Vous avez un laptop fin et leger, mais vous voulez la puissance d'un GPU de bureau pour faire tourner de l'IA locale ? La solution existe : le eGPU (carte graphique externe). Un boîtier Thunderbolt dans lequel vous glissez une carte de bureau, et votre ultrabook devient une station de calcul IA. Mais est-ce vraiment une bonne idée ? Spoiler : ça dépend de votre système d'exploitation.
💡 Qu'est-ce qu'un eGPU ?
Un eGPU (external GPU) est un boitier externe équipe d'une alimentation et d'un slot PCIe. Vous y installez une carte graphique de bureau standard (NVIDIA ou AMD), puis vous connectez le boitier a votre laptop via un câble Thunderbolt 3, 4, 5 ou USB4. Le laptop utilise alors le GPU externe comme s'il etait integre (avec quelques limitations de bande passante).
Le cas d'usage : laptop + puissance GPU
L'idee est seduisante : garder votre MacBook Pro, ThinkPad ou Dell XPS pour la mobilite, et brancher un GPU externe a la maison ou au bureau pour les taches lourdes d'IA. Fini le dilemme entre portabilite et puissance. Vous utilisez Ollama ou LM Studio en deplacement avec le CPU, puis vous branchez l'eGPU pour de l'inference rapide le soir.
Le problème : le goulot Thunderbolt
Le point faible des eGPU est le lien entre l’ordinateur et la carte. Les ordres de grandeur :
PCIe 4.0 x16 (interne)
- Débit : environ 256 Gbit/s (≈ 32 Go/s par sens)
- Latence : très faible
Thunderbolt 4 / 5 (externe)
- Lien : 40 Gbit/s (TB3/TB4) ou 80 Gbit/s (TB5)
- Dont PCIe : 32 Gbit/s en TB4, 64 Gbit/s en TB5, selon Intel
Ce que cela change pour l’IA locale : si le modèle tient entièrement dans la VRAM de la carte, le lien sert surtout au chargement initial et aux échanges de texte, qui sont légers ; la génération dépend alors de la carte elle-même. Si le modèle déborde en RAM, les allers-retours passent par ce lien étroit et la vitesse s’effondre bien plus que sur un GPU interne. Le rendu graphique (jeux, 3D) souffre davantage que l’inférence LLM. Nous n’avons pas mesuré d’eGPU : nous ne publions donc pas de pourcentage de perte, qui varie selon le boîtier, le contrôleur et la charge.
GPU compatibles pour l’IA
Pour l’IA locale, CUDA (NVIDIA) reste le choix le plus simple. Les cartes à considérer pour un eGPU :
- RTX 3060 12 Go : l’entrée de gamme sensée, 12 Go de VRAM pour les modèles 7B-14B quantifiés.
- RTX 4060 Ti / 5060 Ti 16 Go : 16 Go de VRAM dans une carte compacte et peu gourmande, facile à alimenter dans un boîtier.
- RTX 4070 12 Go : plus rapide, mais toujours 12 Go de VRAM.
- RTX 4090 24 Go : 24 Go de VRAM, modèles jusqu’à 32B en Q4. Mais la carte est énorme et consomme 450 W : beaucoup de boîtiers eGPU ne l’acceptent pas.
- GPU AMD (RX 7900 XTX, etc.) : fonctionnent via ROCm, mais le support IA est moins simple que CUDA.
Choisir un boîtier eGPU
Plutôt qu’un comparatif de modèles et de prix qui vieillit vite, les critères à vérifier sur la fiche du fabricant :
- Puissance de l’alimentation intégrée : elle doit couvrir la consommation de la carte (350 W pour une RTX 3090, 450 W pour une RTX 4090 selon NVIDIA) avec de la marge.
- Longueur et épaisseur maximales de carte acceptées : les grosses cartes à 3 emplacements ou plus ne rentrent pas partout.
- Interface : Thunderbolt 3/4, USB4 ou Thunderbolt 5, et compatibilité annoncée avec votre ordinateur.
- Charge du portable par le câble (Power Delivery) et bruit du ventilateur du boîtier.
macOS : mauvaise nouvelle pour les Mac Apple Silicon
⚠ Pas d’eGPU sur Apple Silicon
Apple l’indique dans sa documentation : pour utiliser un eGPU, un Mac à processeur Intel est requis. Sur un Mac à puce Apple (M1 et suivantes), un eGPU n’est pas pris en charge.
Pour les Mac Apple Silicon, la bonne approche est d’exploiter la mémoire unifiée intégrée : un Mac mini à 48 ou 64 Go de mémoire unifiée charge des modèles bien plus gros qu’une carte de 12 ou 16 Go.
Windows et Linux : ça marche bien
Sur un portable Windows ou Linux équipé d’un port Thunderbolt 3, Thunderbolt 4 ou USB4 compatible, les eGPU fonctionnent bien. La carte externe est détectée, les pilotes NVIDIA s’installent normalement, et les outils d’IA locale (Ollama, llama.cpp, PyTorch) l’utilisent via CUDA comme une carte interne, avec la limite de bande passante décrite plus haut.
eGPU vs PC fixe : l’analyse budget
Setup eGPU
- Boîtier eGPU + carte graphique
- Réutilise votre portable existant
- Lien externe limité à 32 Gbit/s de PCIe (TB4)
PC fixe budget
- Tour complète (CPU, carte mère, RAM, SSD) + la même carte
- La carte travaille sur un vrai slot PCIe x16
- Machine dédiée, évolutive
Le constat : le prix d’un bon boîtier eGPU couvre une bonne partie d’une tour d’entrée de gamme, et la tour exploite la carte sans goulot. Comparez les deux devis le jour de l’achat. L’eGPU a surtout du sens si vous voulez réutiliser un portable existant et éviter une deuxième machine. Pour les configurations PC, consultez notre article meilleur GPU pour l’IA locale 2026.
L’alternative : le cloud GPU
Si vous n’avez besoin de puissance GPU que ponctuellement (quelques heures par mois), la location à l’heure sur des plateformes comme RunPod ou Vast.ai est souvent plus rentable qu’un achat. Faites le calcul avec leurs tarifs du jour : coût horaire × heures par mois, à comparer au prix du boîtier et de la carte. En revanche, si vous utilisez l’IA tous les jours, le matériel s’amortit plus vite, et vos données restent chez vous.
Quand l'eGPU a du sens
- Vous avez un laptop Windows/Linux avec Thunderbolt
- Vous ne voulez pas un deuxieme ordinateur
- Vous utilisez l'IA quotidiennement
- Vous avez deja le GPU (recupere d'un ancien PC)
- Vous avez un Mac Apple Silicon (pas supporte)
- Vous pouvez acheter un PC fixe dédié
- Vous n'utilisez l'IA que quelques heures/mois (cloud GPU)
- Votre laptop n'a pas de Thunderbolt 3/4
🏆 Notre verdict
L'eGPU pour l'IA est une solution de niche mais viable sur Windows/Linux. Si vous avez un bon laptop Thunderbolt et que vous voulez eviter un PC fixe, un boîtier eGPU avec une carte de 12 à 16 Go est un bon point d'entrée. Mais pour la plupart des utilisateurs, un PC fixe dédié exploite mieux la même carte, pour un budget comparable. Et sur Mac, oubliez l'eGPU : la mémoire unifiee Apple Silicon est la vraie solution. Retrouvez toutes nos recommandations sur notre page matériel IA.