Débutant 9 minNVIDIA

NVIDIA RTX Spark : le GB10 grand public arrive dans les PC portables

Au Computex 2026, NVIDIA a confirmé que la puce du DGX Spark — le GB10, avec ses 128 Go de mémoire unifiée — descend dans le grand public sous le nom de RTX Spark, embarquée dans des PC portables et desktops Dell, Asus, MSI, HP et Lenovo attendus à l'automne. C'est la première fois qu'une architecture pensée pour l'inférence de gros modèles vise directement le marché des laptops. Ce guide fait le tri entre ce qui est officiellement confirmé et ce qui reste une estimation — à commencer par le prix de 1 799 dollars, qui n'a rien d'officiel.

Par Mohamed Meguedmi·Màj 2026-08-19·Testé sur Windows, macOS, Linux

#Ce qui est réellement annoncé sur la RTX Spark

La NVIDIA RTX Spark n'est pas une nouvelle carte graphique qu'on visse dans une tour. C'est un SoC — une puce unique qui réunit processeur, GPU et mémoire — dérivé directement du GB10 qui équipe déjà le DGX Spark, le petit poste de développement IA de NVIDIA. L'annonce du Computex 2026 tient en une phrase : cette même puce arrive dans des machines grand public, portables et compactes, à l'automne 2026.

Le point qui change tout pour l'IA locale, c'est la mémoire : 128 Go unifiés, partagés entre le CPU et le GPU. Là où une carte graphique classique cloisonne sa VRAM (24 Go sur une RTX 4090, par exemple), la RTX Spark met 128 Go à disposition du modèle. C'est ce qui lui permet de charger des modèles qui ne tiendraient jamais sur un GPU grand public.

i
GB10, DGX Spark, RTX Spark : qui est qui
Le GB10 est la puce (Grace Blackwell, un CPU ARM Grace couplé à un GPU Blackwell). Le DGX Spark est le mini-PC de développement de NVIDIA qui l'embarque déjà. La RTX Spark est le nom de la déclinaison grand public de ce même GB10, destinée aux laptops et desktops de marques tierces.

Ce qu'il faut retenir dès maintenant : les specs de la puce sont connues car ce sont celles du GB10 déjà commercialisé. Ce qui reste flou, ce sont les modèles exacts de machines, leurs configurations, et surtout leur prix. NVIDIA a donné le cap ; les constructeurs n'ont pas encore ouvert les précommandes.

#La puce GB10 en clair

Le GB10 est une architecture Grace Blackwell : un CPU ARM « Grace » et un GPU « Blackwell » sur le même package, reliés à un pool de mémoire commun. Cette conception « mémoire unifiée » est la même philosophie que les puces Apple Silicon (M4 Pro/Max) — et c'est précisément ce qui la rend intéressante pour faire tourner de gros LLM sans carte graphique dédiée à 2 000 euros.

Mémoire unifiée
128 Go partagés CPU/GPU. C'est le chiffre central : il définit la taille maximale des modèles que la machine peut charger.
Architecture
Grace Blackwell (GB10) — CPU ARM Grace + GPU Blackwell sur un même SoC, avec support CUDA côté GPU.
Cible
Inférence de LLM et charges IA locales, pas le jeu vidéo haut de gamme. Ce n'est pas une remplaçante de RTX 5090 pour le rendu 3D.
Format
Intégrée d'usine dans des laptops et desktops compacts. On ne l'achète pas séparément pour l'ajouter à un PC existant.
Écosystème
Pilotes et outils NVIDIA côté GPU (CUDA), ce qui la rend compatible avec la plupart des moteurs d'inférence habituels.
!
Mémoire unifiée n'égale pas VRAM dédiée
128 Go de mémoire unifiée ne se comportent pas comme 128 Go de VRAM GDDR7. La bande passante mémoire d'un SoC unifié est généralement inférieure à celle d'une carte graphique haut de gamme, ce qui pèse sur la vitesse de génération (tokens/seconde). La RTX Spark permet de charger de très gros modèles ; elle ne les fait pas forcément tourner aussi vite qu'un cluster de GPU.

#Constructeurs et calendrier de l'automne 2026

NVIDIA ne vendra pas la RTX Spark en direct sous cette forme grand public : ce sont les fabricants de PC qui l'intègrent dans leurs machines, comme ils le font pour les GPU RTX mobiles. Les partenaires cités au Computex 2026 sont Dell, Asus, MSI, HP et Lenovo — les cinq grands noms du PC portable.

Dell
Annoncé partenaire. Modèles et gammes précises non communiqués à ce stade.
Asus
Annoncé partenaire. Positionnement laptop et/ou desktop compact attendu.
MSI
Annoncé partenaire. Historiquement actif sur les machines créateurs et IA.
HP
Annoncé partenaire. Probable déclinaison stations de travail mobiles.
Lenovo
Annoncé partenaire. Gammes pro et workstation candidates naturelles.
i
« Automne 2026 » reste une fenêtre, pas une date
Le calendrier communiqué parle d'une disponibilité à l'automne 2026. Tant qu'aucun constructeur n'a annoncé de date de précommande ferme ni de fiche produit détaillée, considérez cette fenêtre comme indicative. Les lancements matériels glissent souvent d'un trimestre.

Concrètement, chaque marque déclinera probablement la RTX Spark en plusieurs configurations (autonomie, refroidissement, écran, stockage), mais la puce et ses 128 Go de mémoire unifiée resteront le socle commun. C'est cette base que vise ce guide, pas telle ou telle référence commerciale encore inexistante.

#Prix : bien distinguer estimation et officiel

C'est le point sur lequel il faut être le plus clair, car il circule beaucoup. Le chiffre de 1 799 dollars associé à la RTX Spark est une estimation d'analystes, pas un prix annoncé par NVIDIA ni par aucun constructeur. Aucun tarif officiel n'existe à la date de ce guide.

!
1 799 $ = estimation d'analystes, PAS un prix officiel
Ne prenez aucune décision d'achat sur la base de ce chiffre. Il donne un ordre de grandeur possible pour le ticket d'entrée, mais le prix réel dépendra du constructeur, de la configuration (RAM système hors puce, stockage, écran) et du marché européen, où s'ajoutent TVA et marges. Le prix français final pourrait être sensiblement différent, à la hausse comme à la baisse.
Ce qui est officiel
L'existence de la RTX Spark, la puce GB10, les 128 Go unifiés, les cinq constructeurs partenaires, la fenêtre « automne 2026 ».
Ce qui ne l'est pas
Le prix (1 799 $ est une estimation), les configurations exactes, les dates de précommande, les tarifs en euros.
À surveiller
Les annonces produit officielles de Dell, Asus, MSI, HP et Lenovo à l'approche de l'automne, seules sources fiables pour le prix réel.

#Quels LLM sur 128 Go de mémoire unifiée

C'est là que la RTX Spark devient intéressante. Avec 128 Go de mémoire unifiée, elle vise une catégorie de modèles hors de portée d'un GPU grand public classique. Pour situer les ordres de grandeur, voici les besoins mémoire approximatifs en quantification Q4_K_M, le format recommandé pour un bon compromis qualité/taille.

Modèles 7B–14B (Q4)
≈ 5 à 9 Go. Tournent sans effort, avec une large marge pour un contexte long et plusieurs modèles chargés en parallèle.
Modèles 32B (Q4)
≈ 19 Go. Confortables, avec de la place pour un gros cache de contexte.
Modèles 70B (Q4)
≈ 40 Go. C'est ici que la RTX Spark prend son sens : un 70B tient largement, là où il faudrait deux RTX 4090 sur une machine classique.
Gros MoE (100B+ paramètres)
Envisageables selon la quantification. Les 128 Go ouvrent la porte à des modèles que 24 Go de VRAM ne peuvent pas charger du tout.
→
Le vrai atout : charger, pas forcément galoper
Sur 128 Go unifiés, un modèle 70B en Q4 se charge sans jongler avec l'offload disque. Mais rappelez-vous la nuance de bande passante : la vitesse de génération d'un gros modèle restera plus modeste que sur un GPU dédié équivalent. La RTX Spark brille pour faire tourner CE QUI NE RENTRE PAS ailleurs, pas pour battre des records de tokens/seconde sur les petits modèles.

Côté logiciel, rien de spécifique à prévoir : la puce expose un GPU compatible CUDA, donc la stack habituelle fonctionne. Un daemon Ollama sur http://localhost:11434 avec Open WebUI ou LM Studio par-dessus reste le point de départ le plus simple. La quantification Q4_K_M sert de réglage par défaut, avec Q5_K_M ou Q8_0 quand la mémoire disponible permet de viser plus de qualité.

Terminal — point de départ typique
# Un daemon Ollama expose l'API sur le port 11434
ollama serve

# Charger un gros modèle que 128 Go permettent d'envisager
ollama pull llama3.1:70b
ollama run llama3.1:70b

# Vérifier la répartition mémoire GPU/CPU
ollama ps

#RTX Spark vs GPU classique : deux logiques différentes

Comparer la RTX Spark à une RTX 4090 ou 5090 n'a de sens que si l'on comprend qu'elles ne jouent pas le même match. L'une mise sur la capacité mémoire, l'autre sur la vitesse brute.

RTX 4090 / 5090 (24–32 Go VRAM)
Bande passante très élevée, génération rapide. Idéales jusqu'à des modèles 32B en Q4 ; au-delà, il faut plusieurs cartes ou de l'offload.
RTX Spark (128 Go unifiés)
Capacité mémoire massive dans un format compact et mobile. Fait tenir des 70B et des gros MoE, mais avec une vitesse plus modérée.
Mac M4 Pro/Max (24–48 Go unifié)
Même philosophie unifiée qu'Apple, mais la RTX Spark pousse la mémoire bien plus loin et reste dans l'écosystème CUDA.

En résumé : si votre besoin est de faire tourner vite des modèles jusqu'à 32B, un GPU dédié reste souvent le meilleur choix. Si vous voulez charger de très gros modèles sur une machine transportable sans monter une station bi-GPU, c'est exactement le créneau que la RTX Spark cherche à occuper.

#Faut-il attendre l'automne 2026 ?

  1. 01
    Clarifiez votre besoin de mémoire
    Si vos modèles cibles tiennent en 24 Go (jusqu'à ~32B en Q4), un GPU actuel vous servira dès aujourd'hui, plus vite et sans attendre. La RTX Spark n'a d'intérêt que si vous visez régulièrement des 70B ou des gros MoE.
  2. 02
    Ne budgétez pas sur 1 799 $
    Tant qu'aucun prix officiel n'est publié, traitez ce chiffre comme une hypothèse. Attendez les fiches produit des constructeurs pour connaître le tarif réel, surtout en euros.
  3. 03
    Surveillez les annonces constructeurs
    Dell, Asus, MSI, HP et Lenovo publieront les configurations et les dates de précommande à l'approche de l'automne. Ce sont les seules sources fiables pour le prix et la disponibilité.
  4. 04
    Vérifiez la bande passante avant d'acheter
    Quand les tests indépendants sortiront, regardez les tokens/seconde mesurés sur un 70B, pas seulement les 128 Go affichés. La capacité ne dit rien de la vitesse réelle.
i
Un DGX Spark existe déjà
Si l'architecture GB10 vous intéresse tout de suite, le DGX Spark de NVIDIA embarque déjà cette puce. Notre guide dédié compare ses 128 Go unifiés à une RTX 5090 et un Mac Studio, et donne des repères de performance concrets en attendant les versions grand public.

#Questions fréquentes

La NVIDIA RTX Spark, c'est une carte graphique ?
Non. C'est un SoC (puce GB10 Grace Blackwell) intégré d'usine dans des laptops et desktops. On ne l'achète pas séparément pour l'ajouter à une tour existante.
Quel est le prix de la RTX Spark ?
Aucun prix officiel n'existe. Le chiffre de 1 799 dollars qui circule est une estimation d'analystes, pas un tarif annoncé par NVIDIA ou un constructeur. Le prix français réel dépendra de la configuration, de la TVA et des marges.
Quand sort-elle ?
NVIDIA vise l'automne 2026, mais aucune date ferme de précommande n'a été communiquée. Considérez ce calendrier comme une fenêtre indicative.
Quels modèles LLM peut-elle faire tourner ?
Grâce à ses 128 Go de mémoire unifiée, elle peut charger des modèles 70B en Q4 (≈ 40 Go) et de gros MoE, hors de portée d'un GPU grand public de 24 Go. La vitesse reste toutefois limitée par la bande passante mémoire.
Est-ce mieux qu'une RTX 5090 ?
Ça dépend du besoin. La 5090 est plus rapide sur les modèles qui tiennent dans ses 32 Go ; la RTX Spark charge des modèles bien plus gros mais plus lentement. Deux logiques différentes.
Quels constructeurs vont la proposer ?
Dell, Asus, MSI, HP et Lenovo ont été cités comme partenaires au Computex 2026. Les modèles et configurations précis n'ont pas encore été détaillés.

#Pour aller plus loin

La RTX Spark s'inscrit dans un paysage matériel que ces guides détaillent déjà :

NVIDIA DGX Spark
Le mini-PC qui embarque déjà la puce GB10 et ses 128 Go unifiés, avec des repères de performance concrets face à une RTX 5090 et un Mac Studio.
Choisir son GPU pour l'IA locale
Pour arbitrer entre mémoire unifiée et VRAM dédiée : RTX 4070, 4090, Mac M-Max, le guide d'achat qui pose les bons critères.
Choisir sa quantification (Q4, Q5, Q8, FP16)
Indispensable pour comprendre pourquoi un 70B tient en 40 Go en Q4, et ce que chaque cran de quantification coûte en qualité.
Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.