Si vous êtes sous macOS, vous avez peut-être une petite app en tête, un truc tout bête que vous cherchez depuis des années sur Korben.info ou ailleurs sans jamais le trouver. Par exemple une app pour renommer des dossiers de captures par date et titre de fenêtre, ou pour splitter régulièrement des PDF page par page pour votre comptable qui n'a pas de molette sur sa souris, ou virer les paramètres de tracking des URL que vous copiez... Bref, tout un tas de petits usages qui ne valent pas forcément le coup d'installer une usine à gaz pour en bénéficier.

Heureusement, il existe un outil génial pour macOS qui est peut-être le "futur" de ce que sera le logiciel plus tard. Ça s'appelle Ironsmith , c'est signé Jade Westover, et ça permet à partir d'un prompt, de se fabriquer une app macos native correspondant à votre besoin précis.

Et quand je dis native, c'est native puisque chaque app qui sort de là, est codée en Swift + SwiftUI, ce qui permet de récupérer à la fois les sources et un vrai .app.

Ironsmith se loge dans la barre de menu de macOS et offre ainsi de quoi créer une nouvelle app, relancer les anciennes, éditer le code, ou restaurer une version précédente quand votre dernière idée a tout cassé.

Mais le meilleur se situe du côté de l'IA locale, pensée dès le départ. Ollama est supporté d'origine, et vous pouvez brancher n'importe quel endpoint compatible OpenAI , genre LM Studio ou llama.cpp avec le modèle de votre choix genre Gemma de Google ou Qwen d'Alibaba. Ah et il y a même Foundation Model planqué dans votre Mac via Apple Intelligence pour les trucs les plus basiques...

C'est peut-être à ce genre de truc que ressembleront tous les appstore dans le futur... Qui sait ? Chacun va pouvoir créer ses propres outils privés directement sur son ordi, sans avoir à payer quoi que ce soit, ou à passer par le cloud.

Vous pouvez aussi utiliser vos propres clés API OpenAI, Anthropic ou Gemini. Ou alors vous vous connectez à Ironsmith sans aucune clé, avec 10 crédits offerts pour tester. Avec un gros modèle genre GPT-5.5 ou Opus 4.8, on dépasse alors vite le simple gadget et on arrive à faire des apps étonnamment sophistiquées.

Un éditeur SVG natif sorti d'une simple description

Côté coulisses, le bouzin réclamera uniquement Xcode Command Line Tools qu'on installe avec un petit xcode-select --install. Et quand le code généré ne se compile pas du premier coup, l'app sait lire les erreurs du compilateur et tente alors de les réparer toute seule, d'abord avec des correctifs déterministes, puis en redemandant un diff au modèle. En gros, elle débugge sa propre merde avant de vous la mettre dans l'assiette. Miam !

Et niveau sécu, c'est assez carré même si je vous recommande TOUJOURS de relire le code avant de lancer des trucs random sur votre ordi. En tout cas, les dev ont bien pensé le truc en vous permettant de garder chaque app signée, sandboxée et lancée en "hardened runtime" par défaut, et autoriser explicitement l'accès à la caméra ou au micro.

Voilà, en fonction du modèle, vous n'aurez pas forcément les mêmes résultats. C'est assez expérimental, mais moi j'aime beaucoup voir ça parce que je me dis une fois encore, que c'est peut-être l'avenir. Permettre à tout un chacun de répondre à des besoins précis sans avoir besoin de mettre les mains dans le code ni de se battre avec des outils de dev, c'est chouette !

Voilà, si vous tournez sous macOS 26 et que vous avez une petite app en tête, vous pouvez télécharger le soft sur sa page GitHub ou sur le site, c'est gratuit et open source !

Si comme moi vous vous intéressez à l’IA, vous avez probablement déjà testé des outils comme LM Studio, Ollama, llama.cpp, Stable Diffusion, etc. Quand on débute, c’est une jungle… et pour choisir le bon modèles, c’est encore pire ! On se retrouve vite submergé et la déception arrive rapidement. Les réponses tardent à s’afficher, arrivent incomplètes ou le modèle mouline pendant 15 minutes (sous un bruit de ventilateurs digne d’un décollage d’avion) pour finalement ne rien produire. Heureusement, quelques ressources permettent d’y voir plus clair…

Quels outils pour bien démarrer ?

L’IA en local, c’est avant tout une question de maîtrise (données, confidentialité voire de souveraineté), sans cloud, sans logs, sans conditions d’utilisation à rallonge. Pour un homelab, je vous recommande de commencer avec 2 outils éprouvés et gratuit : LM Studio et Ollama. Le choix des modèles reste une question à part entière. Certains sont plus performants sur des tâches de raisonnement, d’autres en codage, en rédaction, en santé, etc. Mais pour l’outillage de base, ces deux solutions couvrent l’essentiel.

LM Studio

LM Studio fonctionne sur ordinateur et capable d’exploiter à la fois la carte graphique et processeur. Il propose un large catalogue de modèle (Gemma, Qwen, GPT-OSS, Ministral…), mais il est possible d’en ajouter d’autres manuellement.

Il existe une application sur mobile qui se connecte sur votre ordinateur. Vous saisissez votre prompt depuis le téléphone, l’inférence s’exécute sur votre ordinateur et le résultat s’affiche directement sur l’écran de votre mobile.

Ollama

Nous avons déjà abordé Ollama dans le cadre de nos guides avec Open WebUI, qui en fait une solution très complète et bien adaptée à une infrastructure pour du homelab. Si vous ne l’avez pas encore mis en place, je vous renvoie vers notre article dédié.

ChatGPT sur un NAS Synology, c’est possible en 5 minutes chrono !

Quels modèles choisir ?

C’est la question que je me suis posée le plus souvent. La réponse varie selon la machine utilisée : un NAS, un mini PC, un iMac ou une tour… Cela ne donnent pas les mêmes résultats avec les mêmes modèles. J’expérimente régulièrement de nouveaux modèles et dans la majorité de mes configurations, ce sont Gemma (Google) et Qwen (Alibaba) qui offrent le meilleur rapport performances/qualité.

Ce sont de grandes familles de modèles open source, chacune déclinée en plusieurs versions selon la taille et les capacités. Mais pour savoir ce qui tournera réellement sur votre machine, 2 sites sont devenus pour moi incontournables.

Can I Run AI locally ?

CanIRun.ai est une référence dans le domaine. Le principe, vous renseignez le processeur, la carte graphique et la quantité de mémoire de votre machine… et le site vous indique immédiatement quels modèles sont compatibles avec votre configuration : avec ou sans raisonnement, ainsi que le nombre de tokens par seconde estimé pour chacun.

Ce dernier point est important car plus ce chiffre est élevé, plus le modèle répondra vite sur votre matériel. C’est l’indicateur clé pour évaluer la fluidité d’utilisation avant même d’installer quoi que ce soit.

Le site propose également de nombreux filtres supplémentaires : type de tâche (codage, rédaction, raisonnement…), type de licence (open source, commerciale…), éditeur, score… C’est une vraie mine d’or pour comprendre pourquoi un modèle présenté comme compatible sur un forum ne fonctionne pas de la même façon sur votre machine, même si les configurations semblent similaires sur le papier. L’interface est claire et la prise en main quasi immédiate.

LLM Leaderboard

Là où CanIRun.ai se concentre sur le matériel, LLM Leaderboard se focalise sur la qualité des modèles eux-mêmes. L’approche est différente et complémentaire. Quel modèle choisir selon votre cas d’usage ? Écriture, raisonnement, codage, santé, finance, mathématiques, droit… les catégories sont nombreuses et les benchmarks précis.

Au moment de la rédaction de cet article, le site référence et classe plus de 315 modèles. On y retrouve des modèles connus, mais aussi des modèles plus controversés (comme Mythos). LLM Leaderboard est très utile pour affiner un choix une fois que vous savez ce qui est techniquement acceptable sur votre machine. Je vous recommande de sélectionner « small (<32B) » pour avoir uniquement les modèles capable de fonctionner sur un ordinateur grand public.

Utilisés ensemble, ces 2 outils forment un super combo. Le premier vous dit ce que vous pouvez faire tourner, l’autre vous dit ce que vaut chaque modèle. C’est le point de départ logique avant d’installer quoi que ce soit…

En synthèse

Entre la jungle des outils et celle des modèles, se lancer dans l’IA en local peut vite décourager. Mais avec LM Studio ou Ollama pour l’inférence, CanIRun.ai pour calibrer ses attentes selon son hardware et LLM Leaderboard pour choisir le bon modèle selon son usage, le tableau devient nettement plus lisible. Contrairement aux solutions Cloud, tout ces outils sont gratuits, hors ligne et vos données restent chez vous.

Et vous, est-ce que vous vous intéressé à l’IA en local ? N’hésitez pas à laisser un commentaire…

Avec Scratch , une app de prise de notes signée Eric Li que je viens de découvrir, vos notes, c'est vos fichiers stockés directement sur votre disque. Pas de cloud, pas de base de données, tout est portable / exportable et c'est ce qui m'a plu. En plus c'est dispo sur Mac, Windows et Linux.

Grâce à Scratch, vous écrivez en mode WYSIWYG comme dans Notion, sauf que derrière ça reste du markdown standard et surtout, comme vos notes sont de bêtes fichiers texte, votre agent local peut les lire et les éditer en direct.

Et comme tout vit sous la forme de fichiers, Scratch repère les modifs externes en temps réel. Vous pouvez donc lâcher n'importe quel agent (Claude Code, Codex, OpenCode, ou votre LLM qui tourne en local via Ollama, donc 100% hors-ligne) ou script sur votre dossier de notes, il suivra sans broncher. Et pour passer d'une machine à l'autre, y'a une intégration git optionnelle en push/pull ce qui permet de faire voyager vos notes comme du code.