Il y a deux ans, pour faire tourner un modèle linguistique performant chez soi, il fallait une tour bourrée de deux ou trois GPU, un bloc d’alimentation de 1 000 watts et un système de ventilation aussi bruyant qu’un sèche-cheveux. En 2026, vous pourrez effectuer la plupart de ces tâches à partir d’un boîtier qui tient dans la paume de votre main et qui consomme aussi peu d’énergie qu’un ordinateur portable. Le hic, c’est que le marché des mini-PC s’est fragmenté en appareils qui se ressemblent visuellement, mais qui se comportent de manière très différente une fois qu’un modèle est chargé.
Ce guide lève le brouillard. Nous comparons les quatre classes de machines petit facteur de forme qui comptent vraiment pour l'IA locale en ce moment — le Mac mini d'Apple, le DGX Spark de NVIDIA, les boîtes Ryzen AI Max+ (« Strix Halo ») d'AMD, et les mini PC dotés de NPU d'Intel — avec des spécifications vérifiées, les prix actuels et les nombres de tokens par seconde publiés. À la fin vous saurez lequel convient aux modèles que vous voulez exécuter, et quelles lignes de fiche technique relèvent du marketing plutôt que de la performance.
Points clés
- La capacité de la mémoire détermine ce qui peut y être stocké ; la bande passante de la mémoire détermine la vitesse d'exécution. Ces deux chiffres sont importants, mais le marketing n'en met généralement qu'un seul en avant.
- Le Mac mini avec M5 Pro (à partir de 1 699 $ avec 24GB, configurable à 48GB ou 64GB) est le meilleur polyvalent pour la plupart des gens : silencieux, compact, et avec 48GB ou plus confortable jusqu'aux modèles ~32B-paramètres. Apple a remplacé les Mac mini M4 et M4 Pro par des modèles M6 et M5 Pro le 22 septembre 2026.
- Le DGX Spark de NVIDIA ($3 999 à son lancement, $4 699 après une hausse de prix en février 2026) dispose d'une mémoire de 128 Go et accélère considérablement le traitement, mais sa bande passante de 273 Go/s limite la génération de jetons à environ 38 jetons/s sur un modèle 120B lors de tests standardisés.
- Les mini-PC AMD Strix Halo (à partir d’environ $1 500) offrent des performances comparables à celles de la génération Spark, pour un prix bien inférieur. grâce à cette même astuce de mémoire unifiée, mais présentent un retard important dans le traitement des invites.
- Les mini-PC Intel sont destinés aux petits modèles et à la décharge de la NPU, et non aux tâches de classe 70B. — pratique, bon marché, mais ça relève d’une autre catégorie.
- Aucun mini-PC ne peut rivaliser avec un ordinateur de bureau équipé de plusieurs cartes graphiques en termes de vitesse brute de rendu. On achète ces machines pour leur taille, leur silence, leur puissance et leur grande mémoire unifiée — pas pour leur débit maximal.
Mémoire unifiée vs VRAM : le concept qui explique tout
Toutes les recommandations ci-dessous reposent sur cette distinction ; cela vaut donc la peine d'y consacrer trente secondes.
Un GPU traditionnel dispose de sa propre mémoire vidéo dédiée. Une RTX 4090 en possède 24 Go ; si votre modèle et son contexte ne tiennent pas dans ces 24 Go, il ne fonctionnera pas sur cette carte, un point c'est tout. La VRAM est rapide — celle de la 4090 atteint environ 1 008 Go/s — mais sa capacité est toujours insuffisante par rapport à la taille des modèles.
Mémoire unifiée inverse l'échange. La série M d'Apple, le GB10 de NVIDIA et le Strix Halo d'AMD partagent tous un pool mémoire unique entre CPU et GPU, donc une machine 128GB peut dédier 96GB ou plus à un modèle. C'est comme ça qu'une boîte de la taille d'une paume exécute un modèle de 120-milliards-paramètres qui ne tiendrait pas sur une seule GPU grand public. Le prix que vous payez est la bande passante : la LPDDR5x unifiée fonctionne environ 150–310 GB/s dans ces machines, une fraction de la VRAM discrète. Et parce que la génération de tokens est limitée par la bande passante mémoire, ce plafond fixe vos tokens par seconde — peu importe combien de calcul la puce revendique. Gardez ces deux nombres (capacité et bande passante) à l'esprit et chaque fiche technique ci-dessous devient lisible. Si vous voulez le tableau complet côté GPU, consultez notre article d'accompagnement sur le meilleurs GPUs pour les LLMs locaux en 2026.
Une précision concernant le modèle de référence sur lequel nous nous appuyons ci-dessous : gpt-oss-120B est un modèle de type « mixture-of-experts » comptant environ 117 milliards de paramètres au total, mais dont seuls environ 5,1 milliards sont actifs par token. C'est précisément grâce à cette architecture « mixture-of-experts » qu'une version quantifiée s'adapte — et fonctionne à des vitesses acceptables — sur ces machines à mémoire unifiée, malgré leur bande passante modeste.
Apple Mac mini (M6 / M5 Pro) : le choix par défaut
Le Mac mini reste la recommandation la plus facile pour le plus grand nombre de gens. Apple a remplacé les modèles M4 et M4 Pro par une nouvelle génération mise en vente le 22 septembre 2026 : le modèle de base utilise maintenant la puce M6 et commence à 899 $ (16GB de mémoire unifiée, 256GB SSD), configurable à 24GB ou 32GB.
Le M6 a un GPU 12-cœur et une bande passante mémoire de 153 GB/s (170 GB/s dans les configurations 24GB et 32GB) — correct pour les modèles de classe 8B. Pour une IA locale sérieuse vous voulez le M5 Pro, qui passe à un GPU de 16 ou 20 cœurs et, surtout, 307 GB/s de bande passante — environ le double du M6. Il commence à 1 699 $ avec 24GB ; configuré avec 48GB ou 64GB, il contient entièrement un modèle 32B quantifié en Q4 en mémoire (Qwen 2.5 32B en Q4_K_M fait 19,8GB). Apple liste la configuration 18-cœur CPU, 20-cœur GPU, 64GB, 1TB à 3 199 $. Dans la communauté llama.cpp scoreboard Apple Silicon, le M5 Pro génère environ 66–68 tok/s sur Llama 2 7B en Q4_0.
Une mise en garde qui mérite d'être connue avant d'acheter : 64GB est le plafond. C'est suffisant pour contenir un modèle 70B en Q4 (Llama 3 70B en Q4_K_M fait 42,5GB) avec seulement peu d'espace pour le contexte, et la génération de tokens sur un modèle 70B dense est lente à 307 GB/s. Si vous avez spécifiquement besoin de plus que ça, les boîtes 128GB de mémoire unifiée ci-dessous sont la voie réaliste.
Ce qui fait vendre le Mac mini, ce n'est pas la vitesse de pointe — c'est l'ensemble du package. Apple l'indique au repos à 5 dBA et le classe à 155W de puissance maximale continue, et il est assez petit et silencieux pour le laisser fonctionner en permanence comme serveur d'inférence toujours actif sur une étagère. Support logiciel via Ollama, LM Studio, et le framework MLX d'Apple est excellent. Si vous débutez avec les modèles locaux, notre guide complet sur Ollama explique étape par étape comment faire fonctionner un modèle sur ce type précis de machine.
Avantages
- Très silencieux (Apple l'indique à 5 dBA au repos) ; puissance maximale continue de 155W
- Écosystème logiciel de première classe (MLX, Ollama, LM Studio)
- La bande passante 307 GB/s du M5 Pro est forte pour la taille et le prix
- La valeur de revente et la qualité de fabrication sont excellentes
Inconvénients
- Plafonne à 64GB — un modèle 70B en Q4 tient juste avec peu d'espace, et les modèles 100B+ que les boîtes 128GB exécutent sont hors de portée
- La mémoire unifiée est soudée ; achetez d’emblée la capacité dont vous aurez besoin
- Absence de chemin d'accès NVIDIA CUDA, ce qui est important pour certains outils d'entraînement et de réglage fin
NVIDIA DGX Spark : 128 Go et une pile CUDA, à un certain prix
Le DGX Spark (dévoilé sous le nom de “ Project DIGITS ” au CES 2025, rebaptisé DGX Spark lors de la GTC en mars 2025, et dont la commercialisation est prévue le 15 octobre 2025) est la réponse de NVIDIA pour mettre un “ supercalculateur IA personnel ” sur votre bureau. Il associe une superpuce GB10 Grace Blackwell — un processeur Arm à 20 cœurs (10× Cortex-X925 + 10× Cortex-A725) ainsi qu’un GPU Blackwell — à 128 Go de mémoire LPDDR5x unifiée et cohérente, un SSD à chiffrement automatique de 4 To et une carte réseau ConnectX-7 à 200 Gbps permettant de relier deux unités. NVIDIA annonce une performance IA FP4 pouvant atteindre 1 pétaflop. Selon NVIDIA, il est capable d’effectuer des inférences sur des modèles comportant jusqu’à environ 200 milliards de paramètres, ou d’effectuer un réglage fin sur des modèles comportant jusqu’à environ 70 milliards de paramètres. L’alimentation est assurée par un adaptateur de 240 W.
Et maintenant, soyons honnêtes. Spark est une véritable bête de course en matière de traitement des requêtes : sur gpt-oss-120B, il atteint environ 1 723 tok/s de préremplissage dans les tests standardisés, au même niveau qu’une configuration à trois cartes RTX 3090. Mais symboliquement génération s'élève à seulement ~38,6 tok/s dans cette même comparaison, car la bande passante mémoire du GB10 n'est que de 273 Go/s — un peu en dessous des 307 GB/s du nouveau Mac mini M5 Pro, et le facteur limitant lors de la phase de décodage limitée par la mémoire. Des piles d'inférence hautement optimisées (vLLM, SGLang, TensorRT-LLM de NVIDIA) ont apparemment poussé la génération single-unit gpt-oss-120B vers 50–60 tok/s avec la bonne config, mais le plafond de bande passante qui la garde bien en dessous d'un rig multi-GPU est la physique, pas le logiciel.
Et puis, il y a le prix. La Spark a été lancée à $3 999 et son prix a grimpé jusqu’à $4,699 en février 2026 au milieu de contraintes d'approvisionnement mémoire — un saut de 18% que NVIDIA a attribué aux contraintes d'approvisionnement mémoire mondial. C'est environ 37 $ par GB de mémoire — et pour le débit de génération pur, un trio de RTX 3090 d'occasion coûte apparemment moins et tourne plusieurs fois plus vite. Le Spark gagne son maintien si vous avez spécifiquement besoin de la stack logicielle CUDA/NVIDIA, NVFP4, ou l'espace d'inférence 200B-paramètres dans une boîte 240W. Nous creusons plus profond dans notre Test du DGX Spark / Projet DIGITS et le face-à-face DGX Spark vs Mac Studio comparaison.
AMD Ryzen AI Max+ 395 (Strix Halo) : le meilleur rapport qualité-prix
La Strix Halo d'AMD est la révélation de cette génération. Le modèle phare Ryzen AI Max+ 395 intègre 16 cœurs Zen 5, un GPU RDNA 3.5 doté de 40 unités de calcul (le Radeon 8060S) et un NPU XDNA 2 de 50 TOPS. Associé à un maximum de 128 Go de LPDDR5X, dont jusqu’à 96 Go peuvent être alloués au GPU ; il utilise la même technique de mémoire unifiée que le Spark — exécuter un modèle de 120 milliards de paramètres qu’aucun GPU grand public ne peut prendre en charge à lui seul — pour un coût bien moindre.
Le point fort réside dans la bande passante et la rapidité de traitement. La mémoire du Strix Halo atteint un pic d’environ 256 Go/s, et sur le gpt-oss-120B, elle ne parvient qu’à environ 340 tok/s de préremplissage contre les 1 723 de la Spark. Mais voici le plus étonnant : la génération de jetons est environ 34 tok/s, à un cheveu du 38 du Spark. Pour les charges de travail de style chat où vous générez plus que vous n'ingérez, l'écart est petit. Les modèles 70B denses sont une autre histoire : en Q4 chaque token généré doit lire tous les ~42,5GB de poids via ce bus ~256 GB/s, donc attendez-vous à du simple chiffre tok/s.
Ce qui rend ce produit attractif, ce sont son prix et le choix qu’il offre. Les prix d’entrée de gamme ont augmenté en raison de la pénurie de RAM prévue pour 2026 : les versions 64 Go du GMKtec EVO-X2 se vendent à partir d’environ $1 500, tandis que l’EVO-X2 128 Go avoisine désormais les $2 200. Le PC de bureau réparable de Framework est proposé à partir d’environ $1 639 (barebone, Ryzen AI Max+ 395, 64 Go) hors stockage et système d’exploitation, et la station de travail IA 300 de Corsair a été lancée à un prix avoisinant les $2 000, mais son prix a largement dépassé ce seuil pendant la pénurie. Le problème réside dans les logiciels : ROCm et llama.cpp fonctionnent bien, mais l’écosystème est moins abouti que celui d’Apple ou de NVIDIA, et les fonctionnalités d’IA de Windows s’appuient davantage sur le NPU que sur le GPU principal.
Avantages
- Configurations avec 128 Go de mémoire unifiée disponibles — la solution la plus économique pour les modèles de plus de 70B
- Sa vitesse de génération est presque équivalente à celle du DGX Spark, pour un prix bien inférieur
- Plateforme x86 ouverte ; fonctionne sous Windows ou Linux, large compatibilité avec les applications
Inconvénients
- Traitement lent des requêtes — les charges de travail à contexte long/RAG semblent lents
- Les outils ROCm sont moins aboutis que ceux de CUDA ou MLX
- Mémoire soudée ; les prix de la RAM en 2026 ont fait grimper les prix publics
Mini-PC Intel : modèles compacts et déchargement via le NPU
Les mini-PC d’Intel se situent dans une catégorie à part, et il est important de ne pas se tromper d’achat dans ce domaine. Les puces Arrow Lake-H actuelles, comme le Core Ultra 9 285H, associent un iGPU Arc à un NPU de 13 TOPS, pour une puissance de calcul IA de la plateforme pouvant atteindre environ 99 TOPS si l’on compte le CPU et le GPU ; La pile IPEX-LLM d’Intel intègre Ollama et llama.cpp à son iGPU et à son NPU. La grande avancée de 2026 sera Panther Lake (série Core Ultra 3), lancée au CES 2026, qui associe un NPU de 50 TOPS à un GPU nettement plus puissant pour atteindre environ 180 TOPS au niveau de la plateforme — même s’il s’agit toujours d’une plateforme de classe portable/mobile, et non d’une machine de bureau capable de traiter de grands modèles.
Mais aucune d’entre elles n’est une machine à mémoire unifiée destinée aux grands modèles. Avec de la DDR5 standard (généralement environ 120 Go/s en double canal) et sans allocation de 96 Go par GPU, un mini-PC Intel est l’outil idéal pour les modèles de 3 à 8 milliards de paramètres, les assistants intégrés, la transcription, et aux tâches en arrière-plan accélérées par un NPU — mais pas pour exécuter un modèle de 70 milliards de paramètres. Si votre charge de travail consiste en “ un modèle quantifié de 8 milliards de paramètres et quelques fonctionnalités d’IA sous Windows ”, un appareil Intel est économique et économe en énergie. S’il s’agit du “ plus gros modèle que je puisse faire tourner ”, tournez-vous vers les machines à mémoire unifiée présentées ci-dessus. Le compromis NPU/GPU est ici un sujet à part entière, abordé dans notre NPU ou GPU pour l'IA ? détail.
Le tableau comparatif
Les chiffres de génération ci-dessous sont pour gpt-oss-120B (génération/traitement de prompt) à partir de tests standardisés de style llama.cpp où les deux tiennent ; les notes de modèles plus petits sont données autrement. Les prix sont en USD — ceux d'Apple sont les prix catalogue actuels, les autres prix de rue mi-2026 — et bougent avec la pénurie mémoire en cours.
| Machine | Mémoire unifiée | Bande passante | Plafond avec modèle réaliste | Général / préremplissage (120B) | Alimentation | Prix (2026) |
|---|---|---|---|---|---|---|
| Mac mini M6 (base) | 16 à 32 Go | 153–170 GB/s | ~8–14B (4e trimestre) | n/d | jusqu'à 155W (classé) | $899+ |
| Mac mini M5 Pro | 24–64GB | 307 GB/s | ~32B (Q4) ; 70B en Q4 seulement avec 64GB, serré | n/d | jusqu'à 155W (classé) | 1 699 $ + (3 199 $ avec 64 Go) |
| AMD Strix Halo (Ryzen AI Max+ 395) | jusqu'à 128 Go | ~256 Go/s | ~120B (Q4 MoE) | 34 / 340 tok/s | 80–120 W | 1 500–3 000 $ et plus |
| NVIDIA DGX Spark | 128 Go | 273 Go/s | ~200B (inférence) | 39 / 1 723 tok/s | ~240 W max | 3 999–4 699 $ |
| Mini PC Intel Arrow Lake-H | DDR5 (pas de grand pool GPU) | ~120 Go/s | ~8 milliards (4e trimestre) | n/d | ~65 W | $600–1 200 |
Apple a remplacé les Mac mini M4 et M4 Pro par les modèles M6 et M5 Pro le 22 septembre 2026 ; les chiffres Mac mini ci-dessus proviennent de la fiche technique actuelle d'Apple et des prix catalogue.
À titre de référence, un Mac Studio M3 Ultra tourne environ 819 GB/s de bande passante (et décode le même modèle 120B autour de 70 tok/s), tandis qu'un rig triple-3090 atteint ~124 tok/s de décodage — tous deux bien en dehors du territoire mini-PC, et un rappel de ce que vous abandonnez pour l'encombrement réduit. Si vous pesez une boîte Apple plus grande, le Mac Studio actuel (en vente depuis septembre 2026) est livré avec M5 Max (jusqu'à 128GB, jusqu'à 614 GB/s) ou M5 Ultra (jusqu'à 512GB, 1.2 TB/s) ; notre DGX Spark vs Mac Studio comparaison couvre cette étape.
Recommandations par cas d’usage
La plupart des gens / assistant silencieux toujours actif : Mac mini M5 Pro avec 48GB ou 64GB. Le meilleur équilibre de capacité, faible bruit, petit format et une stack logicielle mature. Passer au modèle M6 si vous avez seulement besoin de modèles 8B.
Taille maximale du modèle pour un budget limité : un boîtier AMD Strix Halo (GMKtec EVO-X2, Framework Desktop ou Corsair AI Workstation 300). Avec 128 Go, vous pouvez charger des modèles de 70 à 120 milliards de points que le Mac mini ne peut même pas envisager, à des vitesses de génération qui rivalisent presque avec celles du Spark, bien plus onéreux — et même avec des prix gonflés par la pénurie, son coût reste bien inférieur à celui du Spark.
Développement CUDA / Flux de travail NVIDIA / Traitement intensif des invites : DGX Spark. Vous payez un supplément pour la pile NVIDIA, le NVFP4, la mise en cluster ConnectX et le préremplissage de pointe — un surcoût qui ne se justifie que si ces éléments revêtent une importance particulière pour vous.
Petits modèles embarqués et tâches NPU : un mini-PC équipé d'un processeur Intel Arrow Lake ou Panther Lake. Abordable, performant et parfaitement adapté aux tâches de type « 8B » ainsi qu'aux fonctionnalités d'IA de Windows.
FAQ
Quel est le meilleur mini-PC pour faire tourner des LLM en local en 2026 ?
Pour la plupart des utilisateurs c'est le Mac mini M5 Pro avec 48GB ou 64GB — silencieux, faible consommation et capable jusqu'aux modèles ~32B. Si vous devez exécuter des modèles 70B+, une boîte AMD Strix Halo 128GB est le choix rentable, et le NVIDIA DGX Spark est l'option CUDA premium.
De combien de mémoire vive ai-je besoin pour faire tourner un modèle comportant 70 milliards de paramètres ?
Un modèle 70B quantifié en Q4 nécessite environ 40–48GB juste pour les poids, plus de l'espace pour le contexte. En pratique vous voulez une machine 64GB minimum, et 128GB pour l'exécuter confortablement avec une grande fenêtre de contexte. Un Mac mini M5 Pro 64GB peut contenir un modèle 70B en Q4 avec peu d'espace pour le contexte ; pour un travail confortable en 70B, les boîtes 128GB de mémoire unifiée sont un meilleur choix.
Pourquoi le NVIDIA DGX Spark est-il si lent à générer des jetons alors qu'il coûte plus de $4 000 ?
Parce que la génération de tokens est limitée par la bande passante mémoire, et le 273 GB/s du Spark est modeste — un peu en dessous du 307 GB/s du Mac mini M5 Pro. Sa force est le traitement de prompt (environ 1 723 tok/s sur un modèle 120B) et la capacité 128GB, pas la vitesse de génération brute, où les tests standardisés le mettent autour de 38 tok/s (les stacks optimisés peuvent atteindre ~50–60).
La mémoire unifiée est-elle aussi performante que la VRAM d'un GPU dédié ?
C’est un compromis. La mémoire unifiée offre une capacité bien supérieure (jusqu’à 128 Go), ce qui permet d’exécuter des modèles qui ne tiendraient pas sur une seule carte graphique grand public, mais avec une bande passante bien inférieure à celle de la VRAM. Pour les modèles volumineux qui ne pourraient pas être traités autrement, c’est la seule option viable ; pour les modèles plus petits, une carte graphique dédiée est plus rapide.
Un Mac mini peut-il faire tourner un modèle 70B ?
À peine. La configuration supérieure du Mac mini M5 Pro a 64GB, suffisant pour contenir un modèle 70B en Q4 (Llama 3 70B en Q4_K_M fait 42,5GB) avec peu d'espace pour le contexte, et la génération est lente à 307 GB/s. L'espace utilisable pratique plafonne autour de 32B en Q4. Pour un travail régulier en 70B, passez à une machine 128GB comme une boîte Strix Halo, un Mac Studio, ou le DGX Spark.
Les mini-PC AMD Strix Halo sont-ils adaptés à l'IA, ou le logiciel est-il encore trop rudimentaire ?
Leurs performances sont réellement impressionnantes : 128 Go de mémoire et des vitesses de génération proches de celles du DGX Spark, pour un prix bien inférieur. Le seul bémol concerne les logiciels : ROCm et llama.cpp fonctionnent, mais sont moins aboutis que MLX d’Apple ou CUDA de NVIDIA, et le traitement des invites est peu performant. Si vous êtes à l'aise avec un peu de configuration, le rapport qualité-prix est excellent.
Quelle puissance et quel niveau sonore puis-je attendre de ces machines ?
Le Mac mini est le plus silencieux : Apple l'indique à 5 dBA au repos et donne une puissance maximale continue de 155W. Les boîtes Strix Halo consomment 80–120W avec des ventilateurs audibles mais modestes. Le DGX Spark est fourni avec un adaptateur 240W. Tous sont dramatiquement plus silencieux et consomment moins qu'un bureau multi-GPU, qui peut tirer 300–450W ou plus.
Conclusion
L'ère des mini-PC dédiés à l'IA locale est bel et bien arrivée, mais le marketing en exagère les atouts sur un point précis : ces machines se distinguent par leur taille, leur silence, leur puissance et leur grande mémoire unifiée — et non par leur vitesse brute. Aucun de ces appareils ne surpasse un ordinateur de bureau équipé de plusieurs GPU en termes de « tokens par seconde », et vous ne devriez pas en acheter un en espérant qu'il le fasse.
Choisissez par la taille de modèle que vous exécutez réellement. Pour les modèles 8B–32B avec le moins de tracas, le Mac mini M5 Pro est l'appel facile et celui que nous recommanderions à la plupart des lecteurs. Pour exécuter des modèles 70B–120B sans une tour, une boîte AMD Strix Halo offre la meilleure capacité par dollar, avec le DGX Spark réservé à ceux qui ont spécifiquement besoin de la stack NVIDIA et de la puissance de traitement de prompt. Et si vos besoins s'arrêtent aux modèles 8B, un mini PC Intel fera le travail pour moins. Mettez en correspondance la mémoire avec le modèle, lisez la ligne de bande passante, et ignorez le pétaflop sur la boîte.