Preuve logicielle OutilsIA
OutilsIA édite Local Cockpit, une application desktop Rust/Tauri gratuite pour Windows et Linux. Son code est consultable sur GitHub (état du 29/07/2026, sans licence open source). 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.
Avant tout achat
Le bon ordre est simple : identifier le blocage, tester un modèle réel, puis seulement comparer un upgrade. Le rapport peut aussi conclure qu'aucun achat n'est prioritaire.
Repères GPU, RAM, stockage et mémoire unifiée pour préparer une IA locale. Les capacités restent des estimations tant qu'un modèle précis n'a pas été benchmarké sur la machine.
Disponible en bêta Windows et Linux
Avant de commander une RTX, de la RAM ou un mini PC, l'app répond concrètement : votre machine actuelle suffit-elle pour Qwen, Hermes ou Llama ? Le blocage vient-il de la VRAM, de la RAM, du stockage ou simplement du mauvais modèle ?
Pour l'IA locale, la mémoire du GPU (VRAM) décide d'abord de ce qui tient : 12 Go accueillent les modèles 12B à 14B quantifiés, 16 Go laissent plus de place au contexte, 24 Go ouvrent les modèles 27B à 32B. La mémoire unifiée des Mac Apple Silicon constitue une autre voie, avec des compromis différents. Ces paliers sont des estimations à partir du poids des modèles publiés sur ollama.com.
Avant d'acheter, passez par le Scanner IA local OutilsIA : il explique si votre blocage vient vraiment de la VRAM, de la RAM ou du stockage.
Repères en 20 secondes
12 Go (ex. RTX 3060 12 Go) : modèles 12B à 14B quantifiés. 16 Go (ex. RTX 4060 Ti 16 Go, RTX 4070 Ti SUPER, RTX 5080, RX 9070 XT) : même gamme avec plus de contexte. 24 Go et plus : modèles 27B à 32B. Une carte 8 Go se limite surtout aux modèles 7B à 8B.
Sélectionnez votre GPU et votre RAM pour obtenir une estimation des modèles compatibles.
Guide : les critères à peser avant de changer de machine (CUDA, mémoire unifiée, mini PC).
Données matérielles réelles
Un message lors d'une nouvelle campagne physique ou d'une version Local Cockpit. Les résultats restent liés au matériel, au modèle, au runtime et à la date de mesure.
Réponse courte : partez du besoin mesuré : runtime à réparer, stockage, RAM, VRAM ou aucun changement. Les paliers 12, 16 et 24 Go n'ont de sens qu'après avoir identifié le modèle et l'usage visés.
Le premier blocage n'est pas toujours la carte graphique. Le diagnostic aide à le situer : runtime Ollama, RAM, stockage, VRAM, ou aucun changement prioritaire.
Logiciel gratuit OutilsIA · Windows et Linux
Cette page ne publie plus de prix : ils changent trop vite pour rester justes sur une page fixe. SiliconCote part des pièces que vous possédez déjà, propose six configurations (trois tailles de tour, en neuf ou en occasion) et conserve vos relevés de prix datés, en séparant neuf, occasion et reconditionné. Tout se calcule sur votre ordinateur, sans compte.
La preuve publique du 27 juillet 2026 relie un scan RTX 4080 SUPER 16 Go, Ollama (WSL) et un benchmark Hermes 3 8B mesuré à 118,5 tok/s. Elle ne prédit pas la vitesse d'un autre GPU.
Les guides de référence : GPU, paliers de VRAM, Mac mini et composition d’une configuration.
Comparatif RTX, Mac et AMD par capacité mémoire, contraintes de runtime et scénario d'usage.
Sélectionnez votre GPU et votre RAM pour estimer les modèles compatibles, avant de mesurer avec Local Cockpit.
Deux cartes de 24 Go, soit 48 Go de VRAM répartis : de quoi charger un modèle 70B quantifié comme Llama 3.3 70B (43 Go sur ollama.com).
Apple Silicon et mémoire unifiée face à un PC avec GPU dédié : ce que chaque approche permet pour l'IA locale.
Le Mac mini M4 et la question de la mémoire unifiée. La gamme actuelle d'Apple est passée aux puces M6 et M5 Pro (apple.com, octobre 2026).
Les mini-PC pour l'IA locale : Mac mini, Minisforum, Beelink, Strix Halo.
Un eGPU pour l'IA sur portable : boîtiers, performances, limites Thunderbolt.
Faire tourner une IA sur Raspberry Pi 5 : limites, modèles 1-3B compatibles, alternatives.
VRAM d'après les fiches des constructeurs (NVIDIA, AMD), consultées le 9 octobre 2026. Les modèles cités tiennent entièrement en VRAM d'après leur poids sur ollama.com : estimation, à vérifier avec Local Cockpit.
| GPU | VRAM (constructeur) | Exemples de modèles qui tiennent (estimation) | À savoir |
|---|---|---|---|
| RTX PRO 6000 Blackwell | 96 Go GDDR7 (ECC) | Llama 4 Scout (67 Go), gpt-oss 120B (65 Go), Llama 3.3 70B (43 Go) | Carte pour station de travail |
| RTX 5090 | 32 Go GDDR7 | Qwen 3.6 35B-A3B (23 à 24 Go), modèles 27B à 32B avec marge de contexte | Alimentation à vérifier sur la fiche constructeur |
| RTX 4090 | 24 Go GDDR6X | Qwen 3.6 27B (18 à 19 Go), GLM-4.7-Flash (19 Go), Qwen 3 32B (20 Go) | Qwen 3.6 35B-A3B (23 à 24 Go) déborde dès que le contexte grandit |
| RTX 3090 | 24 Go GDDR6X | Mêmes modèles que la RTX 4090, plus lentement | Génération précédente (série 30) |
| Radeon RX 7900 XTX | 24 Go GDDR6 | Modèles 27B à 32B quantifiés | ROCm ou Vulkan au lieu de CUDA (prise en charge listée par Ollama) |
| RTX 5080 | 16 Go GDDR7 | Gemma 4 12B (7,7 à 8 Go), Qwen 3 14B (9,3 Go), gpt-oss 20B (14 Go, contexte court) | Même capacité qu'une carte 16 Go plus ancienne |
| RTX 4070 Ti SUPER | 16 Go GDDR6X | Gemma 4 12B, Qwen 3 14B, DeepSeek-R1 14B (9 Go) | Les autres RTX 4070 ont 12 Go |
| RTX 4060 Ti 16 Go | 16 Go GDDR6 | Gemma 4 12B, Qwen 3 14B | Existe aussi en 8 Go : vérifier la version |
| Radeon RX 9070 XT | 16 Go GDDR6 | Gemma 4 12B, Qwen 3 14B | ROCm ou Vulkan (carte listée dans la documentation Ollama) |
| RTX 3060 12 Go | 12 Go GDDR6 | Gemma 4 12B, Qwen 3 14B, DeepSeek-R1 14B, avec un contexte limité | Existe aussi en 8 Go : vérifier la version |
Poids des modèles relevés sur ollama.com le 9 octobre 2026 (étiquette par défaut, quantification d'environ 4 bits). Mémoire Apple d'après apple.com à la même date.
| Mémoire | Exemples de modèles (poids sur ollama.com) | Exemples de matériel |
|---|---|---|
| 8 Go | Qwen 3 8B (5,2 Go), DeepSeek-R1 8B (5,2 Go), Llama 3.1 8B (4,9 Go), Mistral 7B (4,4 Go) | RTX 4060, RTX 3060 Ti, versions 8 Go des RTX 3060 et 4060 Ti |
| 12 Go | Gemma 4 12B (7,7 à 8 Go), Qwen 3 14B (9,3 Go), DeepSeek-R1 14B (9 Go) | RTX 3060 12 Go, RTX 4070 |
| 16 Go | Les mêmes avec plus de contexte ; gpt-oss 20B (14 Go) en limite | RTX 4060 Ti 16 Go, RTX 4070 Ti SUPER, RTX 5080, RX 9070 XT |
| 24 Go | Qwen 3.6 27B (18 à 19 Go), GLM-4.7-Flash (19 Go), Gemma 4 31B (19 à 20 Go), Qwen 3 32B et DeepSeek-R1 32B (20 Go) | RTX 3090, RTX 4090, RX 7900 XTX |
| 32 Go | Qwen 3.6 35B-A3B (23 à 24 Go) avec de la marge | RTX 5090 |
| 48 à 64 Go | Llama 3.3 70B et DeepSeek-R1 70B (43 Go) | 2 × RTX 3090 (48 Go répartis), Mac mini M5 Pro 64 Go, Mac Studio M5 Max 64 Go |
| 96 à 128 Go | Llama 4 Scout (67 Go), gpt-oss 120B (65 Go) | RTX PRO 6000 Blackwell (96 Go), Mac Studio M5 Ultra 96 Go, Mac Studio M5 Max 128 Go |
| 256 à 512 Go | Qwen 3 235B (142 Go) ; Llama 4 Maverick (245 Go) et DeepSeek-R1 671B (404 Go) demandent 512 Go | Mac Studio M5 Ultra 256 ou 512 Go, serveurs multi-GPU |
Sur Mac, une partie de la mémoire unifiée reste réservée au système : la mémoire réellement utilisable par le modèle est inférieure au total annoncé.
Pas de prix sur cette page : ils changent trop vite. Pour composer une configuration chiffrée et datée, utilisez SiliconCote.
Une machine Apple disposant de beaucoup de mémoire unifiée peut charger des modèles qui dépassent la VRAM d'un GPU grand public. La taille chargeable ne garantit toutefois ni la vitesse, ni le confort : modèle, quantification et contexte doivent être testés.
Gamme relevée sur apple.com le 9 octobre 2026 : Mac mini M6 (16 Go, jusqu'à 32 Go), Mac mini M5 Pro (24 Go, jusqu'à 64 Go), Mac Studio M5 Max (36 Go, jusqu'à 128 Go), Mac Studio M5 Ultra (96 Go, jusqu'à 512 Go).
Comprendre mémoire unifiée vs VRAM →Faire tourner une intelligence artificielle sur son propre ordinateur est accessible, à condition de choisir le matériel selon le modèle visé. Le composant décisif est en général la carte graphique (GPU) : sa mémoire (VRAM) détermine la taille du modèle qui peut être chargé entièrement, donc rapidement.
Point au 9 octobre 2026, d'après ollama.com : les familles Qwen 3.6 (27B, et 35B-A3B en mixture-of-experts), Gemma 4 (de E2B à 31B), GLM-4.7-Flash, gpt-oss (20B et 120B), Qwen 3, Llama 4 (Scout et Maverick) et DeepSeek-R1 (de 1.5B à 671B) sont téléchargeables. Côté matériel, la RTX 5090 dispose de 32 Go de GDDR7 et la RTX PRO 6000 Blackwell de 96 Go (fiches NVIDIA) ; chez Apple, le Mac Studio M5 Ultra se configure jusqu'à 512 Go de mémoire unifiée (apple.com).
Il n'existe pas de meilleur achat universel. Une carte 12 Go constitue un premier palier CUDA utile, 16 Go apporte davantage de marge et 24 Go ouvre des modèles quantifiés plus lourds. La mémoire unifiée répond à un autre compromis. Le runtime, l'alimentation, le boîtier et les mesures réelles doivent être comparés ensemble.
L'alternative Apple repose sur la mémoire unifiée partagée entre CPU et GPU. Un Mac mini M5 Pro ou un Mac Studio M5 Max configuré en 64 Go peut charger Llama 3.3 70B (43 Go sur ollama.com), ce qu'aucune carte grand public seule de 24 ou 32 Go ne permet. Un GPU NVIDIA dédié reste généralement plus rapide sur les modèles qui tiennent dans sa VRAM. Le choix dépend de vos priorités : taille du modèle ou vitesse.
AMD est une option à condition d'accepter ROCm ou Vulkan au lieu de CUDA : la documentation d'Ollama liste notamment les Radeon RX 9070 XT (16 Go) et RX 7900 XTX (24 Go). L'écosystème d'outils reste plus large côté NVIDIA.
Au-delà du GPU, prévoyez assez de RAM système pour les modèles qui débordent de la VRAM, un SSD NVMe pour des chargements rapides, et une alimentation conforme à la puissance recommandée par le constructeur de la carte.
⚡ Estimer mon PC → | Guide GPU IA locale | Mac vs PC | Mesurer avec Local Cockpit | Composer avec SiliconCote
Il n'existe pas de meilleur GPU universel. La VRAM décide d'abord de ce qui tient en mémoire : 12 Go accueillent les modèles 12B à 14B quantifiés (Gemma 4 12B, Qwen 3 14B), 16 Go laissent davantage de place au contexte, 24 Go ouvrent les modèles 27B à 32B (Qwen 3.6 27B, Qwen 3 32B). Mesurez d'abord votre PC actuel avec Local Cockpit.
Il faut au moins le poids du modèle, plus une marge pour le contexte. Sur ollama.com, au 9 octobre 2026 : Qwen 3 8B pèse 5,2 Go, Qwen 3 14B 9,3 Go, Qwen 3.6 27B 18 à 19 Go et Llama 3.3 70B 43 Go. Ces repères restent des estimations à vérifier sur la machine réelle.
La mémoire unifiée (jusqu'à 64 Go sur Mac mini M5 Pro, 128 Go sur Mac Studio M5 Max et 512 Go sur Mac Studio M5 Ultra, d'après apple.com au 9 octobre 2026) peut accueillir des modèles plus volumineux qu'un GPU grand public, une partie restant réservée au système. Un GPU NVIDIA dédié conserve l'écosystème CUDA. Le choix dépend du modèle visé, du silence recherché et des mesures réelles.
Cette page ne publie pas de prix, car ils changent trop vite. SiliconCote, logiciel gratuit d'OutilsIA pour Windows et Linux, compose des configurations à partir des pièces que vous possédez et conserve des relevés de prix datés, en séparant neuf, occasion et reconditionné.
Sources consultées le 9 octobre 2026 : fiches NVIDIA (GeForce RTX 5090, 5080, 4090, famille 4070, 4060 Ti, 3090, 3060 ; RTX PRO 6000 Blackwell), fiches AMD (Radeon RX 9070 XT, RX 7900 XTX), documentation GPU d'Ollama, pages de modèles ollama.com, caractéristiques Mac mini et Mac Studio sur apple.com. Mise à jour de la page : 9 octobre 2026.
Ces guides forment le cœur éditorial OutilsIA : installer, choisir le bon matériel, comparer les modèles et déployer une IA utile sans dépendre du cloud.