Étude non affiliée, scénarios à valider
Une machine extrême ne doit pas être vendue sur des tokens/s inventés.
Cette page explore des architectures possibles, du poste mono-GPU au multi-GPU. Après audit, les 56 liens marchands sans clic ont été retirés. Les performances non exécutées physiquement sont désormais présentées comme des objectifs à benchmarker, pas comme des résultats.
OutilsIA Local Cockpit peut établir le matériel et les performances d'une machine réelle sous Windows ou Linux. Un résultat mono-GPU ne valide pas une estimation multi-GPU, Mac Studio ou datacenter.
De 5 000 € à 500 000 € — avec configurateur interactif
« On ne va pas se mentir : cet article, c'est du porno de hardware. Les plus belles machines qu'on puisse assembler pour faire tourner l'IA chez soi, sans aucune limite de budget. Comme un magazine auto qui montre des supercars, sauf que ces machines-là, elles pensent. »
Faire tourner l'IA en local, c'est libérateur. Plus de limites d'API, plus de factures cloud mensuelles, plus de données envoyées chez un tiers. Mais la question qui tue : quelle machine construire ?
Dans ce guide, on va du poste power user au mini-datacenter personnel. Cinq niveaux permettent de raisonner sur les composants, les modèles cibles, l'énergie et les limites. Les performances restent à mesurer sur chaque assemblage réel.
Les prix ne sont pas une donnée stable
GPU, mémoire et disponibilité peuvent varier fortement selon la date, le vendeur et l'état d'une carte d'occasion. Ce guide ne fige donc plus de prix marchand présenté comme actuel.
Conseil : vérifiez le coût total, la garantie, l'alimentation, le boîtier et le refroidissement au moment de construire la machine.
Et parce qu'on aime les outils interactifs chez OutilsIA, on a ajouté un configurateur de machine de rêve où vous pouvez assembler votre propre monstre et voir en temps réel ce qu'il peut faire tourner. Consultez aussi notre guide GPU pour l'IA locale et notre outil Mon PC peut-il faire tourner l'IA ?.
🏋️ Tier 1 : « Le Sérieux » (~5 000 €)
- GPU RTX 4090 24 Go
- CPU Ryzen 9 7950X
- RAM 64 Go DDR5 6000
- SSD 2 To NVMe Gen4
- Alim 1000W 80+ Gold
- Boîtier Fractal Torrent
- Ventirad Noctua NH-D15
- ✓ 7B-13B quantifiés avec une marge VRAM importante, vitesse à mesurer selon le modèle et le runtime
- ✓ 70B quantifié Q4 avec offload probable et compromis à benchmarker
- ✓ Stable Diffusion XL, durée par image à mesurer selon le pipeline
- ✓ Whisper large pour la transcription
- ✓ OpenClaw/Hermes 13B confortablement
👾 Tier 2 : « Le Monstre » (~12 000 €)
- GPU 2x RTX 4090 24 Go
- CPU Threadripper 7960X
- RAM 128 Go DDR5
- SSD 4 To NVMe RAID 0
- Alim 1500W 80+ Plat.
- Boîtier Phanteks Enthoo 719
- Refroid. AIO 360mm x2
- ✓ 70B en Q6/Q8, sous réserve de mémoire disponible et de benchmark du runtime
- ✓ Mixtral 8x22B confortablement
- ✓ Plusieurs modèles simultanés
- ✓ SDXL + ControlNet, performance à mesurer sur le workflow réel
- ✓ Fine-tuning LoRA de modèles 13B
💡 NVLink Bridge : oui ou non ?
Les RTX 4090 ne supportent pas NVLink. Les GPU communiquent donc via PCIe ; l'impact dépend du modèle, du découpage, du runtime et de la topologie PCIe. Aucun pourcentage de perte universel n'est appliqué sans mesure sur la machine.
🔬 Tier 3 : « Le Labo Privé » (~22 000 €)
- GPU 2x RTX 5090 32 Go
- ou 2x RTX A6000 48 Go
- CPU AMD EPYC 9354
- RAM 256 Go DDR5 ECC
- SSD 8 To NVMe (2x4 To)
- Alim 1600W redondante
- Châssis Rack 4U
- ✓ 70B en haute précision, si la mémoire et le runtime le permettent ; vitesse à benchmarker
- ✓ 120B quantifié (Q4, fonctionnel)
- ✓ Fine-tuning complet de modèles 13B
- ✓ Fine-tuning LoRA de modèles 70B
- ✓ Entraînement de petits modèles from scratch
🔧 Features pro
🔥 Tier 4 : « Le Délire Absolu » (~40 000-100 000 €)
- • NVIDIA DGX Spark
- • Grace Blackwell Superchip
- • 128 Go mémoire unifiée
- • Format desktop compact
- • ~40 000 €
- • 4x NVIDIA A100 80 Go
- • 320 Go VRAM NVLinkée
- • EPYC 9554 64 cores
- • 512 Go DDR5 ECC
- • ~80 000-100 000 €
- ✓ Modèles de classe 405B, uniquement après vérification de la précision, de la mémoire totale et du runtime
- ✓ Entraînement complet de modèles 70B
- ✓ 10 modèles simultanés pour du serving multi-utilisateurs
- ✓ Recherche de pointe : nouveaux architectures, ablations à grande échelle
Coût local vs cloud : calcul propre à chaque usage
Une comparaison sérieuse doit utiliser le tarif réel du fournisseur, le taux d'utilisation, l'énergie, l'immobilisation, la maintenance et le temps d'administration. Cette page ne publie plus de délai de rentabilité universel.
🌡️ Refroidissement et bruit
4x A100 en charge = ~2 500W de chaleur. Prévoyez une pièce dédiée, un climatiseur portable 12 000 BTU minimum, et des bouchons d'oreilles. Les ventilateurs serveur tournent à 60-70 dB — c'est un avion au décollage.
🏗️ Tier 5 : « Le Bunker IA » (500 000 €+)
- • NVIDIA DGX H100 : 8x H100 80 Go = 640 Go de VRAM NVLinkée
- • 2x Intel Xeon Platinum 8480+
- • 2 To de RAM DDR5
- • 30 To de stockage NVMe
- • Consommation : 10,2 kW (oui, vous avez besoin d'une prise triphasée)
- • Bruit : inaudible si dans un datacenter, intenable chez vous
- ✓ Charges de recherche multi-GPU à dimensionner précisément
- ✓ Entraînement et inférence distribués selon le framework
- ✓ Très gros modèles si mémoire, interconnexion et format concordent
- ✓ Serving multi-utilisateurs après tests de concurrence
🙋 Si vous êtes sérieusement en train de considérer un DGX H100 pour usage personnel... respect. Prévoyez un circuit électrique dédié, un contrat EDF professionnel, une climatisation industrielle, et des voisins très tolérants (ou une cave isolée).
🍎 L'alternative Mac Studio M4 Ultra
Pourquoi c'est intéressant
Une configuration Mac Studio à grande mémoire unifiée partage son pool entre CPU et GPU. Cette architecture peut accueillir de gros fichiers, mais macOS, le runtime et le cache utilisent aussi la mémoire : la capacité nominale n'est pas intégralement disponible pour les poids.
- ✓ Peut charger certains gros modèles si le fichier et la marge mémoire concordent
- ✓ Acoustique généralement contenue, à vérifier en charge prolongée
- ✓ Format mini — tient sur un bureau
- ✓ Consommation à mesurer à la prise sur la charge visée
Les limites
- ✗ Bande passante et débit à comparer sur le même modèle
- ✗ Aucun tokens/s transposable sans benchmark identique
- ✗ Pas de CUDA — certains frameworks ne supportent pas Metal
- ✗ Prix de configuration à relever au moment de l'achat
- ✗ Non évolutif : on ne peut pas ajouter de GPU
Idéal pour : les développeurs qui veulent du silence + gros modèles sans monter un PC bruyant. Parfait comme machine de développement complémentaire.
⚡ Alimentation, refroidissement et bruit
Alimentations recommandées
| Tier | Puissance | Modèle recommandé | Prix |
|---|---|---|---|
| Tier 1 | 850-1000W | Corsair RM1000x | ~180 € |
| Tier 2 | 1200-1500W | Corsair HX1500i | ~350 € |
| Tier 3 | 1600W | 1600W 80+ Titanium | ~450 € |
| Tier 4-5 | 2500W+ | Redondante serveur | ~800+ € |
Solutions de refroidissement
Noctua NH-D15 pour le CPU. La RTX 4090 gère son propre refroidissement. Boîtier aéré requis.
Arctic Liquid Freezer II 360mm pour le CPU. Excellent rapport performance/prix.
EK Quantum kit. Refroidit CPU + GPU(s). Plus silencieux, meilleur thermique.
🔋 Onduleur (UPS)
Une coupure de courant pendant un fine-tuning de 48 heures = 48 heures perdues. Un onduleur est indispensable à partir du Tier 2.
1500VA / 900W. 5-10 min d'autonomie en charge. ~250 €.
3000VA / 2700W. Format rack. Shutdown propre automatisé. ~900 €.
☀️ Angle solaire : alimenter son IA off-grid ?
La question revient souvent : peut-on alimenter une machine IA avec des panneaux solaires et des batteries ? La réponse dépend du tier.
| Tier | Conso charge | Batterie nécessaire | Réaliste ? |
|---|---|---|---|
| Tier 1 | ~450W | EcoFlow Delta Pro | ✓ Oui |
| Tier 2 | ~900W | Zendure SuperBase V | ≈ Possible |
| Tier 3 | ~1200W | Installation solaire dédiée | ≈ Difficile |
| Tier 4-5 | 2500W+ | Ferme solaire | ✗ Non réaliste |
💡 Pour le Tier 1, un EcoFlow Delta Pro (~3 600 Wh) + 2-4 panneaux solaires 400W peut réellement alimenter votre station IA pendant la journée. La nuit, rechargez sur le secteur. Consultez notre article sur les batteries portables pour l'IA.
Coût total : achat local vs location cloud
Il n'existe pas de délai de rentabilité universel. Utilisez des données datées et votre charge réelle :
| Variable | Source | Unité | À inclure |
|---|---|---|---|
| Investissement local | Factures et prix datés | € | Machine, stockage, réseau, UPS |
| Énergie locale | Wattmètre et facture | kWh et € | Charge, veille, refroidissement |
| Usage cloud comparable | Grille fournisseur datée | €/heure | GPU, stockage, trafic, arrêt |
| Exploitation | Temps réellement suivi | heures et € | Maintenance, panne, administration |
Conclusion : calculez plusieurs scénarios d'utilisation et conservez les hypothèses. Une machine locale peut être pertinente pour la confidentialité ou la disponibilité même sans être moins chère ; l'inverse est également possible.
🔧 Configurateur Machine de Rêve
Assemblez un scénario de machine IA et estimez sa mémoire, son coût matériel et sa consommation nominale. Ces sorties servent à préparer un devis et un benchmark, pas à garantir une performance ou une rentabilité.
Configurateur Machine de Rêve
Limite du configurateur : coût et watts sont des hypothèses modifiables, pas des prix actuels ni des mesures à la prise. Les modèles affichés sont des candidats fondés sur la mémoire ; validez-les ensuite dans Local Cockpit.
Tous les composants à vérifier
Récapitulatif de tous les composants mentionnés dans cet article, classés par catégorie.
Cartes graphiques (GPU)
Processeurs (CPU)
Mémoire (RAM)
Stockage, boîtiers et divers
Questions fréquentes
À retenir
- Machine de rêve pour l'IA locale : les configs ultimes sans limite de budget : la bonne config est celle que votre machine tient, pas le tweet du jour.
- Mesurez (scan + tokens/s) avant d’acheter ou de tirer un modèle trop gros.
- Parcours : hub IA locale → Local Cockpit → preuve sur votre PC.
Sources et liens
Pour étayer Machine de rêve pour l'IA locale : les configs ultimes sans limite de budget et rester sur des faits mesurables :
Essayez de tuer une stratégie de trading, en local : votre GPU explore des centaines de variantes, un holdout scellé reste invisible pendant la recherche, et le moteur Rust rend le verdict sur votre machine. App Windows/Linux gratuite — simulation éducative, aucune promesse de gain.
Télécharger le Lab gratuit → Lire : notre GPU a trouvé +172 % — et c'était un mensonge