L'idée en bref
Les mini-PC IA équipés de la puce NVIDIA GB10 font beaucoup parler d'eux. Et pour une fois, le buzz n'est pas complètement hors-sol. Avec le DGX Spark, l'Asus Ascent GX10, le HP ZGX Nano, le Lenovo ThinkStation PGX ou le Dell Pro Max with GB10, on voit arriver une catégorie qui manquait : une station IA compacte, posable sur un bureau, avec assez de mémoire pour travailler localement sur de vrais modèles.
La promesse est simple : charger des modèles optimisés et quantifiés jusqu'à 200 milliards de paramètres sur une machine, et jusqu'à 405 milliards avec deux systèmes reliés. Pour un boîtier d'environ 15 cm de côté, c'est franchement impressionnant. Mais le ticket d'entrée reste violent, et les courbes de prix racontent une histoire moins sexy.
Prix vérifiés le 3 juillet 2026. Certains liens marchands de cet article sont des liens d'affiliation Amazon : cela ne change pas le prix pour vous, et ça peut me permettre de financer ce travail. Les captures Idealo servent ici à illustrer le signal prix, pas à promettre un tarif durable.
Le NVIDIA GB10, c'est quoi exactement ?
Le point commun de ces machines, c'est le GB10 Grace Blackwell Superchip. NVIDIA décrit le DGX Spark comme un système compact avec CPU Arm 20 cœurs, GPU Blackwell intégré, 128 Go de mémoire unifiée, Wi-Fi 7, 10 GbE, ConnectX-7 et une pile logicielle orientée IA. Le guide matériel NVIDIA annonce aussi le support de modèles jusqu'à 200B, ou 405B en configuration dual Spark.
Ce n'est pas un PC gamer. Ce n'est pas non plus un mini-PC classique avec une grosse fiche marketing. L'intérêt, c'est la combinaison mémoire unifiée + pile NVIDIA + format discret + environnement de dev. Pour du RAG local, des agents, du prototypage PyTorch/Jupyter, de l'inférence avec des modèles ouverts ou des tests de souveraineté, ça devient concret.
Le cas d'usage souverain : héberger ses agents LLM
C'est probablement le scénario le plus intéressant pour une entreprise ou un indépendant : utiliser un DGX Spark comme nœud LLM local. On peut y héberger un ou plusieurs agents, brancher des modèles ouverts, garder les données sensibles sur site et éviter d'envoyer chaque prompt, document ou trace métier vers une API externe. Dans une logique proche de ce que je décris avec Hermes Agent sur Windows, le DGX Spark devient la brique matérielle qui rend le raisonnement local beaucoup plus crédible.
Ça ne veut pas dire qu'il faut tout rapatrier en local. Le bon arbitrage reste de choisir ce qui doit rester souverain, ce qui peut partir dans le cloud et ce qui mérite un modèle plus spécialisé. C'est exactement le sujet de ma réflexion sur la gouvernance et la souveraineté IA en entreprise. Mais pour faire tourner plusieurs services d'inférence, exposer des agents internes et tester des charges concurrentes sans dépendre d'un GPU cloud à chaque itération, le DGX Spark a un vrai intérêt : il donne une base compacte, cohérente et suffisamment solide pour obtenir de bons résultats en concurrence sur des usages LLM locaux bien cadrés.
Les machines GB10 à surveiller
Le marché se structure autour de plusieurs variantes. Elles partagent la même famille technique, mais pas le même stockage, le même support, ni le même prix.
| Modèle | Stockage courant | Positionnement | Mon avis rapide | Lien |
|---|---|---|---|---|
| NVIDIA DGX Spark Founders Edition 5 866 € · 4 To | 4 To NVMe | Référence NVIDIA | Super propre, mais cher. À prendre si les 4 To et la référence NVIDIA comptent vraiment. | voir sur Amazon |
| Asus Ascent GX10 4 273 € · 1 To | 1 à 4 To selon version | Ticket d'entrée GB10 | Le plus intéressant pour un indépendant si le prix revient vers une zone raisonnable. | voir sur Amazon |
| HP ZGX Nano G1n 6 179 € · 2 To | 2 à 4 To selon configuration | Entreprise / support pro | Intéressant quand le support HP et le cadre workstation comptent davantage que le prix brut. | voir sur Amazon |
| Lenovo ThinkStation PGX 5 870 € · 1 To | 1 To sur la capture fournie | Workstation Lenovo | Logique dans un parc Lenovo ou un environnement déjà standardisé workstation, mais le prix pique pour 1 To. | voir sur Amazon |
| Dell Pro Max with GB10 | 2 To sur la configuration consultée | Entreprise / AI Factory | Bonne cohérence Dell, surtout pour les équipes qui veulent du local raccordable au cloud. | pas de lien Amazon FR fiable |
| Acer Veriton GN100 | 4 To annoncés | Alternative GB10 | À surveiller selon disponibilité régionale et prix réel. | à surveiller selon disponibilité |
Le prix montre surtout le FOMO actuel
Le cas de l'Asus Ascent GX10 est parlant. Sur la capture fournie, le prix actuel est à 3 779 euros. Le plus bas observé sur la période est à 2 897,49 euros, le prix moyen à 3 222 euros, et le plus haut à 3 840 euros. Autrement dit : au moment de la vérification, on est très proche du haut de la courbe.
Le DGX Spark Founders Edition est encore plus haut dans l'absolu : 5 640 euros sur la capture fournie, avec un prix moyen à 4 816,10 euros et un plus bas à 4 309 euros. Là aussi, le signal est clair : on ne parle pas d'un achat impulsif.
1 To, 2 To ou 4 To : le vrai piège discret
Sur ce type de machine, le stockage compte beaucoup plus qu'on ne le croit. 1 To peut suffire pour tester quelques modèles quantifiés, monter un agent local, faire du RAG et bricoler proprement. Mais dès que vous conservez plusieurs modèles, des jeux de données, des checkpoints, des images Docker et plusieurs moteurs d'inférence, ça se remplit vite.
Mon arbitrage : 1 To est acceptable si le prix est très bon et que vous acceptez de gérer votre espace. 2 To devient confortable. 4 To est cohérent pour un usage avancé, surtout si vous voulez éviter de passer votre temps à supprimer des modèles.
Peut-on vraiment faire tourner de très gros modèles ?
Oui, mais il faut lire la promesse correctement. Les 200B ou 405B évoqués par NVIDIA concernent des modèles optimisés et quantifiés. Ce n'est pas la même chose qu'un gros modèle en pleine précision, et ce n'est pas magique côté débit. Le nombre de tokens/seconde dépend du moteur d'inférence, du format, du contexte, du parallélisme et du réseau entre machines.
J'aime bien ces machines parce qu'elles répondent à un vrai problème : travailler localement sans transformer son bureau en salle serveur. Mais elles ne remplacent pas un cluster H100 ou GB200. Elles sont plutôt un excellent banc de prototypage local, une machine de R&D compacte, ou un nœud IA personnel pour ceux qui savent ce qu'ils veulent tester.
Faut-il acheter maintenant ou attendre ?
Si vous avez un besoin professionnel immédiat — données sensibles, agents locaux, réduction de cloud GPU, prototypage régulier, tests de modèles ouverts — l'achat peut se défendre. La machine devient alors un outil de travail, pas un gadget.
Si c'est surtout l'envie de posséder “le mini-PC IA du moment”, je respirerais un peu. À 3 779 euros, l'Asus GX10 est cher. Autour de 3 000 euros, il devient beaucoup plus séduisant. Le DGX Spark 4 To reste une belle machine, mais son prix le réserve aux profils qui savent déjà pourquoi ils ont besoin de 4 To et de la version de référence.
Il y a aussi un autre signal à surveiller : NVIDIA et Microsoft ont annoncé RTX Spark, une nouvelle famille de PC Windows pensée pour les agents personnels, avec jusqu'à 128 Go de mémoire unifiée, 1 pétaFLOP annoncé en FP4, des PC portables 14 à 16 pouces et des ordinateurs de bureau compacts attendus à l'automne 2026 chez ASUS, Dell, HP, Lenovo, Microsoft Surface et MSI. Ce ne sera pas forcément “mieux” qu'un DGX Spark pour tous les usages, mais ça peut déplacer une partie de l'intention d'achat vers des machines plus polyvalentes.
À mon sens, c'est précisément ce qui peut rendre l'attente rationnelle. Si les RTX Spark arrivent avec de bons prix, une vraie autonomie et assez de mémoire pour faire tourner des agents locaux, une partie des acheteurs qui regardent aujourd'hui les DGX Spark / GX10 peut basculer vers ces formats portables. Le DGX Spark ne devient pas une ancienne génération au sens technique — on reste dans la même famille Grace Blackwell / GB10 — mais le marché peut le traiter comme un produit moins “neuf” dès que les PC portables RTX Spark seront visibles. Pour un usage nomade ou hybride, le PC portable RTX Spark peut devenir le meilleur des deux mondes : puissance locale pour les calculs IA, mais portabilité qu'un boîtier posé sur le bureau ne peut pas offrir.
Mon avis : le FOMO est réel, mais il n'est pas complètement absurde. Ces machines répondent à un besoin concret. Le bon réflexe, c'est donc de regarder la courbe de prix avant de sortir la carte bleue. Si votre besoin est clair, foncez. Si c'est juste l'appel du jouet IA premium, attendez une accalmie.
Sources
- NVIDIA DGX Spark, fiche produit officielle.
- NVIDIA DGX Spark User Guide, hardware overview.
- NVIDIA Newsroom, arrivée du DGX Spark.
- NVIDIA Newsroom, RTX Spark et Windows PC pour agents personnels.
- Microsoft Windows Blog, RTX Spark et optimisations Windows.
- ASUS Ascent GX10.
- HP ZGX Nano AI Station.
- Lenovo ThinkStation PGX Product Guide.
- Dell Pro Max with GB10.
- Acer Veriton GN100.
