Six semaines sans cloud : j'ai confié tout mon travail à une IA locale à 4 500 €

Sur mon bureau, sous le Mac mini, un petit boîtier gris à 4 500 € : le DGX Spark de NVIDIA, un supercalculateur de poche conçu pour les chercheurs et les développeurs. Pendant six semaines, j’ai coupé Claude, Codex et Gemini pour lui confier mon travail.

Faut-il vraiment mobiliser un modèle à mille milliards de paramètres pour connaître le temps de cuisson d’un œuf dur ? La question peut faire sourire. Elle décide pourtant de tout ce qui va suivre. Car l'écrasante majorité de ce qu'on demande à une IA, un conseil, une information, un mail à remettre d'aplomb, n'exige pas le cerveau le plus puissant de la planète. Elle exige une réponse juste, rapide, et qui ne dépende de personne. Or ça, une machine posée sur un coin de bureau sait désormais le faire.

C'est toute l’expérience que je viens de vivre : six semaines durant, l’IA qui m’a épaulé au quotidien ne tournait pas dans un datacenter anonyme à des milliers de kilomètres. Elle chauffait doucement à trente centimètres de mon clavier, dans ce petit boîtier que NVIDIA appelle DGX Spark, ici dans sa déclinaison ASUS Ascent GX10, sobre et grise. Veille, recherche, code, automatisation : tout ce que je confiais au cloud est passé chez elle.

Une précision de méthode, tout de suite, pour jouer cartes sur table : « couper » signifie ici que mes tâches quotidiennes ont basculé en local. Le cloud, lui, est resté branché en parallèle, mais uniquement comme instrument de mesure, pour affronter les mêmes épreuves que les modèles locaux et servir d'étalon. Difficile de comparer deux mondes en débranchant l'un des deux.

L'idée ne sort pas de nulle part. Après mon guide sur OpenClaw (qui m'a valu un passage au 20h de TF1, faut bien se la raconter un peu), la même question revenait sans cesse dans les commentaires : « et si tout tournait chez moi, à 100 % ? »

Cet article tient une double promesse. La première : dire ce que vaut réellement cette machine quand on la sort des slides de présentation marketing pour lui coller entre les mains une vraie charge de travail. La seconde, plus utile encore : dresser l’état de l’IA locale en 2026, ce qu’elle peut faire, ce qu'elle ne fait pas correctement, et le moment précis où elle devient une évidence. À la fin, vous saurez si vous pouvez résilier votre abonnement cloud, chiffres à l’appui.

L’IA locale en 2026 : trois catégories, trois budgets

Dire « je fais tourner une IA localement », c’est à peu près aussi précis que dire « j'ai un véhicule ». Trottinette ou 38 tonnes ? Tant qu’on n’a pas nommé la machine, on ne dit rien. En 2026, le paysage se découpe en trois étages assez nets, et autant les poser d’entrée, parce que le Spark n’occupe que le dernier.

Au rez-de-chaussée, il y a l’ordinateur que vous possédez déjà. Un portable correct, 8 à 16 Go de RAM, et voilà un Qwen 3.6 7B ou un Llama 3.3 8B qui s’installe sans rechigner. Quinze à trente tokens par seconde, de quoi résumer un document, débroussailler une idée, reformuler un courrier. Coût de l’opération : zéro euro, la machine est déjà payée.

L’étage du dessus réclame un vrai chèque, d’autant plus salé que la pénurie de mémoire de 2026 a fait flamber les prix : comptez 2 000 à 3 500 € pour 32 à 64 Go de mémoire unifiée, un Mac M4 Pro ou une configuration PC musclée. C’est l’étage où vit le Mac mini de 48 Go que m’a prêté Apple, sur lequel un Qwen 3.6-35B optimisé MLX débite 87 tokens par seconde. Notez ce chiffre quelque part, il va resservir.

Le dernier étage, c’est celui des machines qui ne servent qu’à ça : 128 Go de mémoire unifiée minimum, la capacité d’avaler des modèles de 100 milliards de paramètres et plus, une facture entre 4 000 et 10 000 €. Le DGX Spark et le Mac Studio Ultra habitent là-haut, bientôt rejoints par le Ryzen AI Halo d’AMD. C'est l’étage où l’on arrête d’expliquer l’achat à son entourage pour commencer à le justifier à son banquier.

Reste l’objection légitime, celle qu’on m’a faite vingt fois : pourquoi s’infliger tout ça alors que ChatGPT Plus coûte une vingtaine d’euros par mois ? Trois réponses tiennent la route. La confidentialité, d’abord : chaque prompt envoyé sur un service en ligne finit sur des serveurs qui ne vous appartiennent pas, ce qui devient un vrai sujet dès qu'on touche au médical, au juridique, au professionnel sensible. L’indépendance, ensuite : une IA locale ne connaît ni panne de réseau, ni hausse de tarif surprise, ni fermeture de service. Le portefeuille, enfin, mais seulement pour les très gros consommateurs : passé un certain volume, la machine achetée une fois écrase l’abonnement perpétuel. Soyons clairs, pour la plupart des gens, aucun de ces trois arguments ne justifie l’achat. Mais pour une minorité de plus en plus nombreuse, ils changent absolument tout.

Le décor est planté. Avant de dévisser le capot, un détour par le vocabulaire s’impose. Six mots, pas un de plus, promis.

Six mots de vocabulaire pour tout comprendre

Rassurez-vous, on ne va pas transformer ce dossier en cours du soir. Mais lire un dossier sur l’IA locale sans ces six notions, c’est lire un essai auto sans savoir ce qu’est un moteur.

Commençons par les paramètres. C’est le nombre de connexions internes du modèle, ses synapses en quelque sorte, et plus il y en a, plus la machine saisit de nuances. Un repère simple : un milliard de paramètres occupe environ 2 Go de mémoire. Pour l’échelle, les estimations qui circulent prêtent à GPT-4 quelque 1 800 milliards de paramètres et à Claude Opus une fourchette de 2 000 à 5 000 milliards, aucun de ces chiffres n’étant officiel, Anthropic comme OpenAI gardant le secret ; les modèles de ce test s’échelonnent, eux, de 26 à 122 milliards.

Vient ensuite la quantification, qui n’est rien d’autre que la compression d’une photo RAW en JPEG appliquée à un cerveau : on sacrifie un peu de précision dans les nombres (FP16, FP8, INT4, ou le NVFP4 maison de NVIDIA) pour diviser le poids du fichier. L’effet est spectaculaire : le Qwen 3.5-122B passe de 244 Go, hors de portée de n’importe quelle machine personnelle, à une soixantaine de Go. Et soudain, il rentre dans le Spark.

Le troisième mot explique les vitesses surprenantes que vous allez lire : MoE, « mixture of experts ». Plutôt qu’une usine où toutes les chaînes tournent en permanence, imaginez un cabinet de spécialistes où seuls deux ou trois se lèvent selon la question. Un modèle affiche 120 milliards de paramètres, mais n’en active qu'une dizaine par token généré. Tous les modèles récents du panel sont bâtis comme ça.

Le quatrième terme est le moins glorieux et le plus décisif : la recette. Personne ne vous le dit avant d’acheter, mais un modèle d’IA n’est pas un logiciel sur lequel on double-clique pour le lancer. C’est une concoction de grand-mère version 2026, qu’on s’échange sous le manteau sur les forums spécialisés. Serveur d’inférence, container, réglages, variables d’environnement : que la moindre pièce manque et tout retombe. Bilan de mes six semaines sur ce front : quatre recettes validées, des dizaines de plats ratés.

Restent deux notions plus pointues. Le speculative decoding, ou MTP, d’abord : au lieu de calculer les mots un par un, le modèle parie sur les trois suivants d’un coup et vérifie ensuite. Quand ça fonctionne, le gain est réel, mesuré à +72 % sur le Nemotron, dont le débit bondit de 16 à 27 tokens par seconde.

Et puis il y a le « thinking leak », mon préféré. Trois des quatre modèles installés sur le Spark déversaient leur monologue intérieur en plein milieu de leurs réponses. Demandez la capitale de l’Australie : au lieu d'un sobre « Canberra », vous recevez d'abord trois paragraphes d’hésitations intimes : « L'utilisateur veut la capitale, est-ce Sydney ? Non, Sydney n'est pas la capitale, c'est bien Canberra, mes données sont-elles à jour ? L'utilisateur veut-il une réponse courte ?», avant la réponse proprement dite. Sur une question de géographie, c'est attendrissant. Dans un programme informatique, ce flux de conscience vient s’incruster entre les lignes de code et ruine tout. Précision importante : les modèles n’y sont pour rien. Le coupable, ce sont trois lignes de configuration Docker qui omettent de filtrer ces tokens côté serveur. Retenez cette histoire, elle éclaire la moitié de nos déboires à venir.

Le DGX Spark passé au tournevis

Mettons tout de suite les choses au clair, parce que le malentendu serait facile : NVIDIA ne vend pas le Spark comme un concurrent de ChatGPT pour la famille. Le discours officiel parle d’un petit supercalculateur pour développeurs, chercheurs et créateurs, pensé pour entraîner et prototyper des modèles. Le détournement est de mon fait, et assumé : c’est justement parce que pas grand monde n’utilise cette machine comme je l’ai fait que l’expérience valait d’être menée. Détail qui a son importance : l’exemplaire prêté n’est pas la Founders Edition dorée de NVIDIA mais sa cousine ASUS, l’Ascent GX10. Même puce GB10, châssis ASUS, 1 To de stockage au lieu de 4. Environ 4 500 €. Ce chiffre va peser sur chaque paragraphe qui suit, autant l’annoncer.

Sous le capot, une puce GB10 Grace Blackwell : 6 144 cœurs CUDA, des Tensor Cores de cinquième génération, et le calcul FP4 câblé directement dans le silicium, la grande fierté de NVIDIA. Mais l’argument décisif tient sur une ligne de la fiche technique : 128 Go de mémoire unifiée LPDDR5x, partagée entre le processeur et la puce graphique. C’est cette mémoire, et rien d’autre, qui permet d’accueillir des modèles de 100 milliards de paramètres. La sobriété, elle, force le respect : 29 W au repos, environ 240 W à pleine charge, là où une seule RTX 5090 s’octroie 575 W. Mieux : en inférence courante, la télémétrie plafonnait le plus souvent autour d’une vingtaine de watts. À débit équivalent sur les mêmes modèles, on parle d'une machine grosso modo vingt fois plus sobre qu’une RTX 4090. Faire tourner une IA toute la nuit pour le coût électrique d'une ampoule, c'est désormais possible.

Deux mots, enfin, sur la cohabitation physique, puisque la promesse est de vivre avec : le boîtier chauffe franchement en charge, et la ventilation sait se faire entendre quand les gros modèles moulinent. Mais c'est un faux problème, pour une raison simple : une machine pareille ne se pilote pas au clavier, elle se pilote à distance. La mienne a fini sa vie de test en headless (uniquement branchée au réseau local et au secteur), rangée dans le placard électrique, invisible et inaudible, comme une box ou un NAS. C'est sa vraie place, et à cet endroit-là, ses décibels ne regardent plus personne.

Voilà pour le matériel. Le discours commercial, lui, déroule le tapis rouge : Llama 3.3 70B deux fois plus rapide en NVFP4, Flux 1 qui génère 23 images à la minute, il faut reconnaître que rien n’y manque. La réalité, elle, m’a coûté six semaines pour stabiliser quatre malheureuses recettes.

La moto et le camion

Six semaines à jongler entre le Spark et le Mac mini m’ont laissé une image en tête, et elle résume tout : la moto contre le camion. Le Mac mini M4 Pro, c’est la moto. Nerveuse, plus rapide que tout le monde au démarrage, elle double sur l’autoroute sans effort : à modèle identique, elle expédie 87 tokens par seconde quand le Spark en produit 51. Mais demandez-lui de transporter une armoire, et elle cale. Le Spark, c'est le camion : moins vif sur le trajet quotidien, mais seul capable d’emmener une charge que la moto ne pourra jamais soulever, ces modèles de 100 milliards de paramètres et plus, qui ne rentrent tout simplement pas dans les 48 Go du Mac.

Ce qui donne à cette machine à 4 500 € un paradoxe assez piquant : sur tous les modèles que mon Mac sait faire tourner, c’est le Mac qui gagne, alors qu’il coûte moins de la moitié du prix de la machine de NVIDIA. Le Spark ne justifie son existence qu’au-delà, sur le territoire où le Mac abandonne. Acheter un Spark pour y loger des petits modèles, c'est louer un semi-remorque pour ramener ses courses. La vraie question si on considère un achat n’est donc jamais « lequel va le plus vite », mais « de quelle taille de modèle ai-je réellement besoin ». Gardez-la en tête, on y répondra profil par profil. Mais avant, il faut parler du logiciel. Parce que c'est là que tout se gâte.

Matériel superbe, logiciel DIY

Ce qui suit n’apparaît dans aucun test français de la machine, et pourtant c’est la première chose qui saute aux yeux dès qu’on veut faire tourner les gros modèles : le support logiciel du Spark est en retard sur son propre matériel. Sa puce GB10 utilise une architecture, la SM121, que les principaux moteurs d’inférence ne géraient toujours pas nativement à la mi-2026. Certains modèles passent sans douleur : le GPT-OSS 120B d’OpenAI, servi par l’outil officiel SGLang, s’est installé du premier coup. Mais dès qu'on vise les modèles les plus récents en NVFP4, le Qwen 3.5-122B ou le Nemotron, le conteneur officiel de NVIDIA cale : son moteur PyTorch s’arrête à l’architecture SM120, quand la puce en réclame une de plus.

J'ai personnellement perdu cinquante minutes à refuser d’y croire, avant de faire comme la communauté entière des possesseurs de Spark : basculer sur une image Docker bricolée par des passionnés : eugr/spark-vllm-docker. Un matériel à 4 500 €, dont les modèles les plus ambitieux ne tournent aujourd’hui que grâce au travail bénévole d’inconnus.

Et le premier démarrage n’est que la mise en bouche. Le vrai problème, c’est l’imprévisible. Un matin, le débit de Gemma 4 s’est effondré de 48 à 31 tokens par seconde. Aucune manipulation de ma part, aucun avertissement : l’image Docker gemma4-cu130 avait été mise à jour silencieusement pendant la nuit. Le remède a exigé de forcer un autre noyau de calcul et d’empiler trois variables d’environnement pour remonter à 51, soit la moitié des performances récupérées à la main, en fouillant des forums. Le décodage spéculatif ? Sept plantages en sept tentatives, jusqu’à ce qu’une version expérimentale daigne le débloquer. Le thinking leak, on en a déjà parlé : trois modèles sur quatre concernés, pour trois lignes de configuration. Trois lignes qui séparent un outil de travail d’un générateur de charabia.

Je résume ces six semaines le plus honnêtement du monde : un hardware splendide, marié à un software qui réclame un doctorat en dépannage. Pour le chercheur à qui la machine est officiellement destinée, c’est une contrariété habituelle. Pour le grand public qui la regarde avec envie, c'est rédhibitoire. En l’état.

Les quatre configurations qui tiennent la route

De ce champ de bataille, quatre configurations sont sorties vivantes et stables. Les voici, chiffres mesurés à l’appui, du plus convaincant au plus dispensable :

• Gemma 4 26B-A4B (NVFP4) : 51,3 tokens par seconde, trois missions d’automatisation sur trois bouclées en 79 secondes, capable de lire les images (pratique pour décortiquer une capture d’écran), 128K de contexte. Il exige de forcer le noyau Marlin et trois variables d’environnement. Son talon d’Achille : un pénible 1 sur 6 en code, plombé par un bug de portée Python.
• GPT-OSS-120B (MXFP4) : 50 tokens par seconde et 621 millisecondes avant le premier mot, le plus réactif du panel. Servi par un outil officiel, SGLang, licence Apache 2.0, le seul du panel qui s’installe sans une ligne de bidouille. Mais 0 sur 6 en code, entre délais explosés et un fragment de TypeScript retrouvé au beau milieu d’un programme Python, et 2 missions sur 3 en automatisation.
• Qwen 3.5-122B (hybride INT4+FP8, MTP-2) : 47 tokens par seconde, 3 missions sur 3 en 195 secondes, et le cerveau le plus brillant du panel local, 86,6 % au test de raisonnement GPQA, 72,4 % au benchmark de code SWE-bench. 262K de contexte annoncé, que j’ai validé jusqu’à 85K. C’est lui qui tourne jour et nuit chez moi depuis 25 jours. En code : 2 sur 6. La cause est identifiée, c'est le thinking leak de configuration décrit plus haut, pas un déficit d'intelligence, ses 72,4 % à SWE-bench en témoignent. Mais le barème note la copie rendue, pas la copie potentielle : 2 sur 6, donc.
• Nemotron Super 120B (NVFP4, MTP-3) : 22 tokens par seconde, et jusqu'à 24 secondes de silence avant le premier mot d’une réponse à une question banale. Le temps de se demander si la machine n’est pas partie chercher la réponse à pied. Son architecture Mamba-2 est passionnante sur le papier, le décodage spéculatif lui offre 72 % de gain, mais il part de si bas que ça ne suffit pas : 2 missions sur 3, en 1 397 secondes cumulées, dix-huit fois le temps de Gemma 4. Le premier que j'ai débranché.

Le grand comparatif : sept IA, une seule grille d’épreuves

On entre dans le cœur du dossier : confronter des IA 100 % locales aux références du cloud sur exactement les mêmes épreuves, y compris les plus exigeantes, celles où l’IA travaille seule, enchaîne les commandes, lit des fichiers, cherche sur le web. Pas un test de vitesse. Un test d’embauche.

Sept candidats se sont présentés : Opus 4.7 et Sonnet 4.6 pour le cloud, les quatre pensionnaires du Spark, et le Qwen 3.6-35B de mon Mac mini. Mêmes sujets, mêmes consignes, mêmes barèmes. Pour la notation, un juge unique, Opus 4.7, chargé d’évaluer chaque copie sur 50 selon des critères constants, avec des boucles de vérification anti-hallucination. Le classement final mérite qu'on s'y attarde, et il faut le lire avec la bonne paire de lunettes : Opus, juge et candidat, s'attribue 50 sur 50, et note son petit frère Sonnet deuxième. Ce biais est réel, je le revendique comme une limite du protocole plutôt que de le cacher. Ce qui m'intéresse dans ce tableau, ce n'est donc pas le sommet, c'est la hiérarchie entre les modèles locaux, où le juge n'a aucun cheval dans la course. Sonnet suit à 47. Puis viennent les locaux : Gemma 4 à 35, Qwen 3.5 à 34, le Mac mini à 32, GPT-OSS et Nemotron à égalité à 27. Relisez cette liste une seconde fois : chez les quatre locaux, ni la taille ni la vitesse ne prédisent le rang. Le Gemma 4, le plus petit du panel avec ses 26 milliards de paramètres, devance le Qwen 3.5 et ses 122 milliards. Toute la richesse du test est dans cette anomalie.

Là où le local a rattrapé le cloud

Premier terrain, les questions de tous les jours, et premier constat sans appel : l’écart n’existe plus. Quatorze questions grand public, sept IA, cent pour cent de bonnes réponses. Pas une erreur, nulle part, du modèle le plus cher au plus modeste. Une recette de pâte à crêpes, la capitale de la Mongolie, le résumé d’un texte de loi, la traduction d'un courrier : sept copies interchangeables. J’ai relu ces réponses à l’aveugle, incapable de dire laquelle venait du cloud. Et côté chrono, c’est le local qui donne la leçon : le Mac mini mène à 87 tokens par seconde, devant Gemma 4 à 51, GPT-OSS à 50 et Qwen 3.5 à 47, tandis qu’Opus pointe à 41 et Sonnet à 33. Le Mac mini répond plus vite que l’abonnement à 20 € par mois, et aussi juste. C'est la meilleure nouvelle de ce dossier : pour l’essentiel de ce qu’on demande à une IA, l’entrée de gamme locale suffit déjà.

Ce premier test permet de régler son compte à la métrique fétiche de tous les comparatifs, le nombre de tokens par seconde. Ce chiffre mesure le régime moteur, pas le chrono final, et la démonstration est cruelle. Sur le papier, Nemotron à 22 tokens par seconde ne devrait être que 2,3 fois plus lent que Gemma 4 à 51. Sur trois missions réelles, Nemotron a mis 1 397 secondes, Gemma 4 en a mis 79. Dix-huit fois plus lent. Pourquoi ? Parce qu’un modèle poussif ne se contente pas de générer lentement : il rumine plus longtemps, s’écarte des consignes, recommence. Comparer deux IA au nombre de tokens par seconde, c’est comparer deux voitures au compte-tours sans regarder laquelle franchit la ligne.

Deuxième test, la rédaction longue, un article de 1 500 mots commandé à chacun, et là le classement s’étire. Opus rend une copie publiable telle quelle. Sonnet aussi, avec moins de souffle. Le Mac mini et Gemma 4 livrent un texte propre, à 70 ou 80 % du compte, l’ossature est bonne, le style manque. Les trois derniers, Qwen 3.5, GPT-OSS et Nemotron, rendent des copies inexploitables, leur monologue intérieur débordant dans le texte, thinking leak oblige. Le raisonnement pur, troisième test, resserre à nouveau les rangs : sur un problème d’optimisation de tournée à quinze villes ou une refonte de code en contexte long, le cloud ne garde qu’une petite longueur d’avance. Opus est le plus dense, Sonnet le plus pédagogue, allant jusqu’à dessiner un petit graphique en caractères pour illustrer sa solution. Qwen 3.5 et GPT-OSS suivent sans rougir. L’IA locale sait réfléchir. C’est ailleurs qu’elle craque.

Là où le cloud reste seul au monde

Le mur, c'est le code de production. Deux épreuves notées à l’exécution, sans complaisance : un analyseur de fichiers JSON et un système de cache résistant aux accès simultanés. Le programme compile et passe les tests, ou il ne les passe pas. Verdict cloud, du premier coup : 6 sur 6, Opus et Sonnet déroulent sans trembler. Verdict local, du premier coup : de 0 à 2 sur 6 selon les modèles. Qwen 3.5 et le Mac mini sauvent deux points, Nemotron aussi, Gemma 4 grappille un point, GPT-OSS signe un zéro pointé, entre délais dépassés et un fragment de TypeScript inséré spontanément au milieu d’un programme Python. On a connu des greffes plus heureuses.

Nuance qui change tout à l’usage réel : ce verdict est un instantané au premier jet, pas une fatalité. Le cloud facture chaque tentative, donc corriger en boucle jusqu’à un code impeccable a un coût qui grimpe vite. En local, les tokens sont gratuits : rien n’empêche de relancer le modèle cinq, dix, vingt fois sur la même erreur, de lui coller le message d’exception en retour, jusqu'à ce que ça passe. C’est plus lent, moins élégant, mais souvent redoutablement efficace. Ce que révèle vraiment ce test, ce n’est pas que l’IA locale est incapable d’écrire du code fiable, c'est qu’elle le fait en s’y reprenant, quand le cloud le fait généralement du premier coup.

La surprise que personne n’attendait

Restait l’épreuve reine, celle qui m’intéressait le plus : l’automatisation. Trois missions confiées à chaque IA, en autonomie complète : une veille d’actualité, l’audit d’un fichier de code d’une application mobile, une synthèse de l’actualité IA des dernières 48 heures glanée sur le web. Opus réussit les trois, on n’en attendait pas moins. La surprise, c’est Gemma 4 : trois missions sur trois, lui aussi, expédiées en 79 secondes. Plus vite que le cloud. Qwen 3.5 boucle également les trois, en 195 secondes, avec une régularité de métronome. Le Mac mini, GPT-OSS et Nemotron s’arrêtent à deux sur trois : dès que la mission se complique, le cloud reprend la main.

Mais la vraie pépite du test tient dans une comparaison. Gemma 4 et ses 26 milliards de paramètres ont littéralement écrasé Nemotron et ses 120 milliards : trois missions contre deux, dix-huit fois plus vite. Un modèle simple et prévisible suit les consignes, enchaîne proprement les outils, avance. Un modèle qui rumine trop se perd dans ses propres pensées et déraille. Un travers qu’on croyait réservé aux humains.

Et c’est ce ratage qui livre la leçon la plus précieuse du dossier. La mission à laquelle GPT-OSS et Nemotron ont échoué n’est pas la plus dure. C'est la plus simple, la veille d’actualité. Pas par manque d’intelligence : par incapacité à conclure. Ils tournaient en rond, enchaînant les recherches et les commandes, sans jamais décider que le travail était terminé. Voilà ce qui sépare une IA qui automatise d’une IA qui vous crame 50 € de tokens en tournant dans le vide : pas l’intelligence, la capacité à s’arrêter. Aucun benchmark ne mesure ça. Ça ne se voit qu’à l’usage, après des heures passées à la regarder travailler. Beaucoup choisissent pourtant leur LLM comme une voiture, sur les chiffres qui claquent. Pour de l’automatisation, choisissez-la comme un employé : à sa capacité à rendre le travail fini.

Un matériel qui s’améliore après l’achat

Un phénomène m’a déstabilisé pendant ce test, et il change la manière même d’évaluer cette machine : le Spark de la sixième semaine était objectivement meilleur que celui de la première. En première semaine de test, Nemotron y végétait à 14 tokens par seconde ; cinq semaines plus tard, Gemma 4 y filait à 51. Performance utile triplée en un mois, uniquement grâce à de meilleures recettes logicielles et de meilleurs modèles.

Cette inversion mérite qu’on s’y arrête. Les objets électroniques prennent parfois de la valeur en vieillissant, une console rétro se collectionne, se revend une fortune. Mais leurs capacités, elles, restent figées à jamais : une Game Boy de 1998 tourne exactement aussi vite aujourd’hui qu’à sa sortie. Le Spark, lui, devient réellement plus capable, sans qu'on touche à un seul composant. Chaque nouveau modèle open source, chaque optimisation communautaire, chaque recette affinée le rend plus rapide et plus intelligent, gratuitement. Le passage de Qwen 3.5 à 3.6 a fait bondir les scores de code sans que je débourse un centime : télécharger, installer, et hop ça tourne mieux. NVIDIA connaît bien ce tour de passe-passe côté grand public : ses cartes RTX gagnent régulièrement en performances par la seule grâce d’une mise à jour du DLSS, sans changer un transistor. Sur le Spark, c’est la même magie, appliquée à l’intelligence plutôt qu’aux images de synthèse. L’argument mérite d’entrer dans la réflexion d’achat. Mais il en reste un dernier, le plus tranchant de tous.

L’atout caché du local : personne ne vous coupe le robinet

Après six semaines de comparaison, le vrai point faible du cloud n’est pas la qualité. C’est le compteur d’usage (session, hebdo). Tant qu’on papote avec ChatGPT, l’abonnement à 20 € semble illimité, et il l’est en pratique pour 99 % des gens. Mais le jour où l’on se met à automatiser sérieusement, le plafond vous tombe sur la tête. J’ai vidé un forfait Claude Max à 200 $ par mois en deux heures de travail soutenu avec le modèle le plus puissant d’Anthropic : Fable 5. Deux heures. Et la facturation à l'usage, seule alternative au-delà, s'envole vite. Il faut comprendre le modèle économique pour ce qu’il est : le cloud ne vous facture pas la puissance. Il vous facture le droit de continuer.

Le Spark, lui, ignore le concept même de quota. Mon Qwen 3.5-122B mouline jour et nuit, environ 3,6 millions de tokens par jour. Le même volume, facturé à l’usage chez Anthropic, tournerait autour de 50 $ par jour. Mille cinq cents euros par mois. Précisons immédiatement, parce que c’est le cœur du sujet : 80 % des lecteurs de cet article n’atteindront jamais, même de loin, un volume qui justifie ce calcul. On ne fait pas tourner une IA toute la nuit pour reformuler trois e-mails. Et, l'équation a son revers, qu’on connaît maintenant par cœur : le Spark ne bride rien, mais il bug. D’un côté un cloud bridé et sans entretien, de l’autre un local illimité qui vous vole des soirées de configuration. Gratuit en argent, coûteux en temps. Si vos soirées valent plus cher que vos factures, restez au cloud. Si fouiller un forum technique vous détend plus que Netflix, ou si quelqu’un dans l’équipe est fait de ce bois, le local devient imbattable sur la durée.

Combien de temps pour rentabiliser un Spark ? La projection chiffrée

Prenons les tarifs API officiels de juillet 2026, convertis en euros (tarifs affichés en dollars par les fournisseurs, 1 $ ≈ 0,92 €), pour trois volumes d’usage, avec un mix réaliste de 75 % de tokens lus pour 25 % de tokens générés. Les prix indiqués correspondent au coût par million de tokens en entrée et en sortie.

Précision essentielle avant de lire ce tableau : il ne compare pas deux intelligences équivalentes, le Qwen 3.5-122B du Spark reste loin derrière Opus ou GPT-5.5 sur notre classement. Il compare un volume de travail, celui qui vous ferait basculer sur ces tarifs premium faute d’alternative. Le Spark ne remplace pas le cerveau d’Opus, il absorbe le volume qui, chez un fournisseur cloud, finirait par vous coûter ce que ce tableau indique. Le Spark coûte 4 500 € une fois, plus environ 10 € d’électricité par mois.

La lecture est simple : en usage soutenu classique, le Spark ne se rembourse jamais dans sa durée de vie, gardez votre abonnement. Dès qu’on automatise pour de bon, il s’amortit en moins d’un an face aux modèles premium du panel (Sonnet 4.6, GPT-5.4, GPT-5.3-Codex, Gemini 3.1 Pro), et en quatre à cinq mois face aux plus chers, Opus 4.8 et GPT-5.5. Seul le petit Gemini 3.5 Flash, nettement moins onéreux, repousse l’amortissement à un peu plus d'un an. Une précision d’honnêteté, enfin : le Qwen 3.5-122B que je fais tourner sur le Spark existe aussi en API, à des tarifs cassés (moins de 60 € par mois même en usage d’automatisation). Si votre seul critère est le prix, l’API d'un modèle ouvert battra toujours la machine. Ce que l’achat ajoute, et que l'API ne vendra jamais : vos données restent chez vous, et personne ne peut ni fermer le robinet, ni changer le tarif.

Et c’est ici que se niche le véritable argument commercial du Spark : cette machine ne vend pas une copie de ChatGPT, elle vend les heures que ChatGPT vous refuse. Sa clientèle naturelle, ce sont les utilisateurs intensifs qui se cognent aux quotas, exactement ceux que les géants du cloud rationnent pour protéger leurs marges. Plus les quotas se resserrent, plus ce public grossit, et plus il regarde vers le local. NVIDIA n’a qu’à tendre les bras. Il existe des stratégies commerciales plus fatigantes.

Verdict par profil : qui achète quoi, et pour combien

Assez de concepts, sortons la calculatrice. Cinq profils, un horizon de trois ans, la durée de vie raisonnable d’une telle machine et l’échelle à laquelle un abonnement finit par peser une petite fortune.

L’utilisateur ordinaire, 10 à 50 questions par jour, n’a même pas à sortir la calculatrice en question : 720 € de cloud sur trois ans contre 4 500 € de Spark amorti, le débat est clos avant d’être ouvert.

Le passionné ou le développeur solo mérite plus de nuance : entre 3 600 et 10 800 € d’API sur la période, ou 7 200 € d’abonnement premium plafonné, contre un Mac M4 Pro à 48 Go qui trône souvent déjà sur le bureau et couvre 90 % des besoins. Pour lui, le Spark est un luxe, pas un levier ; le duo Mac + cloud d’appoint gagne.

L’automatiseur, lui, inverse toute la table : 18 000 à 72 000 € d'API sur trois ans, des abonnements premium hors jeu vu les volumes, contre 4 540 € de machine. Amortissement : deux à trois mois.

La PME technique bascule dès le cinquième poste, 7 200 € d’abonnements par tête contre une machine partagée à 4 500 €.

Et le professionnel des données sensibles, médecin, avocat, journaliste, n'a même pas le luxe de l’arbitrage : entre le RGPD et le secret professionnel, ses données ne peuvent pas partir sur les serveurs d’un tiers. Spark ou Mac Studio Ultra, sans négociation.

Six semaines après avoir branché ce petit bloc gris, mon quotidien n’a pas basculé. Ma compréhension du sujet, si. Pour 80 % de mes journées, le Mac mini posé sur le bureau suffit, et le Spark n’y change rien. Pour les 20 % restants, le cloud reste le patron en 2026. Mais ces proportions sont un instantané, pas une loi : dès qu’on automatise sérieusement, et tout pousse dans cette direction, les 20 % gonflent vers 50, et le rapport de force s’inverse.

Concrètement, à quoi ressemble cette automatisation qui change tout ? Chez moi, OpenClaw, un assistant IA personnel, tourne en continu et enchaîne les tâches de fond : surveiller l’actualité tech plusieurs fois par heure, auditer le référencement d’un site, vérifier la santé d'un backend applicatif, relire une boîte mail pour repérer ce qui traîne sans réponse, générer un rapport de maintenance chaque semaine. Rien d’impressionnant pris isolément, mais multiplié par 24 heures et 7 jours, ça représente des millions de tokens consommés sans jamais s’arrêter. Facturé à l’API, ce régime viderait un abonnement premium en quelques jours. En local, seule l’électricité est facturée.

La bonne nouvelle de 2026, ce n’est pas que le local a rattrapé le cloud, il ne l’a pas fait. C’est qu’un choix réel existe désormais, chiffré, là où il n'y avait qu'un réflexe par défaut. NVIDIA a mis un modèle de 100 milliards de paramètres à portée d'un particulier motivé ou d’une PME. Une frontière jusque-là réservée aux datacenters vient de se déplacer, et ne va pas s’arrêter là. Au Computex de juin 2026, NVIDIA a présenté la RTX Spark Superchip, une puce ARM cousine de la GB10 qui anime mon exemplaire, mais taillée pour des PC portables Windows : même mémoire unifiée jusqu’à 128 Go, six constructeurs déjà signés pour l’automne. La brique qui m’a permis de loger un modèle de 100 milliards de paramètres sur un coin de bureau s’apprête à migrer dans des ordinateurs portables grand public. L’expérience de laboratoire que je viens de vous raconter deviendra, d’ici un an ou deux, une option ordinaire au moment d’acheter sa prochaine machine.

Si l'aventure vous tente, dites-le-nous en commentaires : si vous êtes assez nombreux, nous publierons un guide pas à pas pour installer votre première IA locale sur les machines que vous possédez déjà.

Le Spark est reparti chez NVIDIA, mais une certitude est restée : une IA qui travaille pour vous, chez vous, sans demander la permission à personne, n'est plus un privilège de chercheur. C'est un choix. Imparfait, exigeant, parfois rageant, mais réel. Il y a quelques années, il fallait un datacenter pour faire tourner une IA. En 2026, un boîtier de 15 cm. Dans un an, un portable grand public en rayon à la Fnac. La question n'est plus de savoir si l'IA locale tient la route, mais si vous en avez besoin. Et si la réponse est non aujourd'hui, retenez ceci : pour la première fois, c'est vous qui décidez.