Historique des éditions

En octobre, la carte graphique la plus rapide qu'on puisse acheter pour un PC de jeu a discrètement disparu de la boutique en ligne américaine de son propre fabricant. Un haut responsable de NVIDIA a affirmé à Taipei que la production n'était pas arrêtée et que les livraisons continueraient. Ailleurs, les rares cartes encore en vente partaient à plus du double de leur prix de lancement.¹

Les deux peuvent être vrais en même temps. C'est bien ce qui dérange.

Une carte graphique était autrefois le jouet d'un certain genre de personne. Chère, bruyante, un peu déraisonnable. Mais faite pour quelqu'un qui voulait jouer. Aujourd'hui, la même famille de puces sert aussi aux entreprises à entraîner et à faire tourner des modèles d'IA. Un client achète des images par seconde. L'autre achète une capacité qu'il revend à l'heure à toute l'économie.

Ces deux clients n'ont pas le même poids. Ce volume regarde ce que cela signifie pour celui qui joue, pour celui qui veut faire tourner de l'IA chez lui, et pour l'entreprise qui doit décider si elle veut posséder sa puissance de calcul. Il s'appuie sur des sources publiques arrêtées au 3 novembre 2026. Les prix et les rumeurs vont plus vite que les essais : chaque chiffre vaut avec sa date.

Où va l'argent

Au trimestre clos le 26 juillet 2026, NVIDIA a annoncé un chiffre d'affaires de 96,2 milliards de dollars américains. Son activité centres de données en a apporté 89,0 milliards. Tout le reste, jeu compris, faisait environ 7,2 milliards.²

Cela fait à peu près 92 cents sur chaque dollar. Il faut lire ce chiffre avec soin. Il répartit des revenus, pas des puces. Un système pour centre de données se vend bien plus cher qu'une carte de jeu ; la répartition ne dit donc rien du nombre de plaquettes parties ici ou là. Elle dit en revanche où se trouve l'intérêt. Quand la capacité manque, une entreprise sert d'abord le client qui paie presque tout.

La capacité manque aussi ailleurs : dans la mémoire. Les accélérateurs d'IA consomment d'énormes quantités de mémoire à large bande passante. Le cabinet TrendForce prévoit que cette mémoire et la DRAM ordinaire se disputeront les mêmes capacités de production avancées, avec une offre tendue jusqu'en 2027.³ C'est une prévision, pas un fait. Et la mémoire des cartes de jeu n'est pas le même produit. Mais tout sort de la même chaîne d'approvisionnement sous tension.

La vraie question n'est donc pas de savoir si NVIDIA aime encore les joueurs. C'est de savoir si la personne chez elle est encore le client pour qui l'on fabrique les puces les plus rapides.

Que vaut-il la peine d'acheter pour jouer

Pour un joueur, la réponse honnête est moins spectaculaire. On achète des performances mesurées, dans la définition à laquelle on joue vraiment.

Dans son guide d'octobre 2026, Tom's Hardware a mesuré pour la RTX 5090 une moyenne de 135 images par seconde en 1440p sur 19 jeux, sans mise à l'échelle ni génération d'images. La RTX 5070 Ti atteignait 92, la Radeon RX 9070 XT 85, la RX 9070 75, la RTX 5070 74 et la RX 9060 XT de 16 Go 49.⁴ Ce sont les résultats d'une seule batterie de tests. Une autre donnera d'autres chiffres, et il ne faut pas les mélanger.

Le même guide relevait un prix médian de 4299 dollars pour la RTX 5090, contre 1999 au lancement.⁴ AMD a lancé la RX 9070 XT à 599 dollars et la RX 9070 à 549.⁵ Ce sont des prix américains, datés. Les prix des magasins suisses n'ont pas été vérifiés pour ce volume ; ils demanderaient le même soin : même modèle, même jour, taxes et garantie comprises.

Ce qui découle de ces chiffres est assez simple. En 1440p natif, les Radeon RX 9070 et 9070 XT offrent beaucoup pour leur prix. La RTX 5070 Ti coûte plus cher, mais apporte la mise à l'échelle de NVIDIA, un meilleur ray tracing et le logiciel CUDA qu'attendent bien des outils d'IA. La RTX 5090 est une machine remarquable qui, aux prix actuels, n'a guère de sens pour le seul jeu. Et qui possède déjà une carte de la classe 4090 la garde. On mesure d'abord ce qui coince vraiment, avant de payer pour un nouveau logo.

La série RTX 50 est-elle finie ?

En 2026, des articles ont affirmé que la RTX 5090 était arrêtée et que ses puces partiraient vers des cartes professionnelles. En octobre, le patron de GeForce chez NVIDIA, Jeff Fisher, a démenti tout arrêt de production. L'approvisionnement était contraint, a-t-il dit, mais NVIDIA continuerait de livrer.¹ Plus tôt dans l'année, NVIDIA avait déjà dit livrer tous ses modèles GeForce malgré la pénurie de mémoire.⁶

Les signes de pénurie restent sérieux. Un fabricant de cartes, cité par l'overclockeur der8auer, disait ne pas pouvoir commander l'ensemble puce et mémoire nécessaire aux RTX 5090, sans date fiable de reprise.⁷ C'est la preuve d'une chaîne d'approvisionnement grippée. Ce n'est pas la preuve d'un produit abandonné.

On confond souvent quatre affirmations. Un magasin n'a plus de cartes. Un partenaire n'obtient plus de pièces. Un fabricant déplace temporairement sa production. Une gamme est arrêtée. Seule la dernière signifie une fin. Les éléments publics étayent aujourd'hui, par endroits, les trois premières. Pas la quatrième.

La carte qui n'existe pas encore

La RTX 6090 n'existe pas. Pas officiellement. Au 3 novembre 2026, NVIDIA n'a annoncé ni caractéristiques, ni prix, ni date.

En septembre, un informateur connu a prédit que la prochaine génération GeForce pourrait n'arriver qu'en 2028. NVIDIA ne commente pas les produits non annoncés.⁸ La plateforme Vera Rubin, elle, est bien réelle et, selon NVIDIA, en pleine production. Mais Rubin est conçue pour les centres de données. Ce n'est pas la promesse d'une carte de jeu.²

Plusieurs avenirs sont possibles. Une nouvelle génération de jeu arrive en 2028 et les prix se détendent. Ou la mémoire reste rare, et le prochain modèle haut de gamme devient plus rare et plus cher. Ou AMD et Intel pèsent davantage dans le milieu de gamme, et les joueurs y gagnent sans nouvelle carte NVIDIA spectaculaire. Ce sont des scénarios, pas des prévisions.

Un joueur ne devrait payer d'avance pour aucun d'eux. Ni en argent, ni en deux ans d'attente pour une carte que personne n'a annoncée.

Un autre goulet d'étranglement

Qui veut faire tourner des modèles d'IA se pose d'autres questions. Le modèle tient-il en mémoire ? En combien de temps vient le premier mot ? Combien de mots par seconde ensuite ? Combien de personnes peuvent s'en servir en même temps ? Le logiciel fonctionne-t-il vraiment sur cette carte ?

La première question touche à la mémoire, et elle a un point de départ simple. Les poids d'un modèle dense occupent à peu près le nombre de paramètres en milliards, multiplié par la précision en bits, divisé par huit, en gigaoctets.

Un modèle de 70 milliards de paramètres en 4 bits demande donc environ 35 Go rien que pour ses poids. S'y ajoutent le cache de la conversation, l'environnement d'exécution et tout le reste. En usage réel, il faut toujours davantage que ce que dit la formule.

L'autre point souvent oublié, c'est la différence entre capacité et vitesse. Une machine dotée d'une grande mémoire partagée peut contenir un modèle qui ne tient pas sur une carte de 32 Go. Elle peut pourtant écrire plus lentement. Et les performances de pointe que publient les fabricants, mesurées à des précisions différentes, ne mesurent pas un vrai travail.

Quoi acheter pour l'IA, chez soi et en entreprise

Pour une personne à l'aise avec la technique, on commence en général par une carte bien prise en charge, avec 16 à 32 Go de mémoire, pas par un serveur. Seize gigaoctets suffisent pour débuter avec de petits modèles et bien des outils d'image. Trente-deux laissent de la place pour des modèles plus grands, sous forme compressée.

NVIDIA reste le choix pragmatique, parce que tant de logiciels sont écrits d'abord pour CUDA. La RTX 5090 offre 32 Go, mais à ses prix actuels, peu de choses plaident pour elle. Une RTX 3090 d'occasion avec 24 Go peut être intéressante, si elle est testée et payée à son juste prix.

Il existe désormais de vraies alternatives. La Radeon AI PRO R9700 d'AMD offre 32 Go de mémoire, 640 Go/s de bande passante et une puissance annoncée de 300 watts.⁹ L'Arc Pro B70 d'Intel offre 32 Go et 608 Go/s.¹⁰ Toutes deux méritent qu'on s'y arrête, à condition d'avoir vérifié avant que son propre logiciel y tourne.

Pour contenir de très grands modèles, deux petites machines se détachent. Le DGX Spark de NVIDIA offre jusqu'à 128 Go de mémoire unifiée à 273 Go/s.¹¹ Le Mac Studio d'Apple avec M5 Ultra se configure avec jusqu'à 512 Go de mémoire unifiée à 1,2 To/s, la plus grande version étant arrivée fin octobre.¹² Une telle capacité change ce qui tient sur un bureau. Elle ne garantit pas un service rapide pour toute une équipe.

Pour une petite entreprise, on part du travail à faire, pas de la baie de serveurs. Posséder son matériel a de vrais avantages : les données restent à la maison, personne ne change le modèle à votre insu, et une hausse de prix d'un fournisseur d'API ne dicte plus le budget. Mais on devient aussi responsable de la sécurité, des mises à jour, de la surveillance, des sauvegardes et du jour où tout tombe en panne.

Une démarche rigoureuse tient en trois étapes. Mesurer sur du matériel loué. Faire tourner une machine de référence bien instrumentée. Ne grandir que lorsque l'usage réel a prouvé le besoin. Une heure de test en location peut éviter une erreur à cinq chiffres. Comme machine de référence, la RTX PRO 6000 Blackwell de NVIDIA offre 96 Go de mémoire à correction d'erreurs, une dépense sérieuse que seul un besoin durable justifie.¹³

Les grandes entreprises achètent une architecture, pas une carte. À cette échelle, des accélérateurs comme l'Instinct MI355X d'AMD, avec 288 Go de mémoire à large bande passante, 8 To/s et une consommation typique de 1400 watts, ont leur place dans des systèmes de centre de données, pas dans un boîtier de bureau.¹⁴ Une comparaison honnête avec le cloud compte l'amortissement, l'électricité, le refroidissement, le support, le personnel, les temps morts et le coût d'en sortir un jour. La bonne mesure, ce sont les tâches menées à bien par franc suisse. Pas les paramètres par franc, ni les performances de pointe d'une fiche technique.

À qui appartient le calcul

Une carte graphique est un drôle de symbole d'indépendance. Elle est chez vous. Mais elle dépend toujours de pilotes, de compilateurs, de poids de modèles, d'électricité et du logiciel des autres. Posséder le silicium est nécessaire à certaines formes d'indépendance. Cela ne suffit pas à toutes.

J'ai écrit cette année que l'ordinateur rentre à la maison.¹⁵ Voici l'étiquette de prix de cette idée. Faire tourner soi-même une IA capable devient économiquement significatif pour un ménage, une petite entreprise, une école ou un laboratoire. Cela ouvre une possibilité qui ne disparaît pas quand un fournisseur change ses conditions.

Il ne faut pas en faire une romance. Un cloud partagé est souvent plus efficace quand l'usage est faible. Tout le monde n'a pas besoin d'un grand modèle chez soi. L'indépendance a un prix. La dépendance aussi. Les deux méritent d'être mesurés.

Le nouveau fossé ne sépare pas seulement ceux qui peuvent s'offrir une carte à cinq mille dollars de ceux qui ne le peuvent pas. Il sépare ceux qui peuvent encore choisir où tourne leur calcul de ceux pour qui ce choix se rétrécit sans bruit.

Sources