Preuve logicielle OutilsIA
Le conseil matériel vient après le diagnostic.
OutilsIA édite Local Cockpit, une application desktop Rust/Tauri open source pour Windows et Linux. Elle détecte le matériel et le runtime Ollama, recommande un modèle, puis distingue clairement une compatibilité estimée d'un benchmark réellement exécuté.
Cette mesure prouve le parcours sur une machine précise. Elle ne prévoit pas la vitesse du matériel présenté sur cette page.
Verdict achat VRAM IA locale
Réponse courte : En IA locale, 8 Go suffit aux petits modeles, 12 Go debloque vraiment Ollama, 16 Go donne du confort, 24 Go change de categorie pour les 32B. Achetez le palier VRAM, pas le nom marketing.
Achat par palier VRAM
Choisissez le palier VRAM avant de choisir la marque.
8 Go dépanne, 12 Go débloque Ollama, 16 Go donne du confort, 24 Go change de catégorie. Le lien utile dépend du modèle que vous voulez vraiment lancer.
Preuves de test OutilsIA
Nos recommandations hardware sont calibrees sur un banc RTX 4080 Super 16 Go + 64 Go DDR5, des essais Ollama/LLM en francais, et des limites VRAM observees. Les liens Amazon servent a verifier le prix du jour; ils ne changent pas le verdict.
Avant d'acheter
Recevoir la shopping list PC IA
Un email au lancement de PC IA Builder : 3 builds alternatifs, composants a verifier, pieges a eviter et PDF shopping list. Gratuit, pas de spam.
8, 12, 16 ou 24 Go de VRAM : ce qui tourne VRAIMENT chez vous
La VRAM décide ce que votre IA locale peut vraiment charger. Pas les FPS, pas le marketing, pas la couleur de la boîte.
Achat par palier VRAM
Ne payez pas le nom de la carte : achetez le palier VRAM utile.
12 Go est le minimum intelligent pour Ollama. 16 Go donne de la marge. 24 Go ouvre les 32B et les gros contextes avec beaucoup moins de bricolage.
La VRAM est la monnaie de l’IA locale. Voici la carte exacte de chaque palier — pour acheter juste ou comprendre pourquoi ça rame.
La VRAM est la monnaie de l’IA locale. Pas les TFLOPS, pas la génération de votre carte, pas le RGB : les gigaoctets de mémoire vidéo décident de ce qui tourne, point. Voici la carte exacte de ce que chaque palier débloque en 2026 — pour acheter juste, ou comprendre pourquoi ça rame.
Bien pour tester, vite limité.
RTX 3060 12 Go : beaucoup de Go par euro.
Moins de réglages, plus de modèles utiles.
RTX 3090 : le palier IA locale sérieux.
Verdict rapide : si vous achetez pour l’IA locale, ne descendez pas sous 12 Go. Si vous voulez garder la carte longtemps, visez 16 ou 24 Go.
RTX 3060 12 Go
Pas sexy, mais imbattable en Go/euro pour démarrer.
RTX 4060 Ti 16 Go
À prendre uniquement en version 16 Go, pas 8 Go.
RTX 3090 24 Go
Occasion à surveiller : beaucoup de VRAM, prix souvent cohérent.
Regarder la VRAM
Ignorez les cartes 8 Go si votre objectif est DeepSeek/Qwen sérieux.
Choisir le modèle
7B pour tester, 14B pour raisonner, 32B pour travailler lourd.
Prévoir le contexte
Plus la conversation est longue, plus la mémoire grimpe.
Acheter avec marge
Une carte trop juste devient frustrante en quelques semaines.
La règle de trois de la VRAM
Mémoire nécessaire ≈ taille du fichier modèle + 15-20 % (KV cache et overhead). Un Q4 de modèle 14B pèse ~9 Go → il lui faut ~11 Go. C’est pour ça qu’un « 13B sur carte 12 Go » passe et qu’un « 14B contexte long » coince. Vous voulez vérifier pour VOTRE config exacte ? Notre testeur le fait en 10 secondes.
8 Go — le ticket d’entrée honnête
Tourne bien : Llama 3.1 8B Q4 (~45 tok/s), Mistral 7B, Qwen 8B, Phi-4, DeepSeek-R1 8b. Stable Diffusion 1.5 en images. Coince : tout 13B+, SDXL confortable, les contextes > 8k. Le quotidien y est déjà très correct : assistant, résumés, code simple. Cartes types : RTX 4060, 3070, 2080.
12 Go — le meilleur rapport débloqué/euro
Tourne bien : les 13-14B en Q4 (Qwen 14B, DeepSeek-R1 14b — le palier où le raisonnement devient sérieux), les 8B en Q8 (qualité maximale), SDXL. Coince : les 22-32B. C’est le palier de la RTX 3060 12 Go à 290 € — d’où notre verdict budget.
16 Go — l’IA locale « sans y penser »
Tourne bien : Mistral Small 24B Q4, Qwen 14B en Q8, Flux pour les images, et du contexte long sur les 8-14B (32k+) sans suer. Coince : les 32B en Q4 confortable (ça passe en Q3, serré). Cartes types : 4060 Ti 16, 4070 Ti Super, 5070 Ti, RX 9070.
24 Go — le palier passion
Tourne bien : les 32B en Q4-Q5 (Qwen 32B, DeepSeek-R1 32b — qualité quasi-cloud), les 14B en Q8 contexte énorme, tout l’écosystème image sans compromis. Coince : les 70B (Q2 dégradé seulement). La 3090 d’occasion (~650 €) reste LE billet d’entrée malin vers ce palier, devant la 4090 neuve à 1 900 €.
RTX 3090 24 Go — le palier 32B au meilleur prix
L’occasion la plus rentable de l’IA locale : 24 Go pour le prix d’une 16 Go neuve.
Au-delà : 32-96 Go et la mémoire unifiée
RTX 5090 (32 Go), bi-GPU 2×3090 (48 Go), Mac M4 Pro/Max (la RAM EST la VRAM : 48-128 Go) : le territoire des 70B en Q4 et du multi-modèles. Notre comparatif GPU complet chiffre tout ça, et notre duel DGX Spark vs Strix Halo couvre les mini-PC IA.
Le tableau récapitulatif à garder
| VRAM | Palier débloqué | Modèle vedette | Carte type |
|---|---|---|---|
| 8 Go | 7-8B Q4 | Llama 3.1 8B | RTX 4060 |
| 12 Go | 14B Q4 / 8B Q8 | DeepSeek-R1 14b | RTX 3060 12 Go |
| 16 Go | 24B Q4 + contexte long | Mistral Small 24B | 4060 Ti 16 / 5070 Ti |
| 24 Go | 32B Q4-Q5 | Qwen 32B | 3090 / 4090 |
| 48 Go+ | 70B Q4 | Llama 3.3 70B | 2×3090 / Mac 64 Go+ |
Pas sûr de ce que VOTRE machine peut faire tourner ?
🔍 Tester mon PC en 10 secondes →Questions fréquentes
Combien de VRAM faut-il pour faire tourner un LLM correct en 2026 ?
8 Go suffisent pour les excellents 7-8B actuels. 12 Go débloquent les 14B (le palier du raisonnement sérieux). 24 Go ouvrent les 32B de qualité quasi-cloud.
La RAM système peut-elle remplacer la VRAM ?
Partiellement : l'offload CPU permet de faire tourner un modèle trop gros pour le GPU, mais 2 à 5 fois plus lentement. 32 Go de RAM sont le complément idéal, pas le remplacement.
Pourquoi mon modèle 13B ne rentre pas dans mes 12 Go de VRAM ?
Comptez la taille du fichier + 15-20 % pour le cache de conversation et l'overhead. Un 13B Q4 de 8 Go passe ; le même en Q5 avec un long contexte déborde. Réduisez num_ctx ou la quantization.
Guides qui convertissent deja
Continuer par les pages les plus utiles avant d'acheter.
Ces guides ont deja des clics Amazon mesurables : ils servent de suite logique pour choisir le bon materiel sans repartir de zero.