Le 20 septembre 2026, Adel el Hallak, vice-président produit de NVIDIA, a décrit une vision où les ordinateurs personnels exécutent davantage de modèles d’IA directement à domicile. Quelques jours auparavant, Perplexity avait rendu Portable Computer disponible sur Windows pour les configurations compatibles. Le mouvement ne repose donc plus seulement sur une puce puissante : il associe matériel, moteurs d’exécution et agents capables de rester en local ou de demander une autorisation avant d’utiliser le cloud.
Pour NVIDIA, la DGX Spark constitue le point d’ancrage de cette stratégie. RTX Spark doit ensuite étendre cette approche aux PC portables et compacts sous Windows 11, tandis que Perplexity fournit une interface d’agent pour une partie des machines déjà équipées en GPU GeForce RTX ou RTX PRO.
L’IA locale quitte le laboratoire des développeurs
L’intérêt de cette architecture est concret : les fichiers et les requêtes peuvent rester sur le réseau domestique lorsqu’un modèle local suffit. Le logiciel peut aussi transformer une machine dédiée en serveur accessible depuis un autre ordinateur, au lieu de réserver l’IA locale à l’écran et au clavier branchés directement sur la station.
Une démonstration pratique avec NVIDIA DGX Spark associe LM Studio, des modèles Qwen, Claude Code et un accès distant par Tailscale. Le scénario présenté est celui d’un poste de développement : le modèle tourne sur la station, tandis que l’utilisateur travaille depuis un ordinateur portable et peut accéder aux services à distance.
Cette évolution ne signifie pas que tous les modèles avancés deviennent interchangeables avec les services en ligne. Elle donne plutôt une nouvelle option aux utilisateurs qui privilégient la maîtrise des données, la capacité mémoire ou le contrôle de leur environnement logiciel.
Ce que propose réellement NVIDIA DGX Spark
NVIDIA DGX Spark repose sur le GB10 Grace Blackwell Superchip et dispose de 128 Go de mémoire unifiée cohérente LPDDR5x. Cette mémoire est partagée par le processeur et le GPU : elle permet de charger des modèles qui dépassent la capacité VRAM habituelle d’une carte graphique grand public, sans transformer automatiquement cette capacité en vitesse d’exécution.
NVIDIA annonce aussi jusqu’à 1 PFLOP de performances FP4 théoriques avec parcimonie, une bande passante mémoire de 273 Go/s et la prise en charge de l’inférence de modèles allant jusqu’à 200 milliards de paramètres. Pour le réglage fin, la limite annoncée atteint 70 milliards de paramètres. Ces valeurs décrivent le positionnement et les capacités revendiquées par NVIDIA ; elles ne donnent pas, à elles seules, un débit de génération pour chaque modèle, quantification ou longueur de contexte.
La machine utilise le système NVIDIA DGX OS, un processeur Arm à 20 cœurs, un SSD NVMe de 4 To, le Wi-Fi 7, un port 10GbE et une interface réseau ConnectX-7 à 200 Gb/s. Son boîtier mesure 150 × 150 × 50,5 mm et pèse 1,2 kg. L’alimentation fournie atteint 240 W, tandis que le TDP annoncé pour le GB10 est de 140 W.
En France, la NVIDIA DGX Spark Founders Edition était affichée à 6 600 €, ou 6 611,15 € livraison comprise. À ce niveau de prix, la capacité mémoire devient le principal argument pour les développeurs, les chercheurs et les passionnés qui veulent exécuter de grands modèles chez eux — pas nécessairement pour une utilisation bureautique classique.
De DGX Spark à RTX Spark : la même idée arrive sous Windows
NVIDIA présente RTX Spark comme une famille d’ordinateurs portables et de bureau sous Windows 11, construits autour d’un GPU RTX Blackwell et d’un processeur Grace. La configuration portable la plus dotée annoncée par NVIDIA peut atteindre 128 Go de mémoire unifiée LPDDR5X ; d’autres configurations sont limitées à 64 Go. Les portables affichent un TDP compris entre 45 et 80 W, tandis que la configuration de bureau documentée atteint 140 W.
| Système | Mémoire unifiée | Système d’exploitation | Rôle documenté |
| NVIDIA DGX Spark | 128 Go | NVIDIA DGX OS | Inférence locale, développement et réglage fin de modèles |
| NVIDIA RTX Spark | Jusqu’à 128 Go selon la configuration | Windows 11 | IA locale, agents, création, jeu et usage quotidien sur portable ou ordinateur compact |
La différence est donc moins une opposition entre deux générations qu’un choix de format et d’environnement. DGX Spark vise une station compacte dédiée à l’IA sous DGX OS. RTX Spark vise une machine Windows plus familière, capable de réunir IA locale, jeu et travail créatif. NVIDIA n’a pas publié, dans les éléments disponibles ici, de tarif final ni de calendrier universel de commercialisation pour chaque modèle RTX Spark.
Le logiciel transforme le matériel en écosystème
Le matériel ne suffit pas à rendre l’IA locale pratique. NVIDIA met en avant CUDA, PyTorch, TensorRT, Ollama, llama.cpp, SGLang, vLLM et WindowsML, ainsi que des outils d’agents et de routage. Cette couche logicielle détermine la compatibilité des modèles, la gestion de la mémoire et la manière dont une application utilise le GPU.
Perplexity Portable Computer : local par défaut, cloud sur autorisation
Perplexity Portable Computer fonctionne localement par défaut sur un PC Windows compatible équipé d’un GPU NVIDIA GeForce RTX ou RTX PRO avec au moins 24 Go de VRAM. La version Windows utilise actuellement le modèle local PPLX 27B.
L’agent peut demander l’autorisation d’envoyer une étape particulière vers des modèles cloud lorsqu’une tâche exige un raisonnement avancé ou une recherche sur le Web. Les crédits Computer sont alors consommés. Ce fonctionnement hybride répond à une contrainte simple : l’exécution locale protège mieux le périmètre des fichiers et des requêtes, mais le cloud conserve un rôle lorsque la tâche dépasse le modèle installé ou nécessite des informations en ligne.
NVIDIA PAIR répartit les requêtes sans additionner la VRAM
NVIDIA PAIR, pour Personal AI Router, relie des systèmes compatibles sous Windows 11, DGX OS, Ubuntu ou macOS Tahoe. Il peut fonctionner avec plusieurs machines du réseau domestique et acheminer les requêtes vers le nœud approprié.
PAIR ne transforme pas plusieurs ordinateurs en une seule carte graphique virtuelle. Il route les tâches entre les systèmes ; il ne fusionne pas leur VRAM. Cette distinction compte beaucoup : deux machines peuvent traiter des requêtes séparées, mais une requête unique ne gagne pas automatiquement la somme de leurs mémoires graphiques.
Ce que l’on gagne — et ce qui reste à arbitrer
L’IA locale apporte trois bénéfices clairs pour certains usages : les données peuvent rester dans l’environnement domestique, l’utilisateur contrôle davantage le modèle installé et les coûts liés à chaque requête cloud peuvent être évités. Elle convient particulièrement au développement, à l’analyse de documents privés, à l’automatisation locale et aux expériences qui nécessitent un modèle disponible sans envoyer chaque prompt à un serveur distant.
Le revers est tout aussi concret. La capacité mémoire ne résume pas les performances : la bande passante, le format de quantification, le moteur utilisé et la taille du contexte influencent le débit réel. Une station dotée de 128 Go peut charger un modèle volumineux, mais une carte RTX dotée de moins de mémoire peut produire davantage de jetons par seconde lorsque le modèle tient entièrement dans sa VRAM dédiée.
Le choix dépend donc d’abord du travail à effectuer :
- Pour les gros modèles locaux, la mémoire unifiée de DGX Spark offre une marge que les cartes grand public équipées de moins de VRAM n’ont pas toujours.
- Pour les modèles plus compacts, une configuration GeForce RTX peut privilégier le débit et conserver les usages classiques d’un PC de jeu ou de création.
- Pour un environnement Windows, RTX Spark vise l’intégration avec le système de Microsoft et les applications quotidiennes, avec une mémoire qui varie selon la configuration.
- Pour un agent hybride, Portable Computer maintient l’exécution locale par défaut sur le matériel compatible, puis sollicite le cloud avec l’accord de l’utilisateur lorsque la tâche le demande.
L’écosystème qui se dessine est donc plus large qu’un ordinateur spécialisé. Il comprend une station à forte capacité mémoire, des PC Windows capables d’exécuter des modèles localement, des logiciels de routage et des agents qui choisissent entre calcul local et service distant selon la tâche.
