11,2 t\/s<\/span><\/div>\n<\/div>\nLa 3090 a d\u00e9sormais cinq ans, mais elle reste en 2026 le meilleur rapport qualit\u00e9-prix en termes de VRAM. Ce sont ses 24 gigaoctets de m\u00e9moire \u00e0 $700 d\u2019occasion qui permettent \u00e0 des milliers de chercheurs ind\u00e9pendants en apprentissage automatique de faire tourner des mod\u00e8les de l\u2019ordre de 70 milliards de param\u00e8tres.<\/p>\n
Sa vitesse correspond \u00e0 environ 601 TP3T de celle d\u2019une 4090 \u2014 mais pour l\u2019inf\u00e9rence, vous obtenez tout de m\u00eame un nombre de tokens par seconde exploitable sur tous les mod\u00e8les pertinents. Les principaux inconv\u00e9nients sont une consommation \u00e9lectrique plus \u00e9lev\u00e9e par unit\u00e9 de travail et le risque li\u00e9 \u00e0 l\u2019achat d\u2019une carte vieille de cinq ans sur le march\u00e9 de l\u2019occasion.<\/p>\n
Le geste typique des passionn\u00e9s en 2026 : deux 3090 d'occasion<\/strong> Avec un bloc d'alimentation de qualit\u00e9 de 1 200 W et un pont NVLink ($, soit 1 400 au total), vous disposez de 48 Go de m\u00e9moire vid\u00e9o, ce qui surpasse une seule 4090 sur tous les mod\u00e8les sup\u00e9rieurs \u00e0 30B. La configuration est fastidieuse, mais \u00e7a fonctionne.<\/p>\nAchetez si :<\/strong> vous disposez de $700 \u00e0 investir, vous souhaitez vous lancer dans les LLM locaux et vous n'avez aucun probl\u00e8me avec le mat\u00e9riel d'occasion.<\/p>\n\u00c0 ignorer si :<\/strong> vous avez besoin de mat\u00e9riel neuf sous garantie ou si votre PC pr\u00e9sente des contraintes importantes en mati\u00e8re d'alimentation ou d'espace.<\/p>\n4. RTX 3060 12 Go \u2014 la \u00ab drogue d'initiation \u00bb<\/h3>\n\n
VRAM<\/strong>12 Go GDDR6<\/span><\/div>\nBande passante<\/strong>360 Go\/s<\/span><\/div>\nTDP<\/strong>170 W<\/span><\/div>\nNouveau prix<\/strong>$280<\/span><\/div>\nLlama 3 8B Q4<\/strong>48 t\/s<\/span><\/div>\nLlama 3 8B Q8<\/strong>32 t\/s<\/span><\/div>\n<\/div>\nCinq ans apr\u00e8s sa sortie, la 3060 12 Go est toujours en production et reste la r\u00e9ponse id\u00e9ale \u00e0 la question : \u201c Comment se lancer dans les LLM locaux \u00e0 moindre co\u00fbt ? \u201d Douze gigaoctets suffisent pour n'importe quel mod\u00e8le de classe 7 \u00e0 13 milliards de param\u00e8tres avec des quantifications solides ; Llama 3 8B tourne \u00e0 48 t\/s (plus vite que vous ne pouvez le lire), et la carte neuve co\u00fbte $280.<\/p>\n
Ce \u00e0 quoi vous devez renoncer : tout ce qui d\u00e9passe 30 milliards de param\u00e8tres. La 3060 ne parvient pas \u00e0 faire tourner Llama 3 (70 milliards de param\u00e8tres) \u00e0 une vitesse acceptable, quel que soit le niveau de quantification. Il s\u2019agit clairement d\u2019un GPU destin\u00e9 aux \u201c petits mod\u00e8les \u201d.<\/p>\n
Achetez si :<\/strong> vous d\u00e9couvrez les LLM locaux et souhaitez vous renseigner avant de vous engager \u00e0 investir $1 000+.<\/p>\n\u00c0 ignorer si :<\/strong> vous savez d\u00e9j\u00e0 que vous souhaitez utiliser des mod\u00e8les de la classe 70B.<\/p>\n5. Radeon RX 7900 XTX \u2014 le compromis d'AMD<\/h3>\n\n
VRAM<\/strong>24 Go de GDDR6<\/span><\/div>\nBande passante<\/strong>960 Go\/s<\/span><\/div>\nTDP<\/strong>355 W<\/span><\/div>\nNouveau prix<\/strong>$900<\/span><\/div>\nLlama 3 8B Q4<\/strong>98 t\/s (ROCm)<\/span><\/div>\nLlama 3 70B Q4<\/strong>13,6 t\/s (ROCm)<\/span><\/div>\n<\/div>\nAvec ROCm 6.3 et la 7900 XTX, la configuration est enfin suffisamment performante en 2026 pour que ce soit une v\u00e9ritable recommandation plut\u00f4t qu'une solution de repli. Vous b\u00e9n\u00e9ficiez de 24 Go de VRAM en $900 \u00e0 la sortie, de performances se situant approximativement entre celles d\u2019une 3090 et d\u2019une 4090, ainsi que d\u2019une prise en charge compl\u00e8te de PyTorch et de llama.cpp.<\/p>\n
Les difficult\u00e9s persistent toutefois. Certains frameworks (TensorRT-LLM, certains moteurs d\u2019inf\u00e9rence exclusivement compatibles CUDA, quelques impl\u00e9mentations issues de la recherche) ne fonctionnent tout simplement pas. Les codes de recherche de pointe ciblent d\u2019abord CUDA ; la prise en charge d\u2019AMD ne suit que plusieurs semaines, voire plusieurs mois plus tard.<\/p>\n
Achetez si :<\/strong> vous avez une objection id\u00e9ologique \u00e0 l'\u00e9gard de Nvidia, vous \u00eates sensible au prix mais souhaitez un produit neuf sous garantie, ou vous disposez d\u00e9j\u00e0 d'un PC \u00e9quip\u00e9 principalement de composants AMD.<\/p>\n\u00c0 ignorer si :<\/strong> soit vous souhaitez une fluidit\u00e9 totale, soit vous menez des recherches \u00e0 partir de mod\u00e8les tout juste sortis.<\/p>\n6. Apple M4 Max (Mac Studio \/ MacBook Pro) \u2014 la solution de m\u00e9moire unifi\u00e9e<\/h3>\n\n
M\u00e9moire unifi\u00e9e<\/strong>jusqu'\u00e0 128 Go<\/span><\/div>\nBande passante<\/strong>546 Go\/s<\/span><\/div>\nTDP<\/strong>environ 75 W<\/span><\/div>\nNouveau prix<\/strong>$3,499\u20134,999 (Mac Studio)<\/span><\/div>\nLlama 3 8B Q4 (MLX)<\/strong>78 t\/s<\/span><\/div>\nLlama 3 70B Q4 (MLX)<\/strong>9,4 t\/s<\/span><\/div>\n<\/div>\nLe M4 Max n'est pas aussi rapide par token que les puces Nvidia. Ce qu'il a, c'est une m\u00e9moire que vous ne trouverez nulle part ailleurs \u00e0 des prix grand public<\/strong>. Une carte M4 Max de 128 Go g\u00e8re sans probl\u00e8me Llama 3 405B en Q4 \u2014 ce qu\u2019une seule RTX 5090 est tout simplement incapable de faire.<\/p>\nPour les workflows faisant largement appel \u00e0 l'inf\u00e9rence, o\u00f9 la taille du mod\u00e8le prime sur la vitesse (analyse de documents volumineux, syst\u00e8mes d'agents, recherche), la M4 Max est v\u00e9ritablement l'outil qu'il vous faut. En revanche, pour l'entra\u00eenement, le r\u00e9glage fin, la g\u00e9n\u00e9ration d'images ou tout autre workflow reposant exclusivement sur des logiciels CUDA, ce choix s'av\u00e8re frustrant.<\/p>\n
Achetez si :<\/strong> vous devez ex\u00e9cuter des mod\u00e8les de plus de 100 milliards de param\u00e8tres en local, vous \u00e9voluez dans l'\u00e9cosyst\u00e8me Mac ou vous appr\u00e9ciez le fonctionnement silencieux.<\/p>\n\u00c0 ignorer si :<\/strong> que vous affinez des mod\u00e8les, que vous g\u00e9n\u00e9rez des images ou que votre LLM quotidien fait moins de 70 milliards (vous payez pour de la m\u00e9moire dont vous n\u2019avez pas besoin).<\/p>\n7. RTX 5070 Ti \/ RTX 5080 \u2014 the middle that doesn’t work<\/h3>\n\n
VRAM<\/strong>16 Go de GDDR7 (les deux)<\/span><\/div>\nBande passante<\/strong>896 \/ 960 Go\/s<\/span><\/div>\nTDP<\/strong>300 \/ 360 W<\/span><\/div>\nPrix conseill\u00e9<\/strong>$749 \/ $999<\/span><\/div>\n<\/div>\nCes deux cartes sont rapides et modernes, mais 16 Go de VRAM en 2026, c\u2019est un chiffre peu pratique pour les grands mod\u00e8les linguistiques (LLM). C\u2019est trop pour les mod\u00e8les de 7 milliards de param\u00e8tres (surdimensionn\u00e9), et trop peu pour ceux de 70 milliards (ils ne tiendront pas, quelle que soit la quantification utilisable). Ce sont d\u2019excellentes cartes pour les jeux et l\u2019IA l\u00e9g\u00e8re, mais si votre priorit\u00e9 est l\u2019ex\u00e9cution locale de LLM, vous feriez mieux d\u2019opter pour une 3090 d\u2019occasion ($700, 24 Go) ou une 4090 d\u2019occasion ($1 200, 24 Go).<\/p>\n
Achetez si :<\/strong> tu es un joueur qui aime aussi s'amuser avec les petits mod\u00e8les de langage (LLM).<\/p>\n\u00c0 ignorer si :<\/strong> L'inf\u00e9rence LLM en local constitue votre principal cas d'utilisation.<\/p>\n