Le test WhatsApp associé au NVIDIA RTX Spark et les essais d’IA locale sont deux expériences distinctes. Dans un compte rendu de 3DJuegos, Hermes, utilisé avec un abonnement ChatGPT, a parcouru 50 messages sur WhatsApp Web puis rédigé une réponse en environ trois minutes. LTT Labs a, de son côté, testé des modèles locaux avec llama.cpp : ces résultats portent sur un autre usage.
Ce que montre la tâche WhatsApp
3DJuegos rapporte que l’agent devait ouvrir WhatsApp Web, retrouver une conversation de groupe, lire 50 messages et répondre. La tâche a pris environ trois minutes et a parfois nécessité une consigne supplémentaire. Ce délai décrit une expérience sur un ASUS ProArt P16, pas une mesure standardisée des performances d’un agent. Le compte rendu de 3DJuegos associe Hermes à un abonnement ChatGPT.
L’inférence locale : un autre protocole
LTT Labs a évalué l’inférence locale avec llama.cpp, notamment avec Gemma 4 E4B Q8_0 et, sur les systèmes disposant d’assez de mémoire, Qwen 3.8 27B Q4_K_M. Ses résultats avec une profondeur de contexte réglée à 0 correspondent à une condition favorable : ils ne reproduisent pas le traitement d’un long historique par un agent. Dans son essai Gemma, LTT Labs relève un traitement du prompt particulièrement performant sur les systèmes N1X, tandis que la génération de jetons reste globalement proche de celle de plusieurs autres plateformes testées. Le moteur d’inférence, la quantification et le décodage spéculatif peuvent aussi modifier les résultats. L’essai comparatif de LTT Labs détaille ces conditions.
LTT Labs a également testé un Microsoft Surface Laptop Ultra équipé de 128 Go. Ce portable constitue un autre exemple de système RTX Spark ; notre précédent article consacré à un essai du RTX Spark et de l’IA locale apporte un éclairage complémentaire sur la plateforme.
Jeux : deux expériences, deux méthodes
Lors de son essai, 3DJuegos rapporte une expérience fluide dans Resident Evil Requiem avec des réglages élevés, le ray tracing et DLSS, ainsi que dans Gears of War: E-Day avec des réglages élevés. Ce retour décrit le ressenti du testeur.
La comparaison de LTT Labs porte sur quatre jeux en rastérisation native, c’est-à-dire sans les effets de mise à l’échelle et de génération d’images. Dans cette sélection, le système Alienware équipé d’une RTX 5070 Ti arrive nettement devant les machines N1X, dont le niveau de jeu est jugé correct sans être remarquable. Les deux observations éclairent des usages différents : l’une décrit des parties avec DLSS, l’autre compare des performances en rastérisation native.
L’autonomie varie selon la charge
Les durées rapportées pour le ProArt P16 correspondent à des usages et à des protocoles distincts : elles ne mesurent pas une même session de jeu dans des conditions identiques.
| Charge de travail | Autonomie rapportée | Conditions du test |
| Jeu | Environ 2 h | Observation de 3DJuegos à partir d’une batterie pleine |
| Lecture vidéo | 12 h 02 min | Lecture locale d’une vidéo en 1080p, test de LTT Labs |
| Stress graphique | 1 h 09 min | GravityMark en 1440p, réglages de performance maximale, test de LTT Labs |
LTT Labs a aussi observé une baisse par étapes de la puissance système à mesure que la batterie se déchargeait. L’autonomie en jeu dépend donc de la charge de travail et des réglages de puissance, tandis que la lecture vidéo sollicite la machine dans des conditions très différentes.
La configuration ASUS ProArt P16
Le ProArt P16 H7607B utilisé par LTT Labs disposait de 64 Go de mémoire. La fiche américaine d’ASUS décrit une configuration H7607 dotée d’un processeur NVIDIA Grace à 20 cœurs, d’un GPU Blackwell RTX à 6 144 cœurs, de 64 Go de mémoire unifiée LPDDR5X et d’un SSD PCIe 4.0 de 1 To. Elle indique aussi un écran OLED tactile de 16 pouces, en 2 880 × 1 800 à 120 Hz, et une batterie de 99,9 Wh. La fiche produit américaine d’ASUS donne ces caractéristiques pour cette configuration.
NVIDIA annonce jusqu’à 128 Go de mémoire unifiée pour la plateforme RTX Spark, mais la configuration H7607 décrite par ASUS est limitée à 64 Go. L’annonce de NVIDIA distingue ainsi le plafond de la plateforme des caractéristiques de chaque portable.
