NVIDIA RTX Spark : le PC portable qui fait tourner l'IA en local, sans le cloud
Le RTX Spark de NVIDIA troque la mémoire rapide contre une énorme réserve partagée, pour des modèles d'IA trop gros pour une carte graphique.
Faire tourner une intelligence artificielle sur votre propre ordinateur, au lieu de la louer dans le cloud, présente deux avantages très concrets : aucun abonnement à payer chaque mois, et rien de ce que vous tapez ne quitte la machine. Le RTX Spark de NVIDIA est taillé exactement pour cette idée : un nouveau genre de PC portable Windows et de petit ordinateur de bureau, conçu avec Microsoft, fait pour faire tourner l’IA sur l’appareil lui-même. Sous le vacarme du lancement se cache une seule décision qui devrait guider tout votre jugement, et elle n’a rien à voir avec le logo : le RTX Spark sacrifie la rapidité de la mémoire pour en offrir beaucoup plus. Comprenez cet arbitrage et vous saurez, en une lecture, si la machine est faite pour vous ou si elle est de l’argent jeté par les fenêtres.
Plus de mémoire, pas plus rapide
Quand un modèle d’IA tourne, son « cerveau » — les milliards de nombres qu’il a appris pendant son entraînement — doit tenir dans une mémoire que la puce graphique peut lire. Il y a deux façons de construire cette mémoire, et elles tirent dans des directions opposées.
Une carte graphique de jeu classique embarque sa propre mémoire dédiée : petite, mais très rapide. Une carte de portable haut de gamme en propose environ 16 gigaoctets. Le RTX Spark fait l’inverse. Il s’appuie sur une seule grande réserve de mémoire, jusqu’à 128 gigaoctets, partagée entre le processeur principal et la partie graphique — exactement l’approche qu’Apple utilise dans ses Mac. Beaucoup plus de place, mais chaque lecture est plus lente.
La vitesse de cette mémoire compte plus qu’on ne le croit. Pour écrire un seul mot de sa réponse, la puce lit le modèle entier depuis la mémoire, puis le relit en entier pour le mot suivant, et le suivant encore. C’est la vitesse à laquelle la puce lit sa mémoire qui détermine la vitesse à laquelle les réponses s’affichent. Les ingénieurs appellent cette vitesse de lecture la bande passante, et une carte dotée d’une mémoire dédiée rapide produit tout simplement du texte plus vite.
La petite carte rapide gagne donc sur la vitesse. Le hic, c’est qu’un modèle ne tourne que s’il tient entièrement en mémoire. Un gros modèle — du genre avec soixante-dix milliards de réglages internes — réclame bien plus que les 16 gigaoctets d’une carte de portable. Sur cette carte, il ne se chargera tout simplement pas. Sur la réserve de 128 gigaoctets du RTX Spark, le même modèle se charge et répond : lentement, mais il répond.
Voilà tout l’enjeu en une ligne : le RTX Spark n’est pas plus rapide, il est plus grand. Ce qui transforme la question de l’achat en quelque chose de simple et de durable : accordez la machine à la taille du modèle que vous voulez vraiment faire tourner. Un petit modèle qui tient sur une carte ordinaire n’a rien à faire sur une grosse réserve lente. Un modèle trop gros pour n’importe quelle carte n’a nulle part ailleurs où aller dans un portable. Les prix et les noms de composants vieilliront ; cet arbitrage, lui, ne bougera pas.
Ce que NVIDIA a réellement annoncé
NVIDIA et Microsoft ont présenté le RTX Spark comme les premières machines Windows pensées spécifiquement pour faire tourner des « agents » IA directement sur l’appareil. Un agent, ici, désigne un logiciel qui ne se contente pas de répondre à des questions mais accomplit réellement des tâches à votre place : ouvrir des applications, déplacer des fichiers, enchaîner plusieurs étapes — sur votre propre matériel plutôt que sur les serveurs d’une entreprise.
La puce à l’intérieur, c’est ce que NVIDIA appelle une superpuce : tout simplement un seul morceau de silicium qui fusionne deux parties d’ordinaire séparées — le processeur principal (conçu avec MediaTek, spécialiste des puces de smartphone, pour limiter la consommation) et un moteur graphique NVIDIA, tous deux puisant dans cette unique réserve de mémoire. Les machines arrivent à l’automne 2026 sous forme de portables fins et de petits ordinateurs de bureau signés des marques habituelles — Dell, HP, ASUS, Lenovo, MSI et la propre Surface de Microsoft — plutôt que d’un seul appareil vitrine.
Ce sur quoi NVIDIA est resté plus discret compte tout autant. L’entreprise n’a pas publié la vitesse réelle de cette mémoire partagée — le chiffre même qui décide de tout ce qui précède — et aucun testeur indépendant n’a encore mesuré une machine commercialisée. Les prix qui circulent placent ces portables nettement en dessous d’une station de travail pour développeur, en plein dans le territoire du portable premium, mais ce sont des estimations, pas des tarifs confirmés. Considérez chaque promesse de vitesse des diapos de lancement comme un plancher optimiste tant que quelqu’un en dehors de NVIDIA n’a pas fait passer les tests.
À ne pas confondre avec le DGX Spark
C’est la confusion qui coûte cher. NVIDIA vend un second produit au nom presque identique, le DGX Spark, et c’est une tout autre chose, bâtie sur une autre puce. Le DGX Spark est un petit boîtier de bureau pour ingénieurs, vendu comme un appareil complet qu’on laisse posé sur un bureau et auquel on se connecte par le réseau, animé par une puce appelée GB10. (ASUS commercialise sa propre version de ce même boîtier, l’Ascent GX10.) Il coûte à peu près le double de ce qu’on attend pour les portables grand public, et il vise les gens qui construisent des modèles d’IA, pas ceux qui les utilisent.
Le RTX Spark est à l’autre extrémité : un portable Windows qu’on referme et qu’on glisse dans un sac. Même grande famille de puces, mais puce différente, acheteur différent. Si vous ne retenez qu’une chose avant de faire vos courses, que ce soit celle-ci : le DGX Spark est un appareil de bureau pour développeur, le RTX Spark est un portable personnel. Supposer que les deux partagent une puce, ou acheter l’un en croyant prendre l’autre, c’est l’erreur la plus fréquente dans les premières couvertures presse. Pour le boîtier de bureau et sa comparaison avec une carte de jeu haut de gamme, voyez notre analyse du DGX Spark.
NVIDIA arrive tard sur cette idée, mais apporte un atout que ses rivaux n’ont pas
La grande réserve de mémoire partagée n’est pas une invention de NVIDIA. Apple construit ses Mac de cette façon depuis des années, et AMD vend la même idée sous Windows. Tous font la même promesse : une grosse réserve de mémoire unique pour qu’un gros modèle se charge là où une petite carte rapide s’étranglerait. Sur la mémoire brute, le terrain est encombré et les plafonds se recouvrent.
Ce que NVIDIA apporte et que les autres ne peuvent pas, c’est la compatibilité logicielle. La plupart des outils d’IA ont été écrits, sur plus de dix ans, spécifiquement pour le matériel NVIDIA, via la couche logicielle maison appelée CUDA. Un développeur qui a passé des années à bâtir sur CUDA peut emporter ce travail directement sur le RTX Spark, là où le même travail ne se transpose pas aussi simplement sur une machine Apple ou AMD. C’est cette montagne de logiciels existants, et non la puce en elle-même, le vrai avantage de NVIDIA ici — à condition que la vitesse se révèle compétitive une fois enfin mesurée.
Pour qui, et qui devrait attendre
La décision se range proprement selon ce que vous chargez en mémoire.
Si vous devez faire tourner de gros modèles d’IA en mobilité, des modèles trop volumineux pour n’importe quelle carte de portable classique, la réserve de 128 gigaoctets du RTX Spark est, pour l’instant, le seul portable qui les charge. C’est une raison réelle et précise d’en vouloir un, et elle mérite qu’on la suive à travers la première vague de tests.
Si vous jouez surtout, ou faites tourner des modèles plus modestes qui tiennent déjà sur une carte graphique ordinaire, un portable haut de gamme standard sera plus rapide et probablement moins cher. La réserve partagée ne vous achète rien que vous utiliseriez vraiment, et vous paieriez pour une capacité à laquelle vous ne toucherez jamais.
Tous les autres devraient simplement attendre les deux chiffres que NVIDIA n’a pas encore donnés : la vitesse réelle de la mémoire partagée, et le comportement du logiciel sur du vrai matériel. Les machines sortent à l’automne 2026, et rien ne coûte de laisser les tests indépendants trancher la question de savoir si le RTX Spark est à la hauteur de son annonce. Une diapo de lancement est une promesse, pas une mesure.
L’essentiel, en un coup d’œil
Questions fréquentes
Le RTX Spark, c’est la même chose que le DGX Spark ?
Non, et les deux ne partagent même pas la même puce. Le DGX Spark est un appareil de bureau pour les ingénieurs qui construisent des modèles d’IA, bâti sur une puce appelée GB10 et vendu comme un boîtier auquel on se connecte par le réseau (ASUS en vend sa propre version, l’Ascent GX10). Le RTX Spark est un portable Windows grand public pour qui veut faire tourner l’IA sur une machine qu’il transporte. Puce différente, format différent, acheteur différent.
Pourquoi faire tourner l’IA sur ma propre machine plutôt que dans le cloud ?
Deux raisons : le coût et la confidentialité. Un service d’IA dans le cloud vous facture à l’usage, mois après mois, alors qu’une machine que vous possédez se paie une seule fois. Et tout ce que vous tapez dans un modèle qui tourne en local reste sur l’appareil, ce qui compte pour le travail confidentiel. La contrepartie, c’est que votre propre machine égalera rarement la vitesse brute d’un centre de données, et que vous gérez vous-même l’installation.
Le RTX Spark peut-il vraiment faire tourner de gros modèles d’IA ?
Oui, c’est toute sa raison d’être. Sa mémoire partagée de 128 gigaoctets charge des modèles qu’une carte de portable classique ne peut pas tenir, car une carte typique plafonne autour de 16 gigaoctets. Le hic, c’est la vitesse : les gros modèles tournent, mais lentement, et NVIDIA n’a pas encore précisé à quel point. Si un modèle tient confortablement sur une carte ordinaire, c’est cette carte qui répondra le plus vite.
Faut-il en acheter un maintenant ?
Probablement pas tout de suite, sauf si vous avez précisément besoin de faire tourner de très gros modèles loin d’un bureau. Les chiffres clés de performance n’ont été mesurés par personne en dehors de NVIDIA, et les machines ne sortent qu’à l’automne 2026. Attendre les premiers tests indépendants ne coûte rien et vous dira si la vitesse réelle tient la promesse.
L’essentiel à retenir
Le RTX Spark est, en même temps, un genre véritablement nouveau de machine d’IA personnelle et une idée déjà connue avec un logo célèbre dessus — et lequel des deux il se révélera dépend d’un chiffre que NVIDIA n’a pas partagé. La règle d’achat, en revanche, est déjà claire et ne périmera pas : son seul vrai avantage, c’est de la place pour des modèles qu’une carte ordinaire ne peut pas contenir. Si ce que vous faites tourner tient sur une carte ordinaire, c’est cette carte le meilleur achat. Accordez la machine au modèle, et le choix se fait tout seul.
