Quelque part, en ce moment, un développeur paie 200 $ par mois pour l'IA sans jamais avoir fait le calcul. ChatGPT Plus, Claude Pro, Cursor, des coûts d'API qui grimpent discrètement chaque mois. Ça se renouvelle indéfiniment, et indéfiniment, c'est long pour louer quelque chose qu'on pourrait posséder.
Il existe une autre façon de voir les choses. Une boîte qui reste chez vous, fait tourner l'IA en local, coûte quelques dollars par mois en électricité, garde vos données sur votre machine et n'envoie jamais un seul octet vers un serveur tiers.
L'IA locale en 2026 n'est plus le compromis décevant d'il y a deux ans. Une meilleure quantification, des architectures de modèles plus légères et des puces à mémoire unifiée font qu'une machine sur votre bureau peut désormais gérer environ 80 % du travail quotidien de l'IA : écrire, aider au codage, analyser des documents, résumer, classer, automatiser, répondre à des questions sur vos propres fichiers. Les 20 % restants, le raisonnement de pointe et le codage de dernière génération, appartiennent encore au cloud. Mais ces 20 % ne justifient pas une facture de 200 $ quand une boîte unique couvre le reste.
Voici l'échelle. Dix barreaux, de la machine que vous possédez déjà à un superordinateur de bureau, et les compromis honnêtes à chaque étape.
L'idée qui change tout
Vous n'achetez pas de la vitesse. Vous achetez de la mémoire.
Chaque histoire de « ça ne tourne pas » remonte au même mur : un modèle qui ne tenait pas dans la mémoire de la boîte. Un modèle se charge ou ne se charge pas. La vitesse ne décide que de la sensation une fois qu'il tourne ; la mémoire décide s'il tourne tout court.
Donc toute l'échelle est en fait une échelle de mémoire. 8 Go font tourner un modèle 7B. 24 Go font tourner un modèle 32B confortablement. 128 Go font tourner un modèle 70B et commencent à flirter avec les très gros. Lisez chaque barreau ci-dessous à travers cette lentille, et notez le schéma : les boîtes qui vont le plus loin sont celles avec mémoire unifiée, où le CPU et le GPU partagent un grand réservoir au lieu de se battre pour un petit morceau cloisonné de VRAM.
Un avertissement avant les spécifications, valable pour toute la liste : une pénurie mondiale de DRAM fait grimper les prix de la mémoire en 2026, pas baisser. Chaque chiffre ici est approximatif et tend à la hausse, ce qui est un argument pour acheter la boîte que vous utiliserez vraiment plutôt que d'attendre une baisse qui ne viendra peut-être pas.
L'échelle
Barreau 1. La machine que vous possédez déjà (0 $)
Avant de dépenser quoi que ce soit, validez le workflow sur ce qui est déjà sur votre bureau. Tout ordinateur portable avec 8 Go de RAM fait tourner un modèle 7B via Ollama. Ce ne sera pas rapide, mais ça répond à la seule question qui compte : l'IA locale est-elle assez bonne pour ce que vous faites réellement ? Passez un week-end ici avant de dépenser un dollar ailleurs.
Barreau 2. Raspberry Pi 5, 16 Go (environ 120 $)
Le barreau du bricoleur. Un Pi 5 avec 16 Go fera tourner des modèles 1B à 3B via Ollama, lentement. Ce n'est pas un outil quotidien, c'est une preuve de concept que vous pouvez laisser tourner dans un tiroir : un petit assistant toujours allumé, un cerveau pour l'automatisation domestique, un projet de week-end. Achetez-le pour apprendre, pas pour travailler.
Barreau 3. NVIDIA Jetson Orin Nano Super (249 $)
Le point d'entrée sérieux le moins cher. Un vrai GPU NVIDIA dans une boîte plus petite qu'un portefeuille.
1Performance IA : 67 TOPS2GPU : 1024 cœurs Ampere3RAM : 8 Go LPDDR5 (partagée)4Consommation : 7-25 W5Fait bien tourner : Llama 3.2 3B, Mistral 7B, Gemma 2, DeepSeek 1.5B
67 TOPS font tourner un modèle 7B en privé et pour toujours. La classe 7B est assez rapide pour être instantanée et assez bonne pour la plupart des tâches quotidiennes. Elle ne touchera rien au-dessus de 7B ni aucun contexte long qui dépasse 8 Go, mais à 100 $/mois d'abonnements, elle s'amortit en dix semaines.
Barreau 4. Apple Mac mini M4 (à partir de 599 $)
Le serveur IA domestique silencieux par défaut, grâce à la mémoire unifiée. Sur un PC normal, la VRAM du GPU est un mur infranchissable. Apple partage la mémoire entre le CPU et le GPU, donc le Mac mini fait tourner des modèles plus gros que ce que sa fiche technique laisse supposer, reste quasi silencieux et consomme peu.
1Puce : Apple M42Mémoire unifiée : 16-32 Go (partagée CPU + GPU)3Consommation : 10-30 W en charge4Coût électrique 24/7 : environ 3-8 $/mois5Fait bien tourner : Llama 3.2, Mistral 7B, Qwen 2.5, Phi-3 Medium
Il fait tout ce que fait le Jetson, plus des modèles plus gros, un contexte plus long et plusieurs services à la fois. C'est la boîte que les gens laissent allumée 24h/24 comme backend pour leurs automatisations. Les 599 $ sont le prix de base, mais Apple facture cher la mémoire. Pour l'IA locale, la mémoire est le point crucial, donc configurez la config dont vous avez vraiment besoin, pas le prix d'appel.
Barreau 5. RTX 3090 d'occasion, 24 Go (environ 700 $ pour la carte)
La légende de la valeur qui refuse de mourir. Six ans et toujours le meilleur rapport VRAM/dollar du marché grand public. Une 3090 d'occasion vous donne 24 Go de mémoire rapide pour environ 700 $, assez pour faire tourner des modèles 24B à 32B avec un débit réel, avec un support CUDA complet pour que tous les outils fonctionnent immédiatement.
1VRAM : 24 Go GDDR6X2Bande passante : ~936 Go/s3Prix d'occasion : ~600-800 $ (carte seule)4Fait bien tourner : Qwen 32B, Llama 3.1 8B-70B (quantifié), la plupart des modèles 32B
L'astérisque honnête : un GPU n'est pas un ordinateur. Vous avez besoin d'un PC hôte autour, donc prévoyez 400 à 600 $ supplémentaires pour le reste de la machine. Mais si vous avez déjà un desktop avec un emplacement libre et une alimentation assez puissante, rien d'autre sur cette échelle ne vous donne 24 Go aussi bon marché.
Barreau 6. AMD Radeon RX 7900 XTX, 24 Go (environ 900 $ pour la carte)
Les mêmes 24 Go que la 3090, neuf, avec garantie, et le logiciel AMD a enfin rattrapé son retard. Sur ROCm 7.x, la 7900 XTX fait tourner Llama 3.1 8B à environ 96 tokens par seconde, environ les trois quarts d'une RTX 4090 à une fraction du prix. Pour le pur rapport VRAM/dollar sur du matériel neuf, rien de NVIDIA ne l'égale au niveau grand public.
1VRAM : 24 Go GDDR62Logiciel : ROCm 7.x (support de première classe)3Prix neuf : ~899-1 400 $ (carte seule)4Fait bien tourner : Llama 3.1 8B (~96 tok/s), modèles 32B quantifiés
Le hic est le même qui suit AMD partout : ROCm a comblé la majeure partie de l'écart avec CUDA, mais certains outils supposent encore NVIDIA par défaut. Pour Ollama et Open WebUI, ça fonctionne bien aujourd'hui. Pour des piles de fine-tuning exotiques, attendez-vous à quelques étapes manuelles supplémentaires.
Barreau 7. AMD Ryzen AI Max+ 395 « Strix Halo », 128 Go (environ 1 999 $)
Le point idéal de 2026, et la boîte que la plupart de ces listes oublient. La puce Strix Halo d'AMD associe un CPU Zen 5 16 cœurs à un gros iGPU RDNA 3.5 et jusqu'à 128 Go de mémoire unifiée dans une petite boîte, pour environ le prix d'un desktop NVIDIA avec un quart de la mémoire.
1Puce : Ryzen AI Max+ 395 (16 cœurs Zen 5)2GPU : Radeon 8060S (40 cœurs RDNA 3.5)3NPU : XDNA 2, 50 TOPS (~126 TOPS à l'échelle du système)4Mémoire unifiée : jusqu'à 128 Go LPDDR5X (~96 Go utilisables comme VRAM)5Prix : ~1 999 $ pour 128 Go / 2 To6Fait bien tourner : Llama 3.3 70B, Mixtral, la plupart des modèles 70B
Vous l'achetez de deux façons. Le GMKtec EVO-X2 est un mini-PC 128 Go fini à environ 1 999 $. Le Framework Desktop est la même puce dans un châssis réparable et évolutif, à partir de 1 999 $ pour la carte et environ 2 850 $ entièrement monté. Dans les deux cas, vous chargez un modèle 70B à vitesse conversationnelle, ce qu'aucun barreau en dessous ne peut faire. La maturité de ROCm est le compromis, comme au barreau 6.
Barreau 8. NVIDIA RTX 5090, 32 Go (environ 3 000 $ pour la carte)
La chose la plus rapide qu'une personne normale puisse mettre dans une tour normale. 32 Go de la mémoire grand public la plus rapide jamais fabriquée, et une vitesse brute qui laisse tout le reste derrière. C'est le barreau pour ceux qui veulent une inférence locale de pointe et un apprentissage occasionnel, et qui se soucient plus des tokens par seconde que des dollars par gigaoctet.
1VRAM : 32 Go GDDR72Prix neuf : ~3 000 $+ (carte seule)3Fait bien tourner : 32B à pleine vitesse, 70B quantifié, modèles d'image et vidéo
Le calcul est brutal, cependant. Elle coûte trois à quatre fois plus qu'une 3090 d'occasion pour 8 Go de mémoire supplémentaire, plus un PC hôte par-dessus. Achetez-la parce que vous avez besoin de la vitesse et de la marge supplémentaire, pas parce qu'elle est efficace. Elle ne l'est pas.
Barreau 9. Apple Mac Studio M3 Ultra, 96 Go (à partir de 3 999 $)
La grande station de travail silencieuse à mémoire unifiée. Le Mac Studio regroupe jusqu'à 96 Go entre CPU et GPU avec accélération Metal, fait tourner de gros modèles en quasi-silence, et le fait dans une boîte qui tient sur un bureau sans courbe de ventilateur de réacteur.
1Puce : M3 Ultra (jusqu'à 32 cœurs CPU / 80 cœurs GPU)2Mémoire unifiée : jusqu'à 96 Go3Prix : à partir de 3 999 $4Fait bien tourner : modèles classe 70B, contexte long, plusieurs services
À savoir honnêtement : Apple a retiré la configuration 512 Go début 2026 alors que la pénurie de DRAM sévissait, donc 96 Go est désormais le plafond là où ça montait bien plus haut. Néanmoins, pour une machine silencieuse qui tourne toute la journée, fait tourner de gros modèles et vous sert aussi d'ordinateur principal, peu de choses sont aussi agréables à vivre.
Barreau 10. NVIDIA DGX Spark, 128 Go (3 999 $ à 4 699 $)
Le desktop qui se prend pour un datacenter. Pour le fine-tuning de modèles ouverts, héberger des assistants 70B et plus, et exécuter des pipelines d'inférence qui nécessitent un vrai débit.
1Puce : GB10 Grace Blackwell2Débit IA : 1 PFLOP3Mémoire unifiée : 128 Go LPDDR5x4Stockage : 4 To Gen5 NVMe5Consommation : 150-240 W en charge6Meilleur pour : modèles 70B-200B, fine-tuning, inférence en production
128 Go de mémoire unifiée chargent des modèles qu'un GPU grand public ne peut même pas ouvrir, et deux unités liées atteignent le territoire des 400B. Honnêteté sur le prix : il a été lancé à 3 999 $ en octobre 2025 et a depuis été augmenté à environ 4 699 $ suite à la pénurie de mémoire (Tom's Hardware). À côté de la boîte Strix Halo au barreau 7, il coûte environ deux fois plus cher pour les mêmes 128 Go. Vous payez pour la maturité de CUDA et le débit, pas pour plus de mémoire.
Le calcul honnête
1Dépenses mensuelles typiques en IA :2ChatGPT Plus 20 $3Claude Pro 20 $4Cursor Pro 20 $5Coûts d'API 50-200 $6Total 110-260 $ / mois78IA locale mensuelle :9Matériel 0 $ (déjà acheté)10Électricité 2-15 $11API 0 $12Total 2-15 $ / mois
À 100 $/mois d'abonnements, un Jetson à 249 $ s'amortit en dix semaines, un Mac mini à 599 $ en six mois, une configuration 3090 d'occasion en moins d'un an, une boîte Strix Halo à 2 000 $ en environ dix-huit mois, et les barreaux à plus de 4 000 $ seulement si vous brûliez déjà des locations de GPU cloud à quatre chiffres par mois.
Maintenant, la partie que le battage médiatique saute toujours. La boîte est un coût irrécupérable, et elle ne « rentabilise » que si vous auriez réellement continué à payer l'abonnement. Acheter une machine à 2 000 $ pour économiser 20 $ par mois est une moins bonne affaire que l'abonnement, pas une meilleure. Le bon barreau est celui qui correspond à votre utilisation réelle, pas à la version fantasmée.
Quel est votre barreau
Usage quotidien léger et curiosité : commencez au barreau 1, puis achetez le Jetson. Un assistant silencieux toujours allumé pour un foyer ou une petite entreprise : le Mac mini. Le chemin le moins cher vers de vrais 24 Go et des modèles 32B : une 3090 d'occasion, ou la RX 7900 XTX si vous voulez du neuf avec garantie et que ROCm ne vous dérange pas. La meilleure expérience 70B sans argent de datacenter : la boîte Strix Halo. Vitesse grand public maximale : la RTX 5090. Une station de travail silencieuse à grande mémoire dans laquelle vous vivez aussi : le Mac Studio. Fine-tuning et pipelines de production : le DGX Spark.
La configuration qui prend un après-midi
Le processus est identique à chaque barreau.
1. Installez Ollama. Open source, transforme n'importe quel modèle en API locale qui parle le langage d'OpenAI.
1curl -fsSL https://ollama.com/install.sh | sh
2. Tirez un modèle adapté à la mémoire de votre boîte.
1# Jetson 8 Go ou Mac mini 16 Go :2ollama pull llama3.234# 3090 / 7900 XTX 24 Go :5ollama pull qwen2.5:32b67# Strix Halo / DGX Spark 128 Go :8ollama pull llama3.3:70b
3. Changez une ligne dans le code que vous avez déjà.
1# Avant, en payant par requête :2client = OpenAI(api_key="sk-...")34# Après, local et gratuit :5client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")
Votre code fonctionne pareil. Rien ne quitte la machine, rien ne coûte d'argent par requête.
4. (Optionnel) Ajoutez une interface navigateur avec Open WebUI, et vous avez un ChatGPT privé à localhost:3000.
1docker run -d -p 3000:8080 \2 --add-host=host.docker.internal:host-gateway \3 -v open-webui:/app/backend/data \4 ghcr.io/open-webui/open-webui:main
Quoi faire tourner dessus
Le matériel est la moitié de la décision. Le modèle est l'autre moitié. Une carte approximative pour 2026 :
Petit et rapide (tient dans 8-16 Go) : Llama 3.2 3B, Gemma 2, Phi-3, Mistral 7B. Excellent pour la rédaction, la classification et les questions-réponses sur vos propres notes. Le niveau cheval de bataille (tient dans 24 Go) : Qwen 2.5 32B et Llama quantifié, assez puissant pour une vraie aide au codage et au travail documentaire. Le niveau lourd (nécessite 64-128 Go) : Llama 3.3 70B et les grandes variantes Qwen et Mixtral, où le résultat local commence à ressembler à un modèle cloud pour les tâches quotidiennes.
La quantification est le levier silencieux en dessous de tout cela. Un modèle 70B en quantification 4 bits tient là où la version pleine précision ne tiendrait jamais, avec une perte de qualité petite et généralement acceptable. Q4 à Q6 est la plage raisonnable pour la plupart des gens. En dessous, la qualité chute plus vite que les économies de mémoire ne valent le coup.
Ce que vous construisez une fois que ça tourne
Pour un usage personnel, ça couvre le quotidien pour quelques dollars par mois. La partie intéressante, c'est l'automatisation d'entreprise, où vous branchez le modèle local dans n8n, l'outil open source qui le connecte à Telegram, email, calendrier, CRM et des centaines de services. Chacune de ces tâches s'exécute sans rien quitter votre bâtiment et sans coût par token :
1Réceptionniste IA :2messages client sur Telegram -> n8n reçoit -> modèle local lit l'intention3-> calendrier vérifie les disponibilités -> réservation confirmée45Analyse documentaire :6déposez 50 PDF -> modèle local les lit tous -> extrait les faits clés7-> rédige un rapport structuré89Briefing quotidien :10déclenchement à 7h -> le modèle lit vos notes et tâches -> résume ce qui compte11-> l'envoie sur votre téléphone1213Enrichissement de leads :14nouvelle ligne dans un tableur -> le modèle recherche l'entreprise -> rédige une accroche personnalisée15-> la met en file d'attente pour votre relecture1617Réutilisation de contenu :18un long enregistrement -> le modèle transcrit et découpe -> rédige les publications19-> sauvegarde des brouillons pour que vous les approuviez2021Tri de la boîte de réception :22nouvel email -> le modèle trie, étiquette et rédige une réponse -> vous appuyez sur envoyer ou modifiez
Pour un travail sensible à la vie privée, ça cesse d'être une décision de coût et devient la seule option. Les documents juridiques, les dossiers médicaux, les données financières, tout ce qui est sous NDA n'a rien à faire sur une API tierce. L'IA locale les traite sur votre machine et ils ne la quittent jamais.
Ce qui déraille vraiment
Les 20 % sont réels. Les modèles de pointe gagnent encore sur le raisonnement difficile, le codage de dernière génération et la recherche où la seule meilleure réponse compte. L'IA locale est le cheval de bataille fiable, privé et toujours allumé pour les 80 % restants, pas un remplacement de tout. Gardez un abonnement cloud pour les 20 % difficiles et faites tourner le reste à la maison, et vous avez les deux.
La mémoire est le plafond, pas les TOPS. Achetez pour la taille de modèle que vous voulez faire tourner, et souvenez-vous que les boîtes à mémoire unifiée vont plus loin qu'un PC avec des spécifications équivalentes mais une VRAM séparée.
Un GPU n'est pas un ordinateur. Les barreaux 3090, 7900 XTX et 5090 ont tous besoin d'une machine hôte autour d'eux. Le prix de la carte n'est pas le prix du système, donc ajoutez 400 à 600 $ avant de comparer avec un mini-PC fini.
Les prix montent. La pénurie de DRAM a déjà fait grimper le DGX Spark de 18 % et a poussé Apple à retirer son Mac Studio 512 Go. La bonne affaire d'aujourd'hui pourrait coûter plus cher le trimestre prochain.
AMD économise de l'argent mais coûte du temps. Strix Halo et la 7900 XTX vous donnent le plus de mémoire par dollar, mais ROCm reste en retard sur CUDA en termes d'outils clés en main. Bien pour Ollama aujourd'hui, plus de patience nécessaire pour un apprentissage intensif.
Chaleur, bruit et quantification sont les petits caractères. Les grosses configurations GPU sont bruyantes et chaudes. Une quantification agressive économise de la mémoire mais gâche la qualité si vous poussez trop loin. Aucun n'est rédhibitoire, mais personne ne les mentionne dans le discours de vente.
Deux choses à faire maintenant
Essayez d'abord gratuitement. Installez Ollama sur l'ordinateur que vous possédez déjà et faites tourner un modèle 7B ce week-end. N'importe quelle machine avec 8 Go le fait. Validez le workflow avant de dépenser un centime en matériel.
Ensuite, achetez un barreau au-dessus de vos besoins réels, pas cinq. Les personnes qui ont discrètement mis en place l'IA locale en 2025 vont sembler bien en avance sur la courbe d'ici 2027, alors que les prix du cloud continuent de grimper et que le matériel local s'améliore sans cesse. La plupart des gens continueront à payer 200 $ par mois par habitude. Quelques-uns passeront un après-midi cette semaine et n'enverront plus jamais un seul octet vers le serveur de quelqu'un d'autre.
Je décortique régulièrement les outils d'IA et l'argent qu'on peut gagner avec. Suivez-moi pour le prochain, et rejoignez mon Telegram : https://t.me/+lzSPoQ0svRU1ZWZi
