Mini-PC Ryzen Strix Halo 128 GB :
les 10 actions essentielles avant ton premier LLM 70B

D'abord : où tu en es exactement ?

Tu as un mini-PC AMD Ryzen AI Max+ 395 "Strix Halo" avec 128 Go de RAM unifiée LPDDR5X, un iGPU RDNA 3.5 (40 Compute Units, ~50 TFLOPS FP16) et un NPU XDNA 2 (50 TOPS). Ce n'est pas un PC de gamer, ce n'est pas un Mac, ce n'est pas un workstation NVIDIA. C'est une nouvelle catégorie : le desktop IA silencieux x86 à mémoire unifiée massive.

Trois SKUs principaux dominent le marché en mai 2026 :

• Beelink GTR9 Pro 128 GB — ~2200-2400 € TTC, format mini-tour, le plus populaire en Europe
• GMK EVO-X2 128 GB — ~2300-2500 €, design plus pro, refroidissement amélioré
• Minisforum AI 395 128 GB — ~2400-2600 €, build qualité supérieure, dispo limitée
• Framework Desktop 128 GB — modulaire, idéal Linux pur, prix variable selon config

La séquence ci-dessous marche sur les quatre. Différences mineures sur le BIOS (entrée Del/F2/F12), le BIOS thermique (certains laissent plus de TDP), la qualité des ventilateurs. Le reste est identique.

Action 1 : Choisir ton OS (le seul vrai choix structurant)

C'est la décision la plus importante du premier boot. Elle conditionne tout ton workflow IA pour les 6-12 mois à venir. Trois options viables, chacune avec son trade-off :

Action 2 : Installer ROCm 6.4+ (sur Ubuntu)

ROCm est l'équivalent CUDA d'AMD — la couche logicielle qui permet à Ollama, LM Studio, vLLM et PyTorch d'utiliser ton iGPU RDNA 3.5. AMD a publié le support officiel ROCm 6.4+ pour Strix Halo / Ryzen AI 300 fin 2025. Ce n'est plus de l'expérimental : c'est stable, documenté, supporté.

# Méthode propre Ubuntu 26.04
sudo apt update && sudo apt upgrade -y
wget https://repo.radeon.com/amdgpu-install/latest/ubuntu/noble/amdgpu-install_X.X.X.deb
sudo apt install ./amdgpu-install_*.deb
sudo amdgpu-install --usecase=rocm,opencl --no-dkms
sudo usermod -a -G render,video $USER
sudo reboot

# Après reboot, vérification
rocminfo | grep -A 2 "Agent"
# Tu dois voir ton iGPU "gfx1150" (Strix Halo) listé

Si rocminfo ne voit pas l'iGPU, vérifie : (a) BIOS — l'iGPU doit être activé (par défaut oui), (b) ton user est dans les groupes render et video (déconnexion + reconnexion nécessaire), (c) tu as bien rebooté. Ne JAMAIS utiliser --dkms sur Strix Halo en mai 2026 — le module DKMS a des conflits connus avec le kernel 6.8+. Le flag --no-dkms utilise le driver kernel inbox, plus stable.

Compter 30-45 minutes pour cette étape si tout passe du premier coup. Si ça galère (rare mais possible), basculer sur Vulkan RADV comme backend de fallback — Ollama supporte Vulkan, perf -15% mais ça marche partout.

Action 3 : Installer Ollama + LM Studio

Deux outils, deux usages complémentaires.

Ollama = ligne de commande, scriptable, parfait pour les agents et le backend.

curl -fsSL https://ollama.com/install.sh | sh
ollama --version
# Vérifier qu'Ollama voit ROCm
ollama run --verbose qwen2.5:7b "Bonjour"
# Dans la sortie debug, tu dois voir "ROCm" comme backend

LM Studio = GUI desktop, parfait pour comparer des modèles, tester du prompt rapidement, choisir une quantization.

# Télécharger le .deb (ou AppImage) depuis lmstudio.ai
sudo dpkg -i LM-Studio-*.deb
# Lancer LM Studio, aller dans Settings > Inference Engine
# Sélectionner "ROCm (AMD)" comme backend par défaut

Tu n'as pas besoin des deux à long terme — la plupart des power users finissent sur Ollama pour la prod et LM Studio pour le test. Au premier boot, installe les deux pour ne pas avoir à choisir tout de suite.

Action 4 : Premier modèle test (commence petit)

Erreur classique du premier boot : télécharger un Llama 70B Q4 (40 GB, 30-60 minutes selon ta connexion) et découvrir 1 heure plus tard qu'Ollama ne parle pas à ROCm. Tu as perdu 1 heure et tu ne sais même pas pourquoi.

Bonne séquence : monter par paliers, valider à chaque étape.

À chaque étape, lance une question type "Explique-moi le théorème de Bayes en 3 phrases" et vérifie que ça répond en français correct. Si le modèle bug ou que la sortie est gibberish, c'est un problème de quantization corrompue ou de version Ollama trop vieille — ollama pull --force MODEL et relance.

Action 5 : Installer Claude Code (le différentiateur Strix Halo)

C'est l'avantage que Strix Halo a sur n'importe quelle alternative ARM (DGX Spark, ASUS GX10) : Claude Code tourne nativement. Pas de hack, pas de "ARM build à risque", pas de "ça devrait marcher". Tu installes, ça marche, c'est testé et supporté Anthropic officiel.

# Prérequis : Node.js 20+ (sinon : sudo apt install nodejs npm)
npm install -g @anthropic-ai/claude-code
claude --version
# Setup avec ta clé API Anthropic
claude
# Suit l'auth Web (ou clé API si tu préfères)

Tu as maintenant l'agent code Anthropic en local, qui peut lire ton repo, exécuter des commandes shell, modifier tes fichiers — mais avec ses requêtes LLM qui partent chez Anthropic (pas en pure local). Pour le coding agentique sérieux, c'est la combinaison gagnante : Claude Code pour le raisonnement (Opus 4.7 reste imbattable), Ollama local pour les requêtes sensibles ou les batch (Qwen 32B, GPT-OSS 120B).

Action 6 : Comprendre MoE vs dense (la révélation perf)

Premier choc du premier boot Strix Halo : les chiffres tokens/seconde varient énormément selon le modèle. Un Llama 70B dense plafonne à ~5 t/s. Un GPT-OSS 120B atteint ~35 t/s. Pourquoi un modèle plus gros est-il 7× plus rapide ?

Réponse : architecture MoE (Mixture of Experts). Un modèle MoE n'active que ses params experts à chaque token, pas la totalité. GPT-OSS 120B a ~13 GB de params actifs sur 65 GB total Q4. La vitesse d'inference dépend de la mémoire lue à chaque token, pas de la taille totale du modèle.

Mesures observées sur Strix Halo 128 GB en mai 2026 :

Action 7 : Le piège thermique du mini-PC (à anticiper avant de cramer)

Un mini-PC = boîtier compact = refroidissement limité. Sous charge IA soutenue (LLM inference 30 minutes ou fine-tuning de 4 heures), le ventilateur passe à 100% et la température CPU/iGPU monte vite. Pas dramatique sur 5-10 minutes, problématique sur des sessions longues.

Ce qu'il faut installer dès le premier boot :

sudo apt install lm-sensors radeontop
sudo sensors-detect --auto
sensors
# Vérifie les températures k10temp (CPU) et amdgpu (iGPU)
# Au repos : 35-45°C. Sous charge : ne devrait pas dépasser 85-90°C en sustained

Pour le monitoring iGPU temps réel pendant un benchmark IA :

amdgpu_top  # GUI si tu es sur desktop
# OU
nvtop  # Oui, ça marche aussi pour AMD malgré le nom

Si tu vois ton iGPU à 95°C+ sustained ou que le ventilateur sature, deux options :

• Undervolt via BIOS : -50 mV CPU et iGPU = -8°C en moyenne, perte perf <2%
• Refroidissement actif : ventilateur USB orienté sur le boîtier ou support en hauteur pour améliorer le flux
• cTDP bas : plafonner le TDP à 100 W au lieu de 120 W via BIOS — perte perf 10%, gain thermique massif

Action 8 : Setup headless + Tailscale (libère ton bureau)

Une fois le premier boot validé, tu n'as plus besoin de l'écran/clavier/souris physique. Setup headless via SSH = ton mini-PC disparaît dans un coin et tu y accèdes depuis ton laptop principal.

sudo apt install openssh-server
sudo systemctl enable --now ssh
# Sur ton laptop principal :
ssh-copy-id [email protected]

# Bonus : Tailscale = SSH depuis n'importe où sans port forwarding
curl -fsSL https://tailscale.com/install.sh | sh
sudo tailscale up
# Ton mini-PC est accessible depuis ton iPhone, Mac, Windows, n'importe quel device sur ton tailnet

Setup typique d'un power user en mai 2026 : mini-PC Strix Halo dans un placard, accès SSH/Tailscale depuis le MacBook, IDE local (VS Code Remote SSH ou Cursor), Ollama qui tourne en daemon. Le bureau reste libre, le bruit du fan est inaudible, l'IA tourne à demande.

Action 9 : Premier agent autonome 24/7 (le use case qui justifie l'achat)

C'est le use case qui transforme une "machine à benchmark" en investissement rentable : faire tourner un agent IA 24/7 qui bosse sur ton repo, ton backlog, ta veille, ton inbox. Avec 128 GB unified, tu peux orchestrer 4-5 agents IA en parallèle via Docker ou Proxmox/LXC.

Setup type "AI intern" en local :

1. Un agent qui code — Claude Code (cloud reasoning) + Qwen 3 32B local pour les tâches autonomes
2. Un agent qui review le code — GPT-OSS 120B en lecture des PRs
3. Un agent qui résume tes inbox/Slack — Qwen 3 14B + RAG sur tes docs
4. Un agent TTS/STT — Whisper local + Kokoro TTS pour les notes vocales
5. Un agent veille — qui scrape RSS et te résume au matin

Tout ça en local, 100% privé, sans abonnement cloud. C'est la vraie valeur Strix Halo : pas la perf brute, mais le budget IA prévisible et la souveraineté des données.

Action 10 : Snapshot avant les expérimentations

Tu vas casser ton install. C'est inévitable. ROCm va casser après une mise à jour kernel, Ollama va se mélanger les pinceaux après un changement de version, Docker va manger ton disque. Snapshot avant chaque session expérimentale risquée :

# BTRFS / ZFS si tu as choisi à l'install : snapshot natif
sudo btrfs subvolume snapshot / /.snapshots/avant-experiment-$(date +%F)

# Sinon : Timeshift (GUI propre, idéal débutant)
sudo apt install timeshift
sudo timeshift --create --comments "Premier boot OK, avant ROCm"

Si quelque chose casse (et ça arrivera), tu rollback en 5 minutes au lieu de réinstaller 2 heures. C'est la différence entre un week-end perdu et une expérimentation tranquille.

Le piège qu'on te dit pas : les premières 48h sont les pires

Honnêteté : les premières 48 heures avec un mini-PC Strix Halo, c'est de la friction. Drivers à mettre à jour, ROCm à débugger, Ollama qui ne voit pas l'iGPU, Llama 70B qui crashe en out-of-memory parce que tu as oublié que 40 GB Q4 + buffer = 48 GB, le ventilateur qui hurle pendant ton premier benchmark. Pas de panique, c'est normal.

Ce qui change après 48h : la machine devient invisible. Elle tourne dans un coin, headless, alimentant tes agents et ton workflow IA local. Une fois passée la friction setup, c'est la machine la plus sereine que tu auras jamais eue. Pas de "abonnement renouvelé", pas de "rate limit atteint", pas de "service indisponible". Juste de l'IA qui répond.

Si tu veux pousser plus loin : le build hybride

Pour les power users avec un budget supplémentaire (~4000 € total), le setup hybride Strix Halo + RTX 3090 24 GB en eGPU/PCIe est devenu un pattern intéressant en mai 2026. Strix Halo gère la mémoire (128 GB unified), la 3090 gère la vitesse pure (CUDA + 936 GB/s bandwidth). Sur le papier, c'est parfait.

Le vrai piège : les connecter proprement. eGPU via OCuLink ou Thunderbolt 4, drivers AMD + NVIDIA cohabiter sur le même OS, llama.cpp qui doit choisir le bon backend selon le modèle. C'est faisable, mais compter 1-2 jours de bricolage en plus du setup standard. À garder pour quand tu maîtrises déjà Strix Halo seul.

Récap final : la séquence en checklist

Total : ~2 h pour la séquence critique (étapes 1-5), ~3-4 h pour la séquence complète. Si tout passe du premier coup, tu as un mini-PC IA opérationnel en une après-midi.

FAQ

Sources et lectures complémentaires

• DGX Spark vs Strix Halo : le dilemme Claude Code OU CUDA (OutilsIA)
• Mémoire unifiée Mac vs PC pour IA locale (OutilsIA)
• Installer Ollama : guide complet 2026 (OutilsIA)
• Meilleur OS pour IA locale (OutilsIA)
• Quel modèle sur quel hardware : tableau complet 2026 (OutilsIA)
• Documentation officielle AMD ROCm
• AMD Ryzen AI Max+ 395 (officiel)
• Ollama (officiel)
• Beelink GTR9 Pro 128 GB sur Amazon

Guide pratique éditorial. OutilsIA.fr publie des guides hardware indépendants. Estimations de performance basées sur retours utilisateurs et benchmarks publics — chiffres réels susceptibles de varier ±20% selon configuration logicielle exacte (version ROCm, kernel, quantization, BIOS). En tant que partenaire Amazon, OutilsIA.fr peut percevoir une commission sur les achats éligibles.