NVIDIA ouvre une porte d’entrée moins chère vers sa gamme de superordinateurs d’IA personnelle. Le 2 octobre 2026, l’entreprise a dévoilé une configuration 64 Go du système NVIDIA DGX Spark AI, une version plus petite et moins coûteuse que le modèle original de 128 Go, conçue pour les développeurs qui souhaitent exécuter des modèles d’IA sérieux sans louer de puissance de calcul dans le cloud. La nouvelle unité est livrée avec les partenaires matériels Acer, ASUS, Dell, Gigabyte, HP et MSI, et arrive en magasin le 23 octobre 2026, au prix de 4 999 $.
Sommaire
Points clés à retenir
- La configuration 64 Go de NVIDIA DGX Spark arrive le 23 octobre 2026, à partir de 4 999 $, via les partenaires Acer, ASUS, Dell, Gigabyte, HP et MSI.
- Le système prend en charge des modèles d’IA locaux jusqu’à 100 milliards de paramètres, exécutant l’ensemble de la pile logicielle NVIDIA AI directement sur l’appareil.
- Deux unités de 64 Go peuvent être regroupées via NVIDIA Sync Cluster Assistant, mutualisant la mémoire à 128 Go et offrant jusqu’à 1,7 fois les performances d’un seul système.
- Selon Crypto Briefing, le prix du modèle DGX Spark 128 Go a bondi de près de 75 % pour atteindre 6 950 $, portant l’écart entre les deux configurations à environ 2 000 $.
- Les développeurs peuvent exécuter des agents d’IA privés entièrement sur l’appareil, sans dépendre de l’infrastructure cloud.
NVIDIA lance le DGX Spark 64 Go avec de grands partenaires matériels
Le point essentiel ici est l’accessibilité. NVIDIA a conçu le DGX Spark 64 Go pour se positionner en dessous de son modèle phare 128 Go en termes de prix tout en conservant la même ingénierie de base, offrant ainsi aux petites équipes et aux développeurs individuels un point d’entrée dans le supercalcul local pour l’IA qui n’existait pas auparavant à ce niveau de coût.
Soutenu par Acer, ASUS, Dell, Gigabyte, HP et MSI
La configuration 64 Go est lancée exclusivement via six partenaires fabricants — Acer, ASUS, Dell, Gigabyte, HP et MSI — chacun livrant l’unité avec DGX OS et l’intégralité de la pile logicielle NVIDIA AI préinstallés et prêts à l’emploi. Selon Crypto Briefing, Lenovo apparaît ailleurs dans l’écosystème plus large de DGX Spark mais n’a pas été nommé comme partenaire pour ce SKU 64 Go spécifique.
Disponible à partir du 23 octobre 2026 pour 4 999 $
Les acheteurs peuvent se procurer l’unité 64 Go à partir du vendredi 23 octobre 2026, au prix de 4 999 $. Ce prix arrive à un moment où la mémoire elle-même est devenue la ressource rare qui fait grimper les coûts du matériel d’IA. Crypto Briefing rapporte que le DGX Spark 128 Go original coûte désormais 6 950 $ au détail, reflétant une hausse de prix de près de 75 % et élargissant l’écart entre les deux configurations à près de 2 000 $. En d’autres termes, la version 64 Go n’est pas seulement un boîtier plus petit — c’est la réponse de NVIDIA à un marché où l’offre de mémoire se resserre et où les prix augmentent partout.
Capacités techniques du DGX Spark 64 Go
Malgré son prix plus bas, le DGX Spark 64 Go conserve le même silicium central et le même logiciel que son grand frère. Cela compte, car cela signifie que les acheteurs ne sacrifient pas les capacités pour un point d’entrée moins cher — ils renoncent simplement à de la marge de manœuvre.
Prend en charge des modèles d’IA locaux jusqu’à 100 milliards de paramètres
NVIDIA indique que la configuration 64 Go prend en charge des modèles d’IA locaux jusqu’à 100 milliards de paramètres, ainsi que les applications agentiques construites par-dessus, s’exécutant entièrement sur l’appareil. C’est un plafond notable pour une unité de bureau proposée à moins de 5 000 $, et cela rend des modèles ouverts de taille moyenne à grande accessibles aux développeurs individuels plutôt qu’uniquement aux centres de données d’entreprise.
Inclut le calcul NVIDIA Grace Blackwell, le réseau ConnectX-7, la pile logicielle CUDA AI et DGX OS
Selon Crypto Briefing, le cœur de l’appareil est le superchip GB10 Grace Blackwell, qui combine un CPU Arm 20 cœurs et un GPU Blackwell dans un seul package. La bande passante mémoire atteint 273 Go/s — identique au modèle 128 Go. Le réseau repose sur NVIDIA ConnectX-7, le même matériel haut débit qui, selon NVIDIA, peut relier des unités supplémentaires en clusters multinœuds plus vastes. Par-dessus, NVIDIA superpose sa pile logicielle d’IA accélérée par CUDA avec DGX OS, offrant aux développeurs une plateforme d’IA locale prête à l’emploi couvrant les agents, l’inférence, le fine-tuning, la data science et le développement en périphérie.
Cela importe pour une raison simple : un superordinateur d’IA local n’est utile que dans la mesure où le logiciel fourni avec lui l’est. NVIDIA associe le matériel à NVIDIA Agent Toolkit, aux bibliothèques CUDA-X AI, aux modèles ouverts Nemotron, et à la prise en charge d’environnements d’exécution populaires comme Ollama, vLLM et PyTorch avec CUDA — le tout fonctionnant dès la sortie de la boîte, de sorte que les développeurs peuvent, selon les rapports, passer de l’allumage à l’exécution de modèles en quelques minutes.
Fonctionnalités de montée en charge en cluster et de performance
La véritable voie de mise à niveau pour les propriétaires de DGX Spark n’est pas d’acheter plus tard un boîtier plus grand — c’est d’en connecter un second. C’est là qu’intervient la technologie NVIDIA Sync Cluster, qui transforme deux unités de bureau modestes en quelque chose de plus proche d’une station de travail à mémoire partagée.
Deux unités DGX Spark peuvent être regroupées via Sync Cluster Assistant
Chaque DGX Spark est livré avec une carte réseau NVIDIA ConnectX-7 intégrée. Deux unités 64 Go peuvent être connectées directement à l’aide d’un câble QSFP, et NVIDIA Sync Cluster Assistant configure automatiquement l’installation multinœud — en détectant les unités connectées, en validant la configuration des appareils et en configurant le réseau ConnectX-7 sans intervention manuelle. Les développeurs n’ont pas besoin de reconfigurer quoi que ce soit lors du passage d’un nœud à deux ; chaque nœud exécute la même pile logicielle.
La mémoire est mutualisée à 128 Go avec jusqu’à 1,7 fois d’amélioration des performances
Regrouper deux unités 64 Go ne fait pas que doubler la mémoire disponible à 128 Go — cela étend également la taille de modèle prise en charge jusqu’à 200 milliards de paramètres et double la bande passante mémoire. Dans le test interne Qwen 3.8 27B de NVIDIA, deux systèmes 64 Go en cluster ont offert jusqu’à 1,7 fois les performances d’un seul système, avec une marge pour continuer à monter en charge à mesure que les charges de travail augmentent. Plus tard ce mois-ci, NVIDIA Sync Model Launcher doit faciliter l’exécution de modèles sur un cluster en quelques clics, en configurant automatiquement les modèles pour qu’ils s’exécutent sur les appareils connectés et en les rendant accessibles depuis l’ordinateur portable d’un utilisateur.
Pourquoi cela importe-t-il pour quiconque en dehors des propres laboratoires de NVIDIA ? Parce que le clustering a traditionnellement été un casse-tête réservé aux équipes informatiques d’entreprise. En automatisant la détection et la configuration du réseau, NVIDIA tente de faire de la montée en charge multinœud quelque chose qu’un développeur individuel peut réaliser en un week-end plutôt qu’un projet nécessitant du personnel d’infrastructure dédié.
Développement d’IA locale sans dépendance au cloud
La promesse de DGX Spark ne se limite pas à la puissance brute — il s’agit aussi d’indépendance vis-à-vis du cloud. Exécuter l’inférence localement signifie pas de facturation au token, pas de latence liée à un aller-retour vers un centre de données distant, et pas d’envoi de données propriétaires en dehors du bâtiment.
Exécuter des agents d’IA privés entièrement sur l’appareil
NVIDIA indique que le nouveau SKU 64 Go peut exécuter des agents locaux performants entièrement sur l’appareil, en privé, sans dépendance au cloud. Cette capacité s’étend à une liste croissante de playbooks agentiques — notamment NemoClaw, OpenClaw, Hermes Agent et OpenShell — disponibles via build.nvidia.com. Blender devrait également bientôt prendre en charge la plateforme avec un programme d’installation précompilé et téléchargeable, intégrant les flux de travail d’applications créatives dans le même environnement local.
Pour les développeurs qui comparent les abonnements cloud au matériel détenu, c’est le compromis central autour duquel DGX Spark est conçu : un coût initial fixe en échange d’une inférence de modèles d’IA qui se déroule entièrement sur une machine qu’ils contrôlent. NVIDIA prévoit de publier une version mise à jour de DGX OS plus tard en octobre 2026, visant spécifiquement à simplifier la configuration des clusters et le déploiement de l’inférence — un signal que la facilité d’utilisation, et pas seulement les spécifications brutes, est ce sur quoi NVIDIA parie pour vendre la plateforme à l’avenir.
NVIDIA étend également l’initiative d’IA locale au-delà du matériel DGX. Ce mois-ci, Acer, ASUS, Dell, HP, Lenovo, Microsoft et MSI doivent lancer de nouveaux PC Windows construits autour de NVIDIA RTX Spark, apportant cette même approche « local-first » aux ordinateurs portables et de bureau grand public.
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.




