Nativ : exécuter des modèles d'IA en local sur Mac via MLX, une alternative à LM Studio

Le développeur Prince Canuma a lancé le 21 juillet 2026 Nativ, une application de bureau pour macOS qui exécute des modèles d'IA en local au-dessus du framework Apple MLX. Elle offre à la fois une interface de chat et un serveur API localhost.

Qu'est-ce que Nativ

Nativ est une surcouche de MLX, empaquetée dans une véritable application macOS. Son auteur, Prince Canuma, est connu pour être le développeur de la bibliothèque Python MLX-VLM, qui permet d'exécuter sur Mac, via MLX, des modèles vision-langage (capables de traiter simultanément du texte et des images). Nativ fait passer cette logique de la ligne de commande à une interface de bureau : le modèle tourne entièrement sur l'appareil, sans aucun appel au cloud.

MLX est le framework open source d'Apple pour le machine learning, optimisé pour les puces Apple Silicon (série M). Il exploite la mémoire unifiée des Mac et permet d'exécuter des modèles de langage et multimodaux directement sur un ordinateur portable, sans carte graphique dédiée.

• Date de sortie : 21 juillet 2026
• Auteur : Prince Canuma, développeur de la bibliothèque MLX-VLM
• Base : framework Apple MLX (pour Apple Silicon)
• Format : application de bureau pour macOS
• Fonctions : interface de chat et serveur API localhost

En quoi Nativ ressemble à LM Studio

Par sa forme, Nativ se rapproche de LM Studio, application très répandue pour exécuter des LLM en local. Comme LM Studio, Nativ propose deux modes d'utilisation d'un modèle : un chat graphique pour le dialogue classique, et un serveur API local sur localhost, auquel on peut connecter ses propres scripts et applications.

Le serveur API local est un détail clé pour les développeurs : il permet d'intégrer un modèle tournant sur Mac dans son propre code, exactement comme on appelle d'ordinaire une API cloud, mais sans accès à Internet et sans payer chaque requête. Simon Willison a par ailleurs relevé un détail pratique : l'application a automatiquement détecté les modèles MLX déjà présents dans son cache Hugging Face, sans qu'il ait besoin de les télécharger à nouveau.

« Je suis vraiment enthousiaste à propos de son nouveau projet.

L'application a repéré les modèles MLX que j'avais déjà essayés et qui se trouvaient dans mon cache Hugging Face, un détail appréciable », a déclaré Simon Willison, développeur et auteur du blog simonwillison.net.

Pourquoi l'exécution locale compte

Exécuter des modèles en local signifie que les données ne quittent pas l'appareil : ni les prompts ni les réponses ne transitent par des serveurs tiers. Sur les Mac équipés de puces Apple Silicon et dotés d'une grande quantité de mémoire unifiée, cette approche est devenue réaliste : des modèles de taille moyenne tournent directement sur l'ordinateur portable, sans GPU loués.

Cette approche supprime deux dépendances : le paiement des tokens des API cloud et la connexion permanente à Internet. Pour les données privées, les scénarios hors ligne et l'expérimentation, la différence est sensible. Nativ y ajoute un faible seuil d'entrée : au lieu de manipuler la ligne de commande, l'utilisateur dispose d'une application familière, avec des boutons et une fenêtre de chat.

Ce que cela change

Les outils d'exécution locale de l'IA sortent du cadre de la ligne de commande : Nativ fait pour l'écosystème Apple MLX à peu près ce que LM Studio a fait pour le grand public, en réduisant le lancement d'un modèle sur son propre Mac à une affaire de quelques clics.