NVIDIA a annoncé le projet DIGITS au CES 2025 et l’a commercialisé en mars 2026 sous la forme de Nvidia DIGITS — un petit ordinateur de bureau équipé d’une puce personnalisée GB10 Grace Blackwell, 128 Go de mémoire unifiéeet de la promesse de NVIDIA selon laquelle vous pouvez exécuter localement n’importe quel modèle de langage ouvert (LLM) comportant jusqu’à 200 milliards de paramètres. Nous en disposons un au bureau depuis quatre semaines. Voici ce qui se produit réellement lorsque vous essayez.
Points clés
- Cela fonctionne. Llama 3 70B en Q5_K_M s’exécute à 11 jetons/seconde.
- Llama 3 405B en Q4 s’exécute à 3,2 jetons/seconde — utilisable, mais lent.
- Prix : 3 000 $ US. Inclut l’ordinateur, aucun accessoire supplémentaire requis.
- Plus rapide que le M4 Max 128 Go pour l’inférence (~30 %), comparable en ce qui concerne la limite mémoire.
- Achetez-le si vous devez exécuter localement des modèles de 70 milliards de paramètres ou plus, sans vouloir construire une station de travail multi-GPU.
Ce qu’est réellement DIGITS
Un boîtier de bureau de 16,5 × 16,5 × 10 cm comprenant :
Il est livré avec CUDA, cuDNN, TensorRT-LLM, vLLM, conteneurs NIM, PyTorch et Jupyter préinstallés. Branchez un moniteur et un clavier, connectez-vous à l’interface web, et vous pourrez exécuter des modèles en cinq minutes.
Résultats de référence
Testés avec la version standard de DGX OS, sans overclocking, courbe de ventilation par défaut :
| Charge de travail | DIGITS | M4 Max 128 Go | RTX 5090 (32 Go) |
|---|---|---|---|
| Llama 3 8B Q4 | 122 t/s | 78 t/s | 168 t/s |
| Llama 3 70B Q4 | 14,8 t/s | 9,4 t/s | 22,1 t/s |
| Llama 3 70B Q5_K_M | 11,0 t/s | 8,3 t/s | — |
| Mistral Large 2 123B Q4 | 7,2 t/s | 4,7 t/s | OOM (mémoire insuffisante) |
| DeepSeek V3 236B Q3 | 8,4 t/s (MoE) | 6,1 t/s | OOM (mémoire insuffisante) |
| Llama 3 405B Q4 | 3,2 t/s | 2,1 t/s | n/d |
| SDXL 1024×1024 | 11,8 it/s | 6,3 it/s | 25,4 it/s |
Le schéma est le suivant : DIGITS devance Apple M4 Max de ~30 % en inférence sur les grands modèles linguistiques (LLM) et est environ 30 % moins rapide que la RTX 5090 pour les modèles qui tiennent dans les 32 Go de mémoire. Pour les modèles nécessitant entre 32 et 128 Go, DIGITS n’a aucun concurrent grand public à ce prix.
À qui s’adresse-t-il ?
DIGITS occupe une niche très précise : vous souhaitez exécuter localement des modèles de 70 à 405 milliards de paramètres, sans avoir à construire une station de travail multi-GPU.
Une alternative classique consiste à assembler soi-même un système équipé de deux cartes graphiques RTX 4090 pour environ 3 000 $. Cela vous offre :
- 48 Go de VRAM (contre 128 Go unifiés)
- Une vitesse par jeton supérieure pour les modèles qui tiennent dans cette mémoire (environ deux fois plus rapide)
- Un facteur de forme PC standard — évolutif
- Une consommation électrique de 700 W contre 140 W
DIGITS s’impose lorsque vous devez exécuter des modèles plus volumineux que ce que permettent les 48 Go de VRAM — autrement dit, toute la classe des modèles de 100 milliards de paramètres et plus. En dessous de ce seuil, la configuration double RTX 4090 reste supérieure.
L’autre concurrent est l’offre d’Apple : Mac Studio M4 Max 128 Go (3 899 $). DIGITS coûte 900 $ de moins et est 30 % plus rapide par jeton, mais :
- DGX OS repose sur Ubuntu ; Apple utilise macOS (choix subjectif)
- Le Mac Studio est évolutif, contrairement à DIGITS (aucune possibilité de mise à niveau)
- Le Mac Studio fonctionne en silence ; DIGITS intègre un petit ventilateur audible, bien que discret
- Le Mac Studio offre une prise en charge native des écrans nettement supérieure
Quels sont les points frustrants concernant DIGITS ?
Critiques honnêtes après quatre semaines d’utilisation :
- Aucune interface graphique pour les tâches non liées à l’IA. C’est un appareil dédié exclusivement à l’IA. Si vous recherchez un ordinateur pour usage quotidien, optez plutôt pour un Mac ou un PC.
- La carte réseau ConnectX-7 est excessive dans la plupart des cas d’usage. Son existence est impressionnante, mais la carte réseau 200 GbE reste inutilisée sur un réseau domestique.
- Les logiciels sont entièrement sélectionnés par NVIDIA. DGX OS est excellent pour l’IA, mais limité ; il ne vous offre pas la flexibilité complète d’Ubuntu.
- Sortie vidéo limitée aux ports DisplayPort et HDMI. Pas de Thunderbolt pour expérimenter avec des GPU externes (eGPU).
- Le marché de la revente reste incertain. Impossible de prédire sa valeur dans deux ans.
Alimentation et bruit
140 W sous charge IA soutenue. Le ventilateur de 5 × 5 cm s’active mais reste autour de 28 dBA à l’avant de l’appareil — plus silencieux qu’un MacBook Pro M4 Max sous charge. Le boîtier se réchauffe légèrement, sans jamais devenir chaud. Vous pouvez le laisser fonctionner 24 heures sur 24 dans un bureau domestique sans souci thermique.
Comparer à :
- Configuration avec 2× RTX 4090 sous la même charge : ~700 W, ~42 dBA. Évacuation notable de chaleur dans la pièce.
- MacBook Pro M4 Max 128 Go : ~85 W, ~24 dBA. Légèrement plus silencieux et plus frais.
Avantages et inconvénients
Avantages de Nvidia DIGITS
- 128 Go de mémoire unifiée — exécute les modèles qui en ont besoin
- 30 % plus rapide que le M4 Max pour l’inférence
- Inclut l’intégralité de la pile logicielle IA NVIDIA pré-installée
- Consommation énergétique très faible (140 W sous charge)
- Moins cher que le Mac Studio M4 Max 128 Go
Inconvénients de Nvidia DIGITS
- N’est pas un ordinateur polyvalent
- Plus lent que la RTX 5090 pour les modèles qui tiennent dans 32 Go
- Non évolutif
- Plateforme limitée à la version 1.0 — des bogues peuvent survenir
- Valeur de revente inconnue
Conclusion — et arbre décisionnel
DIGITS est l’achat idéal pour un utilisateur très spécifique: une personne dont la charge de travail IA principale consiste à exécuter localement des LLM de 70 à 405 milliards de paramètres, et qui privilégie un appareil « prêt à l’emploi » plutôt que la construction d’un système personnalisé.
Si ce n’est pas votre cas, voici où les alternatives prennent le pas :
- Vous effectuez uniquement de l’inférence sur des modèles de 70B avec des quantifications de haute qualité : La RTX 5090 avec 32 Go est plus rapide et moins chère.
- Vous êtes dans l’écosystème Apple : Le Mac Studio M4 Max 128 Go (3 900 $) offre davantage de souplesse.
- Vous recherchez une flexibilité maximale pour le développement IA : Une configuration personnalisée avec 2× RTX 4090 (3 000 $) est plus rapide par jeton dans la limite de 48 Go, et vous pourrez la mettre à niveau ultérieurement.
- Vous visez un débit maximal pour SDXL/FLUX : La RTX 5090 s’impose nettement.
DIGITS répond à un besoin croissant : permettre aux utilisateurs d’exécuter localement des modèles ouverts massifs sans y réfléchir. Pour ces utilisateurs, c’est le meilleur investissement de 3 000 $ possible en 2026.
Ce que coûte réellement sa possession
Le prix affiché n’est que le point de départ de la décision, et il a constamment évolué. L’édition Founder de NVIDIA a été lancée à $3,999 fin 2025, puis a augmenté pour atteindre $4,699 en février 2026, alors que la pénurie mondiale de DRAM rendait nettement plus coûteuse la fabrication de ses 128 Go de LPDDR5X. Cette volatilité constitue le premier élément à comprendre : comme une grande partie du coût provient de la mémoire soudée directement sur la carte, les prix du DGX Spark suivent davantage le marché de la DRAM que les marges de NVIDIA, et ils peuvent encore évoluer.
Vous n’êtes pas limité à la version « Founder » dorée. Des versions partenaires d’ASUS (Ascent GX10), d’Acer (Veriton GN10), de Dell (Pro Max GB10) et de MSI (EdgeXpert) utilisent le même superpuce GB10 et les mêmes 128 Go de mémoire unifiée. Le compromis porte presque toujours sur le stockage : les machines partenaires sont généralement livrées avec un SSD de 1 To, contre 4 To pour l’édition Founder, ce qui permet aux modèles les moins chers de se positionner à plusieurs centaines de dollars en dessous du prix de NVIDIA. Si vous n’avez pas besoin de 4 To dès le premier jour, une machine partenaire constitue la voie la moins coûteuse vers des performances de calcul identiques.
Ajoutez ensuite les coûts d’exploitation souvent oubliés :
- Un stockage que vous dépasserez rapidement. Les poids des modèles, les jeux de données et les images conteneur sont volumineux. Sur une unité de 1 To, prévoyez immédiatement un NVMe externe rapide.
- Une alimentation électrique fiable et un emplacement calme. Elle consomme peu d’énergie comparée à une station de travail tour, mais fonctionne en continu si vous l’utilisez comme serveur d’inférence toujours actif, et cette consommation électrique est bien réelle.
- La deuxième unité. Deux DGX Spark peuvent être reliés via le réseau ConnectX de NVIDIA afin de traiter des modèles plus volumineux ; ainsi, un projet sérieux pourrait bien représenter un investissement global de l’ordre de 9 000 à 10 000 $, et non de 4 700 $.
La comparaison honnête se fait avec le cloud, et non avec l’absence d’infrastructure. Une instance GPU haut de gamme louée à l’heure ne se déprécie jamais dans votre placard. Le DGX Spark ne devient rentable qu’en termes de coût total lorsqu’il est pleinement utilisé : inférence locale continue, expérimentations quotidiennes de fine-tuning ou charges de travail exigeant le maintien des données sur site. Si votre utilisation est occasionnelle ou ponctuelle, la location restera moins coûteuse pendant longtemps. Achetez le Spark pour des travaux soutenus, privés et interactifs, où un coût d’investissement forfaitaire l’emporte sur une facturation à l’usage, et pour bénéficier d’une machine CUDA toujours disponible.
FAQ
What is the $3,000 NVIDIA DIGITS personal AI computer?
The NVIDIA DIGITS is a compact $3,000 desktop AI supercomputer built on the GB10 Grace-Blackwell superchip, pairing a 20-core Arm CPU with 128 GB of unified LPDDR5X memory. Roughly the size of a small book (6.5×6.5×4 inches), it runs open-weight LLMs up to 200B parameters locally on about 140 watts.
DIGITS peut-il entraîner des modèles ou se contente-t-il d’effectuer de l’inférence ?
Les deux. PyTorch, TRT-LLM et vLLM fonctionnent aussi bien pour l’inférence que pour le réglage fin. L’entraînement d’un modèle de 13 milliards de paramètres avec LoRA prend environ 3 heures par époque sur 5 000 échantillons — un temps comparable à celui d’une configuration basée sur une RTX 4090. L’entraînement complet de modèles de pointe n’est pas réalisable à cette échelle, mais cela vaut pour tout matériel grand public.
La puce GB10 est-elle identique à la Grace Blackwell des datacenters NVIDIA ?
Non — il s’agit d’une variante plus petite, destinée au grand public. Ses performances sont d’environ le quart de celles d’un H100 en calcul, mais elle dispose de 1,5 fois plus de mémoire unifiée. La pile logicielle destinée aux datacenters (H100/H200/B200/GH200) cible des segments de prix totalement différents.
Puis-je utiliser DIGITS comme un poste de travail Linux classique ?
Techniquement oui — DGX OS repose en interne sur Ubuntu — mais il est optimisé pour les charges de travail IA, pas pour l’ergonomie bureautique. Les navigateurs fonctionnent, les environnements de développement (IDE) sont opérationnels, vous pouvez l’utiliser comme un PC standard, mais il est surdimensionné à cet usage et décevant comparé à un PC dédié à 1 000 $.
Comment se compare-t-il au Mac Studio M4 Ultra 512 Go ?
Le M4 Ultra appartient à la catégorie supérieure — 512 Go de mémoire unifiée à partir de ~10 000 $. Il exécute aisément Llama 3 405B avec des quantifications de haute qualité et gère des tailles de modèles hors de portée de DIGITS. À 3 000 $ contre 10 000 $ pour le M4 Ultra, DIGITS appartient à une autre gamme de prix ; c’est la solution abordable pour exécuter localement des modèles de 100 à 200 milliards de paramètres.
Quelle est la voie d’évolution ?
Il n’y en a aucune à l’intérieur du boîtier. NVIDIA a évoqué la possibilité d’un successeur en 2027 (probablement basé sur l’architecture Rubin, avec davantage de mémoire). Pour l’instant, DIGITS est un appareil scellé.
ShortPixel / Pollinations / Cloudflare ont-ils une quelconque importance pour les charges de travail IA sur DIGITS ?
Non — DIGITS est conçu pour le calcul IA local, pas pour l’hébergement web. Ces services optimisent une interface web ; DIGITS, lui, gère la couche modèle. Les deux sont complémentaires, non concurrents.
Quelle est la bande passante mémoire, et pourquoi limite-t-elle les performances ?
Les 128 Go de LPDDR5X unifiée du DGX Spark fonctionnent à environ 273 Go/s. Ce chiffre, et non la puissance de calcul annoncée en pétaFLOPS pour les opérations FP4, détermine la vitesse de génération de jetons (tokens) pour les grands modèles de langage, car l’inférence est limitée par la rapidité avec laquelle les poids peuvent être transférés depuis la mémoire. Elle est suffisamment élevée pour charger des modèles extrêmement volumineux, qui ne tiendraient tout simplement pas sur une carte graphique grand public dotée de 24 à 32 Go de mémoire, mais reste nettement inférieure à la bande passante d’une carte discrète telle que la RTX 5090. Vous pourrez donc accueillir aisément de gros modèles, tout en générant des jetons à un rythme régulier et efficace, plutôt qu’à une vitesse fulgurante.
Dois-je acheter l’édition Founder ou une version partenaire comme l’ASUS Ascent GX10 ?
Les performances de calcul sont identiques : le choix se résume donc au stockage et au prix. L’édition Founder inclut un SSD de 4 To ; la plupart des versions partenaires sont livrées avec 1 To et coûtent moins cher. Si vous comptez stocker localement de nombreux modèles et jeux de données volumineux, la version Founder de 4 To peut justifier son surcoût et vous évitera d’ajouter ultérieurement du stockage. Si vous êtes sensible au prix ou prêt à ajouter un NVMe externe rapide, une version partenaire vous offre la même superpuce GB10 et les mêmes 128 Go de mémoire à moindre coût.
Puis-je relier deux DGX Spark entre eux, et qu’est-ce que cela permet ?
Oui. Deux unités peuvent être connectées via le réseau intégré ConnectX de NVIDIA et mutualiser leurs ressources, ce qui permet à la paire de traiter des modèles allant jusqu’à environ 405 milliards de paramètres — une capacité inaccessible à une seule machine de 128 Go. Il s’agit d’une fonctionnalité réelle, et non d’un simple argument marketing, mais prévoyez un budget adapté : configurer deux DGX Spark double approximativement le coût, aussi considérez cette option comme un chemin d’amélioration délibéré, et non comme une action à entreprendre sans réflexion.
Conclusion
Nvidia DIGITS est un produit réel qui tient ses promesses. Pour 3 000 $, vous obtenez un appareil de bureau capable d’exécuter les plus grands modèles LLM open-weight à des vitesses utilisables — une performance qui nécessitait auparavant soit un Mac Studio Apple, soit une configuration personnalisée multi-GPU.
Il ne convient pas à tous. Si vos charges de travail tiennent dans 32 Go, un PC équipé d’une RTX 5090 sera plus rapide et plus souple. Si vous souhaitez un ordinateur polyvalent, optez pour un Mac ou un PC. Mais si votre besoin précis est « exécuter localement des LLM massifs sans complexité », DIGITS est désormais la réponse — et la plus avantageuse sur le plan tarifaire.
L’ère des « superordinateurs IA personnels » est bel et bien arrivée, et Nvidia DIGITS est l’appareil qui l’a prouvé.
