Avec jusqu’à 128 Go de mémoire unifiée, ces machines sous Windows 11 visent les agents IA qui tournent en continu, la génération vidéo et le développement de modèles. Elles entrent sur un marché où AMD et Apple ont déjà leurs stations compactes.

Le nouveau mini-PC Asus ProArt intègre une puce NVIDIA RTX Spark. ©Nicolas Guyot pour Clubic
Le nouveau mini-PC Asus ProArt intègre une puce NVIDIA RTX Spark. ©Nicolas Guyot pour Clubic

Vous pouvez demander à une IA de résumer un dossier de travail sans devoir l’envoyer sur Internet. C’est l’un des usages visés par les mini-PC RTX Spark que NVIDIA lance ce 18 novembre. MSI et Asus ouvrent la marche avec l’EdgeMesa et le ProArt GR1X. Dell indique encore son Creator Edition Desktop comme « bientôt disponible » sur son site américain. Acer, Gigabyte, HP et Microsoft doivent suivre cette avalanche de mini-PC IA signée NVIDIA.

La mémoire, premier verrou de l’IA locale

Sous leur minuscule capot, on retrouve la nouvelle puce RTX Spark N1X qui intègre un processeur ARM Grace à 20 cœurs ainsi qu'un GPU Blackwell doté de 6 144 cœurs CUDA. Tous deux puisent dans la même mémoire LPDDR5X. Sur le MSI de 128 Go testé par nos collègues de Frandroid, on peut en réserver jusqu’à 96 Go au processeur graphique avec un redémarrage à la clé. NVIDIA annonce par ailleurs jusqu’à un pétaflop en FP4, un maximum théorique pour des calculs utilisant un format à quatre bits.

Un mini-PC de 16 ou 32 Go peut déjà résumer des documents avec un petit modèle local. Avec ses quelque 63 Go de poids, une version de gpt-oss-120b ne peut pas tenir entièrement dans leur mémoire vive. La quantification réduit la place prise par les poids du modèle, mais il faut aussi de la marge pour les calculs et pour le cache qui grossit à mesure que le contexte s’allonge. Le format de bureau a un autre intérêt. On peut laisser un agent traiter des fichiers ou générer des images pendant que le portable est ailleurs, sans facturation à la requête tant que le traitement reste local.

La semaine dernière, NVIDIA nous a montré à Adobe Max comment un agent pouvait enchaîner Photoshop et ComfyUI pour animer une image sur la machine. Dans Premiere, TensorRT-RTX accélère notamment les masques d’objet et le recadrage automatique. Blender 5.3 se sert de DLSS 4.5 Ray Reconstruction pour réduire le bruit de l’aperçu en ray tracing dans Cycles. Quant aux développeurs, ils peuvent adapter des modèles compatibles avec Unsloth et retrouver leurs outils Linux via WSL. Pour les périphériques et les logiciels qui utilisent des pilotes spécifiques, il faudra toutefois vérifier l’existence de pilotes compatibles ARM64 avant de sortir la carte bancaire.

En France, la facture grimpe vite et AMD a déjà une réponse

Le prix de départ annoncé aux États-Unis est de 4 400 dollars. En France, le revendeur PC21 affiche l’Asus ProArt GR1X à 5 815€ TTC, avec 64 Go de mémoire vive et un SSD de 1 To, mais le produit est indiqué comme indisponible. Le MSI EdgeMesa N AI+ coûte quant à lui 8 190€ avec 128 Go de RAM, un SSD de 4 To et Windows 11 Pro.

Le GMKtec EVO-X2 donne un premier point de comparaison. Avec une puce AMD Ryzen AI Max+ 395, 128 Go de mémoire et un SSD de 2 To, il coûte 3 500€ sur la boutique française du fabricant. Dans le test de Frandroid, le GMKtec produit les réponses du modèle gpt-oss-120b un peu moins vite que le MSI : 56,7 jetons (des fragments de texte) par seconde, contre 63,7 pour le mini-PC équipé en RTX Spark. Ces mesures ont été réalisées avec llama.cpp, un logiciel qui permet d’exécuter des modèles d’IA en local. L’écart est plus marqué lors du traitement du texte envoyé au modèle, avant la génération de la réponse : dans ce test, le MSI de la team NVIDIA est environ deux fois plus rapide que le GMKtec.

La puce M5 Max d’Apple change toutefois ce classement. Dans le même comparatif, un MacBook Pro M5 Max doté de 128 Go atteint 107,1 jetons par seconde en génération sous Metal, soit près de 70% de plus que le MSI. À la lecture du texte d’entrée, les deux machines sont beaucoup plus proches, avec 2 057 jetons par seconde pour le Mac et 2 190 pour le MSI.

Sur un modèle de bureau, l’équivalent chez Apple est le Mac Studio M5 Max. Il démarre à 3 000€ avec 36 Go, trop peu pour charger entièrement en mémoire cette version du modèle, qui occupe à elle seule quelque 63 Go. Dans un essai distinct, Tbreak a mesuré 75,7 jetons par seconde sur un Mac Studio de 128 Go (6 190€ en 1 To) avec gpt-oss-120b sous Ollama. Le chiffre donne un ordre de grandeur pour la machine de bureau, avec un protocole différent de celui du comparatif de Frandroid.

Toujours dans le banc d'essai de nos collègues*, le MSI reprend toutefois l’avantage sur le MacBook Pro M5 Max pour générer une image avec FLUX.2 Klein 4B. Pour une image de 1 024 × 1 024 pixels en BF16, calculée en 20 étapes, il lui faut 21,6 secondes, contre 36,2 au portable d’Apple. À ces tarifs, mieux vaut savoir quels modèles d'IA et quels logiciels on compte faire tourner en local avant de choisir sa machine. La bataille du Mini PC IA aura bien lieu.

*Clubic et Frandroid appartiennent au même groupe de presse, Ebra.

À découvrir
Quels sont les meilleurs mini-PC ? Comparatif 2026
Comparatif
Foire aux questionsContenu généré par l’IA
Qu’est-ce que la mémoire unifiée (LPDDR5X) et pourquoi est-elle déterminante pour faire tourner des modèles d’IA en local ?

La mémoire unifiée désigne une RAM partagée par le CPU et le GPU, accessible via un même espace mémoire plutôt que par des copies entre « RAM système » et « VRAM ». Pour l’IA locale, cela limite les transferts coûteux et permet d’allouer dynamiquement plus de mémoire au GPU quand l’inférence en a besoin. Le point clé, c’est la capacité totale disponible : un gros modèle peut occuper des dizaines de gigaoctets rien que pour ses paramètres, auxquels s’ajoutent les buffers de calcul. Avec des modèles volumineux, passer de 32 à 128 Go change la possibilité même de charger le modèle entièrement en mémoire, ce qui évite de fortes chutes de performance.

Pourquoi la quantification (FP4, BF16, etc.) réduit la mémoire nécessaire, mais ne suffit pas toujours à faire tenir un modèle en mémoire ?

La quantification consiste à représenter les poids d’un modèle avec moins de bits (par exemple 4 bits en FP4 au lieu de 16 bits), ce qui réduit fortement la taille des paramètres stockés. En pratique, l’inférence n’utilise pas que les poids : il faut aussi de la mémoire pour les activations, les buffers temporaires et surtout le cache d’attention (KV cache) qui grandit avec la longueur du contexte. Selon les implémentations, certaines opérations restent en précision plus élevée (BF16/FP16) pour préserver la stabilité numérique, ce qui limite le gain total. Résultat : même quantifié, un modèle peut exiger bien plus que sa taille « sur disque » une fois chargé et en train de générer.

Que mesurent les performances en « jetons par seconde » et pourquoi distingue-t-on la lecture du prompt et la génération ?

Les « jetons par seconde » (tokens/s) mesurent le débit de traitement d’un modèle : combien d’unités de texte il ingère ou produit chaque seconde. La lecture du prompt (pré-remplissage) correspond au moment où le modèle analyse le texte d’entrée et construit ses états internes, souvent très dépendant du débit mémoire et du parallélisme. La génération (décode) produit ensuite les jetons un par un, ce qui peut être limité par la latence et l’efficacité du GPU/CPU sur des lots très petits. Ces deux phases n’ont pas les mêmes goulots d’étranglement, d’où des classements qui peuvent changer selon qu’on parle « compréhension initiale » ou « production de la réponse ».