Lokale AI-pc: configuraties voor 2026

Pourquoi faire tourner l'IA en local ?

En 2026, il n'est plus nécessaire de passer par un service cloud pour utiliser un modèle de langage performant. Les modèles open source (Llama, Mistral, Qwen, gpt-oss, DeepSeek…) tournent directement sur une machine installée dans vos locaux, sans qu'aucune donnée ne parte vers un serveur extérieur.

Pour les professions soumises au secret professionnel ou à des données sensibles (avocats, notaires, experts-comptables, médecins, RH, bureaux d'études), c'est ce qui rend l'IA utilisable au quotidien : vos dossiers restent chez vous.

• Confidentialité : les documents et les requêtes restent sur votre réseau local.
• Pas d'abonnement par utilisateur : une fois la machine en place, le coût par requête est quasi nul.
• Fonctionnement hors ligne : l'IA reste disponible même sans connexion internet.
• Maîtrise complète : choix des modèles, RAG sur vos documents, agents, fine-tuning.

Les critères clés d'une configuration PC pour l'IA

1. La mémoire disponible pour le modèle

La VRAM (la mémoire de la carte graphique) détermine la taille des modèles que vous pouvez charger. Un modèle doit tenir entièrement en VRAM pour tourner à pleine vitesse : s'il déborde sur la mémoire système, la génération devient beaucoup plus lente.

Une règle simple pour estimer le besoin : en quantification 4 bits (une compression des poids du modèle qui préserve l'essentiel de sa qualité), comptez environ 0,6 Go par milliard de paramètres, plus quelques Go pour le contexte. En 8 bits, doublez. En pleine précision (FP16), comptez environ 2 Go par milliard de paramètres.

Valeurs indicatives pour une quantification 4 bits courante (type Q4_K_M) et un contexte modéré. Un contexte long ou plusieurs utilisateurs simultanés ajoutent plusieurs Go.

Les modèles MoE (Mixture of Experts) comme Llama 4 ou Qwen3 235B occupent beaucoup de mémoire, mais n'activent qu'une partie de leurs paramètres à chaque mot généré. Ils sont donc plus rapides qu'un modèle classique de même taille.

2. La bande passante mémoire

Une fois le modèle chargé, la vitesse de génération dépend surtout de la vitesse à laquelle la mémoire est lue. Une RTX 5090 ou une RTX PRO 6000 dépasse 1,7 To/s, alors que la mémoire unifiée du GB10 tourne autour de 273 Go/s. Conséquence : sur un modèle qui tient dans une carte graphique, une station à GPU dédié répond plus vite. Le GB10 prend l'avantage dès que le modèle dépasse la VRAM d'une seule carte.

3. Mémoire système, processeur et stockage

La mémoire système compte pour les pipelines RAG, le traitement de gros documents et le travail à plusieurs. 32 Go est un minimum sérieux, 64 Go et plus devient utile dès que plusieurs tâches tournent en parallèle. Le processeur compte moins que le GPU, sauf en multi-GPU : il faut alors une plateforme avec suffisamment de lignes PCIe, comme le Threadripper PRO. Enfin, prévoyez un SSD NVMe d'au moins 1 To : les modèles pèsent vite plusieurs dizaines de Go chacun.

Comparatif de machines IA Radiance Systems

Prix TTC de la configuration de base, mis à jour automatiquement depuis notre boutique. Toutes les machines restent configurables. Le détail de chaque modèle, avec les usages auxquels il correspond, se trouve sur la page de notre gamme de serveurs IA locaux et de stations.

CoreIA Radeon AI PRO R9700 : la station IA d'entrée de gamme professionnelle

La CoreIA Radeon AI PRO R9700 est la bonne porte d'entrée pour utiliser l'IA locale sérieusement au quotidien, sur un poste de travail qui sert aussi à tout le reste.

• GPU : AMD Radeon AI PRO R9700, 32 Go de VRAM
• Processeur : AMD Ryzen 9 9900X, 12 cœurs / 24 threads
• Mémoire : 32 Go DDR5, évolutive jusqu'à 256 Go
• Stockage : SSD NVMe 1 To
• Système : Windows 11 Professionnel

Avec 32 Go de VRAM, elle fait tourner confortablement les modèles de texte jusqu'à 30B en 8 bits (Qwen3 14B, Phi-4), les 8B avec un long contexte, via Ollama, LM Studio ou llama.cpp. Carte AMD, elle n'a pas CUDA (ROCm ou Vulkan) : la génération d'images avec FLUX ou Stable Diffusion y fonctionne moins bien, mieux vaut alors une CoreIA RTX 5090. C'est la machine typique d'un avocat, d'un expert-comptable ou d'un indépendant qui veut un assistant sur ses propres documents.

CoreIA RTX 5090 : la station IA haut de gamme

La CoreIA RTX 5090 s'appuie sur la RTX 5090 et ses 32 Go de VRAM, la carte grand public la plus rapide pour l'IA locale. Elle fait tourner les modèles jusqu'à 32B à pleine vitesse, avec de la marge pour le contexte.

• GPU : NVIDIA GeForce RTX 5090, 32 Go de VRAM
• Processeur : AMD Ryzen 9 9900X, 12 cœurs / 24 threads
• Mémoire : 64 Go DDR5, évolutive jusqu'à 256 Go
• Stockage : SSD NVMe 2 To Gen 5, extensible
• Système : Windows 11 Professionnel

C'est la référence pour le développement IA, les pipelines RAG exigeants, le fine-tuning léger (LoRA, QLoRA) et la création (images, vidéo, 3D). Le GPU reste configurable : vous pouvez partir sur une RTX PRO 6000 Blackwell 96 Go si vos modèles l'exigent, ou ajouter une deuxième carte.

CoreIA Threadripper PRO 4 GPU et jusqu'à 4 RTX PRO 6000

La CoreIA Threadripper PRO 4 GPU est notre plateforme multi-GPU. Le Threadripper PRO apporte les lignes PCIe et la mémoire nécessaires pour alimenter jusqu'à 4 RTX PRO 6000 Blackwell de 96 Go, soit jusqu'à 384 Go de VRAM avec 4 cartes.

• Une carte (96 Go) : Llama 3.3 70B en 8 bits, gpt-oss-120b, Llama 4 Scout.
• Deux cartes (192 Go) : Qwen3 235B, ou plusieurs modèles servis en parallèle à une équipe.
• Trois cartes (288 Go) : Llama 4 Maverick (400B), fine-tuning de modèles moyens.
• Quatre cartes (384 Go) : les modèles les plus volumineux, ou plusieurs grands modèles servis en parallèle à une équipe.

Vous pouvez démarrer avec une seule carte et en ajouter plus tard : la machine est prévue pour évoluer. C'est le choix adapté à une PME qui veut un assistant IA partagé par plusieurs dizaines de personnes, ou à une équipe R&D. Pour le dimensionnement selon votre effectif, consultez notre guide sur le serveur IA local en France.

Serveurs IA en rack

Si vous disposez d'une baie informatique, nos serveurs en rack s'intègrent à votre salle serveur et servent l'IA à tout le réseau.

• CoreIA 2x RTX PRO 6000 : 192 Go de VRAM pour servir de gros modèles ou plusieurs modèles à la fois, faire du fine-tuning ou héberger un RAG d'entreprise.
• CoreIA 2x RTX 5090 : 64 Go de VRAM et une génération très rapide, pour des modèles jusqu'à 70B en 4 bits.

Avec deux cartes, le modèle est réparti entre les GPU par les logiciels d'inférence (vLLM, llama.cpp), ce qui additionne leur mémoire.

Mini-serveur ASUS Ascent GX10 (NVIDIA GB10)

L'ASUS Ascent GX10 est la version ASUS du DGX Spark de NVIDIA, basée sur la puce GB10 Grace Blackwell. Ce n'est pas un PC de bureau : c'est un mini-serveur IA de 150 × 150 × 51 mm, pensé pour l'inférence, le RAG, les agents et le développement.

• 128 Go de mémoire unifiée LPDDR5X, partagée entre le processeur et le GPU
• Jusqu'à 1 petaFLOP de puissance IA en précision FP4
• Processeur Grace ARM à 20 cœurs
• DGX OS (basé sur Ubuntu) avec CUDA, PyTorch et les outils NVIDIA préinstallés
• Réseau ConnectX-7 : deux GX10 peuvent être reliés pour faire tourner des modèles d'environ 235B

Ses 128 Go permettent de charger des modèles qu'aucune carte grand public ne peut contenir, comme gpt-oss-120b ou Llama 4 Scout. En contrepartie, sa bande passante mémoire est plus faible que celle d'une RTX 5090 : sur un modèle qui tient dans 32 Go, une CoreIA RTX 5090 génère plus vite.

Quelle configuration choisir selon votre usage ?

Trois questions suffisent : quelle taille de modèle visez-vous, combien de personnes l'utiliseront, et avez-vous besoin de Windows sur la même machine ?

Vous hésitez entre un Mac et un PC ? Nous avons comparé les deux dans notre comparatif Mac Studio vs PC RTX pour l'IA locale. Et pour un focus sur les modèles de langage, voyez notre guide quel PC pour un LLM local.

Mise en service et accompagnement

Une machine IA n'est utile que si elle est bien installée. C'est ce qui nous distingue d'un simple revendeur de matériel :

• Pack clé en main IA : modèles installés, interface de chat prête à l'emploi et tests réalisés avant la livraison.
• Installation sur site en France et en Europe : mise en réseau, configuration des accès et prise en main.
• Développement sur mesure : automatisations n8n et applications Python branchées sur vos documents et vos outils.
• SAV spécialisé IA : le même interlocuteur pour le matériel et la partie logicielle.

Questions fréquentes