Intermédiaire 11 minRTX 50
Quel LLM sur RTX 5080 (16 Go) ?
La RTX 5080 (janvier 2025) est la carte la plus équilibrée de la gamme Blackwell pour l'IA locale. 16 Go de VRAM GDDR7, 960 Go/s de bande passante, 10 752 cœurs CUDA : elle fait tourner Qwen 3.5 9B à 78 tokens/seconde, gpt-oss 20B à 130 tok/s, et tient Qwen 3.6 35B-A3B en Q3 (16 Go) avec un léger offload. Ce guide détaille quels modèles installer, les ordres de grandeur de vitesse, et les optimisations spécifiques Blackwell.
#La RTX 5080 en 2026
- Architecture
- Blackwell GB203. Gravure TSMC 4NP.
- VRAM
- 16 Go GDDR7 à 30 Gbps, bus 256 bits. Bande passante 960 Go/s (+33 % vs 4080 Super).
- Cœurs CUDA
- 10 752. Tensor Cores 5ᵉ gen. Support FP4 natif.
- TDP
- 360 W. Alim 750 W recommandée.
- Prix MSRP
- 1199 € au lancement. Autour de 1300 € en 2026.
→
Position dans la gamme
Entre la 5070 Ti (même 16 Go, ~15 % moins chère) et la 5090 (32 Go, 2× plus chère). Pour l'IA locale, son atout principal est la bande passante GDDR7 qui fait 10-15 % de mieux que la 4080 Super à VRAM égale.
#1. Modèles recommandés
Modèles compatibles RTX 5080 — 16 Go VRAM
| Modèle | Quant | VRAM | Tokens/sec | Usage |
|---|---|---|---|---|
| Granite 4.2 8B | Q4_K_M | 4,6 Go | 68-83 | Chat instant, draft model |
| Gemma 4 12B | Q4_K_M | 7 Go | 41-50 | Chat quotidien |
| Qwen 3.5 9B | Q4_K_M | 6 Go | 68-83 | Chat + RAG |
| gpt-oss 20B | Q4_K_M | 13 Go | 117-143 | Assistant code complet |
| Qwen 3.5 9B | Q8_0 | 11 Go | 45-55 | Raisonnement, qualité max |
| Devstral Small 2 24B | Q4_K_M | 14 Go | 36-44 | Chat qualité |
| Mistral Small 24B | Q4_K_M | 14 Go | 32-40 | Polyvalent haut de gamme |
| Qwen 3.6 35B-A3B | Q3_K_M | 16 Go | 40-52 | MoE rapide, offload léger, RAG avancé |
#2. Installation
- 01Drivers NVIDIA 570+Obligatoires pour que Windows/Linux reconnaissent la Blackwell. GeForce Experience ou téléchargement direct.
- 02Ollama (méthode simple)Téléchargez depuis ollama.com. L'installateur embarque CUDA 12.8. Aucune configuration GPU nécessaire.
- 03Vérifiez le GPULancez ollama run qwen3.5:9b puis dans une autre console ollama ps — vérifiez que PROCESSOR = 100% GPU.
- 04Optionnel : LM StudioUI graphique, détection CUDA 12 automatique depuis la 0.3.5. Recommandé pour explorer les modèles Hugging Face.
#3. Benchmarks tokens/sec
RTX 5080 — tokens/sec, ordres de grandeur, batch 1, contexte 2k
| Modèle | Q4_K_M | Q5_K_M | Q6_K | Q8_0 |
|---|---|---|---|---|
| Qwen 3.5 9B | 78 t/s | 70 t/s | 64 t/s | 52 t/s |
| Granite 4.2 8B | 80 t/s | 72 t/s | 66 t/s | 54 t/s |
| Gemma 4 12B | 46 t/s | 41 t/s | 38 t/s | 32 t/s |
| Devstral 24B | 40 t/s | 34 t/s | — | — |
| Mistral Small 24B | 38 t/s | 32 t/s | — | — |
#4. Optimisations
- Flash Attention 3
- Actif par défaut dans Ollama récent et llama.cpp master. Gain ~12 % sur contextes > 4k.
- KV cache Q8
- Permet un contexte 32k sur Qwen 3.5 9B en ne consommant que ~7 Go au lieu de 10.
- Power limit
- nvidia-smi -pl 300 réduit à 300 W sans perte de performance LLM notable (-3 % mesuré). Utile en été ou dans un boîtier compact.
- NVFP4
- Support hardware présent mais non exploité par Ollama/llama.cpp en 2026. À utiliser via vLLM 0.7+ ou TensorRT-LLM 0.18+ pour du serving batch.
#5. RTX 5080 vs 4080 Super vs 5070 Ti
Triangle 16 Go — le choix en 2026
| Carte | VRAM | Bande p. | Qwen 3.5 9B | Prix 2026 |
|---|---|---|---|---|
| RTX 5080 | 16 Go | 960 Go/s | 78 t/s | ~1300 € |
| RTX 4080 Super | 16 Go | 736 Go/s | 67 t/s | ~1100 € occasion |
| RTX 5070 Ti | 16 Go | 896 Go/s | 72 t/s | ~950 € |
| RTX 4070 Ti Super | 16 Go | 672 Go/s | 60 t/s | ~750 € occasion |
→
Le meilleur rapport perf/€ en 16 Go
La 5070 Ti — 72 tok/s sur Qwen 3.5 9B pour ~350 € de moins que la 5080. La 5080 justifie l'écart uniquement si vous avez besoin de sa puissance RT/rasterisation pour autre chose (jeu 4K, rendu 3D).
#Verdict achat 2026
- Achetez une 5080 si
- Vous voulez LE meilleur 16 Go du marché, tout neuf, avec garantie 3 ans. Budget ~1300 €, besoin de GDDR7, usage mixte LLM + gaming haut de gamme.
- Évitez si
- Budget serré — la 5070 Ti vous donne 90 % de la perf à 73 % du prix. Usage pur LLM + 24 Go nécessaires — visez une 4090 d'occasion à ~1800 €.
- Upgrade depuis 4080 Super ?
- Non. +15 % de vitesse LLM ne vaut pas 1000 €. Gardez la 4080 Super, attendez une génération de plus.
#Questions fréquentes
La RTX 5080 peut-elle faire tourner un modèle dense 70B ?+
Non en qualité raisonnable. Un 70B dense pèse ~42 Go en Q4_K_M, la carte a 16 Go — l'offload VRAM+RAM tombe à 4-6 tok/s, inutilisable. Restez sur Mistral Small 24B Q4 (14 Go, 38 tok/s) ou, pour plus de capacité, Qwen 3.6 35B-A3B Q3 (16 Go, ~45 tok/s) : son architecture MoE (3B actifs) reste rapide même avec un léger offload.
16 Go suffisent pour l'IA locale en 2026 ?+
Oui pour 95 % des usages : tout modèle 7B-14B confortable, 24B jouable en Q4, 32B faisable en Q3. Seule limite : les 70B. Pour un usage pro RAG + chat équipe, 16 Go est l'entrée de gamme raisonnable.
RTX 5080 vs MacBook Pro M4 Max pour LLM ?+
Sur pure vitesse d'un petit modèle (Qwen 3.5 9B) : 5080 écrase (78 t/s vs ~40 t/s). Sur modèle 70B : MBP M4 Max 64/128 Go gagne (RAM unifiée). En mobilité : MBP. En setup desktop sédentaire : 5080 dans un PC à ~2500 € bat un MBP M4 Max à 4500 €.
Combien de watts consomme la 5080 en usage LLM ?+
En inférence Qwen 3.5 9B continue : 180-220 W (le GPU n'est pas à fond). En chargement de modèle : pic à 320 W quelques secondes. TDP 360 W atteint uniquement en jeu AAA ou benchmark. Pour un chat LLM, l'impact facture est modéré.
Quelle alim pour RTX 5080 ?+
850 W ATX 3.0 ou 3.1 de qualité. La 5080 demande 360 W en pointe, plus 150-200 W CPU, plus périphériques. Une 750 W top-tier (Seasonic, Corsair RMx) peut tenir mais la marge est mince.
La RTX 5080 chauffe-t-elle beaucoup ?+
Les FE (Founders Edition) tournent à 72-78 °C sous charge soutenue, ce qui est raisonnable. Les modèles custom (ASUS TUF, MSI Gaming Trio) tombent à 65-70 °C. Pas de throttling observé en inférence LLM (moins gourmande qu'un jeu).
Flash Attention 3 est-il supporté sur 5080 ?+
Oui, pleinement. FA3 a été optimisé pour Blackwell. Dans llama.cpp récent, c'est actif par défaut et offre +10-15 % sur les contextes longs (>4k tokens) + réduction notable de l'usage KV cache.
Ce guide vous a aidé ?
Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.