Portables RTX Spark : Nvidia veut l’IA en local, sans prix ni test indépendant
NVIDIA lance des portables RTX Spark avec 128 Go de mémoire unifiée pour l’IA locale. Gain d’autonomie pour les PME ou nouvelle dépendance à NVIDIA ?
NVIDIA veut loger une partie de l’IA dans votre sac à dos. Le 28 octobre 2026, le groupe a présenté de nouveaux outils et modèles pour ses portables Windows RTX Spark. La promesse : faire tourner modèles et agents sur la machine, sans envoyer ses données dans le cloud. Reste à savoir si une PME y gagne son autonomie ou change simplement de fournisseur.
Ce que NVIDIA annonce
Selon le blog officiel de NVIDIA, les portables RTX Spark sont disponibles chez ASUS, Dell, HP, Lenovo, Microsoft et MSI. Ils reposent sur un « superchip » unique. Il combine un GPU NVIDIA Blackwell RTX et un processeur NVIDIA Grace.
La fiche technique mise en avant tient en deux chiffres. Le premier : jusqu’à 128 Go de mémoire unifiée. Le second : jusqu’à 1 pétaflop de performance IA en FP4, un format de calcul en faible précision très utilisé pour l’inférence, c’est-à-dire l’exécution d’un modèle déjà entraîné.
Côté design, NVIDIA parle de machines épaisses de 14 mm au minimum, pesant environ trois livres (autour de 1,4 kg), avec « une autonomie sur toute la journée ». Les modèles varient : tailles d’écran, tactile, stylet, convertibles deux-en-un.
L’annonce ratisse aussi large du côté des usages. Elle cite les développeurs, les créateurs et les joueurs. Elle met en avant le jeu Phantom Blade Zero, lancé le soir même sur Steam et l’Epic Games Store, et la version 1.6 de RTX Remix, un outil de remasterisation de jeux, qui s’ouvre à Minecraft. Ces volets intéressent peu une PME. Le cœur de l’article, pour elle, est ailleurs.
Mémoire unifiée : pourquoi elle compte pour la confidentialité
Pour exécuter un modèle d’IA, il faut d’abord le faire tenir en mémoire. Sur un PC classique, le processeur et la carte graphique ont chacun leur réserve, souvent plus petite côté GPU. Ici, NVIDIA explique que le GPU, le CPU et jusqu’à 128 Go de mémoire sont réunis sur une seule puce économe en énergie.
L’intérêt pour une PME ou un indépendant est direct. Si le modèle tourne sur l’ordinateur, un contrat, un compte rendu de réunion ou un dossier client n’a pas besoin de transiter par le serveur d’un fournisseur. Les données restent sur la machine, tant que les outils choisis ne les renvoient pas ailleurs.
Le modèle de transcription présenté par NVIDIA illustre cette logique. Nemotron 3.5 Transcribe est un modèle à poids ouverts. NVIDIA précise que, grâce à cela, les développeurs « peuvent choisir où l’audio est traité, du poste de travail au cloud ». Le choix du lieu de traitement devient donc une décision de l’utilisateur, pas du fournisseur.
Une nuance s’impose. La source parle de développeurs, pas de dirigeants de PME. Installer, quantifier et brancher un modèle ouvert demande des compétences techniques. La confidentialité promise suppose quelqu’un capable de configurer l’ensemble.
Agents et modèles : ce qui est annoncé, ce qui arrive plus tard
L’annonce regroupe trois briques pour l’IA locale. Il faut distinguer ce qui est disponible de ce qui est promis.
Nemotron 3.5 Transcribe. Ce modèle transcrit 40 langues, étiquette les intervenants et traduit. Il répond aussi à des questions sur l’audio, par exemple « liste les décisions prises pendant cette réunion ». Il est disponible sur Hugging Face. En revanche, les versions quantifiées, c’est-à-dire allégées pour tourner sur du matériel local, sont annoncées comme « bientôt disponibles ». Elles doivent permettre de l’exécuter sur RTX Spark. Aujourd’hui, l’usage local de ce modèle sur ces portables relève donc de la promesse.
NVIDIA affirme qu’il se classe premier sur le classement Open ASR de Hugging Face et deuxième parmi les modèles à poids ouverts chez Artificial Analysis. Il utiliserait environ 4,3 milliards de paramètres actifs, soit 80 % de moins que le premier modèle ouvert de ce classement. Ces chiffres sont ceux de NVIDIA. L’article ne cite pas d’évaluation indépendante.
LFM3 de Liquid AI. Cette famille de modèles ouverts couvre texte, vision, audio et décision. Son nouveau modèle de base de 1,7 milliard de paramètres surpasserait, selon l’annonce, l’ancien à 2,6 milliards. NVIDIA cite des usages locaux : trier une boîte mail, gérer un agenda, lire des documents et des écrans d’applications, transcrire et traduire, router des demandes de support. Ils passent par des agents comme Hermes Agent, Pi et OpenClaw. Les modèles tournent avec llama.cpp et vLLM, et peuvent être affinés en local.
Le partage du GPU. Une nouvelle option de l’application NVIDIA permet de choisir qui passe en premier : l’application au premier plan ou l’agent qui travaille en arrière-plan. Elle se trouve dans Système > Avancé et exige que la planification GPU accélérée par le matériel soit activée dans Windows. C’est la fonction la plus concrète pour un agent qui tourne toute la journée à côté d’un tableur ou d’un logiciel de montage.
Ce que l’annonce ne montre pas : un cas d’usage mesuré dans une entreprise, avec des temps de traitement, une consommation ou une comparaison avec un service cloud.
Local ne veut pas dire indépendant
Le discours « fin de la dépendance au cloud » mérite d’être nuancé. Trois points aident à se faire une opinion.
Qui parle. La source est le blog de NVIDIA, qui vend ces puces. Elle présente des capacités, pas des résultats vérifiés par un tiers. Le texte ne mentionne ni prix ni test indépendant. Les mots « bientôt » et « attendues » reviennent plusieurs fois.
Où est la dépendance. Les données quittent peut-être moins la machine. Mais l’annonce vante la plateforme CUDA de NVIDIA, son application de gestion, ses formats de calcul (NVFP4) et ses outils de déploiement (NeMo-Speech.cpp). Les modèles ouverts offrent une vraie liberté de choix. La pile logicielle et matérielle, elle, reste centrée sur un seul fabricant. La question n’est pas d’un côté « cloud » et de l’autre « local » : c’est de savoir à qui l’on confie quoi.
Ce que l’on peut faire avec 128 Go. C’est le plafond annoncé (« jusqu’à »). La source ne dit pas quelles configurations atteignent ce niveau, ni à quel tarif. Elle ne précise pas non plus quels modèles de grande taille tiennent dans cette mémoire. Les modèles cités ici sont compacts. C’est cohérent avec des usages ciblés, moins avec l’idée de remplacer un assistant généraliste hébergé.
Ce qu’une PME peut observer
Avant d’envisager un achat, plusieurs signaux méritent d’être suivis. Les prix des configurations proposées par ASUS, Dell, HP, Lenovo, Microsoft et MSI. L’arrivée effective des versions quantifiées de Nemotron Transcribe. Les premiers tests indépendants de la vitesse et de l’autonomie quand un agent travaille en arrière-plan.
On peut aussi tester dès maintenant la logique à petite échelle. Les modèles à poids ouverts se chargent déjà sur un ordinateur existant avec des outils comme llama.cpp, que l’annonce cite. Mesurer ce que l’on peut vraiment traiter en local, sur un cas précis comme la transcription d’une réunion, permet de savoir si une machine à 128 Go répond à un besoin ou à un argument commercial.
Sources
Pour aller plus loin Dossier : Les agents IADossier : Quelle IA choisir ?
