Combien coûte faire tourner l'IA sur votre propre matériel ?

Les chefs d'entreprise nous posent sans cesse la même question : nos données sont sensibles et la facture d'usage grossit chaque mois, alors pouvons-nous faire tourner le modèle nous-mêmes au lieu de dépendre d'un service externe ?

Une réponse honnête commence par une correction : les poids de Claude et de GPT ne sont pas publiés, personne ne les fait donc tourner à la maison, quel que soit le matériel. Ce que vous pouvez réellement faire tourner, ce sont des modèles à poids ouverts qui atteignent aujourd'hui 200 milliards de paramètres et plus, et qui s'approchent, sur de nombreuses tâches pratiques, de ce que vous donnent les services payants : résumer des documents, répondre à des questions sur vos propres données, écrire du code, traduire. L'écart se resserre tous les quelques mois.

La vraie question n'est donc pas de savoir si c'est possible, mais combien de paramètres votre machine peut contenir. Cela mène à la règle unique qui décide de tout.

La règle qui décide : la mémoire avant la vitesse

Un modèle doit tenir entièrement en mémoire pour tourner. Le calcul est plus simple qu'il n'y paraît :

• En pleine précision : deux octets par paramètre.
• En quantification 8 bits : un octet par paramètre.
• En quantification 4 bits : un demi-octet par paramètre — le choix pratique pour la plupart des usages.

Ajoutez ensuite environ 20 à 30 % pour le contexte et la surcharge d'exécution. Le résultat est ce tableau d'estimation, auquel vous pouvez confronter n'importe quelle machine :

Les chiffres incluent une marge d'exécution et restent des estimations ; ils bougent légèrement selon la méthode de quantification et la longueur du contexte.

Ce tableau à lui seul raccourcit la plupart des comparaisons : regardez d'abord la capacité mémoire, car c'est elle qui décide ce que vous pouvez faire tourner. La bande passante et le type de processeur décident à quelle vitesse.

Les options disponibles aujourd'hui

Apple — le nouveau Mac Studio

Le 25 août 2026, Apple a annoncé une nouvelle génération de Mac Studio, livrée à partir du 22 septembre, la configuration de 512 Go arrivant fin octobre. C'est actuellement l'option la plus large en capacité :

• M5 Max : un CPU de 18 cœurs, un GPU allant jusqu'à 40 cœurs avec des accélérateurs neuronaux intégrés à chaque cœur, et jusqu'à 128 Go de mémoire unifiée à une bande passante pouvant atteindre 614 Go/s.
• M5 Ultra : jusqu'à un CPU de 36 cœurs, jusqu'à un GPU de 80 cœurs, et jusqu'à 512 Go de mémoire unifiée — de quoi faire tourner d'énormes modèles entièrement sur l'appareil.
• Thunderbolt 5 permet de mettre plusieurs unités en grappe, pour atteindre jusqu'à 3x la performance d'un seul système en inférence distribuée.

Son véritable avantage est que la mémoire est unifiée entre CPU et GPU : vous n'avez donc pas besoin d'une carte séparée avec sa propre mémoire. Il est livré avec deux frameworks pour développeurs : le nouveau Core AI et MLX, open source.

AMD — le Ryzen AI Max+ 395

Il arrive dans de petites machines de bureau avec 128 Go de mémoire unifiée, tourne sous Windows ou Linux, et coûte moins cher que son rival Nvidia direct. C'est le choix pratique pour qui veut 128 Go au coût le plus faible, ou dont l'équipe préfère un environnement Linux familier.

Nvidia — DGX Spark

Un boîtier d'environ un litre portant une puce Grace Blackwell et 128 Go, et le produit qui a créé cette catégorie. Son avantage le plus important n'est pas la fiche technique mais l'écosystème CUDA : la plupart des outils d'IA et des frameworks d'entraînement ont d'abord été écrits pour lui. Si votre équipe doit entraîner ou affiner des modèles plutôt que seulement les faire tourner, c'est une considération décisive.

La voie traditionnelle — un serveur avec des GPU dédiés

Cela reste la bonne réponse quand vous servez plusieurs utilisateurs en même temps. Les cartes serveur délivrent une bande passante bien plus élevée que les machines à mémoire unifiée, et cela se voit sur les requêtes simultanées plutôt que sur la taille du modèle. Les inconvénients : un coût plus élevé, plus la consommation, la chaleur et le bruit, qui exigent une pièce adaptée.

Les machines, côte à côte

Prix exacts et où acheter

Nous avons repris les prix d'Apple directement dans ses propres boutiques américaine et saoudienne, à la date de publication de cet article :

Achetez sur la boutique Apple Arabie saoudite ou sur la boutique Apple États-Unis. Il s'agit de prix de départ par configuration ; pousser la mémoire au maximum les augmente considérablement, et l'option de 512 Go arrive fin octobre plutôt qu'au lancement. Notez que le prix saoudien inclut la TVA tandis que le prix américain est hors taxe.

AMD et Nvidia ne vendent pas ces machines directement à un prix unique : la puce AMD est livrée dans des boîtiers de différents fabricants, à environ 1 500 $ à 4 000 $ selon le constructeur et la configuration, et le DGX Spark a été lancé autour de 4 000 $ avant de monter sur le marché. Nous n'avons trouvé aucune offre de vente officielle en Arabie saoudite pour l'un ou l'autre à la date de publication : acheter implique donc de passer par un distributeur ou d'importer — auquel cas il faut ajouter la TVA, les douanes et le transport. Leurs pages officielles : NVIDIA DGX Spark et AMD Ryzen AI Max+ 395.

Quel modèle ouvert faire tourner, et sur quoi ?

La machine n'est que la moitié de la décision ; l'autre moitié est le modèle lui-même. Voici les principaux modèles à poids ouverts que vous pouvez télécharger et faire tourner aujourd'hui, avec la machine qui contient chacun d'eux en 4 bits et une estimation de sa capacité pratique :

Que signifie ici le pourcentage de capacité ? À quel point le modèle s'approche, sur le travail quotidien d'une entreprise — résumer, répondre à des questions sur des documents, écrire du code, traduire — des modèles fermés payants les plus solides. Il s'agit d'une estimation éditoriale d'Origami, fondée sur les fiches techniques publiées et sur les chiffres rapportés par les éditeurs eux-mêmes, et non du résultat d'un test neutre unique. La raison est simple : chaque laboratoire publie ses chiffres avec un protocole et des réglages différents, de sorte qu'aucun benchmark neutre ne classe aujourd'hui l'ensemble de ces modèles. Prenez-le comme un repère, pas comme un verdict, et testez le modèle sur vos propres tâches avant de vous engager.

Deux remarques qui résument tout le tableau : les modèles marqués « actifs » n'utilisent qu'une petite part de leurs paramètres par requête, ils sont donc plus rapides que leur taille ne le suggère — mais ils ont tout de même besoin de la mémoire complète. Et la différence entre 72 % et 90 % disparaît entièrement dans la plupart des travaux de bureau, alors qu'elle se voit clairement sur les tâches longues et complexes. Ne payez pas 512 Go pour gagner une marge que vous ne remarquerez jamais.

Comment choisir, en pratique

• Un ou deux utilisateurs ? Une machine à mémoire unifiée suffit et fait économiser beaucoup.
• Une équipe qui utilise le système simultanément ? Il vous faudra des GPU dédiés, car le problème porte désormais sur les requêtes simultanées, pas sur la taille du modèle.
• De l'entraînement ou de l'affinage ? Penchez vers CUDA.
• Vous voulez le plus grand modèle possible avec le moins de complexité ? La plus grande capacité aujourd'hui est celle d'Apple.
• Budget limité ? 128 Go couvrent des modèles jusqu'à 200 milliards de paramètres en 4 bits, ce qui répond réellement à la plupart des besoins d'une entreprise.

Le compromis à comprendre avant d'acheter : les machines à mémoire unifiée vous donnent une grande capacité à une bande passante plus faible que les cartes serveur. Elles chargent le gros modèle sans difficulté, mais génèrent le texte plus lentement. Pour la conversation et le résumé, vous le remarquerez à peine ; pour du traitement par lots intensif, oui.

Quand un serveur privé est la mauvaise décision

Nous le disons franchement parce que nous le voyons souvent : le matériel n'est pas la fin du projet mais son début. Vous achetez aussi la responsabilité des mises à jour, des sauvegardes, de la surveillance, et de celui qui le réparera lorsqu'il s'arrêtera un jeudi. Si votre usage est intermittent et faible, la facture mensuelle d'un service externe coûte moins cher que la machine, son électricité et le temps de celui qui l'exploite.

Un serveur privé mérite sa place quand trois choses se rejoignent : des données qui ne doivent pas sortir, un usage intensif et régulier, et une personne ou une partie qui l'exploitera. S'il en manque une des trois, refaites le calcul.

Le regard d'Origami

Nous pensons que la question importante n'est pas quelle machine acheter, mais ce que vous allez y faire tourner. La plupart de ceux qui nous interrogent sur un serveur privé ont en réalité besoin d'un modèle de taille moyenne qui réponde aux questions sur les documents de leur entreprise, et cela tourne confortablement sur 128 Go — parfois sur moins. Acheter 512 Go pour faire tourner un modèle de 70 milliards de paramètres, c'est dépenser sans retour.

Notre conseil pratique : définissez la tâche, puis choisissez le modèle qui la fait, puis achetez la machine qui contient ce modèle avec de la marge. Nous aidons dans cet ordre — définir la tâche, sélectionner le modèle, et construire la couche qui le relie à vos données et à vos systèmes, car un modèle sans connexion à vos données reste un outil généraliste plutôt qu'un système au service de votre entreprise. Vous nous trouverez sur la page de contact.

Conclusion

Vous ne ferez pas tourner Claude à la maison, mais vous ferez tourner des modèles ouverts capables, qui couvrent l'essentiel du travail d'une entreprise. Dimensionnez d'abord votre besoin en paramètres : un demi-octet par paramètre en 4 bits, plus la marge. Choisissez ensuite entre la mémoire unifiée, qui achète de la capacité à un coût raisonnable, et les cartes dédiées, qui achètent de la vitesse et de la simultanéité. La décision la plus importante vient toujours avant le matériel : ce que vous allez faire tourner, et pourquoi.

Sources

• Communiqué de presse d'Apple du 25 août 2026 — fiche technique du Mac Studio avec M5 Max et M5 Ultra, capacités de mémoire unifiée et bande passante, mise en grappe via Thunderbolt 5, et frameworks Core AI et MLX.
• Tests indépendants de StorageReview et HotHardware sur l'AMD Ryzen AI Max+ 395 et le Nvidia DGX Spark, avec leurs comparaisons de capacité et de prix.
• Le calcul de mémoire suit la règle standard pour faire tourner des modèles : deux octets par paramètre en pleine précision, en diminuant avec la quantification.
• Fiches officielles des modèles sur Hugging Face pour Qwen3.8, Llama 4, Mistral, gpt-oss, DeepSeek V4, GLM-5.3 et Kimi K3 — la source des nombres de paramètres et des licences. Les pourcentages de capacité sont une estimation éditoriale d'Origami, comme expliqué plus haut.