Sur le RTX Spark, mémoire unifiée et allocation réglable pour le GPU coexistent : NVIDIA décrit un seul pool physique partagé entre le processeur et le processeur graphique intégré, tandis que Windows le présente en trois régions logiques. Avec 128 Go installés et 96 Go attribués au GPU, la formule nominale de NVIDIA répartit les 32 Go restants en 16 Go partagés et 16 Go réservés au CPU.
Ce que Paul Thurrott reproche au RTX Spark
Dans un test publié le 31 octobre 2026, Paul Thurrott juge la plateforme décevante après avoir utilisé pendant plus de deux semaines trois portables : l’ASUS ProArt P16, le HP OmniBook Ultra 16 et le Lenovo Pro 9n. Il critique notamment le prix, la chaleur, le poids et le bruit, la configuration de la mémoire, certaines fonctions de Windows 11 et la complexité de l’IA locale. Ce sont les appréciations du testeur sur les machines qu’il a utilisées.
Un autre article de NeoTeo décrit des tâches de programmation réalisées sur le Lenovo Yoga 9n 2-en-1 équipé du RTX Spark. Retrouvez cet essai du Lenovo Yoga 9n 2-en-1 pour découvrir ce cas d’usage sur un modèle différent.
Un pool physique, trois régions dans Windows
La mémoire unifiée, ou UMA, est ici un pool physique partagé par le CPU et le processeur graphique intégré. NVIDIA indique que Windows le présente sous trois formes : une part réservée au GPU, une région partagée entre le CPU et le GPU, et une région accessible au CPU seul. L’allocation dédiée au GPU réserve une partie de la mémoire installée ; elle ne s’ajoute pas à la mémoire physique totale. La documentation UMA de NVIDIA détaille cette organisation.
L’utilisateur peut régler la part attribuée au GPU dans NVIDIA App. Ce choix modifie la répartition du pool : plus la réservation GPU est importante, moins il reste de mémoire pour Windows et les autres applications.
Dans l’exemple de 128 Go, les 32 Go restants se répartissent en deux zones
ETA PRIME montre un ASUS ProArt P16 doté de 128 Go de mémoire, avec 96 Go attribués au GPU. La soustraction laisse 32 Go. Selon la formule nominale de NVIDIA, ces 32 Go se divisent en 16 Go de mémoire partagée et 16 Go réservés au CPU.
| Élément | Quantité nominale | Fonction |
| Mémoire physique installée | 128 Go | Pool partagé par le CPU et le processeur graphique intégré |
| Part attribuée au GPU | 96 Go | Réservation dédiée au GPU |
| Mémoire restante après la réservation | 32 Go | Somme des deux régions ci-dessous |
| Région partagée | 16 Go | Accessible au CPU et au GPU |
| Région réservée au CPU | 16 Go | Accessible au CPU seul |
NVIDIA recommande de préserver au moins 16 Go pour le CPU, Windows et les applications de base. La répartition du tableau est une application de sa formule, pas une lecture des compteurs de mémoire d’un ordinateur en fonctionnement ; les réservations du système et du matériel influent sur la capacité réellement utilisable. Les conseils d’assistance de NVIDIA expliquent aussi le réglage dans NVIDIA App.
Ce que ces régions permettent à l’IA locale
NVIDIA indique que les grands modèles de langage et les agents peuvent recourir à davantage de mémoire système lorsqu’ils dépassent l’allocation GPU, si le logiciel utilisé gère ce débordement. La région partagée peut alors servir au GPU, mais son accès peut être plus lent que celui de la mémoire réservée au GPU, selon le guide CUDA de NVIDIA. La région réservée au CPU, elle, n’est pas accessible au GPU.
La mémoire partagée reste une partie de la mémoire installée, et non un supplément de RAM physique. MSI le précise dans sa FAQ sur la mémoire des portables RTX Spark.
