Un petaflop de puissance IA, 128 Go de mémoire unifiée et un modèle de 120 milliards de paramètres qui tourne en local, sans connexion au cloud. Voilà ce que promet le RTX Spark, la nouvelle machine dévoilée par NVIDIA en marge de sa présentation de la plateforme Vera Rubin. Deux annonces, deux publics, mais une même idée directrice : faire descendre l'IA agentic du datacenter jusqu'au bureau.
Un PC pensé comme un mini-datacenter
Le RTX Spark repose sur un GPU Blackwell doté de 6144 cœurs CUDA, couplé à un CPU Grace de 20 cœurs. L'architecture, directement inspirée des puces haut de gamme de NVIDIA pour les serveurs, mise sur une mémoire unifiée LPDDR5X de 128 Go partagée entre le processeur et la carte graphique. Ce choix technique change la donne : au lieu de jongler entre la RAM système et la VRAM du GPU, comme sur une configuration classique, les données circulent dans un seul espace mémoire. Résultat annoncé par NVIDIA, jusqu'à un petaflop de puissance de calcul dédiée à l'IA, et surtout la capacité de faire tourner des modèles allant jusqu'à 120 milliards de paramètres directement sur l'appareil.
C'est ce dernier point qui change vraiment la nature de l'objet. Jusqu'ici, exécuter un modèle de cette taille supposait quasi systématiquement de passer par une API cloud ou un cluster de serveurs. Avec le RTX Spark, NVIDIA vise les développeurs, chercheurs et équipes techniques qui veulent prototyper des agents IA sans dépendre d'une infrastructure distante, ni exposer leurs données à un tiers.
Vera Rubin, le pendant côté datacenter
Le RTX Spark ne sort pas de nulle part. Il s'inscrit dans une stratégie plus large que NVIDIA a détaillée avec sa plateforme Vera Rubin, présentée comme la nouvelle frontière de l'IA agentic côté infrastructure lourde. Sept nouvelles puces entrent en production complète : le CPU Vera, le GPU Rubin, le commutateur NVLink 6, le ConnectX-9, le DPU BlueField-4, l'Ethernet Spectrum-6, et une intégration du LPU Groq 3. Un écosystème pensé pour les charges de travail massives, celles des grands modèles d'entreprise et des agents autonomes à l'échelle du cloud.
NVIDIA indique que des clients précoces comme Anthropic, OpenAI et SpaceXAI font partie des premiers à s'appuyer sur cette plateforme. Ces noms confirment que Vera Rubin cible d'abord les laboratoires qui entraînent et déploient des modèles de très grande taille, là où le RTX Spark s'adresse à un public plus large, capable de travailler avec des modèles conséquents sans l'appareillage d'un datacenter.
Deux vitesses pour une même ambition
Cette double annonce dessine une stratégie cohérente chez NVIDIA : verrouiller le marché de l'IA à tous les étages, du datacenter géant jusqu'au poste de travail individuel. Vera Rubin s'occupe du haut du spectre, là où se joue l'entraînement des modèles de fondation et l'inférence à très grande échelle. Le RTX Spark, lui, s'attaque à un problème très concret pour les développeurs : pouvoir itérer sur des agents IA localement, sans facture cloud qui s'accumule à chaque requête.
Faire tourner un modèle de 120 milliards de paramètres sur un poste de travail était, il y a encore deux ans, une hypothèse de laboratoire plutôt qu'un produit commercial.
Reste à voir comment ce positionnement se traduira en termes de prix et de disponibilité, deux éléments que NVIDIA n'a pas encore précisés dans le détail. La promesse d'une inférence locale de cette ampleur suppose aussi un écosystème logiciel prêt à en tirer parti, des frameworks d'agents aux outils de fine-tuning, qui devront s'adapter à cette architecture mémoire unifiée pour en exploiter pleinement le potentiel.
Ce que confirme surtout cette annonce, c'est que la course à l'IA agentic ne se joue plus uniquement dans les datacenters hyperscale. Elle descend, morceau par morceau, jusqu'au matériel que les développeurs auront sur leur bureau.
