Ce qu’est le NVIDIA DGX Spark

Le NVIDIA DGX Spark est un supercalculateur IA personnel de la taille d’un gros livre de poche : un cube d’aluminium de 150 mm construit autour du superchip GB10 Grace Blackwell de NVIDIA. Il associe un CPU Arm 20 cœurs à un GPU Blackwell sur un même boîtier, y adjoint 128 Go de mémoire unifiée et fait tourner DGX OS, le système de NVIDIA, pour que toute la pile CUDA fonctionne dès la sortie du carton. À 3 999 $ (plutôt 4 699 $ désormais, après la flambée des prix de la mémoire début 2026), ce n’est pas un mini PC au sens habituel. C’est une station de travail pour développeurs, conçue pour exécuter et affiner de grands modèles de langage sur votre bureau au lieu de louer des GPU dans le cloud.

C’est la machine GB10 de référence, la Founders Edition à laquelle se mesurent les variantes de tous les autres constructeurs. Si vous hésitez avec l’ASUS Ascent GX10 ou tout autre PC de bureau Grace Blackwell, c’est le point de comparaison. C’est aussi le grand frère déjà en vente du futur mini PC grand public ASUS ProArt RTX Spark, qui reprend un silicium de classe GB10 pour un autre public.

À quoi il sert : IA locale et développement de LLM

Le DGX Spark existe pour une seule tâche, et il s’en acquitte bien : faire tourner de grands modèles en local, sans compte cloud.

  • Inférence de LLM en local. Avec 128 Go de mémoire unifiée, vous pouvez charger entièrement sur la machine des modèles jusqu’à environ 200 milliards de paramètres (quantifiés). Un modèle de 70 milliards de paramètres en 4 bits tient confortablement en mémoire, avec de la marge pour une longue fenêtre de contexte.
  • Fine-tuning et prototypage. Des sessions de fine-tuning LoRA et QLoRA qui exigeraient autrement un A100 loué tiennent sur cette machine. C’est un véritable environnement de développement CUDA, pas une couche d’émulation.
  • CUDA natif dès le premier jour. Contrairement à un Apple Mac Studio ou à une machine AMD Ryzen AI Max, le DGX Spark exécute exactement la même pile CUDA, cuDNN, TensorRT et NIM que celle que vous déployez en production. Le code écrit ici passe sur un serveur DGX sans modification.
  • Usage créatif et bureautique léger. DGX OS est un Linux de bureau : il gère un navigateur, un terminal et des outils créatifs, mais considérez cela comme un bonus, pas comme l’objectif.

Tom’s Hardware le résume bien : un bac à sable IA touche-à-tout qui bat le Ryzen AI Max+ 395 d’AMD dans les charges de travail qui comptent pour les développeurs.

Le superchip GB10 et la mémoire unifiée

Tout repose sur le superchip GB10 Grace Blackwell. NVIDIA a accolé un CPU de classe Grace (10 cœurs performance Cortex-X925 + 10 cœurs efficaces Cortex-A725) à un GPU Blackwell grâce au NVLink-C2C, une interconnexion cohérente bien plus large que le PCIe. Le GPU embarque des Tensor Cores de 5e génération et des cœurs RT de 4e génération, et délivre 1 PetaFLOP de calcul FP4 (1 000 TOPS).

Comme le CPU et le GPU partagent un unique pool de 128 Go de mémoire cohérente LPDDR5x, il n’y a ni copie de tenseurs à travers un bus PCIe, ni découpage du modèle entre VRAM et RAM système. Le GPU adresse directement les 128 Go. C’est précisément ce pool unifié qui permet à une machine de moins de 2 litres de contenir un modèle de 200 milliards de paramètres qui exigerait ailleurs plusieurs GPU dédiés.

Fabrication, connectique et mise en cluster

Le châssis reprend la façade dorée en « râpe à fromage » de la grande DGX Station, réduite à 1,2 kg. Il se pose à l’horizontale ou à la verticale et s’alimente via un bloc externe de 240 W (le GB10 lui-même est donné pour un TDP de 140 W).

C’est dans la connectique que l’orientation développeur se révèle :

  • Carte réseau ConnectX-7 avec 2 ports QSFP 200 Gbit/s, la fonction phare. Vous pouvez relier directement deux DGX Spark en un cluster de 256 Go et faire tourner des modèles trop gros pour une seule unité.
  • 10 GbE RJ-45, Wi-Fi 7, Bluetooth 5.4
  • 4× USB-C, 1× HDMI 2.1a, jusqu’à 3× DisplayPort via USB-C
  • SSD NVMe autochiffré de 4 To : rapide, sécurisé, mais quasi soudé (pas de baie remplaçable par l’utilisateur)

Peut-on relier deux DGX Spark en cluster ?

Oui. La liaison ConnectX-7 double 200GbE est conçue exactement pour cela. Deux unités associées vous donnent 256 Go de mémoire unifiée pour des modèles de l’ordre de 400 milliards de paramètres. C’est la principale raison de choisir la machine de NVIDIA plutôt qu’un Mac Studio : la mise en cluster est native, pas un bricolage.

Bande passante mémoire : le vrai plafond

Venons-en à la partie honnête. La bande passante mémoire du DGX Spark est d’environ 273 Go/s, et c’est elle, et non la puissance de calcul, qui constitue le facteur limitant.

La vitesse de génération des tokens d’un LLM évolue de façon presque linéaire avec la bande passante mémoire. Les ~546 Go/s d’un Mac Studio représentent presque le double de ceux du Spark, ce qui signifie plus de tokens par seconde sur le même modèle. La GDDR7 d’une RTX 5090 joue carrément dans une autre catégorie. Ainsi, si le DGX Spark peut contenir un modèle de 200 milliards de paramètres qu’une 5090 ne peut pas charger, la 5090 générera des tokens plus vite sur tout modèle qui tient dans sa VRAM plus réduite.

À retenir : le DGX Spark est optimisé pour la capacité et la fidélité CUDA, pas pour le débit brut. C’est la machine du « puis-je seulement faire tourner et itérer sur cet énorme modèle ? », pas celle du « quel est le chatbot interactif le plus rapide pour mon bureau ? ». Les testeurs de Tom’s Hardware comme de ServeTheHome arrivent à la même conclusion : la bande passante est son talon d’Achille, et il faut l’acheter en connaissance de cause.

Prix et où l’acheter

Le DGX Spark a été lancé à 3 999 $ en octobre 2025. Une pénurie mondiale de mémoire a fait grimper les prix de vente jusqu’au début 2026 : prévoyez donc une fourchette de 3 999 $ à 4 699 $ selon la disponibilité. Il est vendu par les partenaires de NVIDIA et référencé sur Amazon ; l’annonce affiliée correspond à la Founders Edition.

À ce prix, vous achetez le silicium de NVIDIA, le système de NVIDIA et l’interconnexion de clustering de NVIDIA sous la forme d’un ensemble unique et pris en charge. Les variantes partenaires comme l’ASUS Ascent GX10 sont parfois moins chères. Elles méritent la comparaison si le refroidissement et la génération du SSD comptent davantage pour vous que l’étiquette Founders. À lire aussi : notre test du GIGABYTE AI TOP ATOM, notre test du MSI EdgeXpert MS-C931 et notre analyse du prix du DGX Spark 64 Go.

Nos réserves

Un test équitable d’une machine excellente mais spécialisée :

  • La bande passante de 273 Go/s plafonne la vitesse de génération. Pour de l’inférence interactive mono-utilisateur, un GPU dédié doté de beaucoup de VRAM ou un Mac Studio peut sembler plus rapide sur les modèles qu’ils peuvent contenir.
  • DGX OS est un Linux Arm, pas Windows. C’est un environnement de développement CUDA. Si vous voulez un PC de bureau polyvalent, ce n’est pas le bon produit.
  • Mémoire et stockage non évolutifs par l’utilisateur. 128 Go et 4 To, c’est ce que vous obtenez. Choisissez votre configuration dès le départ.
  • Volatilité des prix. La hausse post-lancement implique que vous paierez peut-être plusieurs centaines de dollars au-dessus du prix conseillé. Surveillez les annonces.

Verdict sur le NVIDIA DGX Spark

Le NVIDIA DGX Spark est le supercalculateur IA personnel le plus cohérent que l’on puisse acheter aujourd’hui, à condition de comprendre ce qu’il est. Le superchip GB10 Grace Blackwell, les 128 Go de mémoire unifiée, CUDA en natif et le clustering double 200GbE en font un véritable foyer local pour exécuter et affiner des modèles jusqu’à 200 milliards de paramètres, avec une voie de migration directe vers un déploiement DGX dans le cloud.

Gardez bien en tête la bande passante mémoire de 273 Go/s : c’est une machine axée sur la capacité et la compatibilité, pas une championne du débit. Pour les développeurs IA, les chercheurs et les ingénieurs ML qui vivent dans CUDA, ce compromis est exactement le bon, et le DGX Spark mérite une recommandation franche. Pour qui veut un PC de bureau polyvalent et rapide, ou le maximum de tokens par seconde pour une seule session de chat, mieux vaut regarder ailleurs. Et si vous voulez le même silicium, comparez avec l’ASUS Ascent GX10 avant de vous décider.