RTX Spark à Séoul : l’IA locale demande une préparation

Selon le compte rendu de ChosunBiz, NVIDIA a présenté à Séoul, le 6 novembre 2026, des usages d’IA exécutés sur des portables RTX Spark : montage vidéo, organisation de courriels et d’agendas, et conception de mouvements pour un robot virtuel. Pour le montage hors ligne, il fallait d’abord télécharger un modèle adapté et relier l’agent au logiciel concerné. La démonstration illustre donc un flux de travail préparé, tandis qu’un essai indépendant apporte un bilan contrasté selon les tâches.

Ce que NVIDIA a montré à Séoul

Dans une démonstration, une consigne en langage naturel a servi à repérer, dans une vidéo de trois heures, les scènes contenant un mot donné. La sélection a pris environ une minute, puis le montage a été ramené à trois minutes. Dans une autre séquence, l’agent Hermes a piloté DaVinci Resolve Studio, ajusté les formats pour YouTube et les réseaux sociaux, puis enregistré cinq fichiers. Des modèles Mistral figuraient parmi ceux exécutés localement, selon le compte rendu de ChosunBiz.

Les autres exemples portaient sur l’organisation des courriels et du calendrier, ainsi que sur la conception et la simulation des mouvements d’un robot virtuel. Il s’agissait d’un robot dans un environnement simulé, pas d’une démonstration d’un robot physique en action.

RTX Spark avait été annoncé par NVIDIA le 31 mai 2026, avec une disponibilité des portables prévue pour l’automne. ChosunBiz a ensuite rapporté un lancement officiel le 16 octobre, avant la présentation de Séoul du 6 novembre. NVIDIA avait présenté la plateforme RTX Spark comme un PC Windows destiné notamment à l’IA locale et aux usages créatifs.

Ce nouvel épisode prolonge notre article consacré aux portables Lenovo Yoga 9n équipés de RTX Spark.

Ce qu’il fallait préparer pour le montage hors ligne

Le déroulé rapporté par ChosunBiz comporte deux étapes avant le travail : sélectionner un modèle adapté à la tâche et le télécharger, puis connecter l’agent au logiciel utilisé. Une fois cette configuration réalisée, la démonstration de montage pouvait fonctionner sans connexion Internet, selon un représentant de NVIDIA cité par le média.

Pour exécuter une tâche d’IA localement, il faut préparer le modèle et le relier à l’application qui doit agir.

Cette préparation compte autant que la puce : le modèle choisi et le logiciel auquel l’agent est connecté font partie du flux de travail montré à Séoul.

La plateforme derrière les démonstrations

NVIDIA décrit RTX Spark comme une plateforme pour PC Windows réunissant un CPU Grace et un GPU RTX à architecture Blackwell. L’annonce de NVIDIA donne 20 cœurs CPU, 6 144 cœurs CUDA, des Tensor Cores de cinquième génération avec précision FP4 et jusqu’à 128 Go de mémoire unifiée. NVIDIA annonce aussi une puissance de calcul IA pouvant atteindre un pétaflop. La mémoire unifiée est partagée entre le CPU et le GPU ; le maximum de 128 Go ne décrit pas chaque configuration d’ordinateur.

NVIDIA cite NVLink-C2C pour la liaison entre les deux processeurs et indique que MediaTek a participé à la conception du CPU Arm sur mesure. L’annonce présente également les technologies CUDA et RTX dans la pile logicielle de la plateforme. Ces caractéristiques donnent le contexte matériel des démonstrations, sans transformer celles-ci en mesures comparatives de performance.

Deux portables ASUS ProArt aux caractéristiques distinctes

ASUS publie des spécifications pour les versions RTX Spark des ProArt P16 H7607 et ProArt P14 H7407. Le P16 associe un écran de 16 pouces et un stockage SSD maximal plus élevé ; le P14 est plus léger et dispose d’un écran de 14 pouces. Voici les caractéristiques annoncées par ASUS pour ces deux modèles.

ASUS indique aussi jusqu’à 128 Go de mémoire unifiée pour les deux modèles et Windows 11 Pro. La capacité de la batterie, exprimée en wattheures, ne donne pas à elle seule une durée d’utilisation. Les valeurs du tableau sont les caractéristiques publiées par le fabricant.

Ce que les essais indépendants changent au tableau

Dans son essai des portables RTX Spark, Linus Tech Tips rapporte des résultats contrastés en jeu et en productivité, ainsi que de bonnes performances de traitement des requêtes dans certaines tâches d’IA. Linus Sebastian conclut que les appareils testés sont difficiles à recommander dans l’ensemble. Ces résultats appartiennent à son essai et ne remplacent pas les démonstrations ponctuelles de Séoul par un verdict valable pour chaque modèle et chaque tâche.

Quand le traitement local peut convenir

Le traitement local peut éviter les frais facturés à chaque requête dans le cloud pour les tâches exécutées sur le portable. Il ne supprime pas le coût d’achat de la machine ni celui de l’électricité. ChosunBiz rapporte qu’un dirigeant identifié comme Kim juge que des tâches ponctuelles et légères, comme organiser des courriels, peuvent être confiées au cloud, tandis que des travaux locaux répétés et de longue durée, comme la production vidéo ou l’entraînement de robots en simulation, peuvent mieux justifier une exécution sur la machine.

Jeff Yen, directeur du marketing technique pour l’Asie-Pacifique chez NVIDIA, a déclaré à ChosunBiz que la rentabilisation dépend du travail effectué, sans avancer de délai universel.