Il y a plusieurs mois, je n'aurais pas pu justifier de laisser un agent IA tourner toute la nuit. Chaque boucle coûtait des tokens. Chaque token coûtait de l'argent. Alors je démarrais une tâche, je la surveillais, et je l'arrêtais avant d'aller me coucher.
Aujourd'hui, j'ai six agents qui tournent 24h/24 sur une seule machine de la taille d'un grille-pain. Ils font des recherches, résument, surveillent, trient et écrivent, pendant que je dors, pendant que je mange, pendant que je suis en vacances. La facture d'électricité a augmenté de onze dollars. C'est le coût d'exploitation total.
Voici l'essentiel en bref 👇
Voici la configuration, la machine, et ce qui change quand l'IA cesse d'être un service que vous louez pour devenir une infrastructure que vous possédez.
Le vrai trésor dont personne ne parle
Tout le monde en ligne se dispute pour savoir quel modèle cloud est le plus intelligent. Pendant ce temps, une révolution silencieuse a eu lieu dans le matériel, et presque personne ne l'a remarquée.
Le Minisforum MS-S1 Max est une mini-station de travail. Châssis en aluminium. Tient sur une étagère. Livré avec un SSD de 2 To, une alimentation intégrée de 320 W, et la puce la plus intéressante qu'AMD ait jamais mise dans un ordinateur de bureau : le Ryzen AI Max+ 395.
Voici ce qui compte avec cette puce : elle partage 128 Go de mémoire entre le CPU et le GPU. Pas de carte graphique séparée. Pas de petit pool de VRAM. Un seul pool unifié massif que les deux processeurs lisent. C'est la même astuce architecturale qui rend l'Apple Silicon si performant pour l'IA locale, sauf que celle-ci fait tourner Linux correctement, dispose de deux ports Ethernet 10 gigabits, d'USB4 V2 à 80 Gbit/s, d'un emplacement PCIe x16 pour l'extension, et coûte environ 3 000 $.
1Minisforum MS-S1 Max, ce qu'il y a dedans :23Puce AMD Ryzen AI Max+ 395 (Strix Halo)45CPU 16 cœurs / 32 threads, jusqu'à 5,1 GHz67GPU Radeon 8060S, 40 unités de calcul RDNA 3.589NPU 50 TOPS1011Perf IA totale 126 TOPS1213Mémoire 128 Go LPDDR5x-8000, unifiée (CPU+GPU la partagent)1415Utilisable comme VRAM jusqu'à ~96 Go sous Linux1617Stockage 2 To NVMe Gen4 + 1 emplacement M.2 libre1819Réseau Double 10GbE + Wi-Fi 72021Ports 2× USB4 V2 (80 Gbit/s), HDMI, USB-A, USB-C2223Extension Emplacement PCIe x16 (vitesse Gen4 x4)2425Alimentation 160 W crête / 130 W soutenu2627Format Montable en rack 2U2829Prix ~3 000 $ (configuration 128 Go/2 To)
Ce n'est pas un PC de jeu. Ce n'est pas un NAS. C'est un serveur d'IA locale qui ressemble à un mini-PC. Et la spécification qui le rend différent de tous les autres boîtiers Strix Halo : Minisforum pousse la puce à 160 W, là où les concurrents plafonnent à 120-140 W. Plus de watts = plus de vitesse en inférence soutenue. Cela compte quand vos agents tournent pendant des heures.
Ce qu'il fait tourner et à quelle vitesse
Installez Ollama sur Linux. Tirez un modèle. C'est tout. Pas de drames avec les pilotes, pas de chaînes de dépendances CUDA, pas de fichiers de configuration. Voici ce que la boîte délivre réellement avec des modèles quantifiés en Q4 :
1Modèle VRAM Vitesse Assez bon pour2───────────────────────────────────────────────────────────────────────────────3Qwen3-Coder 30B ~18 Go ~40-50 tok/s Codage quotidien, scripts4Llama 3.3 70B ~42 Go ~20-25 tok/s Raisonnement complexe, analyse5DeepSeek-V3 0324 ~95 Go ~10-12 tok/s Recherche approfondie, longs docs6Qwen3-235B (MoE) ~110 Go ~6-8 tok/s Tâches de niveau avancé
Les modèles 30B et 70B sont les chevaux de bataille. Assez rapides pour une utilisation interactive. Le 235B se situe dans la même ligue que Claude Sonnet sur de nombreux benchmarks, plus lent, mais vous ne payez pas par token, donc vous le laissez réfléchir.
Et voici l'astuce géniale : Minisforum a conçu ce boîtier pour le clustering. Deux unités MS-S1 Max reliées entre elles font tourner Qwen3-235B à environ 11 tokens/seconde. Quatre unités faisaient tourner DeepSeek-R1 671B (le modèle complet de 380 Go). Localement. Sur un bureau. Pas de centre de données. Pas de cloud.
Pourquoi le 'toujours allumé' change tout
Voici ce que les gens oublient à propos de l'IA locale. Il ne s'agit pas que le modèle soit aussi bon que GPT-5 ou Claude Opus. Il s'agit de ce qui arrive à votre comportement quand l'inférence est gratuite.
Quand vous payez par token, vous réfléchissez avant de donner une instruction. Vous optimisez vos requêtes. Vous arrêtez les expériences tôt. Vous ne laissez jamais un agent boucler pendant huit heures parce que les maths n'ont pas de sens.
Quand l'inférence ne coûte que de l'électricité et rien d'autre, vous arrêtez de penser comme ça. Et c'est là que la vraie valeur apparaît.
Les six agents que je fais tourner 24h/24 :
- Le trieur de boîte mail. Récupère mes e-mails toutes les 15 minutes. Catégorise tout. Rédige des réponses pour tout ce qui est routinier. Je me réveille avec une boîte de réception triée et des projets de réponse qui m'attendent. Temps gagné : environ 40 minutes chaque matin.
- Le moniteur de recherche. Surveille 30+ flux RSS, des forums de niche et des comptes spécifiques sur différentes plateformes. Résume tout ce qui est pertinent pour mon travail dans un digest quotidien qui arrive sur Telegram à 7h du matin. Sur une API cloud, cela coûterait 15-20 $/jour en tokens. Sur la boîte : gratuit.
- Le processeur de documents. Tout ce que je dépose dans un dossier spécifique est lu, résumé et étiqueté. Contrats, rapports, PDF, articles de recherche. Le résumé et les points clés apparaissent dans mon application de notes en quelques minutes. Je n'ai pas lu manuellement un rapport de 40 pages depuis des mois.
- Le relecteur de code. Surveille mes dépôts git. Chaque push déclenche une relecture : style, bugs, sécurité, couverture de test. Les résultats sont postés sous forme de commentaires. Il utilise le modèle 70B, donc les relectures sont vraiment bonnes.
- L'agent de préparation de réunions. Regarde le calendrier du lendemain, extrait le contexte de mes notes et de mes e-mails récents concernant chaque personne/sujet, génère un briefing d'une page par réunion. Prêt à 8h du matin.
- L'agent d'apprentissage. Prend les sujets qui m'intéressent, trouve des articles et des papiers récents, les lit pendant la nuit avec le modèle 235B, et produit un rapport hebdomadaire 'quoi de neuf' avec des explications adaptées à mon niveau de compréhension.
Aucun de ces agents n'est révolutionnaire individuellement. Ce qui est révolutionnaire, c'est de faire tourner les six simultanément, 24h/24, sans se soucier du coût. Sur des API cloud, cette pile coûterait 800 à 1 200 $ par mois. Sur le MS-S1 Max, elle tourne sur la facture d'électricité.
La configuration. Une soirée, la plupart du temps à télécharger
1. Remplacer Windows par Linux
La machine est livrée avec Windows 11, qui limite la mémoire accessible au GPU à environ 96 Go. Ubuntu 24.04 débloque le pool complet. Démarrez depuis une clé USB, formatez, installez. 20 minutes.
2. Installer Ollama
1curl -fsSL https://ollama.com/install.sh | sh
3. Télécharger vos modèles
1ollama pull qwen3-coder:30b2ollama pull llama3.3:70b
4. Configurer Open WebUI (optionnel, vous donne une interface de type ChatGPT)
1docker run -d -p 3000:8080 \2 -e OLLAMA_BASE_URL=http://localhost:11434 \3 -v open-webui:/app/backend/data \4 --name open-webui ghcr.io/open-webui/open-webui:main
Maintenant, chaque appareil de votre réseau, téléphone, ordinateur portable, tablette. Peut discuter avec vos modèles à l'adresse http://votre-boîte:3000
5. Pointer Claude Code vers le point de terminaison local
1export ANTHROPIC_BASE_URL=http://votre-boîte:114342export ANTHROPIC_API_KEY=ollama
Même interface en ligne de commande Claude Code. Même boucle d'agent. Chaque requête va à votre boîte au lieu d'Anthropic. Rien ne quitte votre réseau.
6. Construire vos agents
C'est la partie amusante et la partie qui est différente pour tout le monde. J'utilise un mélange de simples scripts cron, de workflows n8n et du mode agent de Claude Code pour les plus complexes. Les modèles sont le moteur. La façon dont vous les câblez dépend de vous.
Temps de configuration total : 90 minutes si vous n'avez jamais touché à Linux. Une heure si c'est le cas.
Les calculs. Importants !
1Coût unique2 Minisforum MS-S1 Max (128 Go/2 To) 3 000 $34Coût mensuel5 Électricité (24h/24, ~130 W en moyenne) ~11 $6 Abonnements cloud remplacés 0 $78Ce qu'il remplace (ma pile précédente)9 Claude Code Max 200 $/mois10 ChatGPT Pro 200 $/mois11 Divers coûts d'API pour les agents 400–800 $/mois12 Total économisé 800–1 200 $/mois1314Seuil de rentabilité Mois 3–4
Après le seuil de rentabilité, chaque mois est de l'argent qui reste sur votre compte. Sur trois ans, cela représente entre 25 000 et 40 000 $ non envoyés aux entreprises d'IA, selon l'intensité de votre utilisation des agents.
Mais honnêtement, les économies ne sont pas le sujet. Le sujet, c'est le changement de comportement. J'ai commencé à construire des agents que je n'aurais jamais construits quand chaque token coûtait de l'argent. L'agent de préparation de réunions ? Je n'aurais jamais justifié le coût d'API pour un 'c'est sympa à avoir'. L'agent d'apprentissage qui fait tourner un modèle 235B toute la nuit sur des articles ? Absurde sur une base de coût par token. Évident quand c'est gratuit.
Ce que cette boîte ne peut pas faire
Je ne vais pas prétendre que le local remplace entièrement le cloud. Ce n'est pas le cas. Voici où se situe la ligne aujourd'hui :
Encore besoin du cloud pour :
- Le raisonnement de pointe (Claude Opus, GPT-5, pour les 5 % de problèmes vraiment difficiles)
- L'accès web en temps réel et l'utilisation d'outils intégrés au modèle
- Les tâches multimodales où les modèles cloud ont des générations d'avance
- Servir une équipe de 5 personnes ou plus simultanément
La boîte gère tout le reste :
- Codage et script quotidiens
- Analyse et résumé de documents
- Agents longue durée et automatisation en arrière-plan
- Traitement de données privées (rien ne quitte votre réseau)
- Rédaction, édition, brainstorming
- RAG sur votre base de connaissances personnelle
- Traitement par lots (transcription, classification, extraction)
Pour les tâches cloud, vous payez à l'utilisation via l'API. 5 $ ici, 10 $ là. Pas 200 $/mois pour un abonnement que vous utilisez à 20 %.
Les inconvénients honnêtes
La boîte chauffe sous charge. Pas dangereusement, mais les ventilateurs sont audibles. Ne la mettez pas dans votre chambre. Un placard avec une circulation d'air fait l'affaire. Sous un bureau, ça marche.
Les modèles open source ne sont pas Claude Opus. Ils sont proches sur de nombreuses tâches, nettement en retard sur les problèmes de raisonnement les plus difficiles. Si votre travail est composé à 100 % de tâches d'IA de difficulté de pointe, cette boîte n'est pas votre solution. Si votre travail est composé à 80 % de tâches routinières et à 20 % de tâches difficiles, faites tourner les 80 % en local et payez à l'utilisation pour les 20 %.
Vous achetez du matériel. Si AMD sort quelque chose de deux fois plus rapide l'année prochaine, vos 3 000 $ ne se rembourseront pas tout seuls. Mais le seuil de rentabilité au mois 3-4 signifie que vous n'avez pas besoin de le garder cinq ans. Même une année d'utilisation rend les calculs rentables.
Ollama sur AMD est solide maintenant, mais pas encore au niveau de maturité de CUDA. Il arrive parfois qu'un nouveau modèle sorte avec des optimisations exclusives Nvidia en premier. Vous attendez une semaine ou deux. C'est la taxe du primo-adoptant.
Et vous devez être à l'aise avec Linux. Les commandes ci-dessus sont simples. La première fois que quelque chose casse, vous passerez une heure sur un forum. C'est le coût de passer au local aujourd'hui au lieu d'attendre encore un an.
Pourquoi cette boîte en particulier
Il existe une douzaine de mini-PC Strix Halo sur le marché. Le MS-S1 Max se distingue pour trois raisons :
Puissance soutenue de 160 W. Plus que tout concurrent. La vitesse d'inférence sur les grands modèles augmente avec la puissance. Cela compte quand les agents tournent pendant des heures.
Double 10GbE. La plupart des boîtiers concurrents ont du 2,5GbE. Si vous déplacez de gros fichiers, regroupez plusieurs unités, ou utilisez ceci comme serveur d'IA réseau, le 10 gigabits change l'expérience.
Montable en rack 2U. C'est un détail qui semble de niche jusqu'à ce que vous réalisiez que cela signifie que vous pouvez empiler deux ou quatre de ces boîtiers dans un rack standard et construire un cluster d'IA local qui fait tourner des modèles à 671 milliards de paramètres. Sur votre bureau. Pour le prix d'une voiture d'occasion.
Le vrai sujet
L'industrie de l'IA veut que vous considériez l'intelligence comme un service public. Quelque chose auquel vous vous abonnez. Quelque chose de mesuré. Quelque chose qui vit dans le centre de données de quelqu'un d'autre, fonctionne selon le planning de quelqu'un d'autre, et s'arrête quand vous arrêtez de payer.
Ce modèle avait du sens quand le matériel ne pouvait pas suivre. Ce n'est plus le cas.
128 gigaoctets de mémoire unifiée. Une puce conçue pour l'inférence IA. Des modèles open source qui couvrent 80 % de ce dont vous avez besoin. Une pile open source qui s'installe en une heure.
Une seule machine. Sous votre bureau. Six agents qui ne dorment jamais.
3 000 $ une fois. 11 $ par mois. Tout reste sur votre réseau.
Voilà la configuration. J'aurais juste aimé avoir commencé plus tôt.
Vous voulez plus d'infos exclusives ?
Suivez-moi et rejoignez ma chaîne privée tant que vous le pouvez : lien
