NVIDIA RTX Spark n’est pas juste une nouvelle puce : c’est une tentative ambitieuse de repenser l’architecture du PC Windows pour l’ère de l’IA locale. Testé sur un des premiers portables disponibles équipés de cette plateforme — un ASUS ProArt P16 — Spark s’appuie sur un SoC N1X qui combine une CPU ARM (basée sur la conception Grace en collaboration avec MediaTek) et une GPU Blackwell, le tout avec une mémoire unifiée LPDDR5X atteignant jusqu’à 128 Go. Le résultat ? Une plate‑forme qui remet en question plusieurs paradigmes des machines Windows traditionnelles, notamment en termes d’efficience énergétique et de capacités d’IA en local.
Architecture et concept : qu’est‑ce qui change ?
La valeur centrale de RTX Spark tient à quatre innovations combinées : l’arrivée d’un Windows on ARM enfin pensé pour des charges lourdes ; la mémoire unifiée entre CPU et GPU (faisant tomber la barrière entre RAM système et VRAM) ; l’intégration native de l’écosystème CUDA/RTX de NVIDIA ; et l’orientation marquée vers l’IA locale et l’agentique. Sur le papier, ces éléments promettent des usages jusqu’ici réservés aux datacenters : exécuter de gros modèles LLM en local, lancer des workflows de génération d’images, ou fédérer des agents AI pour des tâches complexes — tout cela sur un portable.
Performances brutes : GPU vs CPU
Lors de nos tests sur la configuration « full » (CPU 20 cœurs / GPU 6 144 CUDA cores / 64 Go de mémoire unifiée), la GPU Blackwell de Spark livre des résultats très solides, comparables à une RTX 5070 Laptop sur plusieurs benchmarks graphiques. Ce n’est pas un hasard : Blackwell est une architecture hautement optimisée. Là où Spark se singularise, c’est la gestion mémoire : pouvoir adresser de larges modèles directement depuis la mémoire unifiée change la donne pour l’IA locale.
La CPU Grace, pour sa part, offre de bonnes prestations en multitâche et charges pro, mais elle n’égale pas les meilleurs x86 en performance brute sur certaines charges mono‑threadées. En pratique, la GPU et la mémoire unifiée permettent de déléguer plus de calculs graphiques et IA côté Blackwell, mais lorsque des workloads sont CPU‑bound, la Grace peut devenir le goulot d’étranglement.
Efficacité énergétique et autonomie
Un des points les plus marquants de Spark est son profil énergétique : configurée pour fonctionner entre environ 45 W et 80 W, la plateforme se montre remarquablement efficiente. En usage mixte et bureautique, l’ASUS ProArt P16 a montré une autonomie impressionnante — au‑delà des 20 heures dans certains tests « battery » classiques — et des performances presque identiques branché sur batterie ou sur secteur. C’est une rupture notable face aux portables Windows traditionnels qui sacrifieraient lourdement la vitesse en mobilité.
Cependant, l’efficience a un coût : sous charges soutenues, la température CPU peut grimper — nous avons approché les 90 °C en stress prolongé — et les ventilateurs se font entendre. La gestion thermique dépendra donc beaucoup de l’intégration choisie par chaque constructeur.
IA locale : le vrai terrain de jeu de Spark
Si Spark séduit, c’est principalement pour ce qu’il autorise en IA locale. La mémoire unifiée permet de charger et d’exécuter des modèles LLM plus grands que ceux qu’on peut tenir sur une VRAM traditionnelle de 8–16 Go. Des modèles comme Qwen 3.8‑27B ou d’autres architectures de 30‑35 milliards de paramètres deviennent atteignables en local, certes avec des concessions sur la latence comparée à des GPU serveur, mais avec des avantages indéniables :
Dans notre usage, Spark a géré très honorablement des workflows de génération de texte, d’images et de chaînes d’agents (Hermes Agent, Perplexity), montrant que la plateforme n’est pas une simple vitrine mais un outil concret pour des charges professionnelles.
Windows on ARM et compatibilité
Un des défis majeurs pour la plateforme est Windows on ARM. Le système a progressé, et l’expérience utilisateur est aujourd’hui beaucoup plus fluide qu’auparavant. Nombre d’applications critiques disposent de builds ARM natifs ; pour le reste, Windows utilise Prism pour l’émulation x86/x64. Cette solution fonctionne convenablement pour la plupart des usages, mais elle introduit parfois des délais d’ouverture d’app et un surcoût CPU.
Le bilan : la productivité quotidienne (Premiere, Photoshop, Blender) est très satisfaisante, surtout quand l’application est optimisée pour CUDA. En revanche, certains logiciels professionnels anciens ou très spécifiques peuvent encore poser problème.
Gaming : un bonus, pas la cible
Même si Spark n’est pas conçu principalement pour le gaming, la GPU Blackwell permet de jouer très correctement. Les titres testés affichent une expérience comparable à une RTX 5070 Laptop, avec ray‑tracing, DLSS et Frame Generation supportés. Mais l’architecture ARM impose parfois l’émulation via Prism, ce qui peut pénaliser certains jeux et techniques anti‑triche. Bref : Spark peut jouer, mais ce n’est pas son cœur de métier.
Prix et positionnement
Les machines équipées de Spark débutent autour de 3 000 € et culminent bien plus haut pour les configs à 128 Go. Cela les place hors du marché grand public. Le positionnement est clair : professionnels, chercheurs, studio de création et entreprises ayant besoin d’IA locale, voilà la cible prioritaire.
Points faibles à surveiller
En synthèse — sans conclure — RTX Spark est une plateforme audacieuse. Elle ne remplace pas les architectures x86 ni les GPU discrets, mais elle ouvre une voie alternative : convergence CPU/GPU autour d’une mémoire unifiée pour des charges d’IA locales puissantes et éco‑responsables. Pour les professionnels qui ont un besoin réel d’IA en local et peuvent s’accommoder du prix, Spark offre aujourd’hui des possibilités inédites sur Windows. Pour le grand public, l’heure n’est pas encore au renouvellement massif, mais la direction prise par NVIDIA montre clairement où pourrait aller le PC hautes performances dans les prochaines années.