On entend beaucoup parler d’intelligence artificielle (IA) fonctionnant en local. Outre des machines spécifiquement destinées à cet usage, il est possible d’utiliser de puissants ordinateurs portables, comme des MacBook Pro récents ou d’autres ordinateurs plus ou moins conçus pour cet usage. Petit test sur des configurations plutôt confortables…
Pour me faire une idée de la réalité, grâce à la dernière version du logiciel Ollama, j’ai effectué quatre tests de performance du modèle Mistral de base (7B version 0.3) sur un MacBook Pro 2024 animé par une puce M4 Pro et 48 Go de RAM, un PC portable Lenovo Yoga Slim 7i Ultra Aura Edition gonflé par un Intel Core Ultra X9 (3e génération) avec 32 Go de RAM, ainsi qu’un PC de gamer vitaminé par un processeur Intel Core i7-12700 KF (12e génération) et 64 Go de RAM et surtout une carte graphique (env. 1500 francs) Nvidia GeForce RTX 5080 avec ses 16 Go de GDDR7.
Un test de résumé en 250 mots
Sur ces machines, j’ai demandé à Mistral via Ollama de résumer en 250 mots et en français le fichier PDF reproduit ci-dessous en anglais. Ensuite, pour me faire une idée de la puissance des services proposés en local, j’ai soumis sur internet le même fichier à la version gratuite disponible sur internet de Mistral. Ci-dessous, les temps de traitement et le résultat obtenu (cliquez sur les accordéons).
Concernant la précision des résumés, j’ai demandé à Gemini 4 Argon en mode «high» de les évaluer par le truchement de cette requête: «en comparant avec le PDF joint, peux-tu décerner une note de 0 à 10 à la qualité des résumés obtenus par Mistral en ligne, Mistral PC de gamer, Mistral sur macOS et Mistral sur Lenovo et me proposer une brève analyse des résultats en environ 100 mots.» Ci-dessous son verdict en italique:
L’interprétation de Gemini 4 Argon
Mistral online: 9.5/10 – Excellente synthèse qui reprend fidèlement l’intégralité de l’«Executive Summary» du rapport (pages 1 et 2). Toutes les conclusions scientifiques, les statistiques clés (désinformation, concession SRG SSR 2029, répertoires d’information, concentration des médias) ainsi que les recommandations sont parfaitement restituées en bon français.
Mistral PC de gamer: 2/10 — Hors-sujet sur le fond: le texte traduit presque mot à mot la seule page 17 du document (présentation générale de l’annuaire, dimensions normatives de la qualité, liste des donateurs et coordonnées bancaires IBAN) en ignorant totalement les résultats de l’édition 2026. On note également des maladresses syntaxiques («son premier édition», «publie l’annuel […] annuellement»).
Mistral sur macOS: 1,5/10 — Même erreur de ciblage sur les seules informations administratives et financières de la page 17. La qualité linguistique est dégradée par des traductions littérales («Livre d’année») et un mot anglais non traduit («contributing»).
Mistral sur Lenovo: 1/10 — Se limite lui aussi aux mentions administratives de la page 17 et commet un contresens majeur en affirmant que l’application de paiement TWINT permet de «consulter les études», alors que le code QR sert uniquement à effectuer des dons.
Analyse des résultats
Cet écart spectaculaire s’explique par la gestion de la fenêtre de contexte lors de la lecture du PDF. Seul Mistral online a traité l’ensemble du document, synthétisant avec précision le résumé exécutif initial consacré à la désinformation et à l’avenir de la SRG SSR. À l’inverse, les trois versions exécutées localement (PC gamer, macOS, Lenovo) ont subi une troncature du contexte: elles n’ont conservé en mémoire que la toute fin du fichier (page 17). Faute d’accès au cœur du rapport, ces modèles locaux ont résumé les mentions légales, le financement et l’IBAN de la fondation Kurt Imhof, passant complètement à côté du sujet.
Les limites du traitement local
Mon verdict? Même si l’analyse de Gemini Argon 4 doit être prise avec le recul nécessaire, cet exemple illustre parfaitement aussi bien les limites que les potentialités des IA qu’elles soient exécutées dans le nuage ou en local. Pour ce qui est de cette dernière possibilité, les différences de performances entre des machines, dont les prix de vente oscillent entre 2500 et 3000 francs suisses, illustrent l’importance du matériel choisi.
Dans tous les cas, l’exécution de modèles plus légers, taillés pour cet usage, se traduit ici par des performances décevantes qui n’ont rien à voir avec les modèles en ligne, beaucoup plus exigeants en capacité de calcul, donc potentiellement en énergie. Je suis par ailleurs une nouvelle fois frappé par l’excellence de Gemini 4 Argon dans son mode le plus puissant…
Xavier Studer
Les résultats produits par Mistral en local et en ligne
Les différents exemples produits par Mistral en date du 31 octobre 2026 dans le nuage et en local sur Ollama sur des machines configurées sur le maximum de leurs performances.
Mistral online (gratuit): env. 10 sec
Voici un résumé en français d’environ 250 mots:
Résumé — Yearbook 2026 ‘Quality of the Media’ (fög, Université de Zurich)
Cette étude interroge la résilience du public suisse face à la désinformation et l’avenir du service public, à l’approche du renouvellement de la concession de la SRG SSR en 2029, dans un contexte de budget réduit d’environ 17%.
La conscience du problème s’accroît: 56,5% jugent la désinformation grave (+7,5 points depuis 2021). Elle est surtout associée aux réseaux sociaux (76,4%) et plateformes vidéo. Pourtant, certains récits complotistes trouvent un écho notable: 36% trouvent plausible l’idée que des réseaux juifs contrôlent la politique occidentale. L’analyse par régression montre que les répertoires d’information sont décisifs: les utilisateurs «orientés qualité» et «traditionnels» sont nettement plus résilients, tandis que les «privés d’actualité» (42% de la population) sont plus vulnérables — s’informer via TikTok ou Instagram n’offre aucune protection supplémentaire.
Concernant la SRG SSR, le soutien est large: 57,7% la jugent importante. Le public attend un programme complet (information en priorité, mais aussi sport, éducation, culture, divertissement), diffusé sur ses propres canaux, complétés par les plateformes chez les jeunes (69,9% des 18-24 ans). Les évaluations des contenus, y compris l’équilibre, restent positives.
Les analyses de long terme montrent une qualité médiatique stable (6,4 points) mais une diversité en baisse, un intérêt déclinant pour l’actualité, une confiance fluctuante (42%), des recettes publicitaires qui migrent vers les géants technologiques (2,1–2,6 milliards de francs, plus que tous les médias suisses réunis) et une concentration croissante: un article sur trois est publié dans plusieurs titres. Le rapport recommande de renforcer la résilience (lutte contre la privation d’information, fact-checking, éducation aux médias, régulation des plateformes) et de garantir un service public large et accessible numériquement.
Mistral sur Ollama, PC gamer: env. 38 sec
Le Centre de recherche pour l’espace public et la société (fög) de l’Université de Zurich publie l’annuel Qualité de la presse annuellement pour examiner les changements dans le paysage médiatique suisse et leur impact sur la société et la démocratie. Depuis son premier édition en 2010, l’annuel fournit des métriques clés sur la qualité de la presse, l’usage des médias, la concentration médiatique et le financement, ainsi que sur le développement du système médiatique suisse. L’annuel Qualité de la presse est une source d’information utile pour les professionnels de la presse, les décideurs politiques et économiques, la communauté académique et toute personne intéressée par le développement de la presse et de son contenu.
L’annuel est fondé sur une compréhension normative de la qualité, qui suppose que la presse d’information remplit un rôle important pour la société dans une démocratie fonctionnante. Quatre dimensions de qualité peuvent être dérivées des fonctions de la communication publique; ces dimensions sont largement établies dans les recherches académiques et dans la pratique journalistique: la dimension de pertinence, la dimension de diversité, la dimension de contexte et la dimension de professionnalisme. Les informations détaillées sur la base de données et les méthodes utilisées dans l’annuel peuvent être trouvées dans le chapitre de la méthodologie.
L’annuel est compilé et publié par fög, le Centre de recherche pour l’espace public et la société de l’Université de Zurich. Des auteurs invités externes sont également engagés pour les études détaillées. L’annuel est financé par la Fondation Kurt Imhof pour la qualité de la presse, des partenaires de financement supplémentaires et l’Université de Zurich. Le Conseil des administrateurs de la Fondation Kurt Imhof consiste en Christoph Degen, Mark Eisenegger, Barbara Käch, Yves Kugelmann, Christina Leutwyler et Nenad Stojanović. Le financement du projet provient des partenaires de financement suivants: Office fédéral des communications, Keystone-SDA, Somedia AG, SRG SSR, Fondation Gottfried et Schäppi Jecklin, Fondation des Fondateurs, Verband Medien mit Zukunft, Verband Schweizer Medien, Fondation Lénaards. Les dons à la Fondation Kurt Imhof pour la qualité de la presse peuvent être transférés sur le compte bancaire suivant: ZKB Zurich-Oerlikon, numéro de compte: 1100-1997.531, IBAN: CH28 0070 0110 0019 9753 1, numéro de clé bancaire: 700, SWIFT: ZKBK-CHZZ80A.
L’annuel est publié en version numérique (https://doi.org/10.24894/978-3-7965-5664-7) par Schwabe Verlag (<www.schwabe.ch>). L’annuel et les études individuelles sont également disponibles en téléchargement à <www.foeg.uzh.ch>.
Mistral sur Ollama, MacBook Pro: env. 2 min et 13 sec
Le Livre d’année Qualité de la presse 2026 traite de l’espace médiatique suisse et de son impact sur la société et la démocratie. Le Livre d’année examine les changements liés à la qualité des médias, à leur utilisation, à leur concentration et à leur financement pour tous les médias, y compris les médias imprimés, la radio, la télévision, le numérique et les médias sociaux. Le centre de recherche sur l’espace public et la société de l’Université de Zurich (foeg) est responsable de la publication du Livre d’année, avec des auteurs invités externes également contributing à l’étude approfondie. Le Livre d’année est financé par la fondation sans but lucratif Kurt Imhof pour la qualité de la presse, des partenaires de financement supplémentaires et l’Université de Zurich. Le conseil d’administration de la fondation Kurt Imhof comprend Christoph Degen, Mark Eisenegger, Barbara Käch, Yves Kugelmann, Christina Leutwyler et Nenad Stojanović. Le Livre d’année est disponible en édition en ligne et peut être téléchargé à partir du site web de foeg. Les donations à la fondation Kurt Imhof pour la qualité de la presse peuvent être transférées au compte bancaire suivant: ZKB Zurich-Oerlikon, numéro de compte: 1100-1997.531, IBAN: CH28 0070 0110 0019 9753 1, numéro de clé bancaire: 700, SWIFT: ZKBK-CHZZ80A. Contact: foeg — Centre de recherche sur l’espac
e public et la société/Université de Zurich, Andreasstrasse 15, CH-8050 Zurich, téléphone: +41 44 635 21 11, courrier électronique: kontakt@foeg.uzh.ch. Le Livre d’année et les études individuelles sont également disponibles pour le téléchargement à www.foeg.uzh.ch. Les donations peuvent également être effectuées à l’aide de l’application TWINT.
Mistral sur Ollama, PC Lenovo: env. 19 min et 40 sec
Le Centre de recherche pour l’espace public et la société (fög) de l’Université de Zurich a publié son rapport annuel, «Qualité de la presse 2026», qui examine les changements dans l’espace médiatique suisse et leur impact sur la société et la démocratie. Le rapport utilise une compréhension normative de la qualité, qui considère que les médias d’information jouent un rôle important pour une démocratie fonctionnante, et se concentre sur quatre dimensions de qualité: pertinence, diversité, contextualisation, et professionnalisme. L’étude est financée par la Fondation Kurt Imhof pour la qualité de la presse, des partenaires de financement additionnels, et l’Université de Zurich. Le Yearbook est disponible en ligne à https://doi.org/10.24894/978-3-7965-5664-7 et peut également être téléchargé depuis le site web de la fög à <www.foeg.uzh.ch>. La Fondation Kurt Imhof pour la qualité de la presse accepte des dons sur le compte bancaire suivant: ZKB Zurich-Oerlikon, numéro de compte: 1100-1997.531, IBAN: CH28 0070 0110 0019 9753 1, Numéro de clé bancaire: 700, SWIFT: ZKBK-CHZZ80A. Contact: Centre de recherche pour l’espace public et la société/Université de Zurich, Andreasstrasse 15, CH-8050 Zurich, Téléphone: +41 44 635 21 11, Courriel: kontakt@foeg.uzh.ch. Les études peuvent également être consultées via l’application TWINT en scannant le code QR à droite.
En savoir plus sur Le blog high-tech & telecom de Xavier Studer
Subscribe to get the latest posts sent to your email.
Merci pour ce test très concret d’un usage courant de l’IA.
Je n’utilise pas encore de modèle en local (vieux MacBook Pro M1 avec peu de mémoire), mais j’hésite à changer de machine pour pouvoir m’y mettre sérieusement. Reste à savoir si l’investissement en vaut réellement la peine par rapport aux solutions cloud.
Il faudrait creer des Modelfiles dans Ollama plutot que utiliser simplement un model: on peut changer la longuer du contexte (qui semble etre le probleme ici) ainsi que d’autre parametres pour avoir un modele « custom » qui colle au probleme que vous voulez traiter.
Bien sur, il vous faut le materiel approprié, la memorie, le stockage, etc. pour pouvoir customiser le model
Ce test n’a aucun sens. D’une part Mistral 7B est un modèle faible et d’autre part un LLM local peut analyser du texte mais pas un pdf directement. Celui-ci doit d’abord être converti en texte avec un outil comme AnythingLLM et si le pdf contient des textes sous forme d’images il faut penser aussi à l’OCR. Ensuite ce pdf est beaucoup trop gros pour un petit modèle qui n’aura pas une taille de contexte suffisante.
Les modèles locaux peuvent faire des merveilles avec l’avantage de la gratuité et de la confidentialité totale. Il aurait fallu tester un modèle LLM comme Qwen 27B 4 bits quoiqu’il ne pourrait fonctionner que sur votre MacBook car il faut 32 Go de VRAM et ne convertit pas nativement les pdf non plus. Mais il est spectaculaire pour toutes sortes de choses (raisonnement, culture générale, traductions, programmation, appel de tools, IA agentique, etc.).
Bonjour et merci pour votre commentaire. Une perle! Contrairement à ce que vous indiquez, Ollama extrait nativement le texte des PDF (nul besoin d’OCR ici puisque le texte est sélectionnable): la preuve irréfutable que le fichier a bien été pris en charge est que les trois machines ont traduit avec exactitude la fin du rapport (page 17), jusqu’aux noms des membres de la fondation Kurt Imhof, à l’IBAN et à la mention de TWINT. Par ailleurs, le modèle Mistral 7B (v0.3) possède une fenêtre de contexte de 32 000 tokens largement capable d’absorber ce document de 19 pages, mais c’est le bridage par défaut d’Ollama qui semble avoir tronqué le début du fichier pour préserver la mémoire vive. Le but de ce test n’était justement pas d’empiler des outils tiers ou des réglages complexes réservés aux initiés, mais de comparer des configurations de base, accessibles et connues du grand public, utilisées «clé en main» face à un service en ligne gratuit qui résume parfaitement le même document en dix secondes.CQFD.
en parlant d’algorithmes génératifs en local, penser à un bon pare-feu (sortant), du fait qu’il existe des garnements: https://www.01net.com/actualites/meme-hors-ligne-cette-ia-chinoise-cherche-a-transmettre-des-donnees-a-pekin.html
alors, une interface pour celui de Windows: https://tinywall.pados.hu/download.php
et un coup-feu sortant pour macOS: https://objective-see.org/products/lulu.html
Monsieur Studer, je m’appuie sur votre article et votre réponse à Grand Lapin…
§
Premièrement, l’objectif de votre essai, à savoir la comparaison de produits clefs en main, n’est pas énoncé dans votre article.
La portée et les limites de votre essai ne sont pas non plus décrites, cependant, vous n’hésitez pas à parler des « limites du traitement local », cf. l’intertitre précédant votre verdict.
Vous avez voulu vous faire « une idée de la réalité », mais de quelle réalité s’agit-il exactement ?
Ainsi, à la lecture de votre article, le profane risquera de généraliser le résultat de votre tentative de comparaison, et donc de tirer les mauvaises conclusions.
§
Deuxièmement, de deux choses l’une, ou bien les outils que vous utilisez exécutent correctement la tâche demandée, et dans ce cas, vous mesurez leur performance respective (justesse du résumé, rapidité…), ou bien les outils ne l’exécutent pas correctement, et dans ce cas, vous le comptabiliser comme un échec, ou disons, comme un résultat non exploitable et donc non comparable.
Il est ainsi saugrenu de demander à un autre outil IA de demander de générer un tableau de comparaison indiquant notes et durées de traitement, tandis qu’il ignore le contexte, à savoir que ces mesures de performance sont dans les faits sans objet.
§
Aussi, la lecture de votre article laisse penser que vous n’étiez pas tout à fait au clair sur les différents paramètres de la comparaison, ou bien que la relecture a été défaillante.
En effet, premièrement, vous écrivez avoir « effectué quatre tests de performance du modèle Mistral de base (7B version 0.3) », et ce, juste avant d’énumérer trois configurations matérielles, puis de préciser avoir terminé la comparaison avec « la version gratuite disponible sur internet »… comme s’il vous avait fallu arriver à la fin du texte pour réaliser que le modèle en ligne est tout autre.
De plus, il n’est nullement expliqué pour quelle raison vous avez choisi Mistral, et uniquement celui-ci, et en quoi il est représentatif de tous les produits IA, sachant que la version 0.3 de Mistral 7B a été déclarée obsolète en novembre 2024, et retirée en mars 2025 de l’exploitation commerciale (cf. https://docs.mistral.ai/models/mistral-7b-0-3).
§
Deuxièmement, il semble que vous avez d’abord cru que la carte graphique Nvidia RTX possédait 24 Go de mémoire vive, pour finalement réaliser qu’elle n’en avait que 16. Lorsqu’on sait l’importance que revêt la VRAM pour une carte graphique destinée à faire tourner un modèle…
§
Non, m’est avis que votre essai n’illustre pas « parfaitement aussi bien les limites que les potentialités des IA qu’elles soient exécutées dans le nuage ou en local » — en fait, si le profane généralise la portée de votre essai, c’est parce que vous en faites de même.
§
Mais encore, votre article, bien que je puisse comprendre l’idée d’un simple état des lieux, manque cruellement de vision. Quand on sait la perte progressive de la puissance de calcul disponible à chacun, de manière autonome, il y a vraiment lieu de réfléchir à la question. Vous parlez du prix des configurations matérielles utilisées dans votre essai, mais sans évoquer le fait que ce sont des prix surfaits dus à la spéculation autour de l’IA, et que cette explosion des prix n’est très probablement pas terminée. La RTX 5080 16 Go semble en voie de disparition, après la 5090, pour laisser place à la RTX 5080 24 Go ; dans le même temps, la plupart des autres composants informatiques deviennent plus chers, et les assembleurs sont en train de proposer moins de RAM au sein de leurs gammes.
§
Pendant ce temps, vous vous émerveillez de la rapidité et de la gratuité de certains produits IA en ligne. Pourtant la ficelle est grossière, c’est la même que celle des vendeurs de drogue offrant la première dose. Leur but est le maximum de profits, sur des générations, la gratuité et la rapidité actuelles ne sont que les instruments de la dépendance.
§
La seule chose que vous avez démontrée, c’est votre position partisane et peu éclairée.
Non Ollama ne convertit pas les pdf lui-même. C’est certainement l’outil que vous avez utilisé pour vous connecter à Ollama qui s’en est chargé, avec une qualité de transcription variable selon l’outil.