Prenons Julie. Elle dirige une agence de communication de douze personnes à Nantes et elle cherche un nouvel outil de gestion de projet. Il y a trois ans, elle aurait tapé sa recherche dans Googl...
PC Nvidia RTX Spark : l’IA hors ligne tient-elle vraiment la route face à ChatGPT ?
Couper le Wi-Fi, ouvrir son PC portable et demander à une IA de résumer un document, de transcrire une réunion ou d’écrire un bout de code, sans qu’un seul octet ne parte vers un datacenter. C’est ce que promettent les PC portables équipés de la puce Nvidia RTX Spark, en vente en France depuis le 16 octobre 2026. Un peu plus de deux semaines après leur arrivée en rayon, j’ai voulu savoir ce que cette puce vaut une fois sortie des démonstrations bien huilées. Je suis parti d’un scénario simple, tiré des premiers tests publiés : une machine en mode avion, des modèles d’IA ouverts téléchargés à l’avance, et six tâches qu’on confie d’habitude à ChatGPT. J’ai aussi refait le point sur ce qui était encore annoncé fin octobre : le petit modèle Bolt E4B de Nvidia, la sécurité des agents sous Windows et les prix. Le verdict tient en deux phrases. Pour poser des questions, résumer et transcrire, l’IA locale fait déjà le travail. Pour les agents qui pilotent l’ordinateur, il faut encore mettre les mains dans le cambouis, et la batterie fixe des limites très concrètes.
RTX Spark : ce que cette puce change pour l’IA locale
La RTX Spark réunit dans un seul boîtier un processeur Arm de 18 ou 20 cœurs selon la version, conçu avec MediaTek, et un GPU de génération Blackwell, la même que celle des GeForce RTX 50. Jusque-là, rien de révolutionnaire. Ce qui compte, c’est que les deux partagent la même mémoire unifiée : jusqu’à 128 Go, avec un débit de 300 Go/s.
Pour comprendre pourquoi c’est important, il faut savoir comment un modèle d’IA tourne sur un PC. Pour répondre vite, le modèle doit tenir en entier dans la mémoire de la puce qui fait les calculs, en pratique la carte graphique et sa mémoire vidéo (la VRAM). Une RTX 5070 de PC portable se contente de 8 Go de VRAM, 12 Go pour la RTX 5070 Ti. Ça suffit pour un petit assistant, pas pour un modèle sérieux. Avec la RTX Spark, le GPU peut s’octroyer plusieurs dizaines de gigaoctets dans la mémoire commune. On change d’échelle.
Apple fait la même chose depuis 2020 avec ses puces M, et c’est justement ce qui a fait du Mac la machine favorite des amateurs d’IA locale. Côté Windows, c’est la première fois qu’on trouve ce type d’architecture avec une vraie carte graphique Nvidia et tout l’écosystème CUDA derrière.
Un modèle d’IA se mesure en « paramètres », des milliards de valeurs apprises pendant l’entraînement. Plus il en a, plus il occupe de mémoire. La « quantification » consiste à compresser ces valeurs (8 bits, 4 bits, voire 2 bits) pour faire tenir un gros modèle dans moins de place, au prix d’une petite perte de précision. Quand vous lisez « Q4 » ou « Q4_K_M » dans le nom d’un fichier, il s’agit d’une version compressée en 4 bits.
Les prix en France
Nvidia communique un prix d’appel à partir de 2 499 €, mais ce tarif est lié à une offre promotionnelle réservée aux nouveaux abonnés Perplexity. Hors promotion, voici ce que l’on trouve en France début novembre :
| Modèle | Mémoire unifiée | Stockage | Prix public |
|---|---|---|---|
| Microsoft Surface Laptop Ultra (puce 18 cœurs) | 24 Go | 512 Go | 2 899 € |
| Asus ProArt P16 (entrée de gamme) | 24 Go | 512 Go | 3 299,99 € |
| Microsoft Surface Laptop Ultra (puce 20 cœurs) | 32 Go | 1 To | 4 239 € |
| Asus ProArt P16 (version intermédiaire) | 64 Go | 1 To | 5 299,99 € |
| Microsoft Surface Laptop Ultra (puce 20 cœurs) | 128 Go | 1 To | 6 879 € |
| Asus ProArt P16 (boutique Asus, relevé à la sortie) | 128 Go | 1 To | 6 799,99 € |
| Asus ProArt P16 (haut de gamme, relevé à la sortie) | 128 Go | 2 To | 7 599,99 € |
| Asus propose aussi des versions 32 et 48 Go. Dell (XPS 16), HP (OmniBook Ultra 16, dès 3 299,99 €), Lenovo (Yoga Pro 9n) et MSI (Prestige N16) complètent la gamme. Les prix des versions 128 Go du ProArt ont été relevés à la sortie et peuvent avoir bougé : vérifiez avant d’acheter. | |||
Le ProArt P16 est distribué à la Fnac, chez Darty, Boulanger, Amazon et sur la boutique en ligne d’Asus. L’entrée de gamme est toujours affichée à 3 299,99 € à la Fnac et chez Darty. Sur la boutique Asus, la version 128 Go avec 1 To de stockage était affichée à 6 799,99 € à la sortie, et les membres du programme Asus recevaient en plus un sac à dos et une souris ProArt. Le Surface Laptop Ultra se commande sur le site de Microsoft, qui a depuis publié sa grille française complète, avec sept configurations. Attention au détail : à 2 899 €, il embarque la puce 18 cœurs, moins puissante. La version 20 cœurs, celle du ProArt, commence à 4 239 € avec 32 Go, et le modèle 128 Go monte à 6 879 €. Ces tarifs officiels donnent un bon point de repère pour juger les prix des revendeurs. La liste complète des machines figure sur le blog de Nvidia France.
64 Go sur le papier, beaucoup moins dans la pratique
Le scénario que je décris repose sur un ProArt P16 en 64 Go, la version intermédiaire. Première découverte : l’IA n’a pas accès à tout. La part de mémoire réservée au GPU se règle dans l’application Nvidia et, par défaut, elle est fixée à 48 Go. Windows ne garde alors que 16 Go pour lui et les autres logiciels, ce qui devient vite juste.
Exemple parlant : gpt-oss-120b, le gros modèle ouvert d’OpenAI, refuse de se charger au bout de trois secondes. Il demande 59,9 Go de mémoire graphique, la machine en expose 55,9. Raté de peu, mais raté quand même. On peut augmenter la part du GPU, mais Windows se retrouve alors à l’étroit et c’est tout le système qui ralentit.
Les modèles ouverts au programme, et ce que « gratuit » veut dire
Pour ce test hors ligne, six outils ont été téléchargés avant de couper le réseau. Tous sont ouverts : leurs « poids », le fichier qui contient le modèle, se téléchargent librement.
- Qwen 3.6 35B (Alibaba)
- Le rapide. C’est un modèle « à experts » : sur ses 35 milliards de paramètres, seuls 3 milliards environ travaillent pour chaque mot. Idéal pour les questions courantes.
- Qwen 3.8 27B (Alibaba)
- Plus récent et plus réfléchi. Modèle « dense », il mobilise ses 27 milliards de paramètres à chaque mot, d’où une écriture plus lente mais plus soignée.
- Qwen3 Coder 30B (Alibaba)
- La déclinaison spécialisée dans la programmation.
- gpt-oss-20b (OpenAI)
- Le petit modèle ouvert d’OpenAI, polyvalent et peu gourmand.
- Nemotron 3.5 (Nvidia)
- Le modèle maison de Nvidia, pensé pour tourner sur ses propres puces.
- Whisper large-v3-turbo (OpenAI)
- L’outil de transcription audio, qui transforme la parole en texte.
Tous ces modèles se trouvent sur Hugging Face, la plateforme où la communauté partage l’essentiel des modèles ouverts. Pour les faire tourner, il faut un logiciel comme LM Studio, Ollama ou llama.cpp, le moteur sur lequel reposent une bonne partie des outils d’IA locale. Depuis le 23 octobre, un septième candidat s’ajoute à la liste pour les petites configurations : Nemotron 3.5 Bolt E4B, dont je parle plus bas.
Un mot sur l’expression « IA chinoise gratuite » qu’on lit souvent à propos de Qwen. Gratuite, oui : le modèle se télécharge sans abonnement et tourne sans compte. Chinoise, aussi, puisque c’est Alibaba qui l’entraîne. Mais une fois sur votre disque, le modèle ne communique avec personne. Vos questions ne partent ni en Chine ni ailleurs. La seule réserve concerne le modèle lui-même : comme tout modèle, il reflète les choix de ceux qui l’ont entraîné, et les modèles chinois peuvent se montrer plus prudents ou évasifs sur certains sujets politiques. Pour résumer un rapport ou coder, ça ne change rien. C’est d’ailleurs un argument que Nvidia met en avant pour ses propres modèles Nemotron, américains et dont les données d’entraînement sont publiées : certaines administrations et banques préfèrent éviter les modèles chinois par principe.
Agents IA : ce que promettent Nvidia et Microsoft
Lors des présentations de la RTX Spark, un mot revenait sans cesse : agent. Un agent, c’est une IA qui ne se contente pas de répondre. Elle agit sur l’ordinateur : elle ouvre des fichiers, lance des logiciels, enchaîne les étapes d’une tâche. Les deux noms qui circulent le plus sont Hermes Agent, développé par Nous Research, et OpenClaw. Beaucoup les font déjà tourner sur un mini-PC allumé en permanence, ce que Microsoft appelle une « claw box ». Sauf que leur cerveau reste en général dans le cloud, chez Anthropic ou OpenAI.
Nvidia veut le rapatrier dans la machine. En démonstration, le patron de Nous Research a fait tourner Hermes sans réseau à 57 tokens par seconde, sur une machine de 64 Go. Depuis, Hermes est sorti de bêta sous Windows et s’installe nativement, sans passer par WSL ni Docker. Depuis sa version 0.22 (mi-octobre), il est même distribué en paquet signé sur le Microsoft Store, ce qui règle la question des alertes de sécurité à l’installation.
YOLO ou Alcatraz : le dilemme de la sécurité
Reste la question qui fâche : un agent capable d’agir sur votre PC est aussi capable d’effacer vos fichiers. Nvidia a résumé le problème avec deux images. En mode « YOLO », on donne tous les droits à l’agent et on croise les doigts. En mode « Alcatraz », on bloque tout, l’agent demande la permission à chaque action, et au dixième clic sur « autoriser », on ne lit plus rien.
Microsoft propose un juste milieu avec ses Execution Containers (MXC), disponibles en version finale sur Windows 11 depuis le 7 octobre 2026. L’agent devient un utilisateur à part entière, avec son propre compte, un peu comme un enfant à qui l’on prête l’ordinateur. Vous décidez quels dossiers il peut lire ou modifier et s’il a droit à Internet, et c’est Windows qui fait respecter la règle, quelle que soit la décision de l’agent. MXC peut aussi tourner en mode « apprentissage » : il note ce que l’agent essaie de faire, ce qui aide à écrire ensuite des règles au plus juste. Au lancement, Microsoft citait parmi les logiciels déjà compatibles GitHub Copilot, OpenClaw, Codex d’OpenAI, LM Studio et Unsloth. Hermes figurait, lui, dans la liste de ceux qui « publieront » leur prise en charge plus tard.
Nvidia y ajoute OpenShell, sa propre couche de surveillance, publiée en open source et intégrée à MXC sous Windows. OpenShell enferme l’agent dans un bac à sable : il contrôle ses accès au réseau, aux fichiers et aux processus, protège ses identifiants, et si l’agent tente de joindre un site qui n’est pas sur la liste autorisée, la requête est bloquée et vous est présentée pour validation. Pour ceux qui ne veulent pas tout configurer à la main, NemoClaw installe en une commande un agent (OpenClaw par défaut, Hermes en option) déjà enfermé dans OpenShell, avec des règles de sécurité prêtes à l’emploi. Petite précision quand même : NemoClaw passe par Linux ou WSL, pas par Windows en natif.
Un agent IA, même local, peut supprimer ou modifier des fichiers par erreur. Avant de lui confier quoi que ce soit, je vous conseille de limiter ses droits à un dossier de travail dédié et d’avoir une sauvegarde récente de vos données.
L’installation « en deux clics » attendra encore un peu
Microsoft promet aussi de proposer le choix d’un agent (Hermes, OpenClaw ou Perplexity) installable en deux clics depuis le Microsoft Store. Pas au premier démarrage, mais après une période d’utilisation dont la durée n’a pas été précisée. Sur la machine du test, ce menu n’existait pas encore, pas plus que les niveaux de protection intégrés d’OpenClaw.
Le cas de Hermes mérite qu’on s’y arrête. Nvidia avait annoncé que l’agent intégrerait les protections d’OpenShell et de MXC « d’ici la fin du mois » d’octobre. J’ai épluché les notes de version publiées depuis : la 0.22.5, sortie le 22 octobre, ne mentionne ni OpenShell ni MXC. Le travail est bien en cours, puisqu’un développeur de Nous Research a signalé sur GitHub un bug rencontré en pleine intégration : sur sa machine, entre 11 et 30 % des requêtes de l’agent passées par le bac à sable étaient refusées à tort, ce qui fait échouer des tâches en plein milieu. Début novembre, l’intégration n’est donc toujours pas livrée au grand public.
En attendant l’intégration officielle, Hermes s’installe sous Windows sans bac à sable OpenShell. Si vous voulez déjà l’enfermer, la solution la plus simple reste NemoClaw sous WSL, ou un compte Windows dédié avec des droits limités.
Autre surprise : le PC est livré sans aucun modèle d’IA. Tout est à installer soi-même, et tant qu’on a une connexion. Nvidia reconnaît d’ailleurs que tous les outils de développement ne sont pas encore prêts pour l’architecture Arm. Un de ses responsables a lâché sur scène qu’on n’était « pas arrivés à 100 % ».
Six tâches du quotidien passées au crible, sans Internet
Voici le cœur du sujet : ce que donne une IA locale sur des tâches réelles, en mode avion, sur la version 64 Go du ProArt P16. Petit rappel avant les chiffres : un token correspond à un mot ou à un morceau de mot. Au-delà de 15 à 20 tokens par seconde, le texte s’affiche plus vite qu’on ne le lit.
Poser une question pratique
C’est le cas le plus courant, celui pour lequel la plupart des gens ouvrent ChatGPT. La demande : un plan heure par heure pour encaisser neuf heures de décalage horaire après un vol long-courrier, avec les horaires de sommeil, de repas, d’exposition à la lumière et de caféine.
Qwen 3.6 répond à environ 70 tokens par seconde. Le plan tient la route, découpé jour par jour : lumière naturelle au maximum à l’arrivée, dîner léger, coucher vers 21 h 30, café le matin seulement, sieste de 20 minutes maximum. Rien de génial, rien de faux non plus. Une question de suivi (« et si je dois travailler dimanche après-midi ? ») obtient une réponse tout aussi rapide, puisque le modèle garde la conversation en mémoire. La seule attente, c’est le chargement du modèle au lancement : quelques dizaines de secondes.
Résumer des documents confidentiels
C’est pour moi l’usage qui justifie le plus l’IA locale. Des notes internes, un contrat, un compte rendu sous embargo : tout ce qui ne doit pas sortir de la machine. Le test consiste à coller plus de 11 000 tokens de notes de réunion dans Qwen 3.8 27B, avec une consigne précise : un résumé en dix points, la liste des affirmations non étayées par des chiffres, et huit questions de vérification.
Le modèle avale les notes en 17 secondes, puis rédige pendant un peu plus de deux minutes, pour 3 % de batterie. Il écrit nettement moins vite que Qwen 3.6, autour de 16 tokens par seconde, parce qu’il mobilise ses 27 milliards de paramètres pour chaque mot. Avec le décodage spéculatif, une technique qui lui fait deviner plusieurs mots d’un coup, il grimpe entre 24 et 31 tokens par seconde. Le résultat est complet, bien hiérarchisé, avec de vraies questions de vérification. Sans aucun accès à Internet.
Il y a un prix à payer, et il est physique. Quand on interroge ChatGPT, le PC reste froid puisque tout se calcule dans un datacenter. Ici, c’est la machine qui travaille. En mode Performance, l’air soufflé par les ventilateurs devient presque brûlant sur les genoux, et le bruit rappelle celui d’un jeu vidéo exigeant.
Transcrire des vidéos
Whisper, dans sa version large-v3-turbo, traite un extrait vidéo de 80 secondes en 5,35 secondes sur le GPU, soit quinze fois plus vite que le temps réel. Le texte obtenu hors ligne est identique au mot près à celui obtenu avec une connexion. En mode automatique, il gère même les passages qui mélangent français et anglais. Pour qui enregistre des réunions ou des interviews, c’est probablement l’usage le plus vite rentabilisé.
Attention toutefois : une IA locale se trompe comme une IA du cloud. À la question « explique à un enfant de 10 ans pourquoi un avion vole », Qwen 3.8 27B ressort la vieille idée reçue de l’air qui ferait « un détour » au-dessus de l’aile, et Nemotron 3.5 inverse le dessus et le dessous de l’aile avant de parler… d’un bateau. Sans son mode réflexion, Qwen 3.8 27B s’est même trompé de jour dans le plan de décalage horaire.
Le choix du modèle compte autant que dans le cloud. Sur les mêmes notes, Qwen 3.6 rend un bon résumé en 36 secondes. Qwen 3.8 27B, réflexion activée, met 2 min 43, mais son résumé est plus fouillé. Le modèle rapide pour les questions simples, le modèle réfléchi pour ce qui compte : la règle ne change pas.
Piloter un logiciel avec un agent, et buter sur les 64 Go
On passe ici à l’étape supérieure. L’agent Hermes, avec Qwen 3.8 27B comme cerveau, reçoit pour mission de piloter ComfyUI, un logiciel de génération d’images, pour produire une illustration.
L’installation n’a rien de « deux clics » : le connecteur entre Hermes et ComfyUI refuse de s’installer tel quel sur la puce Arm. Et une fois hors ligne, ça coince. Premier essai : Hermes et son modèle ne s’accordent pas sur un réglage. Deuxième essai : ComfyUI plante, faute de mémoire vidéo. L’agent cherche une solution pendant un quart d’heure avant d’être arrêté. Bilan au bout de 33 minutes : aucune image et 39 % de batterie en moins, soit environ 71 watts consommés en moyenne.
L’explication est technique mais instructive. Le contexte, c’est la mémoire de travail du modèle, la quantité de texte qu’il peut garder en tête. Cette mémoire est réservée en totalité dès le chargement, même si elle reste vide. Or Hermes choisit par défaut la plus grande fenêtre possible : 262 144 tokens, l’équivalent de plusieurs livres. Avec le modèle, ça représente environ 40 Go de mémoire vidéo. Ajoutez ComfyUI, et la mémoire que Windows accepte d’engager, plafonnée à 60,7 Go sur cette machine, sature. ComfyUI affiche pourtant « 55 Go de mémoire vidéo libre » : sur cette puce, ce chiffre est trompeur.
La solution passe par un réglage manuel. Hermes refuse de descendre sous 64 000 tokens, le contexte est donc fixé à 65 536 tokens. Le modèle n’occupe alors plus qu’environ 24 Go, et l’agent cohabite enfin avec le logiciel d’images. Contrepartie : le modèle raisonne moins longtemps et digère moins de données d’un coup. Avec la version 128 Go, ce réglage n’aurait pas été nécessaire.
Une fois la mémoire domptée, la même demande aboutit sans aide : Hermes rédige le prompt, lance ComfyUI et rend l’image. Il en fait même un peu trop, en revérifiant longuement son travail dans le terminal, et une de ses commandes est bloquée par sa propre sécurité. La dernière version de Windows sait justement approuver automatiquement les commandes jugées sans danger.
Si un modèle refuse de se charger alors que votre logiciel affiche beaucoup de mémoire libre, réduisez la taille du contexte (souvent appelée « context length » ou « n_ctx ») dans les réglages de l’agent ou du logiciel. C’est le réglage qui fait la plus grosse différence sur la mémoire occupée.
Coder un petit jeu
Microsoft a montré GitHub Copilot qui continue de coder en mode avion grâce à son modèle local MAI Code 1.1 Flash. Impossible à reproduire ici : Microsoft recommande plus de 120 Go de mémoire pour ce modèle. Qwen3 Coder, qui tient dans 64 Go, prend le relais avec une demande simple : un petit jeu où l’on dirige un avion en papier pour éviter les turbulences et les nuages. Visuellement, ce n’est pas la folie, mais le jeu fonctionne, et le code sort à environ 95 tokens par seconde. Pour un développeur qui travaille dans un train ou un avion, c’est largement suffisant pour écrire des scripts, corriger un bug ou générer des tests.
Générer une vidéo
Dernier défi, le plus lourd : générer une vidéo avec MiniMax H3, le modèle chinois mis en avant par Nvidia, dans sa version officielle pour ComfyUI. Le modèle vidéo y est compressé en INT8, et seul son encodeur de texte profite du format NVFP4 propre à Nvidia. Avec une connexion et rien d’autre en mémoire, l’essai fonctionne : cinq secondes de vidéo avec le son (une cabine d’avion de nuit, bruit des moteurs compris) en un peu plus de quatre minutes, en 864 × 480. Mais le logiciel garde ensuite environ 40 Go de mémoire pour lui. Avec Hermes lancé à côté, tout plante. Sur 64 Go, il faut faire une chose à la fois.
Batterie, chaleur et bruit : le vrai prix de l’IA locale
La vitesse n’est pas le problème. La batterie, si. Elle fait 99,9 Wh, juste sous la limite des 100 Wh au-delà de laquelle il faut l’accord de la compagnie aérienne pour l’emporter en cabine. Voici ce qu’elle donne selon l’usage :
| Usage | Consommation observée | Autonomie à ce rythme |
|---|---|---|
| Questions, résumés, transcription | De 100 à 78 % en une heure, environ 20 W | Environ 5 heures |
| Agent Hermes et ComfyUI | 39 % en 33 minutes, environ 71 W | Moins d’1 h 30 |
| IA intensive en mode Performance | 75 W en moyenne, jusqu’à 100 W | Environ 1 h 15 |
| Relevés calculés à partir de la baisse réelle du niveau de batterie pendant l’utilisation. | ||
Une heure de questions et de résumés, ça passe sans souci. Un agent qui travaille vraiment, c’est une heure et quart dans le meilleur des cas, comme les PC portables de jeu d’il y a quelques années. Pour de longues sessions, il faut une prise et une table. Et pas n’importe quelle prise : branché sur le siège d’un avion, en plein calcul, le PC perd encore 13 % de batterie en 19 minutes. Son chargeur fait 140 W, alors que les prises de siège délivrent souvent 60 W à peine.
Deux pièges à connaître
Si l’écran s’éteint, Windows passe en veille et bride la puce : les calculs continuent, mais deux à trois fois plus lentement (le code du petit jeu est passé de 93 à 34 tokens par seconde). Pendant une longue tâche d’IA, réglez la mise en veille de l’écran sur « Jamais ».
Le second piège est plus brutal. À 30 % de batterie, la vitesse est divisée par deux d’un coup : gpt-oss-20b tombe de 78 à 38 tokens par seconde, Qwen 3.8 27B de 26 à 11, alors que le GPU reste occupé à 94 %. Le principal coupable identifié est l’économiseur d’énergie de Windows, réglé en usine pour s’activer à 30 %. Le passer sur « Jamais » permet de récupérer l’essentiel de la vitesse. Sur une des machines testées, il était pourtant déjà désactivé, ce qui laisse penser qu’un second mécanisme peut entrer en jeu.
Côté températures, rien d’inquiétant pour la puce : le GPU n’a jamais dépassé 71 °C ni ralenti à cause de la chaleur. Ce sont les genoux qui trinquent. Le bruit, lui, grimpe jusqu’à 65 dB à un mètre dans un jeu exigeant en 4K, l’équivalent d’un PC de jeu. Ces constats valent pour l’Asus : chaque constructeur règle la puissance de la puce entre 45 et 80 W, et d’autres châssis pourraient mieux s’en sortir.
RTX Spark contre MacBook Pro M5 Pro : qui gagne ?
Le Mac est la référence de l’IA locale sur portable depuis plusieurs années, grâce à sa mémoire unifiée. La comparaison s’imposait donc, avec les mêmes fichiers de modèles sur un MacBook Pro M5 Pro 48 Go et sur la version 128 Go du ProArt P16.
| Critère | RTX Spark (ProArt P16 128 Go) | MacBook Pro M5 Pro 48 Go |
|---|---|---|
| Écriture avec Qwen 3.6 35B | 74,8 tokens/s | 68,7 tokens/s |
| Lecture d’un long texte (16 384 tokens, Qwen3-8B) | 6,3 s | 19 s |
| IA en continu sur batterie | Environ 64 min | Environ 66 min |
| Énergie pour 1 000 tokens écrits | 0,36 Wh | 0,27 Wh |
| Vitesse sous 30 % de batterie | Divisée par deux (réglage d’usine) | Inchangée jusqu’à 5 % |
| gpt-oss-120b (63 Go) | 63,3 tokens/s | Ne se charge pas |
| Verdict : égalité pour écrire, avantage RTX Spark pour lire de longs documents et charger de gros modèles, avantage Mac pour l’efficacité énergétique. Autonomies estimées de 100 à 0 % au rythme mesuré, avec les mêmes fichiers de modèles. | ||
Pour écrire, les deux machines font jeu égal, parce que leurs débits mémoire sont proches. La RTX Spark prend l’avantage dès que la puissance de calcul entre en jeu : elle lit un long document 2,5 à 3 fois plus vite. C’est un vrai atout pour les agents, qui relisent sans arrêt des fichiers. Sur batterie, l’autonomie est la même (environ une heure d’IA en continu), mais le Mac consomme environ 25 % d’énergie en moins pour produire le même texte.
Bonne nouvelle pour ceux qui hésitent : à fichiers comparables, la version 64 Go écrit aussi vite que la 128 Go. Les 128 Go servent à charger de plus gros modèles, pas à aller plus vite.
64 ou 128 Go : ce que l’on perd vraiment
Pour mesurer l’écart, je me suis appuyé sur l’indice d’Artificial Analysis, un classement indépendant que Nvidia cite lui-même. Plus l’indice est élevé, plus le modèle est performant.
| Modèle | Mémoire nécessaire | Indice Artificial Analysis |
|---|---|---|
| gpt-oss-120b (OpenAI) | 128 Go | 12 |
| Nemotron 3.5 Bolt 74B-A9B (Nvidia) | Environ 24 Go | 21,4 |
| Nemotron 3.5 Super VL (Nvidia) | Serveur ou 128 Go | 26,5 |
| Qwen 3.8 27B (Alibaba), réflexion maximale | 64 Go | 34 |
| Qwen 3.8 Flash-Next (Alibaba) | 128 Go | 40 |
| Claude Sonnet 5.5, réglage intermédiaire (cloud) | – | 41 |
| Claude Opus 5.5, réglage maximal (cloud) | – | 58 |
| À retenir : le meilleur modèle qui tient dans 64 Go se situe à mi-chemin des meilleurs modèles du cloud, et un 128 Go permet d’atteindre le niveau d’un modèle cloud intermédiaire. | ||
Il y a un an, la star de l’IA locale en 128 Go, c’était gpt-oss-120b, avec un indice de 12. Qwen 3.8 27B, qui tient dans 64 Go, monte à 34 : presque trois fois mieux dans quatre fois moins de mémoire. En réalité, la version 64 Go ne perd qu’un modèle important, Qwen 3.8 Flash-Next, la vitrine de Nvidia avec ses 125 milliards de paramètres. Il atteint 40, au niveau de Claude Sonnet 5.5 en réglage intermédiaire. En clair, l’IA locale a rattrapé le niveau du cloud d’il y a environ six mois.
Nemotron 3.5 Bolt : la famille au complet
Nvidia a publié le 15 octobre Nemotron 3.5 Bolt 74B-A9B : 74 milliards de paramètres dont 9 milliards actifs, compressé en 2 bits pour tenir dans environ 24 Go, et entièrement ouvert. Il se télécharge sur Hugging Face et se lance dans LM Studio, Ollama, llama.cpp, Unsloth ou vLLM. Côté agents, Hermes Agent l’a ajouté à son moteur local avec sa version 0.22.3, publiée le 21 octobre. Nvidia présente Bolt comme taillé pour les agents, et affirme qu’il devance Qwen et Gemma sur les tests d’agents. Son premier score indépendant, 21,4, le place toutefois loin derrière Qwen 3.8 27B. Le même jour, Nvidia a sorti son grand frère, Nemotron 3.5 Super VL, un modèle de 120 milliards de paramètres qui comprend aussi les images et les documents, mais pensé pour les serveurs.
Le petit frère annoncé pour le 23 octobre est bien arrivé à la date prévue. Nemotron 3.5 Bolt E4B est en ligne sur Hugging Face et sur build.nvidia.com, où Nvidia propose aussi une API gratuite pour l’essayer sans rien installer. Nvidia ne l’a pas conçu de zéro : c’est le petit Gemma 4 E4B de Google, réentraîné par Nvidia pour mieux tenir une conversation et utiliser des outils. Il vise les assistants vocaux, les personnages interactifs dans les jeux, les robots et les objets connectés.
| Caractéristique | Ce qu’il faut savoir |
|---|---|
| Date de sortie | 23 octobre 2026 |
| Base | Gemma 4 E4B (Google), réentraîné par Nvidia |
| Paramètres | 8 milliards au total, 4 milliards « effectifs » |
| Taille du fichier Q4_K_M | 6,18 Go (le « 4 Go » du nom désigne la mémoire visée, pas le fichier) |
| Langues | Plus de 30, dont le français parmi les langues principales |
| Licence | OpenMDW-1.1, poids, données et recettes d’entraînement publiés |
| Logiciels compatibles | Ollama, LM Studio, llama.cpp, Unsloth, Transformers |
| Un petit modèle pensé pour la conversation et les outils, pas pour remplacer Qwen 3.8 sur un résumé de rapport. | |
Le nom induit en erreur sur un point. On lit « 4GB », mais le fichier compressé en 4 bits pèse 6,18 Go. Nvidia parle d’une enveloppe mémoire cible, pas de la taille du téléchargement. Dans les faits, ça ne change pas grand-chose : il tient sans difficulté dans une carte graphique de 8 Go. Sur les performances, le premier chiffre indépendant vient de Scale Labs : sur le test MultiChallenge, qui mesure la tenue d’une conversation sur plusieurs échanges, Bolt E4B obtient 56,03 %, soit 12,8 points de plus que le Gemma 4 E4B d’origine. C’est le meilleur score des petits modèles sur ce test. Nvidia a fourni avec lui un « brouillon » pour le décodage spéculatif (DFlash), la technique qui permet de deviner plusieurs mots d’un coup, pour gagner encore en réactivité.
Ce qui me plaît dans ce modèle, c’est qu’il n’a pas besoin d’une RTX Spark. Il vise aussi les GeForce RTX classiques et les cartes Jetson. Un employé de Nvidia a même publié sur le blog de Hugging Face un projet d’Halloween, une façade de maison qui discute avec les passants, dont le « cerveau » est justement Bolt E4B. C’est une démonstration maison, donc à prendre comme telle, mais elle montre bien la cible : un assistant local qui répond vite, avec peu de mémoire.
PAIR : plusieurs PC ne font pas une grosse IA
Ne comptez pas non plus sur un second ordinateur pour combler l’écart. Nvidia propose PAIR (Personal AI Router), un outil gratuit et open source, encore en bêta, qui répartit le travail des agents entre les machines de la maison, PC comme Mac. Mais il n’additionne pas la mémoire : chaque tâche part sur une seule machine. Deux PC de 64 Go ne font pas une IA de 128 Go. L’outil reste intéressant pour un autre usage : votre portable fait tourner un petit modèle et, quand une tâche demande plus de puissance, il la confie à un ordinateur plus costaud resté allumé dans la maison. Il fonctionne avec les GeForce RTX 20 et suivantes, ainsi qu’avec les Mac M4 et plus récents.
Dernière piste, que je n’ai pas pu creuser : Linux, moins gourmand en mémoire que Windows, laisserait plus de place au GPU. C’est d’ailleurs le choix de Nvidia pour son DGX Spark, une machine très proche vendue sous Linux.
5 299 € : est-ce rentable face à un abonnement ChatGPT Plus ?
Nvidia avance un argument économique : le PC devient un « générateur de tokens ». D’après ses chiffres, écrire 61 millions de tokens par mois coûte 20 dollars (environ 17 €) d’électricité en local, contre 1 200 dollars (environ 1 030 €) facturés par l’API d’un modèle du cloud équivalent. Les conditions sont précisées en bas de page : un mini-PC RTX Spark à 200 W de moyenne qui calcule près de 20 heures par jour, comparé au tarif à l’usage des développeurs. Ce calcul concerne ceux qui font tourner des agents jour et nuit, pas l’abonné moyen.
Pour un particulier, la comparaison est vite faite. ChatGPT Plus coûte 23 € TTC par mois en France quand on s’abonne sur le web, soit 276 € par an. Le ProArt P16 en 64 Go représente donc un peu plus de dix-neuf ans d’abonnement. Les 1 500 € d’écart entre cette version et la 128 Go relevée sur la boutique Asus valent à eux seuls plus de cinq ans de ChatGPT Plus, et l’écart grimpe à 2 300 € avec la version 2 To. Et la machine, elle, ne changera pas, alors que l’abonnement profite des nouveaux modèles et des serveurs renouvelés d’OpenAI. Sur un portable, l’électricité pèse peu : 2 à 3 centimes la recharge complète. Le vrai coût se paie en autonomie et en temps de réglage.
| Machine | Prix | Équivalent ChatGPT Plus |
|---|---|---|
| Surface Laptop Ultra 24 Go | 2 899 € | Environ 10 ans et demi |
| ProArt P16 64 Go | 5 299,99 € | Environ 19 ans |
| Surface Laptop Ultra 128 Go (1 To) | 6 879 € | Environ 25 ans |
| ProArt P16 128 Go (1 To) | 6 799,99 € | Environ 24 ans et demi |
| Base de calcul : ChatGPT Plus à 23 € TTC par mois sur le web, soit 276 € par an, sans promotion. | ||
L’argument qui tient vraiment, c’est la confidentialité. Même avec une offre professionnelle qui promet de ne pas entraîner les modèles sur vos données, celles-ci transitent par le cloud et y sont conservées un certain temps. Pour des documents d’entreprise, des données clients ou des papiers personnels, l’IA locale reste la seule à tout garder sur la machine. Pour un professionnel soumis au RGPD, ce n’est pas un détail.
L’approche hybride poussée par Nvidia et Microsoft me paraît aussi la plus raisonnable : garder en local ce qui est confidentiel et envoyer au cloud ce qui demande beaucoup de puissance. Nvidia développe pour ça un routeur open source, NeMo Switchyard, qui choisit automatiquement le modèle le plus adapté à chaque étape d’une tâche. Nous Research l’a intégré à Hermes. Le projet reste toutefois au stade expérimental : aujourd’hui, ça relève encore du bricolage.
Quelle configuration RTX Spark pour quel usage ?
Nvidia range lui-même les versions 24 et 32 Go dans la case « jeux, création et agents avec des modèles du cloud ». Le scénario décrit plus haut permet d’affiner ce découpage :
| Mémoire | Ce qu’on peut en attendre | Pour qui |
|---|---|---|
| 24 et 32 Go | Jeux, création, et un agent dont le cerveau reste dans le cloud. Petits modèles locaux seulement, comme Bolt E4B ou gpt-oss-20b. | Créatifs et joueurs qui veulent une machine fine |
| 48 et 64 Go | Discuter, résumer, transcrire, coder, générer des images. Un agent avec un logiciel d’images à côté, à condition de régler la mémoire à la main. | Professionnels qui traitent des données confidentielles |
| 128 Go | Les meilleurs modèles locaux du moment, la vidéo, et les agents qui enchaînent de nombreux outils sur de longues sessions. | Développeurs et utilisateurs avancés d’agents |
| Pour le jeu, la RTX Spark se comporte comme une RTX 5070 de PC portable, avec les limites de l’émulation des jeux x86 et des anti-triches pas toujours compatibles avec Arm. | ||
Se lancer dans l’IA locale sans acheter un PC RTX Spark
Bonne nouvelle : on n’a pas besoin de dépenser 5 000 € pour goûter à l’IA hors ligne. Mon propre PC de bureau est tout ce qu’il y a de plus classique : un Intel Core i3-12100F, 32 Go de mémoire vive et une GeForce RTX 3060 avec 12 Go de mémoire vidéo. Les outils comme LM Studio et Ollama tournent parfaitement sur ce genre de configuration, et pour beaucoup d’usages du quotidien, ça suffit.
Il faut juste comprendre où se trouve la limite. Sur une carte comme la mienne, c’est la mémoire vidéo qui décide de tout. Voici ce qu’on peut en attendre :
- Les modèles de 7 à 14 milliards de paramètres, compressés en 4 bits, tiennent entièrement dans la carte graphique et répondent vite. C’est le bon point de départ pour poser des questions, reformuler un texte ou résumer un document.
- Les modèles « à experts » comme Qwen 3.6 35B peuvent tourner en débordant sur la mémoire vive du PC. LM Studio et llama.cpp savent répartir le modèle entre GPU et RAM. Ça fonctionne, plus lentement, et les 32 Go de RAM deviennent alors la vraie limite.
- Whisper tourne très bien sur ce genre de carte pour transcrire des fichiers audio ou des réunions.
- Bolt E4B, avec son fichier de 6,18 Go, tient sans difficulté dans les 12 Go d’une RTX 3060, et même dans une carte de 8 Go. Il reste de la place pour un contexte confortable.
- Les gros modèles denses de plus de 30 milliards de paramètres et la génération vidéo restent hors de portée, ou deviennent trop lents pour un usage confortable.
Pour tester Bolt E4B avec Ollama, une seule commande suffit dans un terminal. Elle télécharge le fichier officiel publié par Nvidia sur Hugging Face, puis ouvre une conversation :
ollama run hf.co/nvidia/NVIDIA-Nemotron-3.5-Bolt-E4B-4GB:Q4_K_M
Dans LM Studio, il suffit de taper « Nemotron 3.5 Bolt E4B » dans la recherche de modèles. Pensez juste à le juger sur ce pour quoi il est fait : la conversation, les petites tâches avec des outils, un assistant vocal. Pour résumer un long rapport, un Qwen de taille moyenne fera mieux.
Le gros avantage d’un PC fixe, c’est que les problèmes de batterie, de bridage à 30 % et de chaleur sur les genoux disparaissent. On perd la mobilité, on gagne en tranquillité.
Côté logiciels, le choix s’est encore élargi ces dernières semaines. Hugging Face a présenté le 13 octobre Llama Windows, une petite application gratuite et open source développée par l’équipe de llama.cpp. Elle se loge dans la zone de notification de Windows 11, propose un catalogue de modèles à télécharger en un clic, s’installe sans droits administrateur et fonctionne sur les PC Intel, AMD, Arm et RTX Spark. Pour quelqu’un qui n’a jamais ouvert un terminal, c’est sans doute la porte d’entrée la plus simple aujourd’hui.
Pour démarrer, voici comment je m’y prendrais :
- Installer LM Studio ou Llama Windows. Les deux proposent une interface proche de ChatGPT et indiquent la mémoire nécessaire pour chaque modèle avant de le charger.
- Télécharger un modèle de taille moyenne (une version 4 bits d’un Qwen ou de gpt-oss-20b, par exemple) et le tester sur vos usages habituels. Si votre carte n’a que 8 Go, commencez par Bolt E4B.
- Réduire la taille du contexte si le chargement échoue ou si le PC rame.
- Passer à Ollama si vous voulez brancher l’IA locale sur d’autres outils : il expose une API locale que beaucoup de logiciels et d’outils d’automatisation savent utiliser.
- Garder un abonnement cloud pour les tâches lourdes, et réserver le local à ce qui est confidentiel ou répétitif.
Avant d’investir dans une machine RTX Spark, testez l’IA locale sur votre PC actuel. Si les petits modèles vous rendent déjà service, vous saurez exactement quelle quantité de mémoire viser. S’ils vous déçoivent, vous aurez économisé plusieurs milliers d’euros.
Questions fréquentes sur l’IA locale et la RTX Spark
- Une IA locale fonctionne-t-elle vraiment sans connexion Internet ?
- Oui. Une fois le modèle et le logiciel installés, tout se passe sur la machine. Il faut en revanche une connexion pour télécharger les modèles, qui pèsent souvent plusieurs dizaines de gigaoctets.
- Mes données partent-elles en Chine si j’utilise Qwen ?
- Non. Qwen est entraîné par Alibaba, mais le fichier que vous téléchargez tourne sur votre PC sans rien envoyer à personne. Vérifiez simplement que le logiciel qui le fait tourner (LM Studio, Ollama…) ne synchronise pas vos conversations ailleurs.
- Faut-il absolument une RTX Spark pour faire de l’IA en local ?
- Non. Une carte graphique GeForce récente avec 8 à 16 Go de mémoire vidéo suffit pour les petits et moyens modèles. La RTX Spark devient intéressante quand on veut faire tourner de gros modèles ou des agents sur un portable.
- Nemotron 3.5 Bolt E4B est-il disponible, et sur quel matériel ?
- Oui, depuis le 23 octobre 2026, sur Hugging Face, Ollama et LM Studio. Malgré le « 4GB » de son nom, le fichier 4 bits pèse 6,18 Go. Il tourne sur une GeForce RTX avec 8 Go de mémoire vidéo ou plus, et bien sûr sur une RTX Spark. C’est un petit modèle pensé pour la conversation et les assistants, pas pour les tâches lourdes.
- Hermes Agent est-il protégé par OpenShell et MXC sous Windows ?
- Pas encore début novembre 2026. L’intégration avait été annoncée pour fin octobre, mais elle n’apparaît dans aucune version publiée à ce jour. Hermes s’installe désormais depuis le Microsoft Store, sans ce bac à sable. En attendant, limitez ses droits à un dossier dédié ou passez par NemoClaw.
- 64 Go de mémoire unifiée, est-ce suffisant ?
- Pour discuter, résumer, transcrire, coder et générer des images, oui. Pour la vidéo ou les agents qui manipulent beaucoup d’outils sur de longues sessions, la version 128 Go est préférable.
- L’IA locale est-elle aussi bonne que ChatGPT ?
- Pas encore pour les tâches les plus complexes. Les meilleurs modèles qui tiennent dans 64 Go se situent environ au niveau des modèles du cloud d’il y a six mois. Pour les usages courants, la différence se remarque peu.
- Quelle autonomie attendre sur batterie ?
- Environ cinq heures pour des questions et des résumés, mais à peine plus d’une heure quand l’IA calcule en continu, comme avec un agent.
- Peut-on jouer sur un PC RTX Spark ?
- Oui, avec quelques réserves. Les performances sont proches d’une RTX 5070 de PC portable, et plusieurs jeux récents tournent nativement sur Arm. Les autres passent par l’émulation x86 de Windows, et certains anti-triches ne sont pas encore compatibles. Si le jeu est votre priorité, vérifiez la compatibilité de vos titres avant d’acheter.
- Quelle différence entre RTX Spark et DGX Spark ?
- La RTX Spark est la puce des PC portables et des mini-PC sous Windows. Le DGX Spark est un petit ordinateur de bureau de Nvidia, basé sur une puce très proche avec 128 Go de mémoire unifiée, mais livré sous Linux et destiné aux développeurs et aux chercheurs en IA. Linux laisse plus de mémoire au GPU, ce qui en fait une machine plus confortable pour les gros modèles, mais pas un PC du quotidien.
ChatGPT peut-il rester au placard ?
Pas complètement. Les modèles qui tiennent dans 64 Go n’ont pas le niveau des meilleurs modèles du cloud, et la partie la plus prometteuse, l’agent qui travaille seul, a demandé des réglages manuels avant de produire quoi que ce soit. Et la sécurité promise pour ces agents sous Windows n’est pas encore au rendez-vous pour Hermes.
Pour ce que la plupart des gens demandent à ChatGPT (poser des questions, résumer un document, transcrire un enregistrement), l’IA locale fait le travail. Vite, et sans qu’aucune donnée ne quitte la machine. Il y a peu, je considérais encore l’IA locale comme un gadget pour passionnés. Avec la bonne configuration et les bons modèles, ce n’est plus le cas.
Les limites sont ailleurs : le prix d’achat, la quantité de mémoire, et une batterie qui tient à peine plus d’une heure quand l’IA travaille pour de bon. C’est la photographie de début novembre 2026, un peu plus de deux semaines après la sortie des machines. Les modèles ouverts avancent vite : Nvidia en a publié deux le 15 octobre, puis Bolt E4B le 23, et ceux qui tiendront dans 64 Go au printemps prochain sauront peut-être générer la vidéo qui plantait ici. En attendant, mon conseil reste le même : commencez par tester sur la machine que vous avez déjà.
Comment cet article a-t-il été réalisé ? Le texte a été rédigé par mes soins, puis relu avec l'aide d'une intelligence artificielle afin de corriger d'éventuelles erreurs d'orthographe ou de grammaire. L'illustration de présentation a également été créée à l'aide de l'IA.
Articles qui pourraient vous intéresser
Pulse Diagnostics : l'outil gratuit qui traduit enfin les journaux d'événements de Windows
Un écran bleu en pleine visio, un PC qui redémarre tout seul pendant la nuit, un service qui ne veut plus démarrer après une mise à jour… Dans presque tous les cas, Windows a noté quelque p...
Comparateur IA gratuit : QUELLE IA classe 250 modèles pour trouver celui qu'il vous faut
Quand un client ou un proche me demande quelle IA prendre, je ne réponds jamais du premier coup. Je pose d'abord mes questions : c'est pour coder ou pour écrire des mails ? Gratuit ou payant ? Da...
IA générative au bureau : quand le gain de productivité ouvre la porte aux fuites de données
Rédiger un mail en trente secondes, résumer un contrat de vingt pages, corriger un tableau Excel récalcitrant : l'IA générative a conquis les bureaux. Mais elle y est souvent entrée par la po...
Gérer ses e-mails Thunderbird avec une IA grâce au protocole MCP : le tutoriel complet
Trier une boîte de réception qui déborde, retrouver la facture d'un fournisseur reçue il y a trois mois, préparer une réponse à un fil de discussion de quinze messages : ce sont des tâches ...
GEO : llms.txt, chunking… pourquoi Google enterre les raccourcis pour être cité par l'IA
Depuis que les moteurs de recherche répondent eux-mêmes aux questions, un nouveau sigle circule dans toutes les agences : le GEO. Et avec lui, son lot de recettes express. Un fichier llms.txt à ...
Visibilité IA : comment mesurer et améliorer sa présence dans ChatGPT, Gemini et Google AI
Selon l'édition 2026 du
Depuis des années, je laisse Gmail aller chercher le courrier de mes autres adresses et je réponds directement avec elles depuis la même interface. C'est pratique, et c'est terminé : Google a c...
Gmail abandonne la relève POP en 2027 : plMail, le client mail auto-hébergé qui centralise toutes vos boîtes
Claude Cowork passe dans le cloud : ce qui change vraiment pour vos fichiers, vos tâches et vos données
Le 6 octobre 2026, Anthropic a modifié le fonctionnement de Cowork, l'agent de Claude qui mène seul des tâches longues. Pour les a...
GEO et SEO en 2027 : les signaux de confiance qui font citer votre marque par les IA
Depuis le 22 juillet 2026, les Aperçus IA et le Mode IA de Google sont arrivés en France. Ils se sont ajoutés à ChatGPT, Perplexity, Gemini, Copilot ou Claude, que beaucoup d'internautes utilis...
