Quelle config pour l'IA en local ?
Faire tourner des modèles d'IA sur sa propre machine (LLM, génération d'images) a une règle d'or : la VRAM de la carte graphique avant tout. Voici comment dimensionner.
Mis à jour en juin 2026
Faire tourner un modèle d'IA en local (un assistant type LLM, de la génération d'images…) ne suit pas les mêmes règles qu'une config de jeu. Ici, un seul critère domine tout le reste : la VRAM, c'est-à-dire la mémoire de la carte graphique.
La VRAM, le facteur n°1
Un modèle ne tourne correctement que s'il tient dans la VRAM du GPU. S'il n'y tient pas, il devient très lent, voire ne se lance pas. Plus le modèle visé est gros, plus il faut de VRAM. À budget donné, on privilégie donc la carte qui maximise la VRAM, quitte à être un peu moins rapide en jeu.
| Modèle visé | VRAM recommandée |
|---|---|
| Petits modèles (~7B) | 8 à 12 Go |
| Modèles moyens (~13–30B) | 16 à 24 Go |
| Gros modèles (70B et +) | 24 Go et plus |
| Génération d'images (SDXL/Flux) | 12 à 16 Go et plus |
Pourquoi privilégier NVIDIA
L'écosystème de l'IA (les logiciels et bibliothèques) est bâti en priorité autour de NVIDIA et de sa technologie CUDA. En pratique, une carte NVIDIA s'installe et fonctionne avec presque tous les outils d'IA, là où le support AMD reste plus limité. Pour de l'IA en local, NVIDIA est le choix le plus sûr.
RAM système et stockage
Prévois au moins autant de RAM système que de VRAM, idéalement 32 à 64 Go : ça aide quand un modèle déborde de la carte graphique. Côté stockage, un SSD NVMe spacieux est précieux : les modèles pèsent vite des dizaines de Go. Le processeur, lui, n'a pas besoin d'être haut de gamme : l'essentiel du calcul se fait sur le GPU.
Dis au configurateur que tu vises l'IA en local et la taille de tes modèles : il dimensionne la VRAM et la RAM en conséquence.
Démarrer une config
