Deux annonces, deux logiques. NVIDIA vient de dévoiler RTX Spark, un petit ordinateur destiné aux développeurs et créateurs qui veulent faire tourner de gros modèles d'IA directement chez eux, sans dépendre d'un serveur distant. Dans le même temps, l'entreprise prépare Jalapeño, une puce pensée pour les datacenters, dont la promesse est simple : réduire d'environ moitié le coût de l'inférence en cloud. La firme de Jensen Huang ne cherche pas une solution universelle, elle construit deux routes parallèles pour deux besoins bien distincts.
RTX Spark, un PC pour agents IA autonomes
Le RTX Spark repose sur une architecture qui associe un GPU Blackwell doté de 6 144 cœurs CUDA à un CPU Grace de 20 cœurs, les deux reliés par la technologie NVLink-C2C. Cette combinaison permet d'atteindre jusqu'à un pétaflop de puissance de calcul IA, avec 128 Go de mémoire unifiée partagée entre processeur et carte graphique. Concrètement, la machine peut exécuter des modèles allant jusqu'à 120 milliards de paramètres, avec une fenêtre de contexte pouvant grimper à un million de tokens.
Selon ICTjournal, ce lancement s'accompagne d'un partenariat avec Microsoft, qui vise explicitement les agents IA fonctionnant sous Windows. L'idée : permettre à des assistants autonomes de tourner en local, sans transiter par un cloud tiers, avec les gains attendus en matière de latence et de confidentialité. La RTBF rapporte que Jensen Huang a présenté cette architecture comme une réponse à la montée en puissance des agents IA capables d'agir de façon autonome sur un poste de travail.
La machine devrait être commercialisée à l'automne 2026, avec un déploiement chez plusieurs constructeurs : ASUS, Dell, HP, Lenovo, ainsi que dans la gamme Microsoft Surface et chez MSI. Ce large éventail de partenaires suggère que NVIDIA vise moins un produit de niche qu'un nouveau segment de PC dédiés à l'IA générative locale, aux côtés des offres actuelles de stations de travail.
Jalapeño, le pari du coût pour le cloud
À l'opposé de cette logique de puissance locale, Jalapeño répond à une contrainte différente : celle du coût. Faire tourner de grands modèles de langage en production, à l'échelle de millions de requêtes quotidiennes, pèse lourd sur les marges des fournisseurs de cloud. En annonçant une puce qui promet de diviser par deux le coût de l'inférence, NVIDIA cible directement les opérateurs de datacenters qui doivent absorber des volumes massifs de calcul, souvent pour des modèles déjà entraînés et simplement déployés en service.
Cette distinction entre RTX Spark et Jalapeño dessine une stratégie à double vitesse. D'un côté, un matériel premium pour l'exécution locale de modèles volumineux, avec un contexte étendu, destiné aux développeurs, chercheurs et créateurs qui veulent expérimenter ou déployer des agents sans passer par une API externe. De l'autre, une infrastructure pensée pour l'échelle, où le critère décisif n'est plus la puissance brute mais le coût par requête.
Deux visions qui font écho aux stratégies d'OpenAI et Anthropic
Ce découpage matériel n'est pas sans lien avec les orientations prises par les grands acteurs de l'IA générative. Anthropic a plutôt mis l'accent sur des déploiements locaux et contrôlés pour ses agents, dans une logique de maîtrise des données. OpenAI, à l'inverse, s'appuie largement sur une infrastructure cloud centralisée pour ses services. En proposant à la fois RTX Spark et Jalapeño, NVIDIA se positionne comme le fournisseur capable de servir les deux philosophies, plutôt que de miser sur un seul modèle de déploiement.
Reste à voir comment les développeurs et les entreprises vont réellement se répartir entre ces deux approches. Un agent qui doit rester confidentiel et réactif trouvera sans doute sa place sur un RTX Spark. Un service grand public traitant des millions de requêtes par jour restera, lui, tributaire du calcul de coût que promet Jalapeño. NVIDIA ne tranche pas entre local et cloud : elle vend du matériel pour les deux camps.
