NVIDIA DGX Spark · 26 July 2026

DGX Spark, RTX 5090, RTX Spark : le match des titans de l’IA locale en 2026

En 2026, le rêve d’exécuter des LLM de centaines de milliards de paramètres sur son bureau est devenu réalité. NVIDIA propose trois armes : la station DGX Spark, la carte graphique RTX 5090 et la nouvelle RTX Spark. Mais laquelle domine vraiment pour l’inférence locale ? Plongée dans les benchmarks, les architectures et les usages.

Le trio de 2026 : qui sont le DGX Spark, la RTX 5090 et la RTX Spark ?

L’année 2026 marque un tournant dans la démocratisation des LLM locaux. Fini le temps où il fallait louer des clusters cloud pour faire tourner un modèle de 70 milliards de paramètres. NVIDIA, fort de son avance sur le marché de l’IA, propose désormais trois configurations matérielles qui couvrent un spectre allant de la station de travail dédiée à la carte graphique grand public, en passant par une variante mobile inédite.

Le DGX Spark (anciennement Project DIGITS) est une station IA compacte, présentée au CES 2025 et disponible depuis octobre 2025. Son prix a évolué : lancé à 3 999 $, il est passé à 4 699 $ en février 2026 (source : syskb.com). Une version avec 4 To de stockage est même proposée à 6 590 € sur Amazon. Avec son format de 150×150×50,5 mm pour 1,2 kg et une consommation de 240 W, il tient dans un sac à dos et se branche sur une prise standard. C’est la solution « tout-en-un » pour les développeurs, chercheurs et entreprises qui veulent exécuter des LLM localement sans se soucier de l’infrastructure.

La RTX 5090 est la carte graphique grand public la plus puissante de la génération Blackwell. Son prix se situe entre 3 500 $ et 4 200 $, selon les sources (deepresearch.ninja). Elle dispose de 32 Go de VRAM GDDR7 avec une bande passante fulgurante de 1 792 Go/s. Destinée aux gamers, créateurs et passionnés d’IA, elle offre des performances d’inférence impressionnantes pour les modèles de taille moyenne, mais bute sur les très gros LLM faute de mémoire suffisante.

Le RTX Spark est la grande surprise de 2026. Annoncé au Computex 2026, il reprend le même silicium GB10 que le DGX Spark, mais dans un format grand public, tournant sous Windows et disponible en notebooks ou en boîtier compact (source : morgannriu.fr). Son prix n’a pas encore été communiqué, mais il devrait se situer en dessous du DGX Spark, peut-être autour de 2 500–3 000 $. Il cible les utilisateurs qui veulent une machine IA locale sans les contraintes de Linux ou du format station.

Sources : syskb.com, morgannriu.fr, deepresearch.ninja, float16.cloud

Architecture sous le capot : Grace Blackwell contre Blackwell pur

Le cœur du débat réside dans l’architecture. Le DGX Spark et le RTX Spark partagent le même superprocesseur NVIDIA GB10 Grace Blackwell. Il combine un CPU ARM 20 cœurs (10× Cortex-X925 + 10× Cortex-A725) avec un GPU Blackwell doté de 6 144 cœurs CUDA et des Tensor Cores de 5e génération supportant nativement le FP4 (source : morgannriu.fr, workstation.ma). Cette conception unifiée permet au CPU et au GPU de partager la mémoire via NVLink-C2C, offrant une latence réduite et une gestion simplifiée des données.

La RTX 5090, quant à elle, est un GPU Blackwell discret (architecture probablement GB202). Elle ne dispose pas de CPU intégré ; elle doit être associée à un processeur hôte (Intel ou AMD) via PCIe Gen5. Ses Tensor Cores sont également de 5e génération, mais le support du FP4 n’est pas explicitement confirmé dans les sources. En revanche, sa bande passante mémoire est plus de six fois supérieure à celle du GB10 (1 792 Go/s contre 273 Go/s), ce qui lui confère un avantage décisif sur les modèles de taille modeste.

Le point clé : le DGX Spark et le RTX Spark peuvent exécuter des LLM jusqu’à 200 milliards de paramètres en local grâce à leur mémoire unifiée de 128 Go, tandis que la RTX 5090 est limitée à 32 Go de VRAM. Cependant, pour les modèles qui tiennent dans ces 32 Go, la RTX 5090 offre des débits d’inférence bien plus élevés grâce à sa bande passante mémoire massive.

Le duel des mémoires : 128 Go unifiés contre 32 Go GDDR7

La mémoire est le nerf de la guerre pour l’inférence de LLM. Le DGX Spark dispose de 128 Go de LPDDR5x unifiée, partagée entre le CPU et le GPU via NVLink-C2C. La bande passante annoncée est de 273 Go/s (source : workstation.ma). Cela permet de charger des modèles de très grande taille, comme GPT-OSS-120B (117 milliards de paramètres, MoE, 5,1 milliards d’actifs) qui occupe environ 65 Go en quantification MXFP4 (source : glukhov.org). En comparaison, le Mac Studio (modèle non précisé) avec sa mémoire unifiée voit ses performances se dégrader fortement lorsque le contexte augmente (34 tok/s puis 6 tok/s), alors que le DGX Spark maintient un débit stable de 41 tok/s en génération (source : glukhov.org citant un blog Ollama).

La RTX 5090, avec ses 32 Go de GDDR7 et 1 792 Go/s de bande passante, est un monstre de rapidité pour les modèles qui tiennent dans sa VRAM. Par exemple, Qwen3.6-27B (dense 27 milliards de paramètres) en AWQ-INT4 peut être inféré à 575 tok/s avec vLLM et une concurrence de 8 (source : deepresearch.ninja). Mais dès que le modèle dépasse 30 milliards de paramètres, il faut recourir au offloading CPU, ce qui dégrade sévèrement les performances. GPT-OSS-120B, par exemple, ne peut pas être chargé entièrement sur la RTX 5090 sans offloading, et les benchmarks disponibles ne montrent pas de résultat pour cette configuration.

Le RTX Spark, avec sa mémoire unifiée estimée à 128 Go et une bande passante de 273–301 Go/s, se positionne comme un compromis entre mobilité et capacité. Mais aucun benchmark indépendant n’est encore disponible (attendu pour l’automne 2026, selon deepresearch.ninja).

Benchmarks : qui crache les tokens le plus vite ?

Les chiffres parlent d’eux-mêmes. Voici un tableau comparatif des performances d’inférence mesurées par deux sources indépendantes : deepresearch.ninja et float16.cloud.

Sources : deepresearch.ninja, float16.cloud. Attention : les conditions de concurrence diffèrent entre les deux benchmarks (DGX Spark testé à concurrency 128, RTX 5090 à concurrency 16 chez float16.cloud).

Le constat est clair : sur les modèles de taille modeste (≤30B), la RTX 5090 écrase le DGX Spark en vitesse pure. Mais dès que la mémoire devient un facteur limitant, le DGX Spark reprend l’avantage. Pour les modèles vision-language (Qwen3-VL-4B), le DGX Spark surpasse même la RTX 5090 (1 237 tok/s contre 1 005 tok/s), probablement grâce à la mémoire unifiée qui évite les transferts CPU-GPU.

Il faut noter que ces benchmarks ne sont pas encore reproduits de manière indépendante à grande échelle. Les chiffres de deepresearch.ninja pour la RTX 5090 sur Qwen3.6-27B (575 tok/s) sont impressionnants, mais ils proviennent d’une seule source et n’ont pas été confirmés par d’autres tests.

Quand la mémoire fait la différence : modèles géants et fine-tuning

Le principal avantage du DGX Spark (et du RTX Spark) est sa capacité à exécuter des LLM de 120 à 200 milliards de paramètres sans offloading. Les tests avec GPT-OSS-120B montrent un débit de génération de 39 à 54 tok/s, ce qui est tout à fait utilisable pour des applications interactives. En comparaison, une RTX 4080 avec 16 Go de VRAM et offloading CPU atteint seulement 12,45 tok/s sur le même modèle (source : glukhov.org). La RTX 5090, avec ses 32 Go, ne peut pas charger ce modèle sans recourir à du offloading, ce qui réduirait drastiquement ses performances.

Pour le fine-tuning, le DGX Spark peut affiner des modèles jusqu’à 70 milliards de paramètres (source : syskb.com, morgannriu.fr). Grâce à sa mémoire unifiée et à la stack logicielle NVIDIA (PyTorch, TensorRT-LLM), il est possible d’utiliser des techniques comme LoRA ou QLoRA pour réduire l’empreinte mémoire. La RTX 5090, avec seulement 32 Go, est limitée à des modèles plus petits (≤13B en full fine-tuning, ≤30B en LoRA) et nécessite souvent du offloading ou de la quantification agressive.

Le RTX Spark, avec la même mémoire que le DGX Spark, devrait offrir des capacités de fine-tuning similaires, mais sous Windows. L’écosystème Windows pour le fine-tuning est moins mature que sous Linux, mais des outils comme TensorRT-LLM et PyTorch sont désormais bien supportés.

Clusters et mise à l’échelle : le DGX Spark en réseau

NVIDIA a prévu une fonctionnalité rare pour une station de bureau : la possibilité de relier deux DGX Spark via un réseau ConnectX-7 à 200 Gbps. Cette configuration permet d’atteindre 405 milliards de paramètres en inference distribuée (source : morgannriu.fr, workstation.ma). Les forums développeurs NVIDIA (forums.developer.nvidia.com) montrent des discussions actives sur l’utilisation de clusters de GB10 pour l’inférence avec Ray et d’autres frameworks.

En comparaison, la RTX 5090 peut être utilisée en multi-GPU via NVLink (si la carte mère le supporte) ou via PCIe, mais les performances d’échelle sont limitées par la bande passante inter-GPU et la mémoire VRAM individuelle. Un cluster de quatre RTX 5090 offrirait 128 Go de VRAM totale, mais chaque modèle doit être partitionné avec soin, et la latence de communication peut dégrader les performances.

Pour les chercheurs et les équipes qui ont besoin de modèles de 200 à 400 milliards de paramètres, le DGX Spark en cluster est une solution élégante et économique comparée à des serveurs cloud. Le coût de deux DGX Spark (environ 9 400 $) est bien inférieur à celui d’un serveur équipé de H100.

Logiciel et écosystème : vLLM, llama.cpp, TensorRT-LLM

Le DGX Spark est livré avec DGX OS, une version customisée d’Ubuntu 24.04, et une stack logicielle préinstallée : CUDA 12+, PyTorch, TensorRT-LLM, vLLM, llama.cpp et Ollama (source : morgannriu.fr, workstation.ma). Les tests de la communauté (dredyson.com, ai-muninn.com) montrent que vLLM et llama.cpp fonctionnent très bien, avec des performances optimales en utilisant TensorRT-LLM pour les modèles supportés. Le Spark Arena (spark-arena.com) est un leaderboard communautaire qui référence les meilleurs modèles et configurations pour le DGX Spark.

La RTX 5090, sous Windows ou Linux, bénéficie des mêmes frameworks, mais l’installation peut être plus complexe sous Windows (notamment pour TensorRT-LLM). Les pilotes NVIDIA sont régulièrement mis à jour pour optimiser les performances des LLM. Les benchmarks de deepresearch.ninja montrent que vLLM avec AWQ-INT4 est la configuration la plus performante sur RTX 5090.

Le RTX Spark, tournant sous Windows, devrait supporter les mêmes outils, mais l’écosystème Windows pour l’IA locale est encore en maturation. Cependant, l’arrivée de TensorRT-LLM pour Windows et l’intégration native dans des applications comme LM Studio ou Ollama simplifient l’expérience.

Verdict : quelle machine pour quel usage en 2026 ?

Recommandations :

• Pour les chercheurs et développeurs qui travaillent avec des modèles de plus de 30 milliards de paramètres, ou qui ont besoin de fine-tuner localement, le DGX Spark est le choix évident. Sa capacité à exécuter des LLM de 120B à 200B sans offloading, et à monter en cluster jusqu’à 405B, en fait une station IA professionnelle à un prix compétitif.

• Pour les passionnés d’IA et les créateurs qui utilisent principalement des modèles de taille moyenne (≤30B) et qui veulent des performances d’inférence maximales, la RTX 5090 est imbattable. Elle offre des débits de tokens 10 à 20 fois supérieurs au DGX Spark sur les modèles qui tiennent dans sa VRAM. De plus, elle reste une carte graphique pour le gaming et la création.

• Pour les utilisateurs nomades ou ceux qui préfèrent Windows, le RTX Spark est une option prometteuse. Il offre la même capacité mémoire que le DGX Spark dans un format plus grand public. Cependant, en l’absence de benchmarks réels, il faut attendre l’automne 2026 pour un verdict définitif.

Ouverture : L’avenir nous réserve déjà le DGX Spark 2 (peut-être avec le GB11) et la RTX 6090. Mais en 2026, le choix se résume à un compromis entre mémoire et bande passante. Le DGX Spark ouvre la voie à une IA locale vraiment souveraine, tandis que la RTX 5090 reste la reine de la vitesse pour les modèles accessibles. Le RTX Spark, lui, promet de démocratiser encore plus l’IA locale.

Sources

• deepresearch.ninja (2026). DGX Spark vs RTX 5090 vs RTX Spark: LLM Inference Performance Deep Dive.
• float16.cloud (2026). DGX Spark vs RTX 5090 AI Benchmark.
• morgannriu.fr (2026). NVIDIA DGX Spark et RTX Spark : l’IA locale sur le bureau.
• syskb.com (2026). NVIDIA DGX Spark Specifications & Usages.
• glukhov.org (2025). DGX Spark vs Mac Studio vs RTX 4080 : test LLM.
• workstation.ma (2026). NVIDIA DGX Spark.
• forums.developer.nvidia.com (2026). Three GB10 Ray Cluster and Inference.
• dredyson.com (2026). I Tested Every Solution for Running a Full LLM Stack on DGX Spark GB10.
• ai-muninn.com (2026). DGX Spark in 2026: What Still Works, What Broke, and What I’d Run Today.
• spark-arena.com (2026). LLM Leaderboard for DGX Spark.
• developer.nvidia.com (2026). Open Source AI Tool Upgrades Speed Up LLM and Diffusion Models on NVIDIA RTX PCs.

Article recherché et rédigé automatiquement · Magazine Electrosens