NVIDIA DGX Spark · 12 October 2026

LLM open source sur NVIDIA DGX Spark : modèles, fine-tuning, clusters et performances réelles à l’automne 2026

Un an et demi après son lancement, le mini-supercalculateur de NVIDIA a connu une année 2026 mouvementée : hausse de prix en février, mise à jour majeure en juin avec le NVFP4 et le clustering simplifié, puis un été marqué par l’arrivée de modèles open-weight taillés pour le GB10 — DeepSeek V4 Flash, Qwen3.8-27B, Ant Ling-3.0-Flash, Poolside Laguna S 2.1 — et par la clarification du rôle de NemoClaw. Mais l’automne 2026 apporte son lot de rebondissements : le 2 octobre, NVIDIA a dégainé une déclinaison 64 Go à 4 999 dollars pendant que la version 128 Go franchissait les 6 000 dollars sur le marché, et le 7 octobre, Microsoft a fait de Windows la plateforme officielle de « l’intelligence hybride », avec le DGX Station for Windows en fer de lance. Décryptage de ce qui a vraiment changé entre février et octobre 2026.

De 3 999 à plus de 6 000 dollars : la valse des prix qui a rebattu les cartes

Il faut se souvenir du contexte. Lancé en octobre 2025 à 3 999 dollars, le DGX Spark s’est imposé comme la machine de référence pour l’IA locale : un boîtier desktop de 140 W embarquant le SoC Grace Blackwell GB10, 128 Go de mémoire LPDDR5x unifiée et une puissance théorique d’un pétaflop en FP4. Une promesse séduisante : faire tourner des modèles en inférence et en fine-tuner, le tout sur un bureau. Mais la réalité des premiers mois a été plus nuancée.

En février 2026, NVIDIA a augmenté le prix de 18 %, officiellement en raison de tensions d’approvisionnement en mémoire LPDDR5x. Cette hausse a été vécue comme une douche froide par une communauté qui commençait à pointer les limites de la machine : une bande passante mémoire de 273 Go/s jugée étroite pour les très gros modèles, un réseau inter-nœuds plafonné à 200 Gb/s effectifs (la faute au bus PCIe Gen5 x4), et une stack logicielle encore immature pour l’exploitation en cluster. Sur les forums NVIDIA, GitHub et Reddit, les retours se sont accumulés : configurations réseau complexes, temps de génération décevants sur les modèles 70B, documentation jugée incomplète.

La réponse de NVIDIA est arrivée en juin 2026, sous la forme d’une mise à jour logicielle et matérielle d’ampleur : activation pleine du format NVFP4 sur les cœurs Tensor de cinquième génération, clustering multi-nœuds simplifié et nouveau framework baptisé NemoClaw. Dans le même temps, l’annonce du RTX Spark — une plateforme pour laptops Windows grand public utilisant la même puce GB10 — a confirmé la stratégie : NVIDIA veut démocratiser l’IA locale, mais en segmentant clairement l’offre entre le DGX Spark professionnel et le RTX Spark grand public.

Puis est venu l’automne, et avec lui un double mouvement tarifaire qui a surpris tout le monde. Le 2 octobre 2026, NVIDIA a officialisé une nouvelle déclinaison 64 Go du DGX Spark, commercialisée à partir du 23 octobre chez Acer, ASUS, Dell, Gigabyte, HP et MSI, à partir de 4 999 dollars. Le même jour, la version 128 Go — celle que nous avions testée cet été — a vu son prix grimper au-delà des 6 000 dollars sur le marché, selon Pause Hardware. Autrement dit : la version « entrée de gamme » coûte désormais plus cher que la version 128 Go au lancement. Une cure d’austérité qui s’explique par les cours actuels de la LPDDR5, comme le relève Hardware & Co.

Cette nouvelle configuration conserve le même cœur technologique — GB10 Grace Blackwell Superchip, DGX OS, environnement CUDA et pile logicielle NVIDIA — mais divise la mémoire unifiée par deux. NVIDIA annonce la possibilité d’exécuter localement des modèles jusqu’à 80 milliards de paramètres sur une seule machine, contre 200 milliards pour la version 128 Go. L’astuce marketing, c’est le nouvel outil de clustering automatique : deux DGX Spark 64 Go peuvent être appairés pour reconstituer un pool de 128 Go, avec une promesse de « 70 % de performance en plus » qu’il convient de prendre avec des pincettes. Frandroid résume bien le dilemme : faut-il acheter deux petits plutôt qu’un gros ? La question mérite d’autant plus d’être posée que la version 128 Go reste, à ce jour, la seule à faire tourner confortablement les modèles de 120 à 400 milliards de paramètres.

NVFP4 sous le capot : le 1 PFLOP du GB10 enfin exploité, mais la mémoire reste le juge de paix

Le cœur de la mise à jour de juin 2026, c’est le NVFP4. Ce format de quantification en virgule flottante 4 bits, développé par NVIDIA, n’est pas une simple réduction de précision : il s’appuie sur une implémentation matérielle native dans les cœurs Tensor de cinquième génération du GB10. Là où le FP8 et le BF16 nécessitent des conversions et des calculs en virgule flottante plus coûteux, le NVFP4 exploite directement les unités de calcul 4 bits, doublant théoriquement le débit par rapport au FP8.

NVIDIA annonce un gain de performance allant jusqu’à 2,6 fois en débit pour l’inférence et le fine-tuning. Concrètement, cela signifie que des modèles comme Llama 3.1 70B, Qwen 2.5 72B ou Mistral Large — qui peinaient à dépasser quelques tokens par seconde en génération — peuvent désormais tourner dans des conditions acceptables en local, à condition d’accepter la quantification NVFP4. Les premiers testeurs rapportent une stabilité correcte, sans dégradation visible de la qualité sur des tâches courantes. Les mesures de perplexité commencent à arriver : pour Qwen3.6-27B, le score MMLU en NVFP4 est de 0,8446, un niveau tout à fait honorable pour une quantification 4 bits.

Mais attention à ne pas surinterpréter. Le gain de 2,6× est un chiffre théorique, mesuré dans des conditions idéales. En pratique, la bande passante mémoire de 273 Go/s reste le facteur limitant pour la génération de tokens. Le NVFP4 est un excellent outil pour le prefill (le calcul des tokens d’entrée), mais il ne fait pas des miracles sur le decode, qui reste contraint par la mémoire. C’est un coup de polish, certes, mais un coup de polish qui débloque des usages réels, notamment pour les modèles de 70 à 100 milliards de paramètres.

Benchmarks réels : Qwen3.8-27B, DeepSeek V4 Flash, Laguna S 2.1 — les modèles qui changent la donne

Parlons chiffres, car c’est là que le bât blesse — et que les choses ont radicalement évolué. Les benchmarks publiés par LMSYS en octobre 2025 montraient des performances spectaculaires en prefill : sur Llama 3.1 8B, le DGX Spark atteignait 10 256 tokens par seconde, un score comparable à celui du RTX Pro 6000 Blackwell. Mais ce chiffre masquait une réalité plus contrastée : en génération (le decode), le même modèle plafonnait entre 20 et 368 tokens par seconde selon la configuration, et Llama 3.1 70B ne dépassait pas 2,7 tokens par seconde.

À l’automne 2026, le paysage a changé du tout au tout. Les modèles open-weight récents ont été conçus pour tirer parti du GB10, et les benchmarks indépendants se multiplient — à commencer par l’outil AA-AgentPerf-Local d’Artificial Analysis, publié le 29 septembre 2026, qui mesure la vitesse des agents IA locaux sur laptops et workstations, avec des résultats de lancement pour le DGX Spark, le Ryzen AI Halo, le MacBook Pro (M5 Pro) et la RTX 5090. Voici les chiffres les plus significatifs, issus des forums NVIDIA, des blogs spécialisés et des tests du magazine :

Le cas le plus intéressant est celui de Qwen3.8-27B, sorti en août 2026. Ce modèle de 27 milliards de paramètres, noté 52 sur l’Artificial Analysis Intelligence Index — premier de sa catégorie parmi les modèles open-weight — tourne à 48 tok/s sur un seul DGX Spark d’après le blog OpenZeka (26 août 2026), et à 34-38 tok/s en configuration par défaut. C’est un bond spectaculaire par rapport aux 2,7 tok/s de Llama 3.1 70B un an plus tôt. Le modèle supporte le speculative decoding MTP (Multi-Token Prediction), et sa variante Qwen3.8-Flash-Next MTP atteint 83 à 138 tok/s avec une accélération de 1,67× et zéro perte de qualité, selon les tests du 2 septembre 2026. NVIDIA a d’ailleurs mis en avant ce modèle dans sa communication autour du DGX Spark 64 Go, avec un test Qwen 3.8 27B jusqu’à 1,7 fois plus rapide.

DeepSeek V4 Flash 0731 mérite aussi une attention particulière. Sorti le 31 juillet 2026, ce modèle open-weight de 284 milliards de paramètres au total mais seulement 13 milliards d’actifs (MoE) — 10× plus petit que Claude Opus en actifs — a été conçu pour le GB10. Sur un seul DGX Spark, les utilisateurs rapportent 1 000 tok/s en prefill et 59 tok/s en serving multi-agent (1er août 2026, forums NVIDIA). En configuration par défaut, il plafonne à 30 tok/s, mais une simple modification de configuration ramène l’acceptance à un niveau correct (31 juillet 2026). Le checkpoint officiel est en FP4+FP8 mixte : les poids des experts MoE sont stockés en FP4, le reste (attention, norm, router) en FP8. Une variante NVFP4 (nvidia/DeepSeek-V4-Flash-NVFP4) est également disponible, re-quantifiée par NVIDIA ModelOpt pour les GPU Blackwell. En configuration cluster à deux nœuds (TP=2, vLLM, FP8), on atteint ~41 tok/s en single-stream et ~350 tok/s en débit agrégé à concurrence 32, avec un prefill à ~1 785 tok/s. C’est ce même DeepSeek V4 Flash que Microsoft a mis en avant lors de sa keynote du 7 octobre 2026 comme l’un des modèles phares de l’IA locale sur Windows.

Poolside Laguna S 2.1 (118B, MoE) est la première grande réponse occidentale aux modèles chinois open-weight : sortie le 23 juillet 2026, elle est présentée comme la plus puissante ouverture de poids occidentale depuis 11 mois, spécialisée en codage agentique. Elle tient dans un seul desktop, mais les benchmarks sur DGX Spark restent rares à ce jour.

Enfin, Ant Ling-3.0-Flash (124B-A5B, 5B actifs) tourne à 15-20 tok/s sur un Spark, un débit modeste mais utilisable pour de l’agentique.

Un mot sur la concurrence, car elle s’est intensifiée. Le Ryzen AI Halo d’AMD — 16 cœurs Zen 5, GPU Radeon 8060S (40 CUs RDNA 3.5), 128 Go LPDDR5X, NPU XDNA 2 à 50 TOPS, 55 W nominal / 120 W boost — affiche 34-39 tok/s sur un modèle 120B (septembre 2026), soit un débit comparable au DGX Spark sur cette catégorie. Et le 24 septembre 2026, une comparaison matérielle complète entre DGX Spark, Mac Studio M5 Ultra, RTX 5090 et Strix Halo a montré que le coût par token face au cloud reste le principal argument — ou le principal handicap — de chaque plateforme selon les usages.

Fine-tuning : l’exploit BF16 d’un 35B sur un seul Spark, et la maturité des outils

Le fine-tuning a longtemps été le parent pauvre du DGX Spark. Les premières tentatives se heurtaient à la bande passante mémoire et à une stack logicielle immature. En septembre 2026, la donne a changé : une démonstration remarquée a montré qu’il est possible d’affiner un modèle de 35 milliards de paramètres en pleine précision BF16, sans quantification, sur un seul Spark.

L’astuce ? Éviter le piège du mmap : le chargement par défaut des poids via memory-mapping fait planter le DGX Spark en OOM (out-of-memory) à cause de la fragmentation de la mémoire unifiée. La parade consiste à utiliser une méthode de chargement séquentiel qui évite la quantification forcée et permet de tenir un modèle 35B en BF16 dans les 128 Go unifiés. C’est un contournement logiciel, pas une modification matérielle, mais il change radicalement l’usage possible de la machine.

Les outils de référence pour le fine-tuning sur GB10 sont désormais bien identifiés : PyTorch DDP/FSDP pour le distribué, Unsloth pour la rapidité d’itération, et LLaMA-Factory pour la flexibilité. La documentation communautaire s’est étoffée — le wiki DeepWiki consacré au DGX Spark couvre désormais les workflows de fine-tuning en détail, avec des focus sur le Superchip GB10 (sm121) et ses 128 Go de mémoire unifiée.

Attention toutefois : le fine-tuning BF16 d’un 35B est un exploit, pas une routine. Pour les modèles plus gros, la quantification NVFP4 reste la voie royale, et le fine-tuning distribué sur cluster (DDP/FSDP) commence à peine à être documenté avec des benchmarks sérieux. Sur la version 64 Go, la donne change encore : le fine-tuning LoRA reste viable sur des modèles de taille intermédiaire, mais les gros modèles nécessitent soit une quantification agressive, soit un cluster.

Clusters : 2 nœuds pour 405B, 4 nœuds pour 700B, 8 nœuds pour 750B+, mais avec quelles limites ?

La seconde grande nouveauté de juin 2026, c’est le clustering multi-nœuds. NVIDIA a revu sa copie pour rendre l’assemblage de plusieurs DGX Spark nettement plus simple. Le matériel, lui, n’a pas changé : chaque machine embarque une carte réseau intelligente ConnectX-7 avec deux baies QSFP56 à l’arrière. La subtilité, c’est que la bande passante effective est plafonnée à 200 Gb/s (soit 25 Go/s) à cause des liaisons PCIe Gen5 ×4 — une seule baie suffit donc pour atteindre cette limite. La seconde baie sert à la flexibilité de topologie, pas à doubler le débit.

Trois configurations sont documentées. La première, la plus simple : une liaison directe 200 Gb/s entre deux nœuds, idéale pour un cluster de deux machines. La deuxième : une topologie en anneau utilisant deux ports à 100 Gb/s, qui permet de chaîner davantage de nœuds sans switch. La troisième : un switch QSFP56 pour les déploiements plus larges, jusqu’à huit nœuds.

Les chiffres de capacité sont désormais bien établis : deux nœuds font tourner des modèles jusqu’à 405 milliards de paramètres, quatre nœuds montent à 700 milliards, et huit nœuds dépassent les 750 milliards. Sur DeepSeek-V4-Flash en FP8 avec tensor parallelism sur deux nœuds, on atteint ~350 tok/s en débit agrégé et un pool de cache KV partagé de 1 105 096 tokens — de quoi servir de longues conversations multi-agents sans tronquer le contexte.

Mais il y a un « mais ». Le 26 septembre 2026, un rapport GitHub a documenté un cas de perte totale de réactivité de l’hôte (whole-host loss) lors d’une inférence MiniMax H3 FL2VA en 864×480 sur un seul DGX Spark GB10, après des exécutions pourtant réussies. Ce type d’incident rappelle que la machine reste sensible aux charges extrêmes, et que la stabilité en production n’est pas encore garantie sur tous les workloads. Pour les clusters, la mise à jour doit se faire de manière séquentielle, avec gestion du quorum et vérification de la compatibilité inter-nœuds — un sujet que nous détaillons dans notre guide de maintenance.

L’écosystème logiciel : CUDA 13.x, TensorRT-LLM, NemoClaw, et l’arrivée fracassante de Windows

L’écosystème logiciel du DGX Spark a connu une expansion sans précédent en 2026. La pile de base — DGX OS, CUDA 13.x, TensorRT-LLM, vLLM — s’est stabilisée, et les conteneurs NGC fournissent désormais des images prêtes à l’emploi pour la plupart des modèles populaires. Le framework NemoClaw, dont le rôle avait été mal compris lors des premières annonces, s’est révélé être un orchestrateur d’agents et de pipelines d’inférence, et non un simple outil de fine-tuning. Il s’intègre avec les conteneurs NGC et permet de déployer des workflows multi-modèles sur un ou plusieurs nœuds.

Mais la véritable rupture est venue de Redmond. Le 7 octobre 2026, Microsoft a publié son manifeste pour « l’intelligence hybride », une vision dans laquelle Windows devient la plateforme d’accueil des agents IA, capables de tourner en local quand c’est pertinent et de basculer vers le cloud quand nécessaire. Trois piliers : la sécurité (avec les Microsoft Execution Containers, désormais en disponibilité générale, et l’intégration à Microsoft Agent 365), le routage intelligent entre modèles locaux et cloud, et un Copilot « suralimenté » qui peut utiliser le contexte local de votre PC avec votre permission.

Le lien avec le DGX Spark est direct : parmi « la nouvelle génération de PC construits pour ces possibilités », Microsoft cite explicitement les « mini PC always-on » et les « superordinateurs de bureau propulsés par DGX Station for Windows ». Le DGX Station for Windows, dévoilé le 8 octobre 2026, embarque 748 Go de mémoire cohérente et 20 pétaflops de calcul FP4, avec un lancement au quatrième trimestre 2026 via six partenaires OEM. C’est une bête d’un tout autre calibre que le Spark — mais il partage avec lui la même philosophie : faire de Windows le système d’exploitation de l’IA locale.

Cette offensive a des répercussions concrètes sur l’écosystème du Spark. La Surface Laptop Ultra, propulsée par RTX Spark, est en précommande, aux côtés de machines signées ASUS, Dell, HP, Lenovo et MSI — six laptops Windows équipés de la même puce GB10 que le DGX Spark, avec jusqu’à 128 Go de mémoire unifiée et 1 pétaflop FP4. GitHub Copilot sur Windows équilibre désormais intelligemment les ressources IA locales et cloud. Et le Surface RTX Spark Dev Box fait son apparition comme station de développement IA. Autrement dit : le GB10 n’est plus cantonné au boîtier noir de NVIDIA, il irrigue tout un écosystème de machines, du laptop au mini-desktop.

Pour l’utilisateur du DGX Spark, cela signifie deux choses. D’abord, une convergence des stacks : ce qui tourne sur le Spark tournera de plus en plus facilement sur les autres machines GB10, et inversement. Ensuite, une pression concurrentielle accrue : Acer propose déjà un mini-PC RTX Spark à 500-1 000 dollars sous le prix du DGX Spark officiel, avec les mêmes 128 Go unifiés et le même SoC GB10. La question de la valeur ajoutée du boîtier NVIDIA — DGX OS, support professionnel, pile certifiée — se pose désormais frontalement.

Ce qu’il faut retenir à l’automne 2026

Le DGX Spark a tenu ses promesses, mais à un prix qui a grimpé en flèche et dans un paysage concurrentiel qui s’est brutalement densifié. La machine de 128 Go, désormais au-dessus des 6 000 dollars, reste la référence pour faire tourner des modèles de 120 à 400 milliards de paramètres en local, avec des débits qui n’ont plus rien à voir avec ceux d’octobre 2025 : 48 tok/s sur Qwen3.8-27B, 59 tok/s sur DeepSeek V4 Flash en multi-agent, jusqu’à 350 tok/s en cluster à deux nœuds. Le fine-tuning BF16 d’un 35B sur un seul Spark est un exploit rendu possible par des contournements logiciels astucieux. Les clusters de 2, 4 et 8 nœuds ouvrent la voie à des modèles de 750 milliards de paramètres et plus.

Mais les limites structurelles demeurent : 273 Go/s de bande passante mémoire, 200 Gb/s de réseau inter-nœuds, et une sensibilité aux charges extrêmes qui peut encore faire tomber la machine. La nouvelle version 64 Go à 4 999 dollars, avec son astuce de clustering par paire, brouille le message : elle coûte plus cher que la version 128 Go au lancement, pour moitié moins de mémoire. Et l’arrivée de Windows comme plateforme d’intelligence hybride, avec le DGX Station for Windows en tête de pont, redessine les frontières entre le desktop IA et le supercalculateur de bureau.

Le DGX Spark n’est plus une promesse de salon. C’est une machine de production — imparfaite, chère, mais bien réelle. Reste à savoir si NVIDIA saura maintenir sa longueur d’avance face à AMD, Apple et à son propre écosystème RTX Spark qui pourrait bien finir par le cannibaliser.

Sources

• NVIDIA lance un DGX Spark 64 Go : moins de mémoire, mais une drôle d’astuce pour dépasser le modèle 128 Go — Clubic, 2 octobre 2026
• Le DGX Spark perd la moitié de sa mémoire mais conserve son tarif de 4 999 dollars — Pause Hardware, 2 octobre 2026
• Le DGX Spark se prend une cure d’austérité — Hardware & Co, 2 octobre 2026
• Nvidia lance le DGX Spark en 64 Go : faut-il acheter deux petits plutôt qu’un gros ? — Frandroid, 2 octobre 2026
• NVIDIA DGX Spark 64 Go : NVIDIA annonce une configuration — NeoTeo, 3 octobre 2026
• Nvidia представила ИИ-компьютер DGX Spark с 64 ГБ памяти — Kod.ru, 3 octobre 2026
• Building Windows for hybrid intelligence — Microsoft, 7 octobre 2026
• Building Windows for Hybrid Intelligence — Source EMEA — Microsoft News, 7 octobre 2026
• NVIDIA RTX Spark High-Performance Laptops — Microsoft, octobre 2026
• Surface RTX Spark Dev Box — Microsoft Store, octobre 2026
• NVIDIA DGX Station for Windows: 748GB, 20 PFLOPs — Tech Insider, 8 octobre 2026
• AA-AgentPerf-Local: Benchmarking local AI agents on laptops and workstations — Artificial Analysis, 29 septembre 2026
• Matériel pour l’IA locale en 2026 : DGX Spark, Mac Studio M5 Ultra, RTX 5090 et Strix Halo comparés — Context Studios, 24 septembre 2026
• MiniMax H3 FL2VA on single DGX Spark GB10: whole-host loss — GitHub, 26 septembre 2026
• Xiaomi’s MiMo V2.6 Model Debuts With Unprecedented Efficiency Gains — WinBuzzer, 24 septembre 2026
• ASUS ProArt GR1X : l’IA locale pour les entreprises — SysKB, 22 septembre 2026
• Nex-N2.5 Mini contre Qwen3-8B — OrcaRouter, 9 septembre 2026
• Forums NVIDIA, blogs OpenZeka et codersera, tests internes du magazine — août-septembre 2026

Article recherché et rédigé automatiquement · Magazine Electrosens