---

Deux boîtes noires posées sur le bureau : ce que l’on croyait savoir avant de les brancher

Il y a une ironie savoureuse dans la trajectoire de ces deux machines. Pendant des années, le récit de l’IA locale a été dominé par une seule question : « est-ce que ça rentre en mémoire ? ». Les cartes graphiques grand public plafonnaient à 24 ou 32 Go de VRAM, et tout modèle au-delà de 30 milliards de paramètres exigeait soit de quantifier à l’os, soit d’accepter un débit ridicule par offloading. Puis sont arrivées deux boîtes de 15 centimètres de côté qui ont déplacé le curseur d’un coup.

Le NVIDIA DGX Spark, d’abord. Un GB10 Grace Blackwell, 128 Go de LPDDR5X unifiée sur un bus 256 bits, un GPU Blackwell doté de tensor cores de cinquième génération, 4 To de NVMe, un port ConnectX-7 à 200 Gb/s, le tout dans un châssis de 150 × 150 × 50,5 mm sous DGX OS Linux. NVIDIA le vend comme un « supercalculateur d’IA personnel » — la promesse d’un datacenter de poche capable de faire tourner des modèles jusqu’à 200 milliards de paramètres.

En face, le Ryzen AI Halo. Un Ryzen AI Max+ 395 « Strix Halo » — 16 cœurs Zen 5, 32 threads jusqu’à 5,1 GHz, un iGPU Radeon 8060S à 40 CU RDNA 3.5, une NPU XDNA 2 à 50 TOPS — épaulé par 128 Go de LPDDR5X-8000 sur bus 256 bits, 2 To de NVMe, du 10 GbE et du Wi-Fi 7, sous Windows 11 Pro ou Linux. AMD le positionne comme un AI PC haut de gamme, pas comme un supercalculateur.

Et puis il y a la variante qui a mis le feu aux poudres : le Ryzen AI Halo 192 Go, évoqué par MSN et repris par HotHardware sous le nom de Ryzen AI Max+ Pro 495. 192 Go de mémoire unifiée. De quoi charger des modèles qu’aucun rival ne peut tenir en mémoire — tout en concédant, dans le titre même de l’article, que le DGX Spark reste plus rapide.

C’est toute la tension de ce match. La question n’est pas « laquelle est la meilleure », elle est : à quoi sert d’avoir 192 Go si le decode rame ? Et symétriquement : à quoi sert d’être le plus rapide si le modèle ne rentre pas ?

Sur les prix, il faut être précis car le marché a bougé. Le DGX Spark a été lancé à 3 999 $ fin 2025, puis son prix a été relevé à 4 699 $ après une hausse actée au printemps 2026. Le Halo, lui, est vendu 3 999 $ — exclusivement via Micro Center selon les sources disponibles. Soit un écart de 700 $ en faveur d’AMD. Mais attention : la donne a encore changé à l’automne 2026, et il faudra y revenir, car NVIDIA a discrètement redistribué les cartes.

---

128 Go, 192 Go : le vrai sujet n’est pas la taille, c’est ce qu’on met dedans

Commençons par démonter une confusion tenace. Les deux machines partagent une architecture mémoire unifiée : CPU, GPU et NPU puisent dans le même pool de LPDDR5X, sans copie explicite entre RAM système et VRAM. C’est ce qui leur permet, à toutes deux, de faire tourner des modèles de 70 à 120 milliards de paramètres là où une RTX 5090 étouffe à 32 Go.

Mais les chiffres de bande passante ne racontent pas la même histoire. Le GB10 est annoncé à 273 Go/s ; le Strix Halo autour de 256 Go/s selon les sources disponibles. Un écart de 6 à 7 % sur le papier — négligeable en apparence. Sauf que la bande passante n’est qu’un des facteurs : le cache, l’efficacité des kernels et le type de quantification pèsent tout autant.

Faisons un calcul de coin de table, celui que tout le monde fait avant d’acheter. En inférence, la phase de decode (génération token par token) est memory-bound : chaque token produit nécessite de lire l’intégralité des poids actifs du modèle. Le débit théorique maximal s’obtient donc en divisant la bande passante par la taille du modèle.

Un modèle 70B quantifié en Q4_K_M pèse environ 40 Go. À 273 Go/s, le plafond théorique du GB10 tourne autour de 6,8 tokens/s ; à 256 Go/s, le Halo plafonne à ~6,4 tokens/s. Dans les deux cas, on est loin des débits confortables — et la réalité est toujours en dessous du théorique, à cause de l’overhead, du KV cache et de l’efficacité des kernels.

Un modèle 120B en INT4 pèse environ 65 à 70 Go. Le plafond théorique descend autour de 4 tokens/s sur les deux machines. C’est lent, mais c’est utilisable pour de la génération asynchrone, du code, des agents qui travaillent en arrière-plan.

Là où le Halo 192 Go change la donne, c’est sur ce qui rentre. Un 120B en Q4_K_M occupe 65-70 Go de poids. Ajoutez un KV cache pour un contexte de 32k tokens, l’overhead du runtime, le système d’exploitation : on approche des 90-100 Go. Sur un DGX Spark 128 Go, ça passe — mais avec une marge qui interdit de servir plusieurs requêtes simultanées ou d’utiliser un contexte très long. Sur un Halo 192 Go, la même configuration laisse 90 Go de marge. C’est cette marge qui permet de charger un 120B et de garder de la place pour le contexte, le batching, ou carrément un second modèle.

Voilà la vraie hiérarchie : la capacité décide de ce que vous pouvez faire, la bande passante décide de la vitesse à laquelle vous le faites. Et sur ce second critère, le DGX Spark garde un avantage que les 273 Go/s annoncés ne suffisent pas à expliquer — il faut regarder du côté du prefill et de l’architecture Blackwell.

---

Prefill, decode, TTFT : la latence n’est pas un chiffre, c’est une expérience

L’inférence d’un LLM se décompose en deux phases aux profils radicalement différents. Le prefill traite le prompt entier en une passe : c’est du calcul massivement parallèle, compute-bound, qui adore les tensor cores. Le decode génère les tokens un par un : c’est memory-bound, limité par la bande passante. Entre les deux, le TTFT (time to first token) mesure le temps d’attente avant que le premier mot n’apparaisse — c’est le prefill, essentiellement.

C’est ici que le GPU Blackwell du GB10 écrase le Radeon 8060S. Les tensor cores de cinquième génération, avec leur support FP4 natif, sont conçus pour avaler des matrices à une vitesse que les 40 CU RDNA 3.5 du Halo ne peuvent pas suivre. Les chiffres disponibles le confirment : sur un DGX Spark unique, un prefill mesuré à 410 tokens/s sur DeepSeek-V4-Flash en IQ2_XXS. Sur deux Spark en tensor parallel avec vLLM et DeepSeek-V4-Flash en FP8, le prefill grimpe à ~1 785 tokens/s et le débit agrégé à concurrence 32 atteint ~350 tokens/s.

Pour le Halo, les benchmarks croisés publics manquent cruellement. C’est une réserve méthodologique qu’il faut assumer : à ce jour, aucun protocole reproductible ne compare les deux machines sur les mêmes modèles, les mêmes quantifications et les mêmes versions logicielles. Le titre de MSN — « DGX Spark still wins on speed » — est un constat, pas une mesure.

Traduisons en ressenti utilisateur, car c’est là que ça compte. Un agent qui répond en 2 secondes contre 6 secondes, ce n’est pas une différence de benchmark : c’est la différence entre un outil qu’on utilise et un outil qu’on abandonne. Un chat qui streame ses tokens en continu contre un chat qui hoquette par à-coups. Un batch de 8 requêtes simultanées qui s’écroule parce que le KV cache sature.

Le DGX Spark garde donc un avantage structurel sur le prefill et sur la latence perçue. Mais cet avantage a une limite : il ne s’applique qu’aux modèles qui rentrent dans ses 128 Go. Dès qu’on dépasse, la vitesse devient théorique — un modèle qu’on ne peut pas charger ne génère aucun token.

---

120B en INT4 sur Halo, 70B en FP8 sur Spark : les charges qui passent et celles qui ne passent pas

Le meilleur moyen de trancher est de dresser la carte des scénarios réels. Voici ce que chaque machine peut charger, en gardant une marge raisonnable pour le KV cache (contexte 32k) et l’overhead runtime.

Classe de modèle	Quantification	Poids approx.	DGX Spark 128 Go	Halo 192 Go	Commentaire
7B	Q4_K_M / FP8	~4-8 Go	✅ Large marge	✅ Large marge	Les deux sont surdimensionnés ; le Spark gagne en vitesse
13B	Q4_K_M	~8 Go	✅ Confortable	✅ Confortable	Idem
34B	Q4_K_M	~20 Go	✅ Confortable	✅ Confortable	Batching multi-requêtes possible sur les deux
70B	Q4_K_M	~40 Go	✅ Avec marge	✅ Très large marge	Le Spark tient un 70B + contexte ; le Halo en tient deux
70B	FP8	~70 Go	⚠️ Serré, contexte limité	✅ Confortable	Zone où le Halo commence à gagner
120B	INT4 (Q4_K_M)	~65-70 Go	⚠️ Tient, mais peu de marge KV	✅ Confortable	La « zone morte » du Spark
120B	FP8	~120 Go	❌ Ne rentre pas	⚠️ Très serré	Seul le Halo (192 Go) l’envisage
405B	Toute quantif.	>200 Go	❌	❌	Nécessite 2× DGX Spark (405 Md params max documenté)

Ce tableau révèle la zone morte : les modèles de 100 à 130 milliards de paramètres en quantification agressive. Le DGX Spark les charge, mais sans marge — impossible de servir plusieurs utilisateurs, difficile d’utiliser un contexte long, risqué pour du batching. Le Halo 192 Go les exécute confortablement. C’est exactement le créneau que MSN met en avant : « des modèles qu’aucun rival ne peut charger ».

À l’inverse, il existe une zone où le Spark exécute plus vite : tous les modèles qui tiennent confortablement dans 128 Go — 7B, 13B, 34B, et un 70B en Q4. Sur ces charges, le GPU Blackwell et son prefill surclassent le Radeon 8060S. Un développeur qui fait tourner un Qwen3.8-27B (34-38 tokens/s sur DGX Spark selon les mesures d’août 2026, avec des pics à 163 tokens/s en décodage et 136 tokens/s avec 10 agents simultanés) n’a aucun intérêt à passer au Halo.

La vraie question est donc : quel modèle voulez-vous faire tourner ? Si la réponse tient sous 70B, le Spark est le meilleur choix. Si elle dépasse 100B, le Halo devient la seule option mono-machine.

---

Fine-tuning LoRA : là où le GPU CUDA garde une longueur d’avance

Le fine-tuning est le révélateur des écosystèmes. Sur le DGX Spark, la pile est celle de NVIDIA : CUDA, PyTorch, PEFT, bitsandbytes, avec 128 Go unifiés et un GPU Blackwell. Les kernels de quantification sont matures, les optimisations mémoire sont documentées, les tutoriels abondent. Un data scientist qui a déjà fine-tuné sur une RTX retrouve ses marques en une heure.

Sur le Halo, c’est ROCm. PyTorch fonctionne, ONNX Runtime aussi, mais la pile est moins mature pour les kernels de quantization et les optimisations mémoire. Les nuits blanches existent. Et la couche Windows 11 Pro ajoute une complexité que le DGX Spark évite : WSL2, pilotes Adrenalin, gestion des versions CUDA-equivalentes côté AMD. Un pilote Radeon Adrenalin 26.9.2 Hotfix a été publié récemment, ce qui montre que le rythme de correctifs est là — mais la stabilité n’est pas encore celle de CUDA.

Le vrai critère, cependant, n’est pas technique : c’est pourquoi vous fine-tunez. Si c’est pour apprendre, pour expérimenter, pour comprendre comment un adaptateur LoRA modifie un modèle, le Halo 192 Go ouvre la porte aux adaptateurs sur des modèles plus gros — un 120B en QLoRA devient envisageable là où le Spark doit se contenter d’un 70B. Si c’est pour produire, pour livrer un modèle affiné à un client ou à un usage interne, le Spark reste la plateforme de référence : les temps par epoch sont prévisibles, la consommation UMEM est maîtrisée, et l’écosystème ne vous trahira pas la veille d’une deadline.

Verdict nuancé : le Spark gagne sur la fiabilité et la productivité, le Halo gagne sur l’ambition (tailles de modèles plus grosses) au prix de la friction logicielle.

---

Agents locaux et serving multi-utilisateurs : le match change de nature

Jusqu’ici, on a comparé deux machines solo. Mais l’IA locale de 2026 n’est plus mono-utilisateur : elle sert des agents. Et là, l’architecture parle d’elle-même.

Le DGX Spark est pensé pour le cluster. Son ConnectX-7 à 200 Gb/s permet d’en chaîner deux pour un pool de 256 Go agrégés et un calcul distribué. Les chiffres sont là : deux Spark en tensor parallel avec vLLM et DeepSeek-V4-Flash en FP8 atteignent ~350 tokens/s à concurrence 32, ~41 tokens/s en single-stream, avec un pool de cache KV partagé de 1 105 096 tokens et une taille maximale de modèle supportée de 405 milliards de paramètres. C’est du serving sérieux, avec batching continu, gestion du KV cache, et une latence de queueing maîtrisée.

Le Halo 192 Go, avec son 10 GbE et son Windows/Linux, reste une machine solo. Pas de ConnectX-7, pas d’interconnexion haute vitesse, pas d’écosystème de cluster. Vous pouvez servir plusieurs agents dessus, mais vous serez limité par la bande passante du 10 GbE et par l’absence d’outils de distribution pensés pour ça.

La question devient : deux Spark valent-ils mieux qu’un Halo ? Financièrement, deux Spark à 4 699 $ = 9 398 $, contre 3 999 $ pour un Halo. Le Halo gagne sur le prix et la simplicité. Le Spark gagne sur la scalabilité et l’écosystème. Pour un développeur solo qui veut faire tourner un 120B et bricoler des agents, le Halo est le meilleur rapport capacité/prix. Pour un data scientist qui sert plusieurs utilisateurs ou prévoit de clusteriser, le Spark reste le choix structurel.

Et il faut mentionner une évolution récente qui complique le tableau : NVIDIA a lancé le 2 octobre 2026 un DGX Spark 64 Go à 4 999 $, disponible le 23 octobre, tandis que le modèle 128 Go dépasse désormais les 6 000 $ sur le marché. Une cure d’amaigrissement qui reflète la flambée des prix de la LPDDR5 — et qui repositionne le Halo 192 Go comme une aubaine relative.

---

CUDA contre ROCm : le match se joue aussi dans les drivers

On ne le répétera jamais assez : la vraie barrière à l’entrée d’une plateforme d’IA locale, ce n’est pas le matériel, c’est le logiciel.

Côté NVIDIA, la pile est pléthorique et mature. DGX OS, TensorRT-LLM, NIM, support vLLM et llama.cpp optimisé, mises à jour régulières documentées dans les release notes DGX Spark et les forums développeurs. Un modèle GGUF se lance en une commande. Un serveur vLLM se configure en dix minutes. Les kernels sont optimisés pour l’architecture, les performances sont prévisibles.

Côté AMD, ROCm progresse mais reste en retrait. PyTorch fonctionne, ONNX Runtime aussi, mais les kernels pour RDNA 3.5 et XDNA 2 ne bénéficient pas du même niveau d’optimisation. Les performances varient selon les versions, les bugs sont plus fréquents, et la documentation est moins riche. Le Halo sous Windows 11 Pro ajoute une couche de complexité (WSL2, pilotes Adrenalin) que le DGX Spark évite.

C’est là que se joue la vraie différence pour un utilisateur pressé. Un développeur qui veut faire tourner un modèle maintenant choisira le Spark. Un développeur qui accepte de bricoler, de compiler, de tester des versions, choisira le Halo — et sera récompensé par 192 Go de mémoire.

---

Clusters de DGX Spark : pourquoi deux Spark valent parfois mieux qu’un Halo

Le DGX Spark n’est pas qu’une boîte : c’est un nœud d’un cluster. C’est probablement son avantage le plus sous-estimé. Le ConnectX-7 à 200 Gb/s permet d’en chaîner deux, quatre, huit, pour un pool de calcul distribué et une mémoire agrégée. Les chiffres documentés parlent d’eux-mêmes : deux Spark, c’est 256 Go agrégés, 405 milliards de paramètres supportés, un pool de KV cache de plus d’un million de tokens, et un débit agrégé de ~350 tokens/s à concurrence 32.

Le Halo 192 Go, lui, ne se clusterise pas. C’est une machine solo, pensée pour un utilisateur, avec du 10 GbE. Vous pouvez la mettre en réseau, mais vous n’aurez pas de tensor parallel, pas de pool de mémoire partagé, pas de batching distribué.

La comparaison économique est donc plus subtile qu’il n’y paraît. Un Halo à 3 999 $ offre 192 Go et une simplicité totale. Deux Spark à 9 398 $ offrent 256 Go, une scalabilité, un écosystème — mais un coût plus que doublé et une complexité de configuration. Pour un usage mono-utilisateur, le Halo gagne. Pour un usage multi-agents ou multi-utilisateurs, le Spark gagne.

Et il faut mentionner les alternatives : le Mac Studio M5 Ultra (192 Go unifiés, mais écosystème Apple et pas de CUDA), la RTX 5090 (32 Go de VRAM, disqualifiée pour les 70B+), les serveurs multi-GPU d’occasion (coût énergétique et complexité), le cloud (A100/H100 à l’heure, mais coût récurrent et souveraineté des données). Le DGX Spark et le Halo occupent un créneau unique : la capacité mémoire des gros serveurs, dans un format bureau, à un prix accessible.

---

Qui doit acheter quoi : le guide de décision sans langue de bois

Il est temps de trancher, sans faux-semblant.

Achetez le Ryzen AI Halo 192 Go si : vous êtes développeur solo, vous voulez faire tourner un 120B en local, vous bricolez des agents, et vous acceptez de composer avec ROCm. C’est le meilleur rapport capacité/prix du marché pour l’IA locale. À 3 999 $, il offre une marge mémoire que le DGX Spark ne peut pas égaler, et il suffit pour 90 % des usages mono-utilisateurs. Le compromis : une pile logicielle moins mature, une vitesse d’inférence inférieure, et une distribution limitée (Micro Center).

Achetez le DGX Spark si : vous êtes data scientist, vous fine-tunez des LoRA sérieusement, vous servez plusieurs utilisateurs ou agents, ou vous prévoyez de clusteriser. Ses 128 Go sont un handicap pour les 120B, mais son GPU Blackwell, son écosystème CUDA, son ConnectX-7 et sa scalabilité en font la plateforme de référence pour la production. Le compromis : un prix plus élevé (4 699 $, et désormais plus de 6 000 $ pour la version 128 Go sur le marché), et une capacité mémoire qui limite les modèles les plus gros.

N’achetez ni l’un ni l’autre si : vous voulez faire tourner un 405B. Il vous faudra deux DGX Spark (9 398 $) ou accepter le cloud. Et si vous voulez juste tester un 7B, une RTX 5090 à 32 Go suffit — et coûte moins cher.

Ce que ce match change vraiment, c’est la démocratisation des modèles 100B+ sur bureau. Il y a deux ans, faire tourner un 120B en local exigeait un serveur multi-GPU à 50 000 $. Aujourd’hui, ça tient dans une boîte de 15 cm pour 3 999 $. C’est une révolution silencieuse.

Et le vrai gagnant, c’est l’utilisateur qui a désormais le choix. NVIDIA va devoir augmenter la mémoire de son successeur du GB10 — la pression est là, et la récente cure d’amaigrissement à 64 Go montre que la firme cherche encore son équilibre. AMD, de son côté, va devoir muscler ROCm pour convertir l’essai. Le match ne fait que commencer, et c’est tant mieux.

---

Sources

• AMD Ryzen AI Halo 192GB Loads Models No Rival Can: DGX Spark Still Wins on Speed — MSN
• The Best DGX Spark for Local AI in 2026: LLM Speed, Model Sizes, and Clusters, With Sources — pyshine.com
• DGX Spark Software Updates – July 2026 Release — NVIDIA Developer Forums
• DGX Spark Release Notes — NVIDIA DGX Spark User Guide
• NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI — NVIDIA Blog
• Nvidia lance le DGX Spark en 64 Go : faut-il acheter deux petits plutôt qu’un gros ? — Frandroid
• Le DGX Spark Perd La Moitié De Sa Mémoire Mais Conserve Son Tarif De 4 999 Dollars — Pause Hardware
• Matériel pour l’IA locale en 2026 : DGX Spark, Mac Studio M5 Ultra, RTX 5090 et Strix Halo comparés — contextstudios.ai
• AA-AgentPerf-Local: Benchmarking local AI agents on laptops and workstations — Artificial Analysis
• AMD Radeon Adrenalin Graphics Driver 26.9.2 Hotfix — TechSpot
• NVIDIA DGX Station — NVIDIA
• AMD — Page officielle