LLM auto hébergées · 18 September 2026

Vieux laptop ou Raspberry Pi : le meilleur serveur LLM local à petit budget en 2026

Vous rêvez d’un ChatGPT privé, sans abonnement ni fuite de données, mais l’idée d’investir dans un GPU à 1 000 € vous refroidit ? Bonne nouvelle : le matériel de récupération qui dort dans votre placard pourrait bien suffire. Entre le vieux ThinkPad poussiéreux et le Raspberry Pi 5 tout neuf, le match est serré — mais les résultats de terrain penchent clairement d’un côté. Voici comment trancher selon votre profil.

Le rêve du LLM à la maison : mythe ou réalité en 2026 ?

En 2026, faire tourner un modèle de langage localement n’est plus réservé aux ingénieurs de NVIDIA. Les frameworks comme Ollama, LM Studio ou llama.cpp ont démocratisé l’inférence sur du matériel grand public. Mais la promesse séduisante — « exécutez un ChatGPT open source chez vous » — se heurte à une réalité physique : les LLM sont voraces en mémoire et en bande passante. Un modèle 7B quantifié en Q4_K_M exige environ 4 à 5 Go de VRAM (selon PromptQuorum), et un 13B en Q4_K_M grimpe à ~10 Go. Pour un 70B, il faut compter 44 à 50 Go. Autant dire que le choix du matériel est crucial.

Face à ce constat, deux candidats émergent pour le petit budget : le vieux laptop x86 récupéré (souvent gratuit) et le Raspberry Pi 5 (80 à 120 € nu). Le premier a l’avantage d’exister déjà ; le second séduit par sa compacité et sa consommation réduite. Mais derrière les idées reçues, les différences architecturales sont profondes. Ce guide compare les deux plateformes sur le terrain : performances, consommation, coûts cachés et facilité d’installation. Verdict à la clé.

Deux champions du petit budget : le vieux laptop et le Raspberry Pi 5

Prenons deux représentants typiques. D’un côté, un ThinkPad T480 ou un Dell XPS 15 de 2018-2020, équipé d’un Intel Core i5 ou i7, de 16 Go de RAM (souvent extensible), parfois d’un GPU discret (NVIDIA MX150, GTX 1050). De l’autre, le Raspberry Pi 5, disponible en versions 4, 8 et 16 Go de RAM, avec son processeur Broadcom BCM2712 (Cortex-A76 à 2,4 GHz) et son NPU optionnel via l’AI HAT+ (Hailo-10H).

Le laptop a pour lui d’être déjà là : pas d’achat, un écran, un clavier, une batterie qui peut servir d’onduleur. Sa RAM est soudée ou en SO-DIMM, souvent extensible jusqu’à 32 Go ou plus. Le Pi, lui, est un concentré de technologie : 5 V seulement, un écosystème logiciel mature, et une réputation de couteau suisse pour le DIY. Mais ses performances CPU sont limitées par un design ARM à faible consommation, et sa mémoire LPDDR5 (bande passante modeste) plafonne à 16 Go dans sa version la plus récente.

Le Pi 5 brille par sa sobriété énergétique, mais cette sobriété a un prix : la puissance brute. Pour l’inférence LLM, c’est la bande passante mémoire qui fait la loi, et le laptop x86 avec sa DDR4 (ou DDR3) en dual channel offre généralement deux à trois fois plus de débit que la LPDDR5 du Pi. Ajoutez à cela la possibilité d’utiliser un GPU discret sur le laptop — même modeste — et l’écart se creuse.

Sous le capot : ce qui fait vraiment la différence pour l’inférence

L’inférence d’un LLM est un problème de mémoire avant d’être un problème de calcul. Chaque token généré nécessite de lire les poids du modèle, qui résident en RAM. Plus la bande passante mémoire est élevée, plus le débit en tokens par seconde est important. Un vieux laptop avec deux barrettes DDR4-2400 en dual channel atteint environ 38 Go/s ; un Raspberry Pi 5 plafonne autour de 12 Go/s. Ce facteur de trois se retrouve directement dans les performances mesurées.

En pratique, cela signifie que le Pi 5 ne peut exécuter confortablement que des modèles de 1B à 3B paramètres en quantification Q4 (Llama 3.2 1B/3B, Qwen3 1.7B) via Ollama ou llama.cpp, comme le confirme PromptQuorum. Pour un 7B, la génération devient laborieuse — souvent moins de 5 tok/s, ce qui rend la conversation pénible. Le laptop, lui, peut charger un 7B Q4_K_M (4-5 Go de RAM) et produire 5 à 10 tok/s sur CPU seul, voire 20-25 tok/s avec un petit GPU (GTX 1050 ou équivalent). Les chiffres du guide matériel 2026 de PromptQuorum sont éloquents : sur un PC avec 16 Go de RAM, Llama 3.2 3B en Q8 atteint ~20 tok/s, et Phi-4 Mini en Q4_K_M ~25 tok/s. Le Pi 5, lui, plafonne à 5-10 tok/s pour les mêmes modèles en Q4.

Le support logiciel accentue l’écart. Ollama et llama.cpp sont optimisés pour les instructions AVX2/AVX512 des CPU Intel/AMD, et pour CUDA/ROCm sur GPU. Sur ARM, la compilation est possible mais les performances sont moindres, et l’absence de CUDA force à utiliser Vulkan ou OpenCL, souvent moins efficaces. Le NPU Hailo-10H du Pi AI HAT+ pourrait changer la donne, mais il est encore jeune et son écosystème logiciel (serveur Hailo Ollama) reste en développement. En attendant, le laptop x86 garde une longueur d’avance.

Benchmarks pratiques : qui crache le plus de tokens par seconde ?

Les chiffres concrets manquent cruellement dans la littérature pour une comparaison directe laptop vs Pi. Les sources disponibles (PromptQuorum, XDA) donnent des ordres de grandeur, mais pas de benchmark côte à côte. Ce que l’on sait :

• Sur CPU seul avec 16 Go de RAM, Llama 3.2 3B en Q8 : ~20 tok/s (PromptQuorum).
• Un MacBook avec 8 Go peut faire tourner des modèles 3-4B en Q4_K_M via Metal (llama.cpp), mais un 7B est limité ; 16 Go est le minimum confortable (PromptQuorum).
• Le Raspberry Pi 5, selon des retours d’expérience rapportés par XDA, peut exécuter Qwen 3.5 2B Q4_K_M via llama.cpp, mais sans chiffre de performance publié.

En extrapolant, un Pi 5 avec un 3B Q4 atteint probablement 5-8 tok/s, contre 15-25 tok/s pour un laptop i5 de 2018 en dual channel. Pour un 7B, le Pi devient inutilisable (moins de 2 tok/s), alors que le laptop reste fonctionnel à 5-10 tok/s. Le temps de chargement du modèle suit la même logique : le Pi mettra 2 à 3 fois plus de temps à charger un 3B depuis un SSD NVMe (si équipé) que le laptop.

Ces chiffres sont des estimations raisonnables basées sur les données disponibles ; ils doivent être pris avec précaution, faute de benchmark standardisé. Mais la tendance est nette : le laptop domine.

La facture d’électricité : le piège du 24/7

La consommation électrique est l’argument le plus fort du Raspberry Pi. Les mesures publiées par IT-Admin.tg (citant Jeff Geerling) indiquent 2,7-3,5 W au repos et 7-9 W en charge pour le Pi 5. Un mini PC Intel N100/N150, comparable en usage serveur, consomme 8-12 W au repos et 25-35 W en charge. Un vieux laptop, lui, se situe typiquement entre 15 et 30 W au repos (écran fermé) et 40-60 W en charge — mais ces chiffres ne sont pas sourcés précisément dans nos données ; ils restent des ordres de grandeur plausibles.

Calculons le coût annuel pour un usage 24/7 avec un tarif moyen de 0,25 €/kWh :

• Raspberry Pi 5 : 7 W en charge × 24 h × 365 j = 61,3 kWh/an ≈ 15,3 €/an.
• Laptop : 50 W en charge × 24 h × 365 j = 438 kWh/an ≈ 109,5 €/an.

L’écart est réel : le Pi est 7 fois moins gourmand. Mais deux nuances s’imposent. D’abord, le laptop peut être éteint à la demande — pour un usage ponctuel (rédaction, questions-réponses), il consommera bien moins que 24/7. Ensuite, un GPU dédié comme une RTX 4090 (450 W) coûterait environ 110 €/mois en électricité selon PromptQuorum — soit plus que le Pi sur un an. Le petit matériel reste donc imbattable face aux grosses configurations, mais le laptop garde un avantage : sa puissance disponible à la demande.

Mise en place : le parcours du débutant vs le plaisir du bricoleur

Côté Raspberry Pi, l’installation est un rite initiatique : flasher une carte SD (ou un SSD NVMe via PCIe, désormais recommandé), installer un OS 64 bits (Raspberry Pi OS ou Ubuntu), puis Ollama ou llama.cpp. Les pièges sont nombreux : alimentation officielle 5V/5A obligatoire pour pleine puissance, ventilateur à ajouter sous charge, et la carte SD qui s’use rapidement — il vaut mieux passer au NVMe, ce qui ajoute un HAT et des câbles. Le tout demande un niveau de bricolage certain, mais la communauté est vaste et les tutoriels abondent.

Côté laptop, la voie royale est d’installer une distribution Linux (Ubuntu ou Debian) et de lancer Ollama en quelques commandes. Pour les utilisateurs de Windows, WSL2 fonctionne parfaitement. LM Studio offre une interface graphique cliquable pour les débutants. Le laptop a l’avantage d’inclure écran, clavier et batterie — pas besoin d’acheter des accessoires. Le principal risque est la surchauffe : un vieux laptop mal ventilé peut throttler, mais un nettoyage rapide et un support incliné suffisent souvent.

Coûts cachés et TCO sur 3 ans : au-delà du prix d’achat

Le Raspberry Pi 5 nu coûte 80-120 €, mais un kit complet pour serveur (SSD NVMe, HAT, alimentation, boîtier) atteint environ 404 € selon IT-Admin.tg (fin 2025). Ajoutez l’électricité (~15 €/an) et les accessoires de remplacement (carte SD ou NVMe, ventilateur), et le TCO sur 3 ans dépasse 450 €. Le laptop récupéré coûte 0 € à l’achat, mais il faut prévoir une batterie de remplacement (30-60 €), un SSD neuf si l’ancien est mort (30-50 €), et une éventuelle mise à niveau RAM (20-40 € pour passer à 16 Go). L’électricité, si usage 24/7, ajoute ~100 €/an — soit 300 € sur 3 ans. Au total, le laptop revient à 350-450 € si on l’achète d’occasion, ou à moins de 100 € si on le possède déjà.

Le Pi a un avantage : sa durabilité. Pas de batterie qui se dégrade, pas de ventilateur bruyant. Mais sa carte SD est un point faible connu, et le NVMe ajoute un coût non négligeable. Le laptop, lui, peut être revalorisé (RAM, SSD) et revendu. En termes de TCO, le laptop gagne si on le possède déjà ; le Pi reste compétitif pour un usage très intermittent.

Verdict nuancé : quel profil pour quelle machine ?

Le Raspberry Pi 5 est un excellent choix pour le bricoleur qui aime le DIY, qui veut un serveur silencieux et économe, et qui se contente de modèles 1B-3B pour des tâches simples (résumés, réponses courtes, expérimentation). C’est aussi une porte d’entrée idéale pour apprendre, avec une communauté énorme. Mais pour une utilisation sérieuse — chat fluide, rédaction, productivité — le vieux laptop est imbattable : plus de RAM, plus de bande passante, possibilité d’ajouter un GPU, et coût quasi nul si on le possède déjà.

L’utilisateur pragmatique qui veut des réponses rapides choisira le laptop. L’expérimentateur qui veut pousser les limites pourra même envisager un eGPU (boîtier externe avec une RTX 3060 d’occasion) pour faire tourner des 13B ou 20B. Le Pi, lui, restera un compagnon de voyage ou un serveur d’appoint.

Et après ? Les évolutions à surveiller

Le paysage évolue vite. Le NPU Hailo-10H du Pi AI HAT+ pourrait améliorer les performances du Pi pour les petits modèles, mais son écosystème est encore jeune. Les modèles plus efficaces (Qwen3, Llama 4, Phi-4 Mini) réduisent les besoins en RAM, rendant le Pi plus viable. Les mini-PC x86 comme le ZimaBoard 2 832 (Intel N150, 8 Go LPDDR5, double 2,5 GbE) ou la ZimaBlade 7700 offrent des alternatives compactes et plus puissantes que le Pi à prix comparable. Enfin, les laptops d’occasion récents (Ryzen 4000, Apple M1) deviennent abordables et apportent des performances nettement supérieures aux machines de 2018.

En 2026, le choix n’est pas définitif. Mais une tendance se dessine : pour le LLM local à petit budget, le vieux laptop reste le meilleur rapport performance/prix. Le Raspberry Pi 5 a sa place — mais plutôt comme jouet d’apprentissage que comme cheval de trait. Si vous avez un vieux portable qui traîne, sortez-le, installez Ollama, et laissez la magie opérer. Votre porte-monnaie et votre vie privée vous remercieront.

Sources

• PromptQuorum – « LLM local sur Raspberry Pi 5 : ce qui fonctionne (2026) » : https://www.promptquorum.com/fr/prompt-bites/local-llm-raspberry-pi-5
• PromptQuorum – « Guide matériel LLM local 2026 » : https://www.promptquorum.com/fr/local-llms/local-llm-hardware-guide-2026
• IT-Admin.tg – « Raspberry Pi 5 16 Go équipé pour homelab » (cité Jeff Geerling) : https://it-admin.tg (via extraits)
• BestCours – « Meilleurs outils LLM local 2026 : Ollama et rivaux » : https://www.bestcours.com/index.php/meilleurs-outils-llm-local-2026-ollama-et-rivaux
• Assistouest – « Les meilleures ordinateurs monocartes pour vos projets DIY » : https://assistouest.fr/blog/hardware/les-meilleures-ordinateurs-monocartes-pour-vos-projets-diy/
• XDA Developers – « There’s no Linux on my Raspberry Pi anymore – it boots straight into a local LLM instead » : https://www.xda-developers.com/raspberry-pi-boots-straight-into-local-llm/
• MSN – « Your old laptop makes for a better home server than a new Raspberry Pi » : https://www.msn.com/en-us/general/general/your-old-laptop-makes-for-a-better-home-server-than-a-new-raspberry-pi-and-cost-savings-aren-t-the-only-advantage/ar-AA2bZuWh
• Zimaspace – blog officiel sur le Raspberry Pi 5 : https://zimaspace.com
• SSD Nodes – « Measure tokens per second for local LLM » : https://www.ssdnodes.com/learn/lang/fr/measure-tokens-per-second-local-llm
• Ouest-France / Android-MT – « Serveur domestique : vieux smartphone ou Raspberry Pi 5 ? » : https://android-mt.ouest-france.fr/tutoriel/serveur-domestique-vieux-smartphone-ou-raspberry-pi-5/199907/

Article recherché et rédigé automatiquement · Magazine Electrosens