Le matériel IA en novembre 2026, du bureau au data center

Si vous voulez faire tourner des modèles ouverts sur votre propre matériel, la mémoire décide presque de tout. Elle décide des modèles qui se chargent tout court, et sa vitesse décide de la rapidité de leurs réponses. Ce guide couvre ce que NVIDIA vend ou loue en novembre 2026, d'un boîtier qui tient sur un bureau à une baie complète. Chaque machine est évaluée face à des modèles que nous avons testés. Les prix ont fortement augmenté cette année parce que les puces mémoire sont rares : comparez les chiffres donnés ici à un devis actuel avant d'acheter.

DGX Spark et les boîtiers GB10 : 128 GB sur votre bureau

DGX Spark est un mini-PC construit sur la puce GB10 de NVIDIA. Son CPU et son GPU partagent un même pool de mémoire, et la machine tourne sous Linux. Selon la fiche technique de NVIDIA, ce pool est de 128 GB de LPDDR5x à 273 GB/s. NVIDIA annonce jusqu'à 1 pétaflop de calcul en FP4, un chiffre théorique qui suppose la parcimonie, et affirme qu'une unité gère des modèles jusqu'à 200 milliards de paramètres. Acer, ASUS, Dell, GIGABYTE, HP, Lenovo et MSI vendent leurs propres versions GB10. La puce est la même dans toutes : vous payez donc pour le boîtier, le stockage et la garantie.

Le prix est le sujet principal. Spark a été lancé à 3 999 $ en octobre 2025. NVIDIA l'a porté à 4 699 $ en février, en invoquant l'approvisionnement en mémoire. En octobre, le modèle à 128 GB est passé à 6 950 $, près de 75 pour cent de plus qu'un an plus tôt, selon The Register. Une version à 64 GB proposée par les partenaires a été mise en vente le 23 octobre à 4 999 $, selon ServeTheHome. Elle conserve le port réseau à 200 Gbps, ce qui permet de relier jusqu'à quatre unités.

Une puce sœur, RTX Spark, équipe désormais des ordinateurs portables sous Windows. Ils ont été mis en vente le 16 octobre à partir de 2 599 $, selon Tom's Hardware, mais ce prix correspond à 24 GB. Un modèle à 128 GB coûte environ 5 100 $ à 7 000 $.

Ce qui tient dans 128 GB : gpt-oss-120b (4,0) est un téléchargement de 65 GB sur Ollama. La version 4 bits de Nemotron 3.5 Super VL (4,1), environ 75 GB, vise précisément DGX Spark. Qwen3.8-27B (4,5) et Gemma 4 (4,4) tiennent avec de la marge. Le modèle à 64 GB est plus juste qu'il n'y paraît : gpt-oss-120b n'y tient plus. Flint (3,9), qui demande 48 GB, y tient toujours.

DGX Station et HP ZGX Fury : 748 GB à côté du bureau

DGX Station est l'échelon supérieur. C'est une tour à poser à côté du bureau, construite sur la puce GB300, qui associe un GPU Blackwell Ultra à un CPU Grace de 72 cœurs. NVIDIA annonce 748 GB de mémoire adressable par les deux puces, en deux niveaux. Les 252 GB de HBM3e propres au GPU tournent à 7,1 TB/s. Les 496 GB restants sont de la LPDDR5X rattachée au CPU, à 396 GB/s. NVIDIA annonce jusqu'à 20 pétaflops de calcul IA. NVIDIA conçoit la carte mais ne vend pas de Station finie et ne publie pas de prix. ASUS, Dell, Exxact, GIGABYTE, HP, MSI et Supermicro fabriquent les machines. Un modèle Exxact était affiché à 94 930 $.

La HP ZGX Fury G1n est la version HP de la DGX Station, pas une puce différente. La page produit et les QuickSpecs de HP indiquent la même puce GB300 et 748 GB de mémoire, avec jusqu'à 20 pétaflops de calcul en FP4 et deux ports réseau à 400 Gb pour relier deux unités. HP affirme qu'une Fury peut héberger des modèles jusqu'à mille milliards de paramètres en FP4. Elle est livrée avec Ubuntu 24.04. Windows a été présenté publiquement le 7 octobre, mais HP n'a annoncé ni prix ni date pour la version Windows.

Le modèle Linux peut être commandé auprès de l'équipe commerciale de HP, qui ne publie aucun prix catalogue. Il est refroidi par liquide, pèse à partir de 41 kg et dispose d'une alimentation de 1 600 W. HP indique qu'il lui faut son propre circuit de 200 à 240 V : prévoyez où le brancher avant de le commander.

Ce qui tient dans 748 GB : MiniMax-M3.1-Flash (4,0), à environ 250 GB, et Beam (3,8), à 273 GiB en NVFP4. Les poids FP8 de GLM-5.3-Flash (4,3) représentent environ 330 GB, et les poids NVFP4 de Muse Spark Open (4,0) environ 537 GB, même si sa fiche de modèle conseille 700 GB une fois comptée la mémoire qui contient une longue conversation. Tous ces modèles tiennent dans le total, mais seuls les 252 premiers GB se trouvent dans la mémoire GPU rapide. Tout ce qui déborde tourne à la vitesse plus lente de la mémoire du CPU.

Grace Blackwell Ultra en data center : GB300 NVL72 et B300

La plupart des équipes louent ce niveau plutôt que de l'acheter. GB300 NVL72 est une baie refroidie par liquide qui relie 72 GPU Blackwell Ultra et 36 CPU Grace en un seul système, avec 20 TB de HBM3E. NVIDIA annonce 1 080 pétaflops de calcul en FP4 sans parcimonie et l'indique comme disponible dès maintenant. L'unité la plus courante est le serveur HGX B300, avec huit GPU et 2,1 TB de mémoire au total, que NVIDIA dit en cours de livraison.

À l'heure, un B300 coûte 6,94 $ sur le cloud communautaire de Runpod et 8,99 $ sur son cloud sécurisé, selon sa grille tarifaire. Verda facture 11,35 $ pour un B300 et 13,05 $ pour un GB300. Cela met un serveur à huit GPU à environ 55 $ à 90 $ de l'heure. Pour donner un ordre de grandeur, les 6 950 $ d'un Spark paient environ 1 000 heures du B300 le moins cher de Runpod.

C'est le niveau dont ont besoin les plus grands modèles ouverts. Kimi K3 (4,3) est un checkpoint de 1,56 TB dont la recette vLLM fixe un minimum de huit GPU GB300. Hy4 preview (4,2) tourne sur huit B300 en FP8. GLM-5.3 (4,4), à environ 753 GB, et DeepSeek-V4-Pro (4,3), à environ 865 GB, exigent eux aussi un serveur complet à huit GPU.

Vera Rubin : en livraison, mais impossible à acheter en petites quantités

Vera Rubin est la génération qui succède à Blackwell. Elle associe le nouveau GPU Rubin de NVIDIA à son propre CPU Vera. Sa baie principale est la Vera Rubin NVL72, que NVIDIA appelait auparavant NVL144 parce qu'elle comptait séparément les deux puces GPU de chaque boîtier, explique ServeTheHome. La page de NVIDIA indique 72 GPU Rubin, chacun avec 288 GB de HBM4, soit 20,7 TB par baie. Elle annonce 3 600 pétaflops en FP4 pour l'exécution des modèles et 2 520 pour l'entraînement.

Où en est-on, dans l'ordre. En mai, NVIDIA a annoncé que Vera Rubin montait en pleine production, avec des livraisons à partir de l'automne. Ses résultats d'août indiquaient que des baies tournaient chez CoreWeave, Google Cloud, Microsoft Azure, Oracle et Nebius. Tom's Hardware a rapporté que NVIDIA s'attend à ce que Rubin représente environ 20 % du chiffre d'affaires data center ce trimestre. CoreWeave a ouvert une disponibilité limitée le 30 septembre, et Oracle a annoncé la disponibilité générale le 27 octobre. Aucune des grilles tarifaires que nous avons consultées n'affiche de tarif horaire public.

Rubin CPX, une puce moins chère annoncée par NVIDIA pour la lecture de longues consignes, n'apparaît dans aucun de ces communiqués de NVIDIA. Rubin Ultra non plus. Considérez toute date avancée pour elles comme une rumeur tant que NVIDIA ne l'a pas confirmée.

Le comparatif

Système	Mémoire	FP4 (chiffre du fabricant)	Prix	Statut
DGX Spark / boîtiers GB10	64 ou 128 GB unifiés, 273 GB/s	Jusqu'à 1 PF, avec parcimonie	4 999 $ (64 GB) ; 6 950 $ (128 GB)	En livraison
DGX Station / HP ZGX Fury	748 GB (252 GB HBM3e + 496 GB LPDDR5X)	Jusqu'à 20 PF	Pas de prix catalogue ; Exxact affichait 94 930 $	À commander via les partenaires
HGX B300 (8 GPU)	2,1 TB HBM3e	108 PF en dense	De 6,94 $ à 11,35 $ par heure-GPU en location	En livraison
Baie GB300 NVL72	20 TB HBM3E	1 080 PF en dense	Contacter le service commercial ; GB300 à 13,05 $ par heure-GPU chez Verda	Disponible
Baie Vera Rubin NVL72	20,7 TB HBM4 (288 GB par GPU)	3 600 PF pour l'exécution des modèles	Non publié	Premières disponibilités dans le cloud

Hors NVIDIA

Deux alternatives méritent d'être connues. Le Ryzen AI Halo d'AMD associe le Ryzen AI Max+ 395 à 128 GB de mémoire unifiée pour 3 999 $, jusqu'à 256 GB/s. Cette mémoire a à peu près la taille et la vitesse de celle du Spark, pour moins cher, même si le logiciel CUDA de NVIDIA n'y tourne pas.

Le Mac Studio avec M5 Ultra d'Apple monte jusqu'à 512 GB à 1,2 TB/s, plus de quatre fois la vitesse mémoire du Spark. La configuration à 512 GB coûte au moins 22 299 $. C'est suffisant pour la version 4 bits de 214 GB de Qwen3.5-397B (3,6), avec de la marge.

Le hic : les chiffres FP4 du tableau sont les pics annoncés par NVIDIA, tantôt avec parcimonie, tantôt sans : ils ne disent donc rien de la vitesse réelle à laquelle un modèle répondra. Pour faire tourner des modèles sur un bureau, la vitesse de la mémoire compte généralement davantage, et les 273 GB/s du Spark sont les plus lents de cette liste. Le logiciel est l'autre limite. Une version NVFP4 4 bits d'un modèle exige un GPU de génération Blackwell. vLLM (4,7) et SGLang (4,4) sont les serveurs que supposent les guides des grands modèles. llama.cpp (4,8) et Ollama (4,6) sont la voie facile sur Spark, Halo et Mac, et MLX (4,4) est le choix natif sur Mac.

Notre avis : calculez la mémoire dont votre modèle a besoin avant de regarder les chiffres de calcul. En dessous d'environ 100 GB, un Spark ou un Halo à 128 GB le fera tourner, sinon vite. Entre environ 200 et 500 GB, un Mac Studio ou une DGX Station le contient sur un seul bureau, au prix d'une voiture ou d'une petite maison. Au-delà, c'est de la location, et à moins de 10 $ l'heure-GPU, quelques centaines d'heures de B300 vous en apprendront plus qu'une tour à 95 000 $.