Nvidia lance la version 64GB du DGX Spark avec une mémoire réduite de moitié, à partir de 4999 dollars, la version 128GB voit son prix augmenter à 6950 dollars.

Alors que les modèles d’IA deviennent de plus en plus « légers », la mémoire vidéo, elle, devient de plus en plus coûteuse. NVIDIA réagit à cette contradiction avec un produit doté d’une « mémoire réduite ».

Le vendredi 2 octobre, heure de l’Est des États-Unis, NVIDIA a annoncé le lancement de la version 64 Go de mémoire unifiée de l’ordinateur de bureau IA DGX Spark, avec un prix de départ à 4999 dollars. Il sera commercialisé à partir du 23 octobre par des fabricants OEM comme Acer, ASUS, Dell, Gigabyte, HP et MSI. Le nouvel appareil conserve le superchip GB10 Grace Blackwell, le système d’exploitation DGX OS, toute la pile logicielle IA de NVIDIA ainsi que les capacités réseau ConnectX-7, mais la mémoire unifiée passe de 128 Go à 64 Go.

Fait intéressant, le prix de départ de cette version « allégée » du DGX Spark est en fait supérieur au prix de lancement de la version 128 Go de l’an dernier, qui était de 3999 dollars. Dans le même temps, NVIDIA a également augmenté le prix de la Founders Edition 128 Go à 6950 dollars. Les médias soulignent que NVIDIA justifie cette hausse par la limitation de l’offre de mémoire et l’augmentation des coûts.

Cela signifie que, sur fond de demande persistante pour les serveurs IA qui continue de compresser l’offre de mémoire, « donner moins de mémoire » est devenu un moyen de réduire le seuil de prix des dispositifs IA locaux, sans pour autant que le matériel en lui-même devienne réellement moins cher.

64 Go suffisent-ils ? NVIDIA cible les agents IA locaux

La logique centrale de cet ajustement par NVIDIA est que de plus en plus de modèles open source peuvent désormais fonctionner avec une capacité mémoire moindre.

NVIDIA indique que, grâce à l’amélioration des capacités des modèles open source et à la réduction de leur taille, 64 Go de mémoire unifiée suffisent désormais à supporter plusieurs applications IA locales. Le nouveau DGX Spark peut faire tourner localement des modèles jusqu’à 100 milliards de paramètres, et il prend en charge les agents IA, l’inférence, le fine-tuning, la data science et le développement en périphérie.

Tom's Hardware remarque également que certains des derniers modèles intensifs en performance peuvent déjà fonctionner avec environ 32 Go de mémoire, même s’ils rencontrent encore des limites dans des contextes nécessitant de larges fenêtres. L’utilisation originelle de 128 Go pour le « calcul local de grands modèles » n’est donc pas forcément nécessaire à tous les développeurs.

C’est la base réaliste de cette version 64 Go : pour les utilisateurs qui font principalement de l’inférence locale ou développent des agents IA, et non de l’entraînement massif de modèles ou des ajustements fins, 64 Go peuvent couvrir une grande partie des besoins.

NVIDIA résume même cette tendance dans son annonce : « À mesure que la technologie évolue, l’utilité de l’IA locale devient de plus en plus importante », la demande pour le calcul local des modèles augmentant avec le passage des agents IA de l’expérimentation au développement quotidien.

En parallèle, le déploiement local présente aussi des avantages en termes de vie privée et de coûts. Les développeurs peuvent traiter leurs propres données et exécuter des agents IA directement sur le DGX Spark, sans avoir à faire appel à des modèles cloud pour chaque tâche.

Même GB10, pas de baisse de performance pour la version 64 Go

D’un point de vue matériel, la version 64 Go n’est pas un tout nouveau produit de puce.

NVIDIA précise que le nouvel appareil utilise toujours le Superchip GB10 Grace Blackwell et garde l’intégralité du DGX OS et de la pile logicielle IA. Les médias notent que la version 64 Go conserve aussi son CPU Arm à 20 cœurs ainsi qu’une bande passante mémoire partagée de 273 Go/s, de sorte que, pour les modèles pouvant tenir sur 64 Go de mémoire, les capacités de calcul de base des deux produits ne diffèrent pas, malgré la réduction de mémoire de moitié.

Autrement dit, le changement ne porte pas sur la « baisse de calcul », mais bien sur la réduction d’une partie de la capacité mémoire potentiellement inutile à certains utilisateurs.

La version 64 Go reste compatible avec les frameworks d’inférence principaux tels que llama.cpp, Ollama, vLLM, LM Studio, et arrive préinstallée avec NVIDIA Agent Toolkit, CUDA-X AI et des modèles open source comme Nemotron.

L’intention de NVIDIA est claire : si les développeurs n’ont besoin que de 64 Go dans l’immédiat, ils peuvent acheter une machine à plus faible capacité ; si la taille des modèles augmente par la suite, ils pourront ajouter mémoire et puissance via un cluster.

Deux machines 64 Go peuvent « s’assembler » en 128 Go, performance jusqu’à +70%

L’autre point fort de cette mise à jour du DGX Spark est le renforcement de la collaboration multi-machines par NVIDIA.

La version 64 Go inclut également une interface réseau ConnectX-7 ; deux appareils peuvent ainsi être directement connectés via un câble QSFP et, grâce à NVIDIA Sync Cluster Assistant, la configuration réseau se fait automatiquement, formant ainsi un cluster IA local. NVIDIA affirme que deux DGX Spark 64 Go fusionnent pour constituer un pool mémoire de 128 Go, capable de supporter des modèles jusqu’à 200 milliards de paramètres.

Dans les tests Qwen 3.8 27B fournis par NVIDIA, un cluster de deux machines 64 Go offre une performance jusqu’à environ 1,7 fois celle d’une seule unité.

NVIDIA lancera également à la fin octobre le NVIDIA Sync Model Launcher, pour simplifier encore le déploiement des modèles sur une seule machine ou en cluster. Par exemple, les développeurs pourront exploiter Qwen 3.8 27B et l’intégrer à des outils de programmation comme OpenCode.

Cela signifie que la logique produit du DGX Spark évolue d’un « supercalculateur IA de bureau » vers un « nœud IA local extensible progressivement ».

Bien sûr, deux machines ne sont pas l’équivalent physique d’un DGX Spark à 128 Go, et la possibilité de faire tourner un modèle sur plusieurs nœuds dépend encore des logiciels et des tâches. Par conséquent, pour des applications nécessitant une grande mémoire sur un seul appareil, la version 64 Go reste limitée.

En période de pénurie de mémoire vidéo, 4999 dollars pour 64 Go n’est pas vraiment « bon marché »

La question du prix mérite réellement l’attention.

NVIDIA annonce un prix de départ de 4999 dollars pour le DGX Spark 64 Go, version qui ne sera pas proposée en Founders Edition par NVIDIA mais uniquement vendue via les partenaires OEM. Les partenaires incluent Acer, ASUS, Dell, Gigabyte, HP et MSI, les configurations et prix peuvent donc varier.

À titre de comparaison, lors de son lancement initial en 2025, le DGX Spark 128 Go était proposé à 3999 dollars. Les médias indiquent que NVIDIA a ensuite relevé le prix de la Founders Edition 128 Go à 4699 dollars en février 2026, puis à 6950 dollars lors de ce nouvel ajustement.

En comparant les prix de lancement, la version 64 Go d’aujourd’hui est non seulement plus chère que la 128 Go, mais de 1000 dollars, soit une hausse de 25 %.

Par rapport au prix officiel actuel de la version 128 Go, la version 64 Go à 4999 dollars coûte effectivement 1951 dollars de moins que la 128 Go à 6950 dollars, mais cela implique une diminution de moitié de la capacité mémoire.

PC Watch cite des informations selon lesquelles la hausse de prix de la version 128 Go serait liée à la restriction de l’offre mémoire et à l’augmentation des coûts ; Tom's Hardware indique que, sur le marché, le prix du système GB10 128 Go atteint déjà environ 7000 à 9000 dollars.

Ce nouvel ajustement produit reflète donc aussi ceci : La puissance de calcul IA se déplace vers les équipements locaux, mais la mémoire est déjà devenue le principal point de blocage de cette tendance.

De « l’empilement de mémoire » à « l’extension à la demande »

Du point de vue de la stratégie produit, NVIDIA ne cherche pas simplement à proposer un DGX Spark en version « bas de gamme ».

Jusqu’à présent, l’un des principaux arguments du DGX Spark était la mémoire unifiée de 128 Go, permettant aux développeurs de faire tourner de grands modèles sur un ordinateur de bureau. Mais avec l’avancée des techniques de compression et de quantification, une partie des modèles n’a plus besoin d’autant de mémoire.

Ainsi, la solution de NVIDIA devient : 64 Go en stand alone suffisent à la plupart des inférences IA locales, et en cas de besoin accru de mémoire, une extension multi-machine est possible.

La version 64 Go sera commercialisée officiellement le 23 octobre, au prix de départ de 4999 dollars. En parallèle, la version 128 Go désormais à 6950 dollars donne à cette nouveauté une dimension particulière : elle incarne à la fois la tentative de NVIDIA d’abaisser le seuil du matériel IA local, et le reflet du dilemme actuel de l’industrie IA – une demande forte en puissance de calcul, mais une offre de mémoire toujours plus tendue.