Le meilleur mini PC pour faire tourner des LLM en local
Comparez mémoire installée, prise en charge du GPU, évolutivité et prix pour le modèle et le logiciel envisagés.
En un coup d’œil64 Go ou plus
Ce qui décide ici
Pour les modèles de langage locaux, vérifiez d’abord la mémoire utilisable, la taille du modèle, la quantification et la longueur du contexte. Gardez de la place pour le système et le logiciel d’inférence. La mémoire partagée ou unifiée peut permettre des modèles plus grands, mais les logiciels compatibles, l’allocation mémoire et la bande passante comptent aussi. La sélection filtre sur la mémoire installée sans prédire le débit en jetons.
Quels modèles envisager ?
Comparez les configurations selon leur prix, leurs connexions et leurs possibilités d’évolution. Choisissez les fonctions utiles à votre usage ; l’ordre ne désigne pas un gagnant en performances.
Pour exécuter des modèles de langage en local. Parmi ces recommandations, son prix actuel en France est le plus bas. Cette configuration associe AMD Radeon 8060S à 128 Go de mémoire système. Vérifiez ce GPU précis dans la liste de compatibilité de votre moteur.
Compromis: L’accélération GPU et la mémoire utilisable dépendent du système, du pilote et du moteur exacts. La vitesse de génération n’est pas mesurée. Ses 128 Go de RAM ne pourront pas être augmentés ensuite. Il possède un seul port réseau filaire intégré (2,5 GbE). Des connexions physiques séparées demandent du matériel supplémentaire.
Pour exécuter des modèles de langage en local. Comparez son prix avec BOSGAME M5 ; payez davantage uniquement pour les fonctions utiles. Il possède 2 ports réseau, contre 1 sur BOSGAME M5, pour davantage de connexions physiques séparées. Connexions réseau intégrées documentées : 10 GbE. Elles sont utiles avec un NAS ou un réseau hôte adapté. Cette configuration associe AMD Radeon 8060S à 128 Go de mémoire système. Vérifiez ce GPU précis dans la liste de compatibilité de votre moteur.
Compromis: CPU, GPU et RAM/SSD installés correspondent à ceux de BOSGAME M5, moins cher. Aucun avantage mesuré en performances n’est établi ici. L’accélération GPU et la mémoire utilisable dépendent du système, du pilote et du moteur exacts. La vitesse de génération n’est pas mesurée. Ses 128 Go de RAM ne pourront pas être augmentés ensuite.
Pour exécuter des modèles de langage en local. Comparez son prix avec BOSGAME M5 ; payez davantage uniquement pour les fonctions utiles. Cette configuration associe AMD Radeon 8060S à 128 Go de mémoire système. Vérifiez ce GPU précis dans la liste de compatibilité de votre moteur.
Compromis: CPU, GPU et RAM/SSD installés correspondent à ceux de BOSGAME M5, moins cher. Aucun avantage mesuré en performances n’est établi ici. L’accélération GPU et la mémoire utilisable dépendent du système, du pilote et du moteur exacts. La vitesse de génération n’est pas mesurée. Ses 128 Go de RAM ne pourront pas être augmentés ensuite. Le nombre de ports réseau de ce modèle reste à confirmer. Vérifiez-le avant un achat pour un usage dépendant du réseau.
Charger un modèle et l’utiliser confortablement sont deux vérifications
Choisissez la version du modèle et sa quantification, puis prévoyez la mémoire des poids, du contexte ou cache KV, des tampons du moteur et du système. À titre de calcul, 70 milliards de paramètres à exactement quatre bits représentent environ 35 Go de poids seuls, avant métadonnées et besoins supplémentaires. Cela ne garantit pas qu’un modèle de 70B quelconque fonctionne dans 64 Go. Un contexte plus long, les requêtes parallèles et la répartition CPU/GPU changent les besoins. Pour juger une vitesse utile, recherchez des mesures avec le modèle, le contexte et le moteur exacts.
Vérifiez la mémoire réellement accessible au logiciel
Une mémoire partagée ou unifiée ne rend pas automatiquement toute la RAM accessible à l’inférence GPU. Les réserves du micrologiciel, les pilotes, le système et le moteur déterminent l’allocation utilisable. La RAM sur emplacements permet l’inférence CPU et la répartition des calculs ; elle n’est pas par nature inaccessible au modèle. Un GPU dédié dispose de sa propre limite de VRAM. Vérifiez l’accélération prise en charge dans Ollama ou LM Studio plutôt que de la déduire du type de mémoire ou du nom du NPU.
Vérifiez la configuration précise et ses possibilités d’évolution
L’évolutivité de la mémoire dépend du modèle. La Lenovo ThinkStation P3 Ultra SFF Gen 2 possède deux emplacements DDR5 remplaçables et accepte jusqu’à 128 Go selon sa documentation. Les 64 Go affichés désignent la capacité installée, pas une mémoire soudée. Respectez les types de modules prévus par Lenovo et les éventuels kits de mise à niveau. Sur d’autres modèles à mémoire soudée, choisissez la capacité nécessaire dès l’achat. Vérifiez la configuration, les emplacements mémoire, les connexions de stockage et les limites documentées sur chaque fiche produit.
Pourquoi128 Go installés. Le CPU et le GPU partagent la mémoire. L’allocation réellement accessible au GPU dépend de la plateforme, du micrologiciel, du pilote et du moteur d’inférence.
Pourquoi128 Go installés. Le CPU et le GPU partagent la mémoire. L’allocation réellement accessible au GPU dépend de la plateforme, du micrologiciel, du pilote et du moteur d’inférence.
Pourquoi128 Go installés. Le CPU et le GPU partagent la mémoire. L’allocation réellement accessible au GPU dépend de la plateforme, du micrologiciel, du pilote et du moteur d’inférence.
Pourquoi64 Go installés. Le CPU et le GPU partagent la mémoire. L’allocation réellement accessible au GPU dépend de la plateforme, du micrologiciel, du pilote et du moteur d’inférence.
Les deux exécutent des modèles locaux, mais les formats, les versions des moteurs et la prise en charge des GPU peuvent différer. Ollama documente ses accélérations NVIDIA, AMD et Apple ; LM Studio propose des moteurs llama.cpp et MLX sur Apple Silicon. Vérifiez le GPU exact, le système, le pilote et le format du modèle dans la documentation actuelle. Le fonctionnement dans un logiciel ne garantit pas la même répartition CPU/GPU, la même consommation mémoire ni la même vitesse dans l’autre.
La mémoire unifiée vaut-elle mieux qu'une carte graphique ?
Le choix dépend du modèle et du logiciel. La mémoire unifiée peut offrir un espace plus vaste au GPU, mais le système et le moteur ont besoin de réserves et les limites d’allocation varient. Un GPU dédié possède sa propre VRAM ; déporter une partie du calcul sur le CPU peut permettre le chargement tout en modifiant la vitesse. Nous ne désignons aucun gagnant sur la base de mesures de vitesse.
Le chiffre du NPU compte-t-il ?
Un chiffre en TOPS ne prouve ni la prise en charge d’un modèle de langage ni sa vitesse de génération. Vérifiez si le modèle et le moteur précis peuvent utiliser le NPU. Sinon, la prise en charge du CPU et du GPU, la mémoire disponible et la bande passante soutenue sont des critères d’achat plus utiles.
Les prix et la disponibilité des produits sont exacts à la date et à l'heure indiquées et peuvent être modifiés. Le prix et la disponibilité affichés sur Amazon.fr au moment de l'achat s'appliqueront à l'achat de ce produit.
