De quoi s’agit-il

L’Acer Veriton GN100 est une mini-station de travail IA à 3 999 $ bâtie sur la superpuce GB10 Grace Blackwell de NVIDIA — la même plateforme de classe « DGX Spark » que NVIDIA, Dell, ASUS et GIGABYTE commercialisent tous. Ce n’est pas un mini-PC polyvalent. C’est un superordinateur IA personnel à peu près de la taille d’un gros livre de poche (150 × 150 × 50,5 mm, moins de 1,5 kg) qui associe un CPU Arm 20 cœurs à un GPU Blackwell via NVLink-C2C, le dote de 128 Go de mémoire unifiée LPDDR5x et est livré avec la pile logicielle complète DGX OS de NVIDIA déjà installée.

L’argument d’Acer dans un marché GB10 encombré, c’est l’expérience prête à l’emploi. Là où des machines rivales peuvent vous laisser assembler un environnement CUDA, le GN100 démarre sous DGX OS avec PyTorch, Jupyter et Ollama préchargés — sans doute le préchargement logiciel le plus propre de toutes les machines de l’écosystème Spark. Pour un acheteur qui veut affiner ou servir un modèle local l’après-midi même de la réception du carton, cela compte plus qu’une ligne de fiche technique.

À quoi il sert : le développement de LLM en local

La raison d’être du GN100, c’est le travail sur de grands modèles de langage en local qui ne tiennent pas sur un GPU grand public. Le pool unifié de 128 Go permet de charger confortablement des modèles de l’ordre de 70 à 120 milliards de paramètres, et NVIDIA valide la plateforme pour l’inférence sur des modèles jusqu’à 405 milliards de paramètres lorsque deux unités sont reliées via ConnectX-7. Dans les tests vLLM de StorageReview, GPT-OSS-20B est passé de 92 à environ 1 565 tokens/seconde selon la taille du lot — des résultats « étroitement regroupés avec l’ensemble de l’écosystème Spark », exactement ce qu’on attend d’un silicium GB10 partagé.

C’est une machine de développeur et de créateur : fine-tuning, génération augmentée par récupération (RAG), prototypage agentique, inférence par lots et travail d’images par modèles de diffusion. Si votre objectif est de faire tourner un modèle de 7 à 13 milliards de paramètres pour du chat à petit prix, vous n’en avez pas besoin — une machine Strix Halo qui fait tourner des modèles 70B ou même un Mac mini M4 Pro pour les LLM locaux reviennent bien moins cher. Le GN100 s’adresse à ceux dont les modèles, jeux de données ou objectifs de débit ont dépassé ces options.

La superpuce GB10 et la mémoire unifiée

La superpuce GB10 Grace Blackwell combine un CPU Arm 20 cœurs et un GPU Blackwell sur un seul boîtier, reliés par NVLink-C2C de sorte que les deux côtés adressent le même pool de 128 Go LPDDR5x-8533 sans copie PCIe intermédiaire. NVIDIA annonce 1 PetaFLOP de performances IA FP4 (1 000 TOPS) grâce aux Tensor Cores de 5e génération, et toute la pile CUDA tourne nativement.

Le chiffre phare, c’est la mémoire unifiée. Sur une RTX 4090 de 24 Go, il faut un vrai effort pour découper un modèle 70B ; ici, il se charge tout simplement. Cette capacité — et non les FLOPS bruts — est ce qui rend la classe GB10 intéressante pour quiconque fait de l’IA locale sérieuse. Si vous voulez comprendre pourquoi les chemins CPU, NPU et GPU diffèrent autant pour ce travail, notre explication sur NPU vs iGPU vs CPU pour les LLM sur mini-PC est une bonne introduction.

Conception, connectique et clustering

Physiquement, le GN100 est dense et silencieux. StorageReview a mesuré le profil thermique le plus frais de toute sa comparaison Spark — un CPU culminant à 74,7 °C et un GPU à 69 °C en charge ponctuelle — créditant un réglage axé sur l’efficacité plutôt qu’une montée en puissance agressive. Le compromis qu’ils ont relevé est cosmétique : une plaque inférieure en métal moulé non finie qui reflète « une philosophie de conception et de coût différente », même si elle reste structurellement solide.

La connectique est pensée pour l’IA, pas pour le bureau :

  • 2× NVIDIA ConnectX-7 200 Gbps (QSFP) — le tissu haut débit pour appairer deux GN100 en un seul nœud capable de 405B
  • 10GbE RJ-45 pour le réseau classique
  • 4× USB 3.2 Type-C, HDMI 2.1b, Wi-Fi 7, Bluetooth 5.1

Cet appairage ConnectX-7 est le point fort : deux unités en cluster se comportent comme une seule machine plus grande, ce qui permet de passer de ~200B au territoire des 405 milliards de paramètres.

Bande passante mémoire — le plafond réel

Voici la limite honnête que tout acheteur de GB10 doit intégrer. La bande passante de la mémoire unifiée est d’environ 273 Go/s. C’est généreux face à un CPU, mais modeste face à un GPU dédié — une RTX 5090 dépasse largement les 1,7 To/s. La vitesse de génération de tokens en inférence LLM est limitée par la bande passante mémoire ; le GN100 paraîtra donc plus lent par token qu’une grosse carte dédiée sur les modèles qui tiennent dans 32 Go de VRAM.

L’atout du GN100, c’est le cas inverse : les modèles qui ne tiennent pas sur un seul GPU grand public. Vous troquez le pic de tokens/seconde contre la capacité de garder en mémoire un modèle de 70 à 120 milliards de paramètres. Achetez-le pour la capacité et un environnement CUDA clé en main, pas pour la réponse de chat la plus rapide possible.

Prix et où l’acheter

En Amérique du Nord, le Veriton GN100 démarre à 3 999 $ (EMEA 3 999 € ; AUD 6 499 $). Il est référencé sur Amazon sous l’ASIN B0GJZY12GQ. Cela le place en plein dans la cohorte DGX Spark — à peine sous l’Ascent GX10 d’ASUS à 2 999 $ uniquement sur le papier, puisque le prix d’Acer achète la configuration SSD Gen5 de 4 To plus grande et le même cœur GB10. IT Pro l’a qualifié de « machine exemplaire pour exécuter et expérimenter des charges IA… mais avec une étiquette de prix énorme », ce qui résume justement toute la catégorie.

Ce que nous signalerions

  • Aucun USB Type-A et aucun USB4. TechRadar l’a directement signalé — chaque port USB est du Type-C 3.2, donc les périphériques anciens nécessitent des adaptateurs.
  • Une évolutivité quasi nulle. La mémoire est de la LPDDR5x soudée par conception, et TechRadar note que le NVMe interne n’est pas facilement accessible à l’utilisateur. Achetez d’emblée le niveau de stockage dont vous avez besoin.
  • Les 273 Go/s de bande passante plafonnent le débit de génération de tokens face à un GPU dédié — abordé plus haut, mais bon à rappeler avant l’achat.
  • DGX OS est du Linux Arm, pas Windows. C’est un environnement de développement. Si vous attendiez un bureau Windows qui fait aussi de l’IA, ce n’est pas la bonne machine — attendez plutôt la déclinaison grand public RTX Spark.
  • Cher en Europe. Les tarifs régionaux de 3 999 € / 6 499 AUD sont nettement plus élevés que le chiffre américain.

Verdict

L’Acer Veriton GN100 est l’une des entrées les plus abouties de la gamme GB10 Grace Blackwell. C’est la plus fraîche des machines Spark testées par StorageReview, elle embarque un SSD Gen5 de 4 To rapide et — son vrai différenciateur — démarre directement sur une image DGX OS avec PyTorch, Jupyter et Ollama déjà configurés, vous épargnant la taxe d’installation qui pénalise les unités rivales. Le tissu double ConnectX-7 200 Gbps fait du clustering à deux nœuds, à 405 milliards de paramètres, une véritable option plutôt qu’une note de bas de page.

Ses limites sont celles de la catégorie, pas des erreurs d’Acer : les ~273 Go/s de bande passante mémoire rendent la vitesse par token modeste, il n’y a pas de véritable voie d’évolution, et DGX OS est une plateforme de développement plutôt qu’un bureau de tous les jours. Pour un ingénieur ML, un chercheur ou un créateur qui a besoin de 128 Go de mémoire unifiée et d’une pile CUDA clé en main sur son bureau, le GN100 est une recommandation facile — et l’expérience logicielle la plus propre de la gamme Spark. Pour quiconque dont les modèles tiennent confortablement sur un GPU de 32 Go, ou qui veut simplement discuter avec un modèle 13B, un PC de bureau Strix Halo ou un Framework Desktop vous économisera des milliers de dollars.