Quel modèle d’IA pour mon iPhone ?

Mis à jour le 17 octobre 2026 · 11 min de lecture

Tout dépend de la mémoire vive de votre iPhone. Avec 12 Go (iPhone 17 Pro, Air, 18 Pro), prenez Gemma 4 E4B ; avec 8 Go (iPhone 15 Pro, 16, 17), Gemma 4 E2B ou E4B compressé ; avec 6 Go, Gemma 4 E2B compressé ; en dessous, Gemma 3 1B. Voici comment s’y retrouver entre paramètres, quantification, RAM et stockage.

La réponse courte : votre iPhone, sa RAM, le bon modèle

Ce qui décide du modèle, ce n’est ni le stockage ni la puce, mais la mémoire vive (RAM). Apple ne l’affiche nulle part dans les Réglages et ne la publie pas dans ses fiches techniques : les chiffres ci-dessous viennent des tests et démontages compilés par Wikipédia. Repérez votre modèle dans Réglages → Général → Informations, puis lisez la ligne correspondante.

Les iPhone plus anciens que le XS et le XR ne reçoivent pas iOS 17, la version minimale des apps d’IA locale récentes comme DontKeep. Au lancement, DontKeep lit la RAM de l’appareil, masque les modèles qui n’y tiendraient pas et met en avant celui qui convient : vous n’avez pas besoin de connaître ce tableau par cœur.

Les modèles proposés, en un tableau

Tous les modèles ci-dessous sont des Gemma, la famille de modèles ouverts de Google, au format GGUF lu par le moteur open source llama.cpp, qui calcule sur le GPU de l’iPhone (Metal). Le score indiqué est le résultat publié par Google au test MMLU-Pro (questions de niveau universitaire dans une quinzaine de domaines) : ce n’est pas une note absolue, mais un bon moyen de comparer les modèles entre eux.

Pour les versions compressées, Google ne publie pas de score propre : le chiffre est celui de la version d’origine, et la réalité se situe un peu en dessous. Le module optionnel « images et dictée » s’ajoute à la taille du fichier (voir plus bas). Le détail des cartes est aussi visible dans la section Modèles de l’accueil.

1B, 4B, E2B, E4B : ce que disent les noms

Le « B » signifie billion, milliard en anglais : c’est le nombre de paramètres, les réglages internes appris pendant l’entraînement. Gemma 3 1B en a environ un milliard, Gemma 3 4B environ quatre. En règle générale, plus il y a de paramètres, plus le modèle comprend de nuances, connaît de choses et suit bien les consignes, mais plus il pèse lourd en mémoire.

Gemma 4 ajoute une lettre : le « E » de E2B et E4B signifie effective, « paramètres effectifs ». Selon la fiche de Google, E2B compte 2,3 milliards de paramètres effectifs (5,1 milliards en comptant les tables d’embeddings) et E4B 4,5 milliards effectifs (8 milliards au total). La différence vient d’une technique appelée Per-Layer Embeddings : chaque couche du modèle dispose de sa propre petite table de vocabulaire, volumineuse mais seulement consultée, pas calculée. Résultat : le modèle « réfléchit » comme un modèle de 2 ou 4 milliards de paramètres, tout en occupant plus de place qu’on ne l’attendrait. C’est pour cela qu’un E4B, même bien compressé, demande un iPhone récent.

Entre les deux, la différence se sent surtout sur les tâches exigeantes : E4B (69 % à MMLU-Pro) raisonne mieux, structure mieux un long texte et fait moins d’erreurs factuelles que E2B (60 %). Pour une question rapide ou un e-mail court, E2B suffit largement et répond plus vite. Les deux comprennent le texte, les images et l’audio, et ont été entraînés sur plus de 140 langues.

4 bits ou 2 bits : la quantification, et ce qu’on perd

À l’origine, chaque paramètre est stocké sur 16 bits. Google indique qu’à cette précision, E4B demanderait environ 18 Go de mémoire rien que pour ses poids : impossible sur un téléphone. La quantificationarrondit ces nombres pour les stocker sur moins de bits. En 4 bits (format Q4_0), E4B tombe à environ 4,5 Go et E2B à 2,9 Go, avec une perte de qualité généralement faible : c’est le standard de l’IA locale.

Descendre à 2 bits est plus délicat : arrondir aussi fort abîme normalement le modèle. Les versions « mobile » de Gemma 4 limitent la casse grâce au QAT (quantization-aware training) : le modèle est entraîné en sachant qu’il sera compressé, et apprend à compenser. Les versions utilisées par DontKeep sont issues de ces points de contrôle QAT, converties au format GGUF par Unsloth.

En pratique, un E4B en 2 bits garde l’essentiel de ses capacités de raisonnement, mais il est un peu moins précis que le même E4B en 4 bits : formulations parfois moins élégantes, erreurs un peu plus fréquentes sur les détails, les chiffres ou les langues moins courantes.

DontKeep fait ce choix pour vous : sur un iPhone de 12 Go, il propose la version complète en 4 bits ; sur 8 Go, la version compressée de E4B (la complète ne tiendrait pas) ; sur 6 Go, la version compressée de E2B. Une seule des deux versions d’un même modèle est affichée, celle qui convient à votre appareil.

RAM et stockage : deux choses différentes

Le stockage (128 Go, 256 Go…) sert à garder le fichier du modèle sur l’iPhone. La RAM sert à le faire tourner : pendant que vous discutez, le modèle entier doit être chargé en mémoire vive. Un iPhone de 512 Go avec 6 Go de RAM ne fera donc pas tourner un modèle qui en demande 8.

Côté stockage, prévoyez la taille du fichier plus le module optionnel : environ 5,2 Go pour E4B en 4 bits avec son module, 4,2 Go pour E4B compressé, 3,4 Go pour E2B, 3,2 Go pour E2B compressé, moins de 1 Go pour Gemma 3 1B. Gardez aussi une marge libre pour iOS. Le téléchargement n’a lieu qu’une fois ; ensuite, tout fonctionne hors ligne.

Le contexte : la mémoire de la conversation

Le contexte est la quantité de texte que le modèle garde en tête à un instant donné : vos messages, ses réponses, le document collé. On le mesure en tokens, des morceaux de mots (en français, comptez grossièrement 1 000 tokens pour 600 à 750 mots). Gemma 4 accepte jusqu’à 128 000 tokens en théorie, mais chaque token gardé occupe de la RAM dans un cache (le KV cache), en plus du modèle lui-même.

Sur un téléphone, il faut donc arbitrer. DontKeep règle le contexte par défaut à 16 000 tokens sur les iPhone de 12 Go, 8 000 sur 8 Go et 4 000 en dessous, et permet de le modifier dans les réglages. Au-delà, le modèle « oublie » le début de la conversation. Pour résumer un long document, un iPhone de 12 Go est donc un vrai avantage.

Pourquoi un modèle trop gros fait quitter l’app

iOS ne prête pas toute la RAM à une seule app : le système, l’écran et les autres apps en gardent une part. Même avec l’autorisation spéciale qu’Apple accorde aux apps gourmandes (Increased Memory Limit, que DontKeep utilise), une app qui dépasse sa limite est fermée net par le système, sans message d’erreur : l’app semble « planter ». Le modèle, son cache de contexte et, s’il est chargé, le module images doivent tous tenir sous ce plafond. C’est pour cela qu’un fichier de 4,6 Go demande un iPhone de 12 Go, et qu’il vaut mieux laisser l’app filtrer ce qui tient sur votre appareil.

Quelle vitesse attendre ?

Pour écrire chaque mot, le modèle doit relire une grande partie de ses poids en mémoire : la vitesse dépend donc surtout de la taille du modèle et de la bande passante mémoire de la puce. À puce égale, un modèle deux fois plus léger répond à peu près deux fois plus vite. Comptez un petit temps de chargement à l’ouverture, puis un texte qui s’affiche au fil de l’eau : sur un iPhone récent avec le modèle conseillé, la lecture suit généralement l’écriture sans attente pénible ; Gemma 3 1B et 270M sont nettement plus rapides, au prix de réponses plus simples. Les longues sessions font chauffer le téléphone, ce qui peut ralentir un peu la génération, et consomment de la batterie.

Le module images et dictée (mmproj)

Le modèle de base ne lit que du texte. Pour lui montrer une photo, une capture d’écran ou un document scanné, il faut un module complémentaire, appelé mmproj (projecteur multimodal), qui traduit l’image en données que le modèle comprend. Pour Gemma 4 E2B et E4B, ce même module gère aussi l’audio, ce qui permet la dictée vocale traitée sur l’iPhone. Il pèse de 0,56 à 0,99 Go selon le modèle, est optionnel, et occupe lui aussi de la RAM quand il sert. Gemma 3 4B lit les images mais pas l’audio ; Gemma 3 1B et 270M sont limités au texte.

Les modèles « sans filtre » : de quoi s’agit-il ?

Les modèles publiés par Google refusent certaines demandes. Des développeurs indépendants publient des versions modifiées qui retirent ces refus : abliterated (on repère dans le modèle la « direction » associée au refus et on l’efface, une méthode popularisée par Maxime Labonne) ou Heretic (un outil qui automatise ce procédé). DontKeep prévoit une rubrique pour ce type de modèles, désactivée par défaut.

• Ce ne sont pas des versions officielles : elles ne sont ni testées ni garanties par l’éditeur d’origine, et leur qualité peut être légèrement inférieure.
• Sans refus ne veut pas dire fiable : le modèle peut affirmer des choses fausses ou dangereuses avec assurance. Vérifiez toujours, surtout en santé, droit ou finances.
• Vous restez responsable de l’usage : la loi et les conditions d’utilisation du modèle d’origine s’appliquent toujours. Ces modèles ne conviennent pas aux mineurs.

Nos recommandations selon votre iPhone

iPhone de 12 Go (17 Pro, 17 Pro Max, Air, 18 Pro, 18 Pro Max)

Prenez Gemma 4 E4B en 4 bits, avec le module images et dictée si l’espace le permet. C’est le meilleur modèle qu’on puisse faire tourner aujourd’hui sur un iPhone, avec le contexte le plus large (16 000 tokens). Ajoutez Gemma 3 1B si vous voulez un second modèle très rapide pour les petites questions.

iPhone de 8 Go (15 Pro, toute la gamme 16, 17 et 17e)

Commencez par Gemma 4 E2B en 4 bits : rapide, fiable, le meilleur équilibre. Si vous rédigez beaucoup ou posez des questions de raisonnement, essayez Gemma 4 E4B compressé : plus intelligent, un peu plus lent et un peu moins précis qu’en 4 bits.

iPhone de 6 Go (12 Pro, 13 Pro, gamme 14, 15 et 15 Plus)

Gemma 4 E2B compressé est le choix par défaut : la génération récente, en 2,2 Go. Gemma 3 4B QAT est une alternative solide, notamment pour la lecture d’images. Gardez des conversations courtes (contexte de 4 000 tokens) et fermez les apps lourdes si l’app se ferme.

iPhone de 4 Go ou moins (XS, 11, 12, 13, SE)

Gemma 3 1B sur 4 Go, Gemma 3 270M sur 3 Go. Ils conviennent aux questions simples, aux reformulations et aux traductions courtes, mais ne remplacent pas un grand modèle en ligne pour les tâches complexes. Soyez lucide : ils se trompent souvent sur les faits.

Quel modèle selon l’usage ?

• Rédaction (e-mails, courriers, messages délicats) : E4B si votre iPhone le permet, sinon E2B. Les modèles de moins de 2 milliards de paramètres écrivent correctement, mais avec moins de nuances.
• Résumé de documents : la taille du contexte compte autant que le modèle. Sur 12 Go, E4B avec 16 000 tokens permet de résumer quelques dizaines de pages ; sur 8 Go, découpez les longs textes en parties.
• Questions rapides, reformulation, traduction d’une phrase : E2B, ou Gemma 3 1B pour la vitesse.
• Lire une photo, un ticket, une capture d’écran : un Gemma 4 ou Gemma 3 4B avec son module images.
• Actualité, prix, événements récents : aucun modèle local, car leurs connaissances s’arrêtent à leur date d’entraînement (janvier 2025 pour Gemma 4) et ils n’ont pas accès à Internet.

Questions fréquentes

Comment savoir combien de RAM a mon iPhone ?

iOS ne l’indique pas. Notez le nom de votre modèle (Réglages → Général → Informations) et reportez-vous au premier tableau. Une app d’IA locale comme DontKeep lit directement la mémoire de l’appareil et vous propose le bon modèle.

Puis-je installer plusieurs modèles ?

Oui, autant que le stockage le permet, mais un seul tourne à la fois : la RAM ne suffit pas pour deux modèles chargés en même temps.

Un iPhone de 8 Go peut-il faire tourner la version complète de E4B ?

Non, pas de manière fiable : avec le cache de contexte, le système fermerait l’app. C’est précisément pour ce cas qu’existe la version compressée en 2 bits.

E2B en 4 bits ou E4B en 2 bits sur un iPhone de 8 Go ?

E2B pour la vitesse et la régularité, E4B compressé pour les tâches qui demandent plus de réflexion. Le plus simple est d’essayer les deux sur vos questions habituelles.

Un modèle local est-il aussi bon que ChatGPT ?

Non, les modèles en ligne sont bien plus grands. Un modèle local reste très utile pour rédiger, résumer ou expliquer, avec un avantage décisif : vos messages sont traités sur le téléphone, sans être envoyés à un serveur.

Faut-il une connexion Internet ?

Seulement pour télécharger le modèle, une fois. Ensuite, tout fonctionne en mode avion.