IA de code en local : un portable à 3 720 euros pour se passer du cloud

Faire tourner un assistant de programmation sur son propre ordinateur, sans envoyer une ligne de code aux serveurs d’OpenAI ou d’Anthropic : c’est ce que ZDNet France a essayé sur un portable Lenovo à 3 720 euros. Le testeur parle d’un résultat qui l’a « complètement époustouflé ». Mais la mémoire de la machine pose des limites, et la vraie question reste : pour qui ce prix a-t-il un sens ?

Local ou cloud : ce que cela change pour les données

En jeu : savoir où vont vos fichiers quand vous demandez à une IA de les lire.

Une IA « dans le cloud », c’est celle de ChatGPT, de Claude ou de Codex. Votre demande, et souvent le code ou le document joint, part vers les serveurs du fournisseur, qui renvoie la réponse. Une IA « en local » tourne sur votre propre machine. Rien ne sort de l’ordinateur pour être traité.

Pour un indépendant qui travaille sur le code d’un client, ou une PME qui manipule des données sensibles, cette différence compte. Elle ne se résume pas à la confidentialité : le local fonctionne aussi sans abonnement ni connexion à un fournisseur. En contrepartie, il faut une machine assez puissante pour faire tourner le modèle. C’est tout l’enjeu du test.

Ce que ZDNet a réellement testé

La machine est un Lenovo Yoga 9n de 16 pouces, un portable 2-en-1 (écran tactile qui se replie en tablette). Il embarque la nouvelle puce RTX Spark de Nvidia : un processeur à 20 cœurs, un processeur graphique (GPU) Blackwell à 6 144 cœurs et 64 Go de mémoire vive (RAM). Le GPU est la partie de la puce qui excelle dans les calculs massifs dont l’IA a besoin.

La puce utilise une « mémoire unifiée » : processeur et GPU puisent dans le même réservoir de mémoire, comme deux ouvriers qui partagent un seul établi. Apple utilise le même principe sur ses Mac.

Le testeur a monté un environnement de programmation entièrement local :

• un agent de programmation, OpenCode, qui pilote le travail ;
• un modèle de code, Qwen3-Coder-Next, de 80 milliards de paramètres (les « réglages » internes du modèle, qui donnent une idée de sa taille), dans une version compressée dite « Q4_K_M » ;
• un moteur d’exécution, llama.cpp, qui profite de la technologie CUDA de Nvidia.

Pour l’épreuve, il a copié sur la machine Windows le code complet de son application Icon Gallery. C’est un projet conçu uniquement pour Mac, avec un cadre logiciel réservé à Mac. Rien ne pouvait donc fonctionner tel quel sous Windows. Il a ensuite lancé l’agent sans cahier des charges. Selon le titre de ZDNet, la machine a réussi cette épreuve que le testeur qualifie de très injuste. Le détail de ce qu’elle a produit n’est pas repris ici.

Les chiffres : rapide pour lire, plus lent pour écrire

Le testeur compare son portable à son Mac Studio de 2025, acheté plus de 5 500 euros. Ce Mac a une puce M4 Max et 128 Go de mémoire, soit le double du Lenovo. Il admet lui-même que la comparaison n’est « pas tout à fait équitable ».

Les résultats sont contrastés :

• sur le calcul général (Geekbench), le Mac est environ 1,3 fois plus rapide ;
• sur la lecture des consignes, c’est-à-dire la vitesse à laquelle l’IA comprend une longue demande, le Lenovo est environ trois fois plus rapide que le Mac ;
• sur l’écriture de la réponse, mot après mot (en réalité par « tokens », des morceaux de mots), le Mac prend l’avantage.

Sur ce dernier point, le portable est déjà derrière avec un petit modèle, et l’écart grandit avec la taille du modèle. Avec un modèle de 8 milliards de paramètres, le Mac est environ 1,5 fois plus rapide. Avec un modèle de 32 milliards, il l’est environ 2,5 fois. En clair : plus le modèle est gros, plus la mémoire manque au portable, et plus il perd du terrain.

Le testeur n’a pas pu utiliser le test d’IA intégré à Geekbench. Le logiciel voulait mesurer la puce en « émulation Intel » : il la faisait fonctionner comme un processeur Intel classique, au lieu d’utiliser son propre mode de fonctionnement, ce qui faussait la mesure. Il s’est rabattu sur Llama-bench, un outil qui mesure les mêmes tâches avec les mêmes modèles sur toutes les machines.

Le verrou de la mémoire

C’est là que le test devient intéressant pour qui voudrait s’équiper. Selon le testeur, entre Windows et ce modèle de 80 milliards de paramètres, la « fenêtre de contexte » maximale qu’il a pu faire tourner est de 32 768 tokens. Cette fenêtre, c’est la mémoire de travail de l’IA : tout ce qu’elle peut garder en tête à la fois, consignes, fichiers et historique.

Le testeur travaille d’habitude avec Claude Code et OpenAI Codex, des outils cloud, avec des fenêtres d’un million de tokens qu’il remplit plusieurs fois par nuit. Sur le Lenovo, il n’utilisait donc qu’environ un trentième de cet espace. L’agent ne pouvait enchaîner qu’une ou deux actions avant de devoir sauvegarder son état et recharger le contexte. Le testeur trouve cela « fastidieux » et note que cela ralentit nettement le traitement.

Ses autres constats sont plus classiques : un très bel écran OLED, de nombreux ports, mais un ventilateur bruyant quand la charge monte. Selon le résumé de ZDNet, le test a aussi mis l’autonomie de la batterie à rude épreuve avec une charge intensive. À vous d’y regarder de près si vous comptez coder longtemps sans prise de courant.

3 720 euros : un choix pour qui ?

Le test ne tranche pas cette question, il donne des éléments.

Pour qui le local peut se défendre : le développeur indépendant ou la petite équipe dont le code ne doit pas quitter la machine, ou qui veut travailler sans dépendre d’un fournisseur américain. Le test montre qu’un modèle de code de grande taille peut produire du travail utile sur un portable. Il montre aussi qu’il n’est pas nécessaire d’acheter un poste de bureau à plus de 5 500 euros pour s’en approcher, du moins sur certaines tâches.

Pour qui c’est moins évident : celui qui a besoin de très gros contextes, par exemple pour parcourir un grand projet d’un coup. Ici, le cloud garde une longueur d’avance selon le testeur, avec une fenêtre trente fois plus grande. Et celui dont les données ne sont pas sensibles et qui ne code pas tous les jours trouvera probablement un abonnement moins coûteux.

Quelques réserves à garder en tête. Il s’agit du test d’un seul journaliste, sur son propre usage et sur un seul projet. Le matériel est neuf, et la comparaison porte sur un Mac de la génération précédente. Le calcul du coût réel, abonnements cloud d’un côté, machine et électricité de l’autre, reste à faire au cas par cas.

Une question à vous poser avant d’acheter : quelle part de votre travail aurait vraiment besoin de rester chez vous ? Et pourriez-vous la tester d’abord sur la machine que vous possédez déjà, avec un modèle plus petit ?

Sources

• ZDNet France : Le Grand Test RTX Spark de Lenovo, un test de programmation IA en local