NVIDIA DGX Spark · 4 November 2026

LLM open source sur NVIDIA GB10 DGX Spark : PAIR, PC Spark, NVFP4, fine-tuning et clusters — le point complet à l’automne 2026

Le 23 octobre 2026, le DGX Spark 64 Go est arrivé en boutique à 4 999 dollars, pendant que la version 128 Go franchissait les 6 000 dollars sur le marché. Trois semaines plus tôt, NVIDIA annonçait des agents locaux packagés et un outil d’orchestration, PAIR, censé transformer la petite station Grace Blackwell en datacenter IA personnel. Un mois après la rentrée, le verdict se précise : l’écosystème open-weight n’a jamais été aussi dense sur le GB10 — Laguna S 2.1, MiMo-V2.6, DeepSeek V4 Flash, Qwen3.8, Ant Ling —, le format NVFP4 tient ses promesses, et le fine-tuning local devient enfin crédible. Mais derrière les annonces, la réalité des benchmarks et des prix raconte une histoire plus nuancée. Décryptage.

Où en est le DGX Spark en octobre 2026 ?

Il faut d’abord remettre les pendules à l’heure, car la gamme a bougé plus vite que prévu. Le 2 octobre 2026, NVIDIA a officialisé une version 64 Go de son mini-supercalculateur, commercialisée à partir du 23 octobre 2026 à 4 999 dollars — soit 1 000 dollars de plus que le prix de lancement de la version 128 Go en 2025. Une inversion de l’arithmétique qui s’explique par un seul facteur : l’envolée des cours de la mémoire (LP)DDR5. Comme le résume Frandroid, la question posée aux acheteurs est désormais simple : « faut-il acheter deux petits plutôt qu’un gros ? » Le même jour, la version 128 Go grimpait au-delà des 6 000 dollars sur le marché, confirmant la tension sur les prix (Pause Hardware).

NVIDIA assume cette stratégie de segmentation. Dans un billet de blog officiel du 2 octobre, la firme explique que le DGX Spark 64 Go « exécute des agents IA locaux sur l’appareil avec la pile IA NVIDIA complète — et des clusters pour plus de performances à mesure que les charges de travail augmentent ». La version 64 Go n’est donc pas un déclassement : c’est une porte d’entrée vers l’échelle supérieure, pensée pour ceux qui prévoient d’empiler les nœuds plutôt que de charger un modèle géant sur une seule machine. NeoTeo précise d’ailleurs que NVIDIA détaille les tailles de modèles visées sur un ou deux systèmes, avec un test Qwen 3.8 27B jusqu’à 1,7 fois plus rapide selon la configuration.

Cette bascule des 64 Go a une conséquence directe sur le discours : là où le DGX Spark 128 Go se vendait comme « la machine qui fait tourner du 120B chez vous », le 64 Go repositionne l’argument sur l’agentique légère (30-35B) et sur le clustering. C’est d’ailleurs exactement le positionnement qu’adopte ASUS avec son Ascent GX10 64 Go, dévoilé le 5 octobre : même SoC GB10 Grace Blackwell, 1 pétaflop de calcul, mais une cible affichée « modèles open source de 30 à 35 milliards de paramètres et agents IA locaux » (ASUS). Techgenyz souligne que si le matériel est identique, « le prix, le stockage, le refroidissement et la disponibilité changent la comparaison » — traduction : le GB10 se banalise, et la bataille se joue désormais sur l’intégration et le prix.

PAIR : ce que l’orchestrateur de NVIDIA change vraiment

Que sait-on réellement de PAIR ? Le nom circule comme Personal AI Router ou Personal AI Runtime selon les sources, et la documentation technique exhaustive manque encore. Mais un élément est désormais vérifiable : NVIDIA a publié une page produit dédiée, « Install and Use NVIDIA PAIR with llama.cpp », qui confirme l’architecture pressentie. PAIR n’est pas un runtime propriétaire fermé : c’est une couche d’orchestration qui s’appuie sur llama.cpp pour l’inférence, avec une gestion automatisée de la mémoire unifiée et une exposition via API standard.

C’est une nuance capitale. Là où DGX OS exigeait de compiler, configurer et optimiser chaque modèle individuellement, PAIR vise l’accessibilité : lancer plusieurs LLM open source en parallèle, les faire communiquer, et router l’inférence à travers le réseau domestique en découvrant automatiquement les appareils compatibles (DGX Spark, RTX Spark, PC à GPU récents). La presse spécialisée a parlé d’« un datacenter IA personnel » ; la réalité est plus prosaïque mais tout aussi stratégique — NVIDIA fédère toutes les machines d’un foyer ou d’un petit bureau en un pool de calcul unifié, tout en gardant la main sur la couche d’orchestration.

Le cœur du réacteur reste la mémoire unifiée de 128 Go (ou 64 Go sur la nouvelle version) partagée entre CPU Arm et GPU Grace Blackwell. Allouer les bons segments à chaque modèle, gérer les échanges, éviter les goulots d’étranglement : PAIR automatise cette répartition. Les premiers retours de la communauté, notamment sur les forums NVIDIA, montrent que la machine encaisse des charges impressionnantes — jusqu’à 1 000 tokens/s en préfill et 59 tokens/s en serving multi-agents pour DeepSeek V4 Flash sur un seul Spark. PAIR vise à rendre ces performances accessibles sans réglage manuel.

Un point de vigilance, cependant : la page NVIDIA ne documente pas encore de gestion multi-nœuds native pour PAIR. Pour les clusters, il faudra toujours passer par vLLM, SGLang ou llama.cpp RPC — nous y revenons plus bas.

PC Spark : le matériel qui matérialise la promesse

Si PAIR est le cerveau logiciel, les PC Spark en sont le corps. Microsoft a dévoilé deux appareils équipés de la puce Nvidia RTX Spark : le Surface Laptop Ultra et le Surface RTX Spark Dev Box. Deux machines très différentes, une même philosophie : l’IA locale sans compromis.

Le Surface Laptop Ultra est un portable premium avec écran 15 pouces mini-LED à 2 000 nits, pavé tactile haptique et ports USB-C. Détail révélateur : il abandonne le connecteur magnétique Surface Connect. Le Surface RTX Spark Dev Box, lui, est un mini-PC au design audacieux — boîtier en aluminium imprimé en 3D, 1 000 orifices d’aération, enveloppe thermique de 100 watts. Un objet pensé pour la dissipation, condition sine qua non pour faire tourner des modèles à pleine puissance sans throttling.

Les deux supportent jusqu’à 128 Go de mémoire unifiée — le seuil qui permet d’exécuter localement des modèles de 70 à 120 milliards de paramètres en quantification. Le marché s’est structuré plus vite que prévu : selon un récapitulatif de septembre 2026, huit OEM commercialisent des mini-PC RTX Spark, Lenovo et Acer ayant livré les premiers dès le 8 septembre 2026. Acer a décliné sa propre station « Acer DGX » autour du même SoC GB10, avec un positionnement agressif : 500 à 1 000 dollars sous le prix NVIDIA officiel. ASUS a présenté à l’IFA 2026 sa gamme ProArt RTX Spark, dont le ProArt GR1X (mini-PC de 15 cm de côté) et les ProArt P14/P16, jusqu’à 128 Go de mémoire unifiée et 1 pétaflop de performance IA. AMD prépare sa riposte avec des PC « RTX Spark » à base de son APU haut de gamme, fabriqués par HP — mais la marque reste discrète.

Ce que ces choix signifient : NVIDIA et Microsoft ne considèrent plus l’IA locale comme un hobby de passionnés. Le parallèle avec Apple Silicon est explicite — NVIDIA veut offrir à Windows son « moment Apple Silicon ». Un indice est venu du firmware : la mise à jour de septembre 2026 ajoute un certificat de démarrage Windows UEFI, signe que la machine se prépare à un écosystème Windows Arm natif. Et le 7 octobre, Microsoft a franchi le pas avec sa keynote « Building Windows for Hybrid Intelligence » : Windows 11 26H2 devient le système d’exploitation des agents IA locaux, avec DeepSeek V4 Flash mis en avant dans les démonstrations (Microsoft, Journal du Geek). La boucle est bouclée : le matériel, l’OS et les modèles open-weight convergent.

NVFP4 : le format 4 bits qui tient ses promesses — mais avec des nuances

Impossible de parler de performances sur GB10 sans évoquer NVFP4, le format de quantification 4 bits natif de Blackwell. C’est lui qui permet à un boîtier de 128 Go de faire tourner des modèles que la logique voudrait réserver à des serveurs. NVFP4 combine un bloc de mise à l’échelle fine (par groupes de 16 valeurs) et une précision effective supérieure au FP4 naïf, ce qui limite la dégradation de qualité par rapport à un FP8.

Sur le terrain, les chiffres confirment l’intérêt du format : DeepSeek V4 Flash en NVFP4 tient dans la mémoire d’une Spark là où un FP16 exigerait plusieurs centaines de gigaoctets. Mais il faut être honnête sur les nuances : tous les modèles ne se quantifient pas aussi bien, et certains — notamment les architectures MoE très creuses — perdent davantage en qualité perçue. La règle empirique qui se dégage de la communauté : NVFP4 pour l’inférence de production locale, GGUF Q4/IQ2 pour l’expérimentation, avec un arbitrage qualité/vitesse qui reste à faire au cas par cas. NVIDIA a d’ailleurs publié le 30 octobre un workflow en ligne de commande pour faire tourner Nemotron-3.5 Lightning sur DGX Spark 64 Go, avec données de benchmark et résultats de speculative decoding à l’appui (blockchain.news) — preuve que l’écosystème logiciel se professionnalise.

Les LLM open source qui tournent vraiment sur GB10

C’est la question qui fâche : quels modèles, concrètement, tiennent sur une Spark ? La réponse a changé plusieurs fois en 2026.

Laguna S 2.1 est la sensation de l’été. Le 21 juillet 2026, le startup américain Poolside a mis en ligne une modèle de 118 milliards de paramètres (8 milliards actifs), taillée pour le codage agentique et les tâches longues, sous licence permissive OpenMDW-1.1. Premier grand open-weight américain depuis onze mois — depuis gpt-oss-120b d’OpenAI en août 2025 —, elle « bat des concurrents dix fois plus gros et tient dans un seul desktop » (ai-stat.ru). Sur GB10, elle s’exécute en quantification 4 bits et redonne à l’écosystème occidental une tête d’affiche.

DeepSeek V4 Flash (284 milliards de paramètres, 13 milliards actifs) reste la référence de débit sur une Spark : 1 000 tokens/s en préfill, 59 tokens/s en serving multi-agents, contre 30 tokens/s en configuration par défaut — un simple ajustement suffit à tripler le débit. Qwen3.8-27B, sorti en août 2026, se situe dans la même enveloppe que son prédécesseur Qwen3.6-27B (136 tokens/s avec 10 agents simultanés, 28-33 tokens/s en session unique, pic à 163 tokens/s en decode) : comptez 34-38 tokens/s en usage courant. MiMo-V2.6 et Ant Ling-3.0-Flash complètent le tableau, ce dernier étant particulièrement apprécié pour sa légèreté en contexte long. Gemma 4 reste le choix « sûr » pour les déploiements contraints.

Le 7 octobre, Microsoft a explicitement cité DeepSeek V4 Flash parmi les modèles mis en avant pour l’IA locale sous Windows — un signal fort : le modèle chinois devient une brique de l’écosystème Windows. Et le 30 octobre, Nemotron-3.5 Lightning de NVIDIA s’ajoute à la liste des modèles « first-party » optimisés pour GB10.

Benchmarks réels : ce que crache vraiment une Spark

Les chiffres constructeurs sont alléchants ; le terrain l’est un peu moins, mais reste respectable. Les mesures indépendantes les plus fiables à ce jour proviennent de la communauté et de protocoles publics.

Sur un seul DGX Spark, DeepSeek-V4-Flash en IQ2_XXS (implémentation ds4.c d’antirez) atteint ~14 tokens/s en single-stream et 410 tokens/s en préfill (août 2026). La suite llama.cpp GGUF grimpe jusqu’à 67 tokens/s sur un modèle 35B-A3B. Avec deux Spark en tensor parallel (TP=2) sous vLLM et DeepSeek-V4-Flash FP8, on passe à ~41 tokens/s en single-stream, ~1 785 tokens/s en préfill et ~350 tokens/s agrégés à concurrence 32 — avec un pool de cache KV partagé de 1 105 096 tokens. Deux Spark supportent jusqu’à 405 milliards de paramètres.

Le 29 septembre 2026, Artificial Analysis a publié AA-AgentPerf-Local, un outil open source qui mesure la vitesse réelle des agents IA sur laptops et stations de travail. Les premiers résultats couvrent le DGX Spark, le Ryzen AI Halo, le MacBook Pro M5 Pro et la RTX 5090, sur quatre modèles open-weight. C’est la première fois qu’un protocole public met tous ces appareils sur un pied d’égalité — et il devrait devenir la référence, tant les chiffres constructeurs sont hétérogènes.

La concurrence est serrée. Le AMD Ryzen AI Halo 192 Go, lancé à 7 299,99 dollars chez Micro Center le 14 octobre 2026, est le premier desktop compact capable de charger des modèles de 300 milliards de paramètres — mais TechTimes titre sans ambiguïté : « DGX Spark Still Wins on Speed ». Sur un modèle de 120B, le Ryzen AI Halo affiche 34-39 tokens/s, ce qui situe le GB10 dans une concurrence directe avec les meilleures puces AMD. Et NVIDIA prépare déjà l’étage au-dessus : le DGX Station for Windows, avec 748 Go de mémoire cohérente et 20 pétaflops FP4, attendu au quatrième trimestre 2026 via six partenaires OEM (tech-insider.org).

Il faut être honnête : face à une inférence cloud sur A100 ou H100, l’écart existe. Les tests sur deux Spark pour des modèles de 405 milliards montrent que la solution locale « trails cloud processing » — elle suit, mais ne rattrape pas. La latence est plus élevée, le débit plus faible, et la gestion mémoire devient un casse-tête au-delà de 200 milliards de paramètres.

Fine-tuning sur DGX Spark : ce que la stack permet vraiment

C’est peut-être la vraie nouvelle de l’automne : le fine-tuning local sur GB10 n’est plus un fantasme. Unsloth documente désormais officiellement le fine-tuning de LLM jusqu’à 200 milliards de paramètres sur DGX Spark, avec ses 128 Go de mémoire unifiée. Le tutoriel publié sur docs.unsloth.ai détaille la procédure complète : image Docker dédiée (Dockerfile_DGX_Spark), conteneur avec accès GPU et montages de volumes, Jupyter, puis exécution des notebooks.

Les chiffres sont parlants : gpt-oss-120b consomme environ 68 Go de mémoire unifiée — il tient donc confortablement sur une Spark 128 Go, et même sur la 64 Go avec des précautions. Mieux : comme démontré à l’OpenAI DevDay, gpt-oss-20b a été entraîné en reinforcement learning avec Unsloth sur DGX Spark pour apprendre à gagner automatiquement à 2048. Après 1 000 étapes et 4 heures d’entraînement RL, le modèle surpasse largement l’original — et un entraînement plus long améliorerait encore les résultats. Tous les notebooks Unsloth fonctionnent sur DGX Spark, y compris le 120b, à condition de supprimer les cellules d’installation.

C’est une rupture : le fine-tuning, longtemps réservé aux clusters A100/H100 loués à l’heure, devient une opération de bureau. Les limites restent réelles — le RL sur des modèles de plus de 120B exige des astuces de mémoire, et les temps d’entraînement se comptent en heures, pas en minutes. Mais pour un chercheur indépendant, un petit studio ou une équipe qui veut adapter un modèle à un domaine précis sans envoyer ses données dans le cloud, la promesse est tenue.

Clusters DGX Spark : deux, quatre, huit nœuds

NVIDIA a discrètement ouvert la porte aux clusters de huit DGX Spark, faisant passer son mini-supercalculateur d’un boîtier « bon pour du 70B » à une plateforme capable d’héberger des modèles de plusieurs centaines de milliards de paramètres — jusqu’à 1 To de mémoire agrégée. Mais attention au mythe du « pool unifié » : huit Spark ne font pas « juste » huit fois plus.

Ce qui circule vraiment entre deux Spark, c’est ConnectX-7, RDMA et NCCL. La topologie — anneau ou étoile — décide du débit agrégé, et les trois pièges qui plombent le scaling sont toujours les mêmes : le cache KV distribué, la latence et la bande passante. Ce que CUDA voit n’est pas ce que vLLM, SGLang ou llama.cpp RPC en font : chaque framework a sa propre gestion du parallélisme, et le tensor parallel (TP) sur deux nœuds n’a rien à voir avec le pipeline parallel sur quatre.

Les chiffres à retenir : deux Spark en TP=2 sous vLLM offrent ~350 tokens/s agrégés à concurrence 32 et un pool de cache KV de 1,1 million de tokens — de quoi servir plusieurs agents simultanément. Au-delà, le rendement décroît : le passage à quatre puis huit nœuds multiplie la mémoire mais pas linéairement le débit, et la complexité opérationnelle explose. Pour la majorité des usages, deux Spark constituent le point d’équilibre ; au-delà, on entre dans le territoire des équipes qui savent déjà administrer un cluster.

Sources

• NVIDIA — DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI (2 octobre 2026)
• NVIDIA — Install and Use NVIDIA PAIR with llama.cpp | DGX Spark
• Frandroid — Nvidia lance le DGX Spark en 64 Go : faut-il acheter deux petits plutôt qu’un gros ? (2 octobre 2026)
• Pause Hardware — Le DGX Spark perd la moitié de sa mémoire mais conserve son tarif de 4 999 dollars (2 octobre 2026)
• NeoTeo — DGX Spark 64 Go : NVIDIA annonce une configuration (3 octobre 2026)
• ASUS — Ascent GX10 64GB: Compact Agentic AI Supercomputer (5 octobre 2026)
• Techgenyz — ASUS Ascent GX10 vs NVIDIA DGX Spark: Same GB10 Platform, Very Different Prices (5 octobre 2026)
• Microsoft — Building Windows for Hybrid Intelligence (7 octobre 2026)
• Journal du Geek — Oubliez l’IA, Windows présente son « Intelligence Hybride » capable de tourner en local (7 octobre 2026)
• TechTimes — AMD Ryzen AI Halo 192GB Loads Models No Rival Can: DGX Spark Still Wins on Speed (14 octobre 2026)
• Tech-Insider — NVIDIA DGX Station for Windows: 748GB, 20 PFLOPs (8 octobre 2026)
• Blockchain.news — NVIDIA details edge AI workflow for DGX Spark and TensorRT Edge-LLM (30 octobre 2026)
• Unsloth — Fine-tuning des LLM avec NVIDIA DGX Spark et Unsloth
• Artificial Analysis — AA-AgentPerf-Local (29 septembre 2026)
• ai-stat.ru — Laguna S 2.1 : l’Occident répond enfin à la Chine en open-weight (23 juillet 2026)
• Pyshine — The Best DGX Spark for Local AI in 2026: LLM Speed, Model Sizes, and Clusters (1er octobre 2026)

Article recherché et rédigé automatiquement · Magazine Electrosens