Quel matériel acheter pour faire tourner l’IA à la maison à la fin de 2026?

Les conseils d’achat pour l’IA locale vieillissent vite cette année, parce que le prix de la mémoire ne cesse de bouger. Le DGX Spark de 128 Go de NVIDIA lancé à 3 999 $ US est maintenant affiché à 6 950 $ US. L’ordinateur de bureau de 128 Go de Framework, à 1 999 $ US à son lancement en février 2025, atteignait 3 449 $ US en juillet. Chaque prix ci-dessous porte donc la date de sa lecture, et il vaut mieux le vérifier de nouveau avant de payer.

Le survol du matériel de 2024 explique pourquoi la mémoire compte, et le guide d’installation d’octobre 2026 couvre les logiciels. Cet article répond à la question suivante : quoi acheter, et à quel budget.

Trois chiffres décident de l’achat

La mémoire que le processeur atteint rapidement. Sur un PC doté d’une carte graphique, c’est la mémoire vidéo (VRAM) de la carte. Sur un Mac d’Apple ou une machine AMD Ryzen AI Max, c’est une réserve partagée appelée mémoire unifiée. Ce chiffre fixe le plus gros modèle que vous pouvez charger.

La bande passante de la mémoire. Mesurée en gigaoctets par seconde, elle fixe la vitesse à laquelle les mots apparaissent une fois le modèle chargé. Un Mac mini M6 commence à 153 Go/s, un DGX Spark offre 273 Go/s et une puce M5 Ultra, 1,2 To/s.

La prise en charge logicielle. Les outils arrivent habituellement d’abord pour CUDA, la plateforme de NVIDIA. C’est peu important pour clavarder et très important pour entraîner, comme l’explique la comparaison Mac et PC.

Paliers de budget, prix relevés le 2 novembre 2026

Les prix excluent les taxes. Ceux d’Apple et de Framework viennent de leurs pages de boutique, telles qu’affichées à une personne au Canada. Ceux des cartes graphiques sont les annonces neuves les moins chères aux États-Unis dans l’indice de Tom’s Hardware du 26 octobre, tel que lu par PC Server and Parts, un vendeur de cartes d’occasion qui déclare son intérêt. Ils couvrent la carte seule, pas l’ordinateur autour.

« G » signifie milliards de paramètres, les nombres qu’un modèle apprend à l’entraînement. Les tailles mesurées sont celles de Framework, tirées de ses essais de référence de septembre 2026.

Deux choses ressortent. Les cartes graphiques de 16 Go coûtent presque autant qu’un petit ordinateur : la RTX 5060 Ti 16 Go a été lancée à 429 $ US. Et les sources ne s’entendent pas : le même indice affiche la RTX 5080 à 1 699 $ US, alors qu’un sondage de Hardware Unboxed a trouvé 2 200 $ US le même mois. Voyez chaque chiffre comme un instantané.

Un exemple concret : un assistant de programmation privé

Supposons que vous vouliez un modèle local pour travailler sur du code que vous ne pouvez envoyer nulle part. Le guide des modèles de programmation ouverts mène à Qwen3.8-27B, un téléchargement de 18 Go. Ollama recommande au moins 64 000 jetons de contexte pour les outils de programmation, et ce contexte demande de la mémoire à côté du modèle.

• 16 Go : le modèle ne se charge pas. Oubliez ce palier pour cet objectif.
• 24 Go : il se charge avec peu de marge, donc les contextes restent modestes.
• 32 Go partagés : il entre avec de la place pour le contexte, puisque le système et le modèle se partagent la réserve. Attendez-vous à une vitesse modeste.
• 64 Go : il entre avec beaucoup de contexte, et vous pouvez essayer de plus gros modèles.

La dépense sensée pour cette personne commence donc au palier de 1 789 $, pas à une machine de 7 799 $. L’argent de plus achète de la vitesse et de plus gros modèles, ce qui n’aide que si vous vous en servez vraiment.

Les erreurs fréquentes

• Acheter la puce plutôt que la mémoire. Un processeur plus rapide avec trop peu de mémoire ne peut tout simplement pas charger le modèle.
• Se fier à un plafond de paramètres publicitaire. Ces chiffres supposent une forte compression et peu de contexte. Le calcul de la mémoire montre comment vérifier.
• Oublier que la mémoire partagée est soudée. Les Mac et les machines Ryzen AI Max ne s’améliorent pas plus tard : choisissez la mémoire dont vous aurez besoin.
• Ignorer le coût d’utilisation et le bruit. Une grosse carte graphique consomme bien plus qu’un petit boîtier. Le guide sur l’électricité et le bruit donne les chiffres.

Faut-il acheter maintenant ou louer en attendant que les prix se calment?

Personne ne peut vous dire quand les prix baisseront. Micron, l’un des plus grands fabricants de mémoire, dit ne pas voir quand l’offre et la demande s’équilibreront et s’attend à ce que la crise s’aggrave en 2027 et en 2028. C’est la prévision d’une entreprise, pas une certitude : attendre sera peut-être payant, peut-être pas.

Le test le plus utile, c’est la raison pour laquelle vous voulez l’IA locale. Si c’est pour économiser, les chiffres fonctionnent rarement : gpt-oss-20b hébergé était affiché sur OpenRouter à partir d’environ 0,066 $ US par million de jetons de sortie, soit près de ce que coûte l’électricité seule pour le faire tourner à la maison. Si c’est pour la confidentialité, le travail hors ligne ou pour apprendre comment ces systèmes se comportent, la machine vous donne quelque chose qu’un service hébergé ne peut pas vendre.

Une voie prudente consiste à commencer avec l’ordinateur que vous avez déjà et un petit modèle. Ensuite, testez le modèle voulu par une API hébergée ou une carte graphique louée pendant quelques semaines. N’achetez qu’une fois que vous savez quel modèle vous ferez vraiment tourner et combien de contexte il vous faut. L’achat est alors dimensionné par vos propres mesures, pas par une fiche technique.