{"id":2083,"date":"2026-08-03T02:45:07","date_gmt":"2026-08-03T02:45:07","guid":{"rendered":"https:\/\/convly.ai\/?p=2083"},"modified":"2026-08-03T02:45:07","modified_gmt":"2026-08-03T02:45:07","slug":"how-to-check-vram-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/","title":{"rendered":"Comment v\u00e9rifier la VRAM sous Windows, macOS et Linux"},"content":{"rendered":"<div class=\"convly-tldr\">\n<ul>\n<li><strong>Windows :<\/strong> appuyez sur <strong>Ctrl+Maj+\u00c9chap<\/strong> \u2192 <strong>Performances<\/strong> \u2192 <strong>GPU<\/strong> et lisez <em>M\u00e9moire GPU d\u00e9di\u00e9e<\/em>. Sur les cartes NVIDIA, ex\u00e9cutez la commande <code>nvidia-smi<\/code> dans un terminal pour obtenir la valeur exacte ainsi que l\u2019utilisation en temps r\u00e9el.<\/li>\n<li><strong>macOS :<\/strong> Menu Pomme \u2192 <strong>\u00c0 propos de ce Mac<\/strong>. Sur les puces Apple Silicon, la valeur indiqu\u00e9e sous \u00ab M\u00e9moire \u00bb correspond \u00e0 la m\u00e9moire unifi\u00e9e partag\u00e9e entre le CPU et le GPU \u2014 il n\u2019existe pas de VRAM distincte.<\/li>\n<li><strong>Linux :<\/strong> <code>nvidia-smi<\/code> (NVIDIA), <code>rocm-smi --showmeminfo vram<\/code> (AMD) ou <code>glxinfo -B<\/code> sur les pilotes Mesa.<\/li>\n<li>Seule la <em>d\u00e9di\u00e9e<\/em> VRAM d\u00e9termine quel mod\u00e8le peut \u00eatre utilis\u00e9. Saisissez votre valeur dans le <a href=\"https:\/\/convly.ai\/fr\/llm-vram-calculator\/\">Calculateur de VRAM<\/a> pour conna\u00eetre les mod\u00e8les compatibles.<\/li>\n<\/ul>\n<\/div>\n<p>Comment v\u00e9rifier la VRAM, en une ligne par syst\u00e8me : sous Windows, appuyez sur <strong>Ctrl+Maj+\u00c9chap<\/strong>et ouvrez l\u2019onglet <strong>Performances<\/strong> S\u00e9lectionnez votre GPU, puis lisez <em>M\u00e9moire GPU d\u00e9di\u00e9e<\/em>; sur macOS, ouvrez le menu Pomme \u2192 <strong>\u00c0 propos de ce Mac<\/strong>; sur Linux, ex\u00e9cutez la commande <code>nvidia-smi<\/code> pour NVIDIA ou <code>rocm-smi<\/code> for AMD. Below is each method in detail \u2014 plus what the numbers actually mean when you are deciding whether a local LLM will fit.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_85 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a704ddce3670\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Basculer<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a704ddce3670\"  aria-label=\"Basculer\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_Windows\" >Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_macOS\" >Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous macOS<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_Linux\" >Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous Linux<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#Total_vs_Free_vs_Shared_What_the_Numbers_Mean\" >M\u00e9moire totale vs. m\u00e9moire libre vs. m\u00e9moire partag\u00e9e : signification des chiffres affich\u00e9s<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#How_Much_VRAM_Do_You_Actually_Need\" >De quelle quantit\u00e9 de VRAM avez-vous r\u00e9ellement besoin ?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/fr\/how-to-check-vram-2026\/#Frequently_Asked_Questions\" >Questions fr\u00e9quemment pos\u00e9es<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_Windows\"><\/span>Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Gestionnaire des t\u00e2ches \u2014 la m\u00e9thode la plus rapide<\/h3>\n<ol>\n<li>Appuyez sur <strong>Ctrl+Maj+\u00c9chap<\/strong> pour ouvrir le Gestionnaire des t\u00e2ches.<\/li>\n<li>Acc\u00e9dez \u00e0 l\u2019onglet <strong>Performances<\/strong> Performances <em>(sous Windows 10, cliquez d\u2019abord sur<\/em> Plus de d\u00e9tails<\/li>\n<li>si vous voyez l\u2019affichage compact). <strong>Cliquez sur<\/strong> GPU 0 <strong>GPU 1<\/strong> \u2014 la carte graphique d\u00e9di\u00e9e est g\u00e9n\u00e9ralement d\u00e9sign\u00e9e par GPU 1.<\/li>\n<li>Lire <strong>M\u00e9moire GPU d\u00e9di\u00e9e<\/strong> dans la zone inf\u00e9rieure droite. Il s\u2019agit de votre VRAM physique, affich\u00e9e sous la forme \u00ab utilis\u00e9e \/ totale \u00bb (par exemple, 2,1 \/ 24,0 Go).<\/li>\n<\/ol>\n<p>Ignorez la ligne <em>M\u00e9moire GPU<\/em> : elle additionne la <em>m\u00e9moire GPU partag\u00e9e<\/em> (m\u00e9moire vive syst\u00e8me que le GPU est autoris\u00e9 \u00e0 emprunter) \u00e0 la m\u00e9moire d\u00e9di\u00e9e, ce qui peut faire appara\u00eetre une carte de 8 Go comme une carte de 24 Go. Nous revenons plus en d\u00e9tail sur cette distinction ci-dessous.<\/p>\n<h3>dxdiag<\/h3>\n<p>Appuyez sur <strong>Win+R<\/strong>, saisissez <code>dxdiag<\/code>, appuyez sur Entr\u00e9e, puis ouvrez l\u2019onglet <strong>Affichage<\/strong> Affichage <em>M\u00e9moire d\u2019affichage (VRAM)<\/em> indique la valeur rapport\u00e9e par DirectX. Une mise en garde toutefois : selon la version du pilote, dxdiag int\u00e8gre parfois la m\u00e9moire syst\u00e8me partag\u00e9e dans ce chiffre, ce qui peut conduire \u00e0 une valeur sup\u00e9rieure \u00e0 la VRAM r\u00e9elle de la carte. Pr\u00e9f\u00e9rez donc la valeur \u00ab d\u00e9di\u00e9e \u00bb fournie par le Gestionnaire des t\u00e2ches ou <code>nvidia-smi<\/code> comme r\u00e9f\u00e9rence fiable.<\/p>\n<h3>Param\u00e8tres \u2192 Affichage \u2192 Affichage avanc\u00e9<\/h3>\n<p>Ouvrir <strong>Param\u00e8tres \u2192 Syst\u00e8me \u2192 Affichage \u2192 Affichage avanc\u00e9<\/strong>, puis cliquez sur <strong>Propri\u00e9t\u00e9s de l\u2019adaptateur d\u2019affichage pour l\u2019affichage 1<\/strong>. L\u2019onglet Adaptateur indique la <em>M\u00e9moire vid\u00e9o d\u00e9di\u00e9e<\/em> en m\u00e9gaoctets (Mo). La formulation exacte varie l\u00e9g\u00e8rement entre Windows 10 et Windows 11, mais le chemin d\u2019acc\u00e8s reste identique.<\/p>\n<h3>nvidia-smi \u2014 la valeur exacte<\/h3>\n<p>Si vous disposez d\u2019un GPU NVIDIA, le pilote installe un outil en ligne de commande qui affiche la m\u00e9moire en m\u00e9bioctets (MiB). Ouvrez PowerShell ou l\u2019invite de commandes, puis ex\u00e9cutez la commande suivante :<\/p>\n<pre><code>nvidia-smi<\/code><\/pre>\n<p>La colonne \u00ab M\u00e9moire \u00bb affiche l\u2019utilisation actuelle par rapport \u00e0 la capacit\u00e9 totale r\u00e9elle \u2014 par exemple <code>3216 MiB \/ 24564 MiB<\/code> sur une RTX 4090 \u2014 tandis que la liste des processus en bas indique quels programmes occupent cette m\u00e9moire. Pour une sortie propre et lisible par machine, utilisez plut\u00f4t :<\/p>\n<pre><code>nvidia-smi --query-gpu=memory.total,memory.used,memory.free --format=csv<\/code><\/pre>\n<p>Si la commande n\u2019est pas reconnue, les versions r\u00e9centes des pilotes l\u2019installent dans <code>C:\\Windows\\System32\\nvidia-smi.exe<\/code>; les versions ant\u00e9rieures utilisaient <code>C:\\Program Files\\NVIDIA Corporation\\NVSMI<\/code>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_macOS\"><\/span>Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous macOS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Cliquez sur le menu Pomme \u2192 <strong>\u00c0 propos de ce Mac<\/strong>.<\/p>\n<ul>\n<li><strong>Puces Apple Silicon (M1 et ult\u00e9rieures) :<\/strong> vous verrez un nom de puce suivi d\u2019une valeur telle que 16 Go, 36 Go ou 128 Go. Il s\u2019agit de la <em>M\u00e9moire<\/em> m\u00e9moire unifi\u00e9e <strong>m\u00e9moire unifi\u00e9e<\/strong> \u2014 un espace m\u00e9moire unique partag\u00e9 entre le processeur (CPU) et le processeur graphique (GPU). Il n\u2019existe pas de valeur distincte de VRAM, car il n\u2019y a pas de VRAM s\u00e9par\u00e9e.<\/li>\n<li><strong>Mac Intel :<\/strong> Les GPU discrets sont list\u00e9s avec une quantit\u00e9 d\u00e9di\u00e9e de m\u00e9moire vid\u00e9o (VRAM), par exemple \u00ab Radeon Pro 5500M 8 Go \u00bb.<\/li>\n<\/ul>\n<p>Pour plus de d\u00e9tails, ouvrez <strong>\u00c0 propos de ce Mac \u2192 Plus d\u2019informations \u2192 Rapport syst\u00e8me<\/strong> et s\u00e9lectionnez <strong>Graphiques\/\u00c9crans<\/strong>, ou ex\u00e9cutez ceci dans le Terminal :<\/p>\n<pre><code>system_profiler SPDisplaysDataType<\/code><\/pre>\n<p>Sur les machines Intel, cela affiche une ligne <code>VRAM (totale)<\/code> ; sur les puces Apple Silicon, cela liste plut\u00f4t la puce et le nombre de c\u0153urs GPU.<\/p>\n<h3>Pourquoi la m\u00e9moire unifi\u00e9e change les calculs<\/h3>\n<p>Sur les puces Apple Silicon, le GPU peut adresser la majeure partie \u2014 mais pas la totalit\u00e9 \u2014 de la m\u00e9moire syst\u00e8me. macOS en r\u00e9serve une part pour lui-m\u00eame, et par d\u00e9faut, la limite de la zone de travail du GPU se situe approximativement aux deux tiers ou trois quarts de la m\u00e9moire RAM totale ; cette limite exacte varie selon la capacit\u00e9 de la RAM et la version de macOS. En pratique, un MacBook Pro \u00e9quip\u00e9 de 36 Go de RAM peut charger des mod\u00e8les qui exigeraient une carte graphique discr\u00e8te de 24 Go sur un PC. Les outils de LLM locaux indiquent directement cette limite utilisable \u2014 consultez le <a href=\"https:\/\/convly.ai\/fr\/lm-studio-complete-guide-2026\/\">guide LM Studio<\/a> et le <a href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/\">Guide Ollama<\/a> pour savoir comment chacun l\u2019affiche. Le compromis r\u00e9side dans la bande passante m\u00e9moire, qui varie fortement entre les puces de base, Pro, Max et Ultra, et influe directement sur le nombre de jetons par seconde.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_Linux\"><\/span>Comment v\u00e9rifier la m\u00e9moire vid\u00e9o (VRAM) sous Linux<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>NVIDIA : nvidia-smi<\/h3>\n<p>Install\u00e9 avec le pilote propri\u00e9taire. Ex\u00e9cutez <code>nvidia-smi<\/code> pour une capture instantan\u00e9e, ou actualisez toutes les secondes pendant le chargement d\u2019un mod\u00e8le :<\/p>\n<pre><code>nvidia-smi -l 1<\/code><\/pre>\n<h3>AMD : rocm-smi ou sysfs<\/h3>\n<p>Avec la pile ROCm install\u00e9e :<\/p>\n<pre><code>rocm-smi --showmeminfo vram<\/code><\/pre>\n<p>Sans ROCm, le pilote noyau <code>amdgpu<\/code> expose directement la m\u00e9moire totale (en octets ; votre carte peut \u00eatre <code>card1<\/code> \u2014 v\u00e9rifiez avec <code>ls \/sys\/class\/drm\/<\/code>):<\/p>\n<pre><code>cat \/sys\/class\/drm\/card0\/device\/mem_info_vram_total<\/code><\/pre>\n<h3>Toute carte graphique : glxinfo<\/h3>\n<p>Installer <code>mesa-utils<\/code> (Debian\/Ubuntu) ou <code>glx-utils<\/code> (Fedora), puis :<\/p>\n<pre><code>glxinfo -B | grep -i memory<\/code><\/pre>\n<p>Les pilotes Mesa affichent une ligne telle que <code>M\u00e9moire vid\u00e9o : 8192 Mo<\/code>; l\u2019intitul\u00e9 exact varie selon le pilote.<\/p>\n<h3>lspci \u2014 identifie la carte, pas la VRAM<\/h3>\n<pre><code>lspci | grep -iE 'vga|3d'<\/code><\/pre>\n<p><code>sudo lspci -v -s <\/code> affiche ensuite les fen\u00eatres m\u00e9moire (apertures) de la carte, mais attention : il s\u2019agit des tailles des BAR PCI, qui ne correspondent \u00e0 la VRAM totale que si la fonction Resizable BAR est activ\u00e9e. Utilisez <code>lspci<\/code> pour identifier pr\u00e9cis\u00e9ment le mod\u00e8le de la carte graphique, puis r\u00e9cup\u00e9rez la valeur de m\u00e9moire via les outils ci-dessus ou la fiche technique de la carte.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Total_vs_Free_vs_Shared_What_the_Numbers_Mean\"><\/span>M\u00e9moire totale vs. m\u00e9moire libre vs. m\u00e9moire partag\u00e9e : signification des chiffres affich\u00e9s<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<table>\n<thead>\n<tr>\n<th>Nombre<\/th>\n<th>O\u00f9 vous le voyez<\/th>\n<th>Ce que cela signifie pour les LLM<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>VRAM d\u00e9di\u00e9e (totale)<\/td>\n<td>M\u00e9moire GPU d\u00e9di\u00e9e dans le Gestionnaire des t\u00e2ches ; <code>nvidia-smi<\/code> total<\/td>\n<td>M\u00e9moire physique pr\u00e9sente sur la carte. Il s\u2019agit du budget maximal strict pour les poids du mod\u00e8le.<\/td>\n<\/tr>\n<tr>\n<td>VRAM libre<\/td>\n<td><code>nvidia-smi<\/code> <code>memory.free<\/code><\/td>\n<td>Ce qui est disponible \u00e0 l\u2019instant. Le bureau, les onglets du navigateur et d\u2019autres applications occupent g\u00e9n\u00e9ralement entre 0,5 et 2 Go.<\/td>\n<\/tr>\n<tr>\n<td>m\u00e9moire GPU partag\u00e9e<\/td>\n<td>M\u00e9moire GPU partag\u00e9e dans le Gestionnaire des t\u00e2ches<\/td>\n<td>M\u00e9moire syst\u00e8me (jusqu\u2019\u00e0 environ la moiti\u00e9) dans laquelle le GPU peut d\u00e9border via PCIe. Beaucoup plus lente que la VRAM \u2014 ne la comptez pas lors du dimensionnement d\u2019un mod\u00e8le.<\/td>\n<\/tr>\n<tr>\n<td>M\u00e9moire unifi\u00e9e (Apple Silicon)<\/td>\n<td>\u00ab M\u00e9moire \u00bb dans \u00c0 propos de ce Mac<\/td>\n<td>Un seul espace m\u00e9moire partag\u00e9 entre CPU et GPU. Le GPU peut en utiliser la majeure partie, ce qui \u00e9quivaut \u00e0 disposer d\u2019un vaste pool de VRAM, dont la bande passante d\u00e9pend toutefois de la puce.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Lors du chargement d\u2019un mod\u00e8le, ce qui compte, c\u2019est la VRAM <em>libre<\/em> et non la VRAM totale. Une carte de 12 Go dont 1,5 Go sont d\u00e9j\u00e0 consomm\u00e9s par le compositeur et un navigateur ne laisse que 10,5 Go disponibles \u2014 ce qui peut suffire \u00e0 faire \u00e9chouer le chargement d\u2019un mod\u00e8le cens\u00e9 \u00ab tenir \u00bb. Sur NVIDIA, la liste des processus par processus, situ\u00e9e en bas de la sortie de <code>nvidia-smi<\/code> nvidia-smi<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_Much_VRAM_Do_You_Actually_Need\"><\/span>De quelle quantit\u00e9 de VRAM avez-vous r\u00e9ellement besoin ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>vous indique pr\u00e9cis\u00e9ment quelles applications fermer.<\/p>\n<table>\n<thead>\n<tr>\n<th>Taille du mod\u00e8le<\/th>\n<th>Poids en 4 bits (approx.)<\/th>\n<th>VRAM n\u00e9cessaire pour une ex\u00e9cution confortable<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>7\u20138 milliards<\/td>\n<td>4\u20135 Go<\/td>\n<td>6\u20138 Go<\/td>\n<\/tr>\n<tr>\n<td>12\u201314 milliards<\/td>\n<td>7\u20139 Go<\/td>\n<td>10\u201312 Go<\/td>\n<\/tr>\n<tr>\n<td>24\u201332 milliards<\/td>\n<td>13\u201319 Go<\/td>\n<td>16\u201324 Go<\/td>\n<\/tr>\n<tr>\n<td>70 milliards<\/td>\n<td>36\u201342 Go<\/td>\n<td>48 Go, ou r\u00e9partition sur deux GPU<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>La colonne \u00ab confortable \u00bb suppose un contexte mod\u00e9r\u00e9 (4 000 \u00e0 8 000 jetons) ; des contextes tr\u00e8s longs ajoutent plusieurs gigaoctets suppl\u00e9mentaires au cache KV. Pour des chiffres pr\u00e9cis par mod\u00e8le, consultez le <a href=\"https:\/\/convly.ai\/fr\/vram-requirements-every-major-llm-2026\/\">tableau des besoins en VRAM pour chaque grand mod\u00e8le de langage (LLM)<\/a> ou parcourez le <a href=\"https:\/\/convly.ai\/fr\/models\/\">base de donn\u00e9es de mod\u00e8les<\/a>. Pour conna\u00eetre pr\u00e9cis\u00e9ment les besoins en VRAM selon votre combinaison sp\u00e9cifique de mod\u00e8le, de niveau de quantification et de longueur de contexte, utilisez le <a href=\"https:\/\/convly.ai\/fr\/llm-vram-calculator\/\">Calculateur de VRAM<\/a>. Si votre carte graphique ne suffit pas, le <a href=\"https:\/\/convly.ai\/fr\/best-gpus-for-local-llms-2026\/\">meilleurs GPU pour les LLM locaux<\/a> guide de mise \u00e0 niveau classe les options par rapport \u00e0 la VRAM obtenue pour chaque dollar d\u00e9pens\u00e9 \u2014 et si l\u2019achat d\u2019un nouveau GPU n\u2019est pas rentable, la <a href=\"https:\/\/convly.ai\/fr\/self-hosting-vs-api-calculator\/\">calculatrice d\u2019indiff\u00e9rence entre auto-h\u00e9bergement et API<\/a> indique \u00e0 partir de quel seuil il devient moins co\u00fbteux de payer par jeton.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_Asked_Questions\"><\/span>Questions fr\u00e9quemment pos\u00e9es<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Puis-je augmenter la VRAM de ma carte graphique ?<\/h3>\n<p>Non, sur une carte graphique d\u00e9di\u00e9e \u2014 les puces m\u00e9moire sont soud\u00e9es \u00e0 la carte, donc la seule solution consiste \u00e0 remplacer la carte elle-m\u00eame. Les GPU int\u00e9gr\u00e9s constituent une exception : certains param\u00e8tres du BIOS\/UEFI permettent de modifier l\u2019allocation m\u00e9moire (souvent intitul\u00e9e \u00ab Taille du tampon image UMA \u00bb ou similaire). La m\u00e9moire GPU partag\u00e9e de Windows n\u2019est pas une VRAM suppl\u00e9mentaire et n\u2019affecte pas la quantit\u00e9 de mod\u00e8le pouvant \u00eatre charg\u00e9e \u00e0 pleine vitesse.<\/p>\n<h3>Pourquoi Windows affiche-t-il plus de m\u00e9moire GPU que celle dont ma carte est r\u00e9ellement dot\u00e9e ?<\/h3>\n<p>La ligne \u00ab M\u00e9moire GPU \u00bb du Gestionnaire des t\u00e2ches correspond \u00e0 la VRAM d\u00e9di\u00e9e additionn\u00e9e de la m\u00e9moire syst\u00e8me partag\u00e9e, et dxdiag peut gonfler ce chiffre de la m\u00eame mani\u00e8re. La VRAM physique correspond \u00e0 la valeur \u00ab M\u00e9moire GPU d\u00e9di\u00e9e \u00bb, ou au total affich\u00e9 par la commande <code>nvidia-smi<\/code> . Une carte de 8 Go install\u00e9e sur un PC disposant de 32 Go de RAM affichera souvent 24 Go de \u00ab M\u00e9moire GPU \u00bb \u2014 dont seuls 8 Go constituent de la vraie VRAM.<\/p>\n<h3>La m\u00e9moire GPU partag\u00e9e permet-elle de faire fonctionner des LLM plus volumineux ?<\/h3>\n<p>Pas de fa\u00e7on significative. Des environnements d\u2019ex\u00e9cution comme llama.cpp et Ollama peuvent d\u00e9lib\u00e9r\u00e9ment d\u00e9charger certaines couches vers la m\u00e9moire syst\u00e8me, ce qui permet d\u2019ex\u00e9cuter un mod\u00e8le trop volumineux \u2014 mais la vitesse de g\u00e9n\u00e9ration chute typiquement de dizaines \u00e0 seulement quelques unit\u00e9s de jetons par seconde. Dimensionnez votre mod\u00e8le en fonction de la VRAM d\u00e9di\u00e9e, et consid\u00e9rez le d\u00e9chargement vers la RAM comme une solution de repli, non comme une strat\u00e9gie principale.<\/p>\n<h3>De combien de VRAM un mod\u00e8le de 7 ou 8 milliards de param\u00e8tres a-t-il besoin ?<\/h3>\n<p>Environ 4\u20135 Go pour les poids en 4 bits, donc une carte de 6\u20138 Go permet de faire tourner un tel mod\u00e8le confortablement, avec une marge suffisante pour le contexte. Une carte de 8 Go g\u00e8re tr\u00e8s bien les mod\u00e8les de 7\u20138 milliards de param\u00e8tres ; 12 Go permettent d\u2019acc\u00e9der aux mod\u00e8les de 12\u201314 milliards. Le <a href=\"https:\/\/convly.ai\/fr\/best-local-llms-to-run-on-ollama-2026\/\">guide des meilleurs mod\u00e8les locaux pour Ollama<\/a> associe les mod\u00e8les populaires aux diff\u00e9rentes cat\u00e9gories de VRAM.<\/p>\n<h3>La m\u00e9moire unifi\u00e9e sur Mac \u00e9quivaut-elle \u00e0 de la VRAM ?<\/h3>\n<p>Pour l\u2019ex\u00e9cution des LLM, c\u2019est quasiment identique : le GPU acc\u00e8de \u00e0 un espace m\u00e9moire partag\u00e9 unique, limit\u00e9 par le syst\u00e8me \u00e0 environ les deux tiers aux trois quarts de la m\u00e9moire RAM totale. Ainsi, un Mac \u00e9quip\u00e9 de 32 Go de RAM peut ex\u00e9cuter des mod\u00e8les que ne pourrait pas faire tourner une carte GPU PC de 12 Go. La diff\u00e9rence appara\u00eet dans la bande passante m\u00e9moire, qui varie de plusieurs ordres de grandeur entre les puces de base et les puces Max\/Ultra, et fixe votre plafond en nombre de jetons par seconde.<\/p>\n<h3>Comment surveiller l\u2019utilisation de la VRAM pendant l\u2019ex\u00e9cution d\u2019un mod\u00e8le ?<\/h3>\n<p>Sur NVIDIA (sur tout syst\u00e8me d\u2019exploitation), ex\u00e9cutez <code>nvidia-smi -l 1<\/code> pour une actualisation toutes les secondes. Sous Windows, le volet GPU du Gestionnaire des t\u00e2ches se met \u00e0 jour en temps r\u00e9el. Sur Linux AMD, utilisez <code>watch -n 1 rocm-smi --showmeminfo vram<\/code>; sur Mac, les poids des mod\u00e8les apparaissent comme une m\u00e9moire processus classique dans l\u2019onglet \u00ab M\u00e9moire \u00bb du Moniteur d\u2019activit\u00e9, puisque la m\u00e9moire est unifi\u00e9e.<\/p>","protected":false},"excerpt":{"rendered":"<p>Windows: press Ctrl+Shift+Esc \u2192 Performance \u2192 GPU and read Dedicated GPU memory. On NVIDIA cards, run nvidia-smi in a terminal [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":2084,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[],"class_list":["post-2083","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2083","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/comments?post=2083"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2083\/revisions"}],"predecessor-version":[{"id":2085,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2083\/revisions\/2085"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media\/2084"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media?parent=2083"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/categories?post=2083"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/tags?post=2083"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}