Bon point d'entrée pour usage pro.

Modèles extra-larges (30B-32B)

Exemples : Qwen 2.5 32B, DeepSeek R1 32B, Llama 3.3 30B.

• Taille Q4 : 18-19 Go
• RAM système minimum : 48 Go
• RAM confortable : 64 Go

Qualité de chat sérieuse. Lent sans GPU dédié puissant.

Modèles massifs (70B+)

Exemples : Llama 3.3 70B, DeepSeek R1 70B.

• Taille Q4 : ~40 Go
• RAM système minimum : 64 Go
• RAM confortable : 96-128 Go

En portable, viable uniquement avec Mac M5 Max + 64-128 Go unified memory. En PC normal avec GPU dédié il faudrait 2x RTX 4090 (pas tenable en portable).

Quantification : ce qui compte le plus

La quantification réduit la précision des poids du modèle pour économiser la mémoire. Types courants en GGUF (format de Ollama, llama.cpp) :

• Q2_K : Presque inutilisable, grosse perte de qualité. Ignore.
• Q4_K_M : Sweet spot. ~75% de la taille FP16, perte de qualité minimale sur tâches courantes.
• Q5_K_M : 30% plus de mémoire que Q4, qualité légèrement meilleure.
• Q6_K : 50% plus de mémoire que Q4, très proche de FP16.
• Q8_0 : Quasi sans perte, occupe ~50% du FP16.
• FP16/BF16 : Précision complète, meilleure qualité, consommation max.

Recommandation pratique : commence par Q4_K_M. Si la qualité ne te convainc pas, monte à Q5. Pour des tâches critiques (code, maths) considère Q6 ou Q8.

Unified memory sur Apple Silicon

Un des grands avantages du Mac M5 pour les LLM locaux : la RAM se répartit dynamiquement entre CPU et GPU. Ce qui en PC normal serait "il me faut X Go de VRAM sur mon GPU", sur Mac c'est "il me faut X Go libres en RAM totale".

Ça permet des scénarios impensables en PC portable :

• MacBook Pro M5 Max 96 Go : Llama 70B Q5 sans offload.
• MacBook Pro M5 Pro 36 Go : Qwen 32B Q4 confortable.
• MacBook Air M5 24 Go : Llama 13B Q4 viable.

Pénalité : vitesse brute par token généralement 20-40% inférieure à une RTX équivalente, mais en portable ça importe rarement car le throughput reste utilisable (5-20 tokens/s).

VRAM dédiée vs RAM système

En PC Windows/Linux avec NVIDIA, tu préfères que le modèle entier rentre en VRAM. Si une partie reste en RAM (offload), la vitesse chute de 5-10x.

Règles :

• Modèle entièrement en VRAM : rapide (20-100 tokens/s).
• 70-80% en VRAM, reste en RAM : acceptable (10-20 tokens/s).
• Moins de 50% en VRAM : très lent (1-5 tokens/s), basiquement CPU-only.

Plus de détail sur le choix de GPU dans notre guide quelle RTX pour LLM.

Recommandations pratiques par budget

• Tester l'IA locale sans dépenser : portable que tu as déjà avec au moins 16 Go. Modèles Llama 3.2 3B ou Phi-3 mini. Qualité limitée mais ça tourne.
• Usage quotidien chat type ChatGPT-3.5 : 32 Go RAM + RTX 4060 8 Go. Modèles 7B en Q4-Q5.
• Remplacer ChatGPT-4 pour des tâches pro : 64 Go RAM + RTX 4080/5080 12-16 Go. Modèles 13B-30B.
• Recherche avec gros modèles : MacBook Pro M5 Max 96 Go ou desktop avec 2x RTX 4090. Modèles 70B+.

Questions fréquentes

Je peux faire tourner des LLM avec seulement 8 Go de RAM ? Oui, mais limité aux modèles 1B-3B. L'expérience est très inférieure à ChatGPT et ne sert qu'à des cas spécifiques (autocomplete, classification).

Combien de RAM pour maintenir un long contexte ? Le contexte consomme de la RAM extra. Modèles 7B avec 32K tokens de contexte nécessitent ~2-3 Go extra. Modèles 70B avec 128K tokens consomment ~10 Go extra.

Mieux vaut RAM rapide (DDR5-6400) ou plus de quantité (DDR5-5600) ? Pour les LLM, priorise la quantité. La différence de vitesse entre DDR5-5600 et 6400 est de 5-10% en inférence. Passer de 32 à 64 Go t'ouvre tout un marché de modèles.

La quantification influe sur la qualité de réponse ? Oui, mais peu. Q4_K_M perd 1-3% sur les benchmarks face à FP16. En usage réel ça se voit à peine sauf sur des tâches de raisonnement très complexe.

Tu ne sais toujours pas quel setup il te faut ?

Donne au conseiller IA les modèles que tu veux faire tourner (DeepSeek R1, Llama 70B, Qwen 32B...) et ton budget. Tu sauras le portable spécifique qui les supporte.