Dans le monde des PC, la diversité prime, un peu comme sur les smartphones Android. On a donc plusieurs types de PC qu’on équipe chacun à sa manière pour tirer le meilleur parti d’une activité donnée : une grosse station de travail pour la 3D, un portable ultra fin pour le nomade, un PC moins fin pour les jeux, un autre orienté IA. Du coup, on finit par envier ce que propose Apple, qui permet d’avoir une machine capable de tout faire, un véritable tout-en-un. C’est d’ailleurs souvent ce que le monde PC envie le plus au monde Mac.
C’est là qu’intervient Nvidia et sa nouvelle plateforme RTX Spark, qui se veut être, selon le fondeur, un « nouveau départ pour les PC Windows ». Concrètement, la plateforme reprend l’idée des SoC M d’Apple Silicon, mais pour Windows : dans une seule et même puce, un CPU ARM, un GPU Blackwell et jusqu’à 128 Go de mémoire unifiée, le tout dans une machine des plus compactes. La mémoire unifiée est le nerf de la guerre, car elle brise le plafond classique de la VRAM des cartes graphiques actuelles. Cette puce est fabriquée par TSMC et gravée en 3 nm.
Techniquement, c’est quoi ?
Le RTX Spark intègre donc CPU, GPU et mémoire. On commence par le CPU Grace, qui propose 20 cœurs ARM : 10 cœurs Cortex-X925 pour les performances et 10 cœurs Cortex-A725 pour l’efficacité énergétique, jusqu’à 4,1 GHz. Du côté du GPU, c’est un Blackwell avec jusqu’à 6 144 cœurs CUDA, des RT Cores de 4ᵉ génération et des Tensor Cores de 5ᵉ génération. Le tout est gravé en 3 nm, avec une puissance de 45 à 80 watts, ce qui explique qu’on imagine assez vite le RTX Spark dans des machines compactes et pourtant puissantes. Les deux sont de plus reliés par un lien NVLink C2C à 600 Go/s, ce qui accélère les échanges entre CPU et GPU.
Mais c’est bien la mémoire qui rend la chose intéressante : jusqu’à 128 Go de LPDDR5X unifiés, environ 300 Go/s de bande passante, partagés par le CPU et le GPU. On peut ainsi lancer des modèles de langage en IA sans être limité à 16 ou 24 Go, puisque c’est la quantité de mémoire qui accompagne habituellement les cartes graphiques. Ici, toute la mémoire de la machine est de la mémoire graphique. La conséquence directe : on charge de grosses scènes 3D, de longues timelines vidéo ou de grands modèles d’IA locaux, le tout en ligne ou hors ligne, et dans un appareil de taille raisonnable. La promesse est séduisante, on ne va pas se le cacher.
Windows, le partenaire idéal ?
Si l’annonce de Nvidia s’est faite avec Microsoft, ce n’est pas dû au hasard : il faut une partie logicielle optimisée pour permettre la meilleure exploitation possible. Microsoft a travaillé avec Nvidia pour que Windows soit optimisé dès le lancement : le système réparti efficacement la charge sur les différents cœurs du CPU, en veillant à la fois aux performances, à la consommation et à la thermique. Idem pour la mémoire, puisque Windows propose une limite plus haute et plus adaptative sur la mémoire système accessible au GPU. DirectX 12 bénéficie lui aussi de l’effort, avec le rendu neuronal et le ray tracing optimisés pour le GPU basé sur du RTX Blackwell.
Du côté des applications, l’adoption des processeurs ARM par Qualcomm et ses Snapdragon a préparé le terrain : les versions natives ARM se multiplient, et on y trouve des gros noms de la création comme Blender, DaVinci Resolve, Affinity ou Adobe Photoshop. S’il n’y a pas encore de version ARM, on s’appuie sur Prism, l’émulateur intégré à Windows qui gère la conversion x86 vers ARM. Du côté des jeux, certains comme Marvel Rivals proposent déjà une version adaptée. Et comme le tout s’appuie sur CUDA, on évolue en terrain connu : exit les incompatibilités d’il y a encore quelques années.
L’IA locale, le nouvel eldorado
Jusqu’à aujourd’hui, quand on pensait IA, on pensait forcément à des services comme ChatGPT ou Gemini. Le point commun de tous ces services : un abonnement, des options payantes, et des données qui transitent par le cloud. Penser à de l’IA dans un environnement local n’était tout simplement pas à l’ordre du jour. Avec la plateforme RTX Spark, c’est désormais une option. Une fois les modèles installés, tout peut fonctionner hors ligne et plus rien ne dépend du réseau : vos données ne quittent plus votre ordinateur. C’est un vrai plus pour les données confidentielles, qui peuvent bénéficier de l’IA tout en restant chez soi. Et il n’y a plus de coût d’abonnement ou de tokens : seul le temps d’exécution compte, et plus on utilise sa machine, plus on amortit — c’est mathématique.
On garde en plus un contrôle total sur les modèles, les frameworks, les formats de quantification, les runtimes — et on ne dépend plus de la disponibilité d’un service. Sur les RTX Spark, la question n’est plus seulement « est-ce que c’est assez rapide ? », mais « qu’est-ce qui tient ? ». Car la rapidité, on l’a désormais : les chiffres de référence publiés par Nvidia annoncent environ 24 tokens par seconde en décodage avec Qwen3.8-27B, et 80 à 88 tokens par seconde avec un mix de modèles experts.
Et parce qu’on est en 2026, on parle d’IA agentique : des agents locaux qui pilotent de vrais outils via des serveurs Model Context Protocol (MCP), capables de traiter des fichiers, exécuter du code et mener des tâches de bout en bout. On peut même aller jusqu’aux configurations multi-agents, avec le logiciel Nvidia PAIR (Personal AI Router) qui répartit chaque requête d’inférence vers une machine disponible sur le réseau. Pratique.
La création et le jeu restent dans le quotidien
Les usages autour de la création et des jeux vidéo restent une priorité des utilisateurs, et le RTX Spark exécute parfaitement le travail. On ne revient pas sur la partie bureautique, qui ne pose aucun souci. C’est aussi le cas des logiciels de création, surtout ceux dont il existe une version dédiée ARM. On pense à Adobe, qui propose déjà des versions de Premiere Pro et de Photoshop. On s’est essayé à Lightroom, pas encore optimisé, sans noter de différence notable par rapport à un PC plus classique : le tout reste très réactif. Sur certaines machines, on garde un silence appréciable, ce qui change des souffleries de certaines machines classiques.
Quant aux jeux, on a eu quelques mauvaises surprises au départ, surtout dues à certaines de nos habitudes. Typiquement, sur certaines machines, le mode équilibré ne passait jamais en mode performance, même avec l’adaptateur secteur branché. Une fois les réglages au point (mode performance côté Windows comme côté constructeur), on a lancé certains jeux et on préfère avertir : si on peut oublier la 4K en Full Details, on a pu tourner en 1440p avec les détails sur Moyen ou Élevé, du DLSS et du Multi Frame Generation, et obtenir 120+ fps en moyenne. C’était le cas de Gears of War E-Day, Onimusha, Pragmata ou encore Cyberpunk 2077. C’est impressionnant, d’autant que les machines restent relativement compactes. À titre de comparaison, les références publiées par Nvidia atteignent 135 à 149 fps en 1440p avec leurs préréglages, et notre ressenti colle à cela, sans pour autant les battre à leurs propres conditions.
Côté autonomie, on a mesuré autour de 2h à 2h30 sur ces titres AAA, là où Nvidia annonce 2,5h à 3,5h selon les jeux moins gourmands : cohérent, mais à relativiser pour du AAA très costaud. En revanche, on est encore au début et on est loin de la veille des Mac : c’est vraiment le point qui doit faire bouger Microsoft pour qu’on ait droit à une veille digne de ce nom.
Galerie
