Assembler un ordinateur pour exécuter des modèles d’intelligence artificielle en local est devenu beaucoup plus complexe en 2026. La mémoire est désormais l’un des composants qui influencent le plus le prix ainsi que la taille des modèles pouvant être déployés, tandis que la demande pour les centres de données absorbe une grande partie de la croissance de la production. Le résultat est perceptible dans la DRAM, les SSD et les cartes graphiques, au point que certaines recommandations courantes d’il y a à peine un an nécessitent aujourd’hui une révision.

Les clés du matériel pour l’IA locale en 20 secondes

• TrendForce prévoit que le déficit de mémoire perdurera et que la demande liée à l’IA continuera de croître.
• La RTX 5090 maintient 32 Go de VRAM, mais son prix sur le marché dépasse largement les 1 999 dollars du lancement.
• La veterante RTX 3090 offre 24 Go et continue d’être attrayante en seconde main.
• gpt-oss-20b nécessite environ 16 Go, tandis que gpt-oss-120b est conçu pour fonctionner avec 80 Go.
• Les équipements avec une mémoire unifiée de grande capacité gagnent en attrait pour des modèles qui ne tiennent plus dans une GPU de consommation.

La situation découle d’un changement qui va bien au-delà du marché des ordinateurs domestiques. TrendForce estimait en février que les prix contractuels de la DRAM conventionnelle pouvaient augmenter entre 90 % et 95 % trimestriellement durant le premier trimestre 2026, tandis que la DRAM destinée aux PC pouvait au moins doubler de prix.

Au deuxième trimestre, le cabinet prévoyait encore des hausses de 58 % à 63 % pour la DRAM conventionnelle. Les fabricants consacrent davantage de capacité aux serveurs, à la High Bandwidth Memory (HBM) et aux produits liés aux centres de données.

Et cela ne semble pas être un problème de quelques semaines seulement. En juillet, TrendForce alertait que la croissance de la demande liée à l’intelligence artificielle pourrait continuer à dépasser l’offre tout au long de 2027.

Pour ceux qui souhaitent exécuter un Large Language Model (LLM) chez eux ou au bureau, cette transformation modifie une question fondamentale : il ne suffit plus de rechercher la GPU offrant le plus grand nombre d’opérations par seconde dans le budget disponible. Il faut d’abord se demander combien de mémoire le modèle nécessite réellement.

La mémoire reprend le dessus sur la puissance de calcul

Les LLM doivent stocker leurs poids en mémoire pendant l’inférence. Plus le modèle est grand, plus cette nécessité est généralement importante, même si la quantification permet de réduire considérablement l’espace requis en représentant les poids avec moins de précision.

C’est pourquoi des références telles que Q4, Q6 ou 8 bits sont fréquemment évoquées en parlant d’IA en local.

La différence pratique peut être considérable.

OpenAI explique, par exemple, que gpt-oss-20b peut fonctionner avec 16 Go de mémoire, tandis que gpt-oss-120b est conçu pour tourner dans la limite de 80 Go sur une seule GPU. Ces modèles utilisent tous deux la quantification MXFP4.

Cela permet d’établir une première approximation :

Il ne s’agit pas de frontières absolues. La mémoire nécessaire varie selon la quantification, le contexte, le cache KV, le runtime utilisé et l’architecture du modèle lui-même.

De plus, que le modèle tienne en mémoire ne garantit pas qu’il sera exécuté rapidement.

C’est une erreur fréquente lors de la comparaison des matériels pour l’IA locale.

La RTX 3090 refuse de prendre sa retraite

Une conséquence intéressante du marché actuel est qu’une GPU présentée par NVIDIA en 2020 demeure attrayante six ans plus tard.

La GeForce RTX 3090 dispose de 24 GB de GDDR6X et de 936 GB/s de bande passante mémoire.

Son chauffage à 350 W, son âge et l’absence des améliorations des architectures plus récentes jouent contre elle. Mais ce qui est difficile à remplacer, c’est cette capacité de 24 GB.

Sur le marché de l’occasion, on trouve actuellement des unités autour de 1 000 à 1 200 euros, le prix variant selon le modèle, l’état, et le pays. Des offres moins chères ou à l’inverse surfaisées apparaissent aussi.

Pour exécuter des modèles locaux d’environ 30 milliards de paramètres quantifiés, ces 24 GB peuvent être particulièrement intéressant comparé à une GPU moderne avec 16 Go uniquement.

Il y a une paradoxe en 2026 : une GPU plus récente et rapide peut être une moins bonne affaire pour certains LLM si elle possède moins de VRAM.

Une RTX 5070 Ti ou RTX 5080 avec 16 Go peut largement surpasser une RTX 3090 selon la charge de calcul, mais elle ne pourra pas stocker un modèle nécessitant 20 Go que sa vitesse de traitement ne compense pas.

La capacité détermine d’abord ce qui peut être chargé. La vitesse influence ensuite la manière dont il s’exécute.

La RTX 5090, un autre problème : son prix

La GeForce RTX 5090 représente l’extrême opposé.

NVIDIA l’a lancée avec 32 GB de GDDR7 et un prix conseillé de 1 999 dollars, des spécifications exceptionnelles pour l’IA locale ainsi que pour le graphisme.

Le problème réside dans le prix en boutique.

En août 2026, on trouve des RTX 5090 à plus de 4 300 dollars, et selon des analyses du marché américain, certains prix moyens tournent autour de 4 700 dollars.

La situation a atteint un point où NVIDIA a proposé des unités Founders Edition à leur prix conseillé lors de QuakeCon 2026 comme une opportunité exceptionnelle pour contraster avec les prix du marché habituel.

Ce qui ne signifie pas que la RTX 5090 soit une mauvaise GPU pour l’intelligence artificielle. Techniquement, c’est tout le contraire.

Mais payer plus de 4 000 dollars pour 32 GB incite à comparer d’autres options si l’objectif principal est d’exécuter des LLM plutôt que jouer, faire du rendu ou exploiter sa puissance de calcul.

Par ailleurs, avec une somme similaire, il devient pertinent de rechercher des systèmes avec beaucoup plus de mémoire, d’utiliser plusieurs GPU, ou d’envisager l’achat d’accélérateurs professionnels en location.

Apple Silicon et Strix Halo jouent une autre partition

Les ordinateurs avec mémoire unifiée entrent en scène ici.

Dans une GPU classique, le système dispose d’une RAM pour le CPU et d’une VRAM dédiée pour la carte graphique. Apple Silicon et des plateformes comme AMD Ryzen AI Max adoptent des architectures où CPU et GPU peuvent travailler sur un espace mémoire partagé.

Pour l’IA locale, cela présente un avantage évident : permettre de construire des configurations avec beaucoup plus de mémoire accessible par la GPU sans devoir acheter un accélérateur professionnel avec 80 Go.

Cependant, il faut corriger quelques assertions circulant récemment dans des guides.

Apple continue de vendre le Mac mini M4 de base avec 16 Go de mémoire et 256 Go de stockage, selon sa boutique espagnole officielle. La gamme Mac mini avec M4 Pro est aussi toujours proposée.

Il n’est donc pas exact de dire que Apple ait aboli le modèle de base du Mac mini en général.

Ce qui a changé, c’est la configuration des modèles haut de gamme. La fiche technique du Mac Studio indique par exemple un M4 Max avec 36 Go (extensible jusqu’à 64 Go), et le M3 Ultra part de 96 Go.

Cela a de l’importance car pendant un temps, les Mac avec de très grandes quantités de mémoire unifiée sont devenus une alternative particulièrement attrayante pour l’IA locale.

Ils n’offrent pas CUDA, ce qui est important pour certains projets, mais des frameworks comme MLX, llama.cpp ou Ollama permettent d’utiliser Apple Silicon pour de nombreux modèles.

Une alternative d’AMD particulièrement intéressante : Strix Halo

L’autre nom qui refait surface dans ces discussions est Ryzen AI Max+ 395, connu comme la plateforme Strix Halo.

AMD mêle CPU Zen 5 et une GPU Radeon intégrée nettement plus puissante que les intégrées classiques, avec un accès à de très grandes quantités de mémoire.

Il existe des machines équipées de cette plateforme avec jusqu’à 128 Go de mémoire unifiée, une capacité difficile à atteindre avec une GPU classique de consommation.

L’intérêt est là.

Ce n’est pas uniquement la puissance GPU qui compte. C’est aussi un espace mémoire suffisamment grand pour charger des modèles qui ne tiennent pas dans une RTX avec 16, 24 ou 32 Go.

Cela ne veut pas dire qu’un Strix Halo de 128 Go sera plus rapide qu’une RTX 5090.

Probablement, cette comparaison est mal ciblée.

Ce qui importe, c’est que il peut exécuter certaines charges que une GPU de 32 Go ne peut pas contenir complètement, même si après il génère des tokens plus lentement.

Pour les laboratoires à domicile, le développement, les agents locaux ou l’expérimentation avec de grands modèles, cette différence peut être plus importante que quelques tokens par seconde gagnés.

128 Go ne signifient pas que tout modèle peut y être exécuté

Une erreur courante consiste à considérer les 128 Go comme une frontière ultime.

Les modèles actuels le démontrent : ce n’est pas le cas.

Un système avec 128 Go offre une marge très importante pour l’inférence locale, surtout avec quantification, mais certains modèles peuvent largement dépasser cette capacité.

Il faut aussi prévoir de la mémoire pour le système d’exploitation, le runtime, le cache KV, le contexte et autres opérations.

L’architecture intervient également. Les modèles Mixture of Experts (MoE) n’activent qu’une partie de leurs paramètres à chaque inférence, ce qui réduit la consommation de calcul, mais les poids du modèle doivent tout de même être stockés quelque part.

Par conséquent, le nombre total de paramètres, ceux actifs à un instant donné, et la mémoire requise ne doivent pas être considérés comme une seule métrique.

Le plan d’achat pratique en 2026

Avec les prix actuels, une estimation raisonnable pourrait s’articuler ainsi :

Les prix restent indicatifs et peuvent varier rapidement. En 2026, il est conseillé de vérifier le coût exact le jour même de l’achat.

Une autre variable souvent oubliée dans les comparateurs : l’électricité.

Une RTX 3090 consomme en référence environ 350 W. En utilisant une ou plusieurs GPU pendant de nombreuses heures, le coût énergétique devient une part non négligeable du coût total.

Parfois, la meilleure GPU pour la maison est dans un centre de données

L’augmentation du hardware rend aussi plus séduisante une alternative apparemment contradictoire avec l’IA locale : ne pas acheter tout simplement.

Pour quelqu’un qui doit expérimenter quelques heures par semaine avec de grands modèles, louer une H100, H200, MI300X ou autre GPU professionnel peut être plus économique que d’investir plusieurs milliers d’euros dans un équipement qui restera hors service la majorité du temps.

La comparaison ne doit pas se limiter à multiplier le prix à l’heure pour atteindre celui de la carte.

Dans le cloud, il faut aussi compter les coûts de stockage, transfert de données et temps de préparation. Maintenir des modèles de centaines de gigaoctets téléchargés peut faire augmenter le coût d’une instance qui semblait initialement bon marché.

Le matériel personnel offre aussi d’autres avantages : disponibilité permanente, absence de coût horaire, et surtout, contrôle total sur les données.

Pour documents confidentiels, code privé, données professionnelles ou agents qui tournent en continu, cette indépendance peut justifier économiquement un ordinateur local, même si son coût initial est supérieur.

Pour exécuter un grand modèle quatre heures par mois, cela revient plutôt à l’inverse.

La crise de mémoire ne semble pas finir de sitôt

Les prévisions de l’industrie sont peu optimistes pour une normalisation rapide.

TrendForce considère que l’expansion des agents d’IA augmente structurellement la consommation de mémoire. Les inférences ne sont plus de simples requêtes uniques, mais deviennent des chaînes d’opérations, tout comme les contextes longs augmentent la mémoire nécessaire pour la cache KV.

En mai, la société a revu à la hausse ses estimations du marché mondial de la mémoire pour 2026, atteignant 889,3 milliards de dollars, et anticipant plus de 1,28 billion de dollars en 2027.

C’est une révision majeure de ses prévisions antérieures.

De plus, Samsung, SK Hynix et Micron renforcent leurs capacités de production. Cependant, une part importante des investissements concerne précisément la HBM, les serveurs, et les produits liés à l’IA.

Cela ne signifie pas que la RAM grand public continuera à augmenter indéfiniment, ni que tous les composants vont suivre le même rythme de hausse.

Cela signifie cependant que parier sur une baisse rapide des prix de la mémoire, comme en 2024 ou 2025, comporte aujourd’hui beaucoup d’incertitudes.

La décision doit se baser sur l’utilisation réelle.

Pour les petits modèles, la plupart des ordinateurs actuels disposent probablement déjà d’un matériel suffisant. Pour 20-30 milliards de paramètres, 16-24 Go demeurent une zone particulièrement intéressante. Au-delà, ce sont des systèmes de mémoire unifiée ou des GPU professionnels qui entrent en jeu.

La question pour choisir une machine IA locale en 2026 ne doit plus simplement être : quelle GPU est la plus rapide ?

Il faut d’abord déterminer le modèle souhaité, sa mémoire réelle, et le temps d’utilisation prévu.

Ce n’est qu’après qu’il devient pertinent de regarder le prix.

Questions fréquentes

Quelle VRAM pour exécuter un LLM en local ?

Dépend du modèle, de la quantification et de la longueur de contexte. À titre de référence, OpenAI indique environ 16 Go pour gpt-oss-20b et 80 Go pour gpt-oss-120b. Beaucoup de modèles quantifiés de taille intermédiaire peuvent fonctionner avec 24-32 Go.

La RTX 3090 reste-t-elle pertinente pour l’IA en 2026 ?

Elle peut continuer d’être intéressante grâce à ses 24 Go de VRAM, surtout en seconde main. Son échauffement, son âge et l’absence des dernières architectures sont désavantages, mais sa capacité mémoire permet de faire tourner des modèles qui ne tiennent pas dans des cartes modernes de 16 Go.

Mac ou GPU NVIDIA pour l’IA locale ?

Cela dépend de la charge de travail. NVIDIA offre l’avantage de son écosystème CUDA, tandis que les Mac avec mémoire unifiée permettent de charger des modèles plus grands que ce qu’une GPU classique avec moins de VRAM peut contenir.

Hardware ou location cloud ?

Pour une utilisation occasionnelle, louer peut éviter un investissement de plusieurs milliers d’euros. Le matériel personnel devient intéressant lorsque l’on utilise beaucoup, qu’on nécessite une disponibilité permanente ou que les données ne doivent pas quitter l’environnement local.