Guide budget · mis à jour 2026
Construire son stack LLM local par budget
Le combo matériel + modèle le moins cher qui fait vraiment tourner Qwen 3, Gemma 3 et les distillations DeepSeek R1 à une vitesse utilisable en 2026.
Quelle machine pour mon budget ?
Entrez votre budget et votre priorité : l'outil propose les machines qui rentrent dedans, ce qu'elles font tourner et leurs prix vérifiés cette semaine.
Comment lire ce guide
Fixez deux variables : budget et usage principal. Tout le reste — quantification, runtime, longueur de contexte — en découle. Partez de la VRAM, choisissez le plus gros modèle qui tient en Q4_K_M avec de la marge à 8K de contexte, puis choisissez le runtime.
Règle de base : un modèle en GGUF Q4_K_M occupe environ (paramètres × 0,6) Go de VRAM, plus ~1,5 Go de cache KV à 8K. Un 14B a donc besoin de ~10 Go, ce qui explique pourquoi la RTX 3060 12 Go d'occasion reste une référence rapport qualité/prix.
Choisissez votre palier
| Palier | Budget | Config de référence | VRAM / mém. unifiée | Modèle idéal (Q4_K_M) |
|---|---|---|---|---|
| Entrée | 400-550 € | Mini-PC Ryzen 7 5700U d'occasion, 16 Go DDR4 | 0 Go GPU / 16 Go RAM | Qwen3 4B |
| Valeur | 850-1 000 € | Ryzen 5 7600 + RTX 3060 12 Go d'occasion + 32 Go DDR5 | 12 Go | Qwen 3 14B ou Qwen 2.5 Coder 14B |
| Performance | 1 400-1 600 € | Ryzen 7 7700 + RTX 3090 24 Go d'occasion + 64 Go DDR5 | 24 Go | Qwen3-Coder 30B-A3B ou DeepSeek-R1-Distill-Qwen-32B |
| Silencieux | ≈ 2 000 € | Apple Mac mini M5 Pro 24 Go (neuf) | ≈ 16 Go utilisables | Qwen 3 14B |
Prix indicatifs marché d'occasion France/UE mi-2026 — le marché de l'occasion fluctue, vérifiez les prix courants avant d'acheter.
Palier 2 — le champion à 900 €
C'est le palier que nous recommandons à la majorité des lecteurs. Une RTX 3060 12 Go d'occasion se négocie autour de 200-240 € sur le marché secondaire, et 12 Go de VRAM tombe exactement sur le point idéal pour les modèles classe 14B.
| Modèle (Q4_K_M) | VRAM utilisée | Tokens/s (estimation) | Idéal pour |
|---|---|---|---|
| Qwen 3 8B | ~6 Go | ~50 | Chat, RAG |
| Qwen 2.5 Coder 14B | ~10 Go | ~28 | Complétion de code, refactors |
| Gemma 3 12B | ~8 Go | ~34 | Multilingue, QA documentaire |
| DeepSeek-R1-Distill-Qwen-14B | ~10 Go | ~28 | Raisonnement pas à pas |
Estimation, pas une mesure QuelLLM : environ 70 % du plafond théorique (bande passante de la RTX 3060, 360 Go/s, divisée par la taille du modèle). Le plafond d'un 8B en Q4 est d'environ 72 tokens/s, celui d'un 14B d'environ 40.
Runtime : Ollama, llama.cpp ou vLLM ?
- Ollama — le meilleur pour un usage mono-utilisateur sur poste. Télécharge automatiquement les GGUF, expose une API compatible OpenAI, s'intègre à Open WebUI en une commande.
- llama.cpp — le meilleur quand il faut extraire chaque token/s d'un CPU ou de mémoire unifiée. CLI plus technique, meilleure portabilité.
- vLLM — le meilleur pour servir plusieurs utilisateurs ou agents en parallèle, grâce à PagedAttention et au batching continu.
Développeurs solo → Ollama par défaut. Équipes de 3+ → vLLM derrière un petit proxy FastAPI.
Consommation, bruit et coût total
| Config | Repos (W) | Charge (W) | kWh/an (4 h/j en charge) | Coût/an @ 0,20 €/kWh |
|---|---|---|---|---|
| Mini-PC entrée | 8 | 35 | 51 | 10,20 € |
| 3060 valeur | 45 | 220 | 321 | 64,20 € |
| 3090 performance | 50 | 360 | 526 | 105,10 € |
| Mac mini (puce Pro) | 6 | 65 | 95 | 19,00 € |
Puissances en ordres de grandeur. Calcul : puissance en charge × 4 h × 365 jours, machine éteinte le reste du temps. Laissée allumée au repos, ajoutez la puissance au repos × 20 h × 365.
Même la config la plus gourmande consomme environ 105 € d'électricité par an à ce rythme, soit un peu plus de cinq mois d'un abonnement à 20 €/mois.
Verdict
| Profil | Palier recommandé | Pourquoi |
|---|---|---|
| Curieux, chat uniquement | Entrée 400 € | Qwen3 4B sur CPU va plus vite que la lecture |
| Développeur solo, code quotidien | Valeur 900 € | Un 14B de code à ~28 tok/s est le point d'équilibre prix/perf |
| Raisonnement, agents, multi-modèle | Performance 1 500 € | 24 Go débloque les modèles classe 32B |
| Silence et zéro maintenance | Silencieux ≈ 2 000 € | Le Mac mini ne consomme que quelques watts au repos |
Questions fréquentes
8 Go de VRAM suffisent-ils pour un usage utile en 2026 ?
Marginalement. Vous pouvez faire tourner Qwen3 8B Q4_K_M avec un contexte 4K sur une RTX 3050 8 Go ou une RX 6600, mais vous perdez la marge pour les 14B qui rendent l'inférence locale vraiment intéressante. Viser 12 Go si possible.
Faut-il acheter une carte AMD plutôt que NVIDIA ?
Pour l'inférence seule, les Radeon RDNA3 et RDNA4 (7800 XT, 7900 GRE, RX 9070 XT) fonctionnent bien avec le backend Vulkan de llama.cpp et avec ROCm. Elles coûtent souvent moins cher à mémoire égale, mais vous perdez une partie de l'écosystème CUDA : vLLM plus limité, flash-attn et la plupart des outils de fine-tuning.
Peut-on fine-tuner avec ces budgets ?
Le fine-tuning LoRA de modèles 7B fonctionne sur une carte 12 Go avec Unsloth. Un 14B+ demande réalistement 24 Go. Le fine-tuning complet au-delà de 1B dépasse ce que le matériel grand public permet en 2026.
Comment la mémoire unifiée Mac se compare-t-elle à de la VRAM dédiée ?
Sa bande passante reste bien inférieure à celle d'une carte haut de gamme : 307 Go/s sur un Mac mini M5 Pro contre 936 Go/s sur une RTX 3090. Sur un modèle qui tient dans la carte, le Mac génère donc environ 2 à 3 fois moins de tokens par seconde. Il gagne sur la consommation, la capacité mémoire et le chargement de plusieurs modèles ; il perd sur les tokens/seconde par euro.