La version 64 Go du NVIDIA DGX Spark est en vente depuis le 23 octobre 2026, uniquement via six partenaires OEM — Acer, ASUS, Dell, Gigabyte, HP et MSI — à partir de 4 999 dollars. La conclusion d'abord : elle utilise la même puce GB10 que la version 128 Go, mais la mémoire est divisée par deux, de 128 Go à 64 Go, et le plafond des modèles exécutables tombe de 200 milliards de paramètres à 100 milliards, tandis que le prix est supérieur de 1 000 dollars au prix de lancement de 3 999 dollars de la version 128 Go. Ce que vous achetez, c'est le fait qu'elle soit réellement disponible, pas une meilleure affaire.
Le vrai argument de vente : une petite boîte avec un grand pool de mémoire
Le DGX Spark est un ordinateur de bureau de 1,2 kg, de 150 × 150 × 50,5 mm, dans lequel un processeur Arm à 20 cœurs et une carte graphique Blackwell partagent un même pool de mémoire unifiée, avec une bande passante de 273 Go/s et jusqu'à 1 PFLOP de calcul IA (précision FP4). La version 64 Go gère l'inférence jusqu'à 100 milliards de paramètres et le fine-tuning jusqu'à 70 milliards ; deux unités reliées par un câble se combinent en 128 Go et peuvent exécuter des modèles de la classe des 400 milliards. Le système est DGX OS de NVIDIA, un Linux basé sur Ubuntu, avec l'écosystème CUDA et des outils comme vLLM prêts à l'emploi, si bien que les développeurs n'ont pas à reconstruire leur flux de travail.
Seuils et coûts : faites trois calculs avant tout
Premièrement, le système ne fonctionne que sous Linux, pas de Windows ; quiconque veut en faire sa machine principale au quotidien peut l'oublier. Deuxièmement, 4 999 dollars n'est que le prix de départ des OEM ; le stockage, le boîtier et la configuration varient selon le fabricant, et le devis final suit les prix du marché en temps réel. Le prix de lancement de 3 999 dollars de la version 128 Go appartient depuis longtemps au passé, avec des rapports faisant état d'unités vendues 6 950 dollars ; comparer avec le prix de lancement n'a donc aucun sens. Troisièmement, l'affirmation officielle selon laquelle 64 Go suffisent pour 100 milliards de paramètres suppose une quantification adaptée ; quiconque veut exécuter un grand modèle à pleine capacité doit d'abord faire le calcul de la mémoire, car un modèle qui ne rentre pas est bon marché pour rien.
Acheter, attendre ou passer son chemin
Les développeurs qui exécutent localement des modèles jusqu'à 100 milliards de paramètres, font du fine-tuning jusqu'à 70 milliards et dépendent de l'écosystème CUDA peuvent l'envisager ; quiconque peut obtenir la version 128 Go à un prix raisonnable ne devrait pas acheter la version 64 Go, puisque la mémoire double et que le plafond par unité double avec elle. Les personnes qui n'exécutent que de petits modèles de 7 ou 14 milliards de paramètres s'en sortent bien moins cher avec une carte graphique ordinaire et des solutions open source ; quiconque est lié à Windows, ou veut simplement l'utiliser pour discuter et travailler au bureau, n'en a absolument pas besoin.
