Faire tourner une intelligence artificielle directement sur son ordinateur, sans abonnement et sans envoyer ses données sur Internet : c'est devenu accessible. Assistants conversationnels (les fameux LLM), génération d'images, transcription audio, aide au code : de nombreux modèles ouverts fonctionnent sur un PC personnel, à condition d'avoir le bon matériel. Voici ce qui compte vraiment et la configuration à viser selon vos ambitions.
Pourquoi faire tourner l'IA en local ?
- La confidentialité : vos documents, vos images et vos conversations restent sur votre machine.
- Pas d'abonnement : une fois le PC acheté, les modèles ouverts sont utilisables sans frais par requête.
- La liberté : vous choisissez les modèles, vous les personnalisez, vous travaillez même hors connexion.
- L'apprentissage : pour les étudiants, développeurs et curieux, c'est la meilleure façon de comprendre comment ces outils fonctionnent.
Des logiciels comme Ollama ou LM Studio pour les assistants textuels, ou ComfyUI pour la génération d'images, rendent la prise en main assez simple.
Le composant clé : la mémoire vidéo
Pour l'IA en local, la carte graphique est le cœur de la machine, et ce qui compte avant tout, c'est sa mémoire vidéo (VRAM). Le modèle d'IA doit y tenir pour fonctionner rapidement. S'il déborde sur la mémoire vive du PC, il fonctionne encore, mais beaucoup plus lentement.
Combien de mémoire vidéo pour quel modèle ?
La taille d'un modèle s'exprime en milliards de paramètres. Grâce à la quantification, une technique qui compresse le modèle avec une perte de qualité limitée, on peut faire tenir des modèles assez gros dans une carte grand public. En ordre de grandeur, un modèle quantifié sur 4 bits occupe un peu plus d'un demi-gigaoctet par milliard de paramètres, auquel il faut ajouter de la mémoire pour le contexte de la conversation.
| Mémoire vidéo | Ce qui est réaliste |
|---|---|
| 8 Go | Petits modèles de langage quantifiés, génération d'images de base |
| 16 Go | Modèles de langage de taille moyenne quantifiés, génération d'images confortable |
| 32 Go | Modèles plus gros, contextes longs, génération d'images avancée et premiers essais en vidéo |
Nvidia ou AMD pour l'IA ?
Aujourd'hui, la grande majorité des outils d'IA sont d'abord développés et optimisés pour CUDA, la plateforme de Nvidia. La prise en charge des cartes AMD progresse, mais elle reste moins universelle et demande parfois plus de réglages. Pour un usage IA sans prise de tête, une carte Nvidia reste le choix le plus sûr.
Les autres composants
La mémoire vive
Elle sert quand le modèle déborde de la carte graphique, et pour tout le reste du système. 32 Go sont le bon point de départ, c'est ce que proposent nos configurations de référence. Si vous comptez faire tourner des modèles qui dépassent la mémoire vidéo de votre carte, précisez-le dans votre demande de devis.
Le stockage
Les modèles pèsent de quelques gigaoctets à plusieurs dizaines de gigaoctets chacun, et on finit vite par en collectionner plusieurs. Un SSD NVMe rapide accélère aussi leur chargement. Avec 1 To inclus, l'option SSD 2 To (+140 €) est vivement recommandée pour un usage IA.
Le processeur
Il joue un rôle secondaire tant que le modèle tient dans la carte graphique. Un processeur récent de milieu de gamme suffit dans la plupart des cas.
L'alimentation et le refroidissement
Une carte graphique qui génère des images ou répond à des requêtes en continu travaille à pleine charge pendant de longues minutes. L'alimentation et le refroidissement doivent suivre : c'est l'objet de notre guide Alimentation PC : comment bien la choisir.
Quelle gamme pour l'IA locale ?
Voici les cartes graphiques de notre catalogue à la date de publication, classées par gamme, avec leur mémoire vidéo :
| Gamme | À partir de | Cartes graphiques Nvidia | Mémoire vidéo |
|---|---|---|---|
| Bas | 2 000 € | GeForce RTX 5060 | 8 Go |
| Milieu | 2 400 € | GeForce RTX 5060 Ti 16 Go | 16 Go |
| Haut | 3 400 € | GeForce RTX 5070 Ti · GeForce RTX 5080 | 16 Go |
| Ultra | 11 600 € | GeForce RTX 5090 | 32 Go |
Découvrir l'IA en local : gamme bas
Avec 8 Go de mémoire vidéo, vous pouvez tester les petits modèles de langage et la génération d'images de base. C'est suffisant pour découvrir, mais vous atteindrez vite les limites.
L'usage sérieux le plus accessible : gamme milieu
La GeForce RTX 5060 Ti 16 Go de la configuration de référence est le meilleur point d'entrée : 16 Go de mémoire vidéo, compatibilité CUDA et consommation raisonnable. C'est le choix que nous conseillons pour la plupart des usages IA personnels.
Plus de vitesse : gamme haut
La mémoire vidéo reste de 16 Go, mais la puissance de calcul augmente nettement : réponses plus rapides, images générées plus vite. Attention, la configuration de référence actuelle de cette gamme utilise une Radeon RX 9070 XT. Pour l'IA, demandez une GeForce RTX 5070 Ti ou RTX 5080, également proposées dans cette gamme.
Sans compromis : gamme ultra
Avec ses 32 Go de mémoire vidéo, la GeForce RTX 5090 ouvre la porte aux modèles plus gros, aux contextes longs et à la génération d'images avancée. C'est un investissement important, qui se justifie surtout pour un usage professionnel ou intensif.
En résumé
| Votre objectif | Notre conseil |
|---|---|
| Découvrir l'IA locale | Gamme bas, 8 Go de mémoire vidéo |
| Usage régulier, meilleur rapport qualité-prix | Gamme milieu, RTX 5060 Ti 16 Go, SSD 2 To |
| Plus de rapidité | Gamme haut avec RTX 5070 Ti ou RTX 5080 |
| Gros modèles, usage pro | Gamme ultra, RTX 5090 32 Go |
Passez à l'étape suivante
Rendez-vous sur le configurateur Caen PC, choisissez votre gamme et l'option de stockage, puis indiquez dans votre demande de devis que le PC est destiné à l'IA en local et quels outils vous comptez utiliser : nous en tiendrons compte dans le choix de la carte graphique.