NVIDIA, AMD et Intel pour l'IA locale : quelle plateforme choisir

Le doute est le même pour presque tous : faut-il une GPU NVIDIA pour l'IA locale, ou AMD et Intel tiennent-ils aussi la distance ? La réponse courte : cela dépend du modèle que vous voulez faire tourner, de votre budget et de votre envie de vous occuper du logiciel. La réponse longue tient dans ce guide, qui compare les trois plateformes sur la base de ce qui est réellement disponible aujourd'hui : stacks logiciels officiels, cartes par palier de VRAM et vitesses réelles.

L'écosystème compte autant que les chiffres de la carte

Avant de regarder les prix, une règle pratique : à prix équivalent, une GPU « mature » pour l'IA bat souvent une GPU neuve dont le logiciel est jeune. Les trois écosystèmes de 2026 :

• NVIDIA / CUDA — la norme de facto. CUDA est le stack de programmation GPU de NVIDIA (site officiel) : Ollama, llama.cpp, vLLM, LM Studio le supportent en premier, et les optimisations (Flash Attention, kernels quantifiés, format FP4 de la génération Blackwell) arrivent avant et sont plus abouties. Le coût : un prix plus élevé à VRAM égale.
• AMD / ROCm — ROCm est l'équivalent chez AMD (documentation officielle). Depuis ROCm 7, les Radeon consumer RDNA 3 et RDNA 4 (séries RX 7000 et RX 9000) sont officiellement supportées sous Linux : vous installez Ollama ou llama.cpp avec le backend ROCm et les modèles tournent sans variables d'environnement ni workaround. Les dernières sorties ont migré le processus vers un système de release modulaire (TheRock) qui maintient les composants à jour plus facilement.
• Intel / Vulkan — Intel a misé sur la voie ouverte : IPEX-LLM, la bibliothèque qui apportait l'inférence LLM sur les GPU Arc, a été archivée en janvier 2026 (dépôt). Le chemin retenu est Vulkan, la standard cross-platform de Khronos (vulkan.org) : Ollama et llama.cpp le supportent nativement sur Windows, Linux et macOS (via MoltenVK). Moins optimisé que CUDA, mais ça tourne sur pratiquement toutes les cartes.

Les chiffres : bande passante et VRAM

Pour la décodage des tokens (la phase qui détermine les tokens/seconde), c'est surtout la bande passante mémoire qui compte : pour chaque token, le moteur doit relire tous les poids depuis la VRAM. La limite théorique est la bande passante divisée par la taille des poids ; en pratique vous obtenez 60-75 % de cette limite. Les poids en Q4_K_M d'un modèle 14B occupent environ 8,4 Go, ceux d'un 27B environ 17 Go — des chiffres cohérents avec ceux de notre planificateur de setup.

Carte	VRAM	Bande	Ce qui rentre en Q4
Intel Arc B580	12 Go	456 GB/s	8-14B
NVIDIA RTX 5070	12 Go	672 GB/s	8-14B
NVIDIA RTX 5060 Ti	16 Go	448 GB/s	jusqu'au 27B
AMD RX 9070 XT	16 Go	640 GB/s	9-20B
NVIDIA RTX 5070 Ti	16 Go	896 GB/s	jusqu'au 27B
NVIDIA RTX 4090	24 Go	1008 GB/s	27-32B
AMD RX 7900 XTX	24 Go	960 GB/s	27-32B

Palier 12 Go : 8-14B, la vitesse fait la différence

Ici la VRAM suffit pour la classe de modèles la plus utilisée (8-14B en Q4) et le facteur décisif est la bande passante. Sur un 14B en Q4 (~8,4 Go de poids) : la RTX 5070 atteint ~44 tok/s théoriques (26-33 en pratique), la RX 9070 XT ~33 (20-25 en pratique), la Arc B580 ~24 (14-18 en pratique). La différence se ressent : sur un 8B, la B580 reste à 40-42 tok/s réels grâce au Vulkan d'Ollama, une vitesse tout à fait suffisante pour la conversation et la rédaction.

Palier 16 Go : le 27B et le compromis sur le contexte

Les 16 Go sont le centre de gravité de 2026 : un 27B en Q4 (~17 Go avec KV cache) n'entre que là et sur les cartes 24 Go. Mais attention : en 16 Go, un 27B « entre » à peine, avec un contexte qui ne peut pas être très long. En pratique, la classe 16 Go est le domicile des 9-20B avec un contexte large — et là, c'est la bande passante qui tranche. La RX 9070 XT (640 GB/s) est la carte 16 Go la plus rapide pour les modèles 9-20B, un avantage de 43 % sur la 5060 Ti (448 GB/s) ; la 5070 Ti (896 GB/s) domine quand vous voulez pousser un 27B : ~52 tok/s théoriques contre 26 pour la 5060 Ti, 18-22 en pratique sur celle-ci.

Palier 24 Go : la capacité gagne

24 Go et plus change la donne : le 27B rentre avec un contexte large, les 32B en Q4 entrent, et les MoE volumineux (100B+ avec peu de paramètres actifs) deviennent réalistes. Les 960 GB/s de la RX 7900 XTX représentent 96 % de la RTX 4090 (1008 GB/s) : même vitesse de décodage, et la 7900 XTX coûte généralement moins cher. À ce niveau, le choix entre NVIDIA et AMD se joue sur le prix, la consommation et la préférence personnelle — le logiciel est stable et officiel des deux côtés.

Quand vaut-il la peine de quitter CUDA ?

• Budget sous 500 euros — la Arc B580 12 Go est la porte d'entrée : pour les modèles 8-14B elle est plus que digne, et le chemin Vulkan est maintenant mature et sans dépendances exotiques.
• Vous voulez 16 Go avec le maximum de tokens/seconde pour les modèles 9-20B — la RX 9070 XT offre le meilleur rapport bande passante/prix de la classe, avec ROCm 7 officiel et aucun workaround.
• Il vous faut 24 Go et vous voulez dépenser moins — RX 7900 XTX : même classe de vitesse que la 4090, prix street plus bas.
• Le reste du temps, restez sur NVIDIA — vous voulez un 27B avec contexte et zéro friction, vous faites du serving avec vLLM, ou vous voulez la meilleure compatibilité avec les moteurs et les formats de quantisation : CUDA reste l'écosystème le plus complet, et la 5070 Ti 16 Go est le bon choix pour « tout, tout de suite, sans souci ».

Une dernière note pour ceux qui possèdent déjà une carte : avant d'acheter, essayez votre GPU actuelle avec le modèle qui vous intéresse. Si vous atteignez des vitesses acceptables (20-30 tok/s pour un usage personnel sont confortables), le budget GPU reste libre pour la RAM système, qui avec les MoE volumineux et les longs contextes compte au moins autant que la VRAM.

Verdict

Les trois plateformes ne sont plus « NVIDIA oui, les autres non » : en 2026 AMD a le support consumer officiel, Intel a une voie ouverte stable, et le logiciel commun (Ollama, llama.cpp) les parle tous. La bonne carte est celle qui met les poids du modèle que vous voulez utiliser dans la VRAM, à la meilleure bande passante pour votre budget — et l'écosystème CUDA reste le prime à payer si vous voulez le maximum de tokens/seconde avec un minimum de stress.

Article généré par IA