La hausse du coût des cartes graphiques rend plus difficile pour les utilisateurs de PC la construction de systèmes capables d’exécuter localement des modèles d’IA. Les passionnés à la recherche d’une carte puissante pour jouer et expérimenter avec l’IA locale sont confrontés à des prix plus élevés, aussi bien pour le matériel neuf que d’occasion.
Selon des chiffres de Price Squirrel cités via Reddit, le prix des cartes graphiques a augmenté de plus de 30 % au cours des trois derniers mois. Le prix de la RTX 5090 aurait doublé, tandis que les modèles plus anciens sont également devenus plus chers. Les cartes RTX 3090 d’occasion, par exemple, sont proposées à plus de 1 000 € sur des plateformes telles que Wallapop, même si les prix affichés ne correspondent pas nécessairement aux ventes effectivement conclues.
La pression ne concerne pas uniquement les cartes graphiques grand public. L’article attribue une partie du problème au fait que les fabricants donnent la priorité à la mémoire à large bande passante, ou HBM, destinée aux accélérateurs d’IA, plutôt qu’à la mémoire GDDR utilisée dans les cartes graphiques. Des entreprises comme Samsung, SK Hynix et Micron peuvent trouver plus rentable de produire des composants pour le marché de l’IA, ce qui réduit l’offre disponible pour le matériel grand public et contribue à l’augmentation des prix.
Les centres de données sont eux aussi confrontés à une hausse du coût des composants, mais leurs accords d’achat portant sur de gros volumes et de longues périodes peuvent contribuer à réduire une partie de cet impact. Les acheteurs individuels ne disposent pas du même pouvoir de négociation, ce qui rend les joueurs et les utilisateurs de l’IA locale plus exposés aux hausses de prix.
Cette situation affecte également l’accès à l’IA locale. Les cartes graphiques, en particulier les modèles RTX de Nvidia grâce à leur prise en charge de CUDA, peuvent exécuter directement sur un ordinateur personnel toute une gamme de modèles ouverts. Toutefois, l’augmentation du coût d’entrée signifie que certains utilisateurs abandonnent leur projet de construire des systèmes destinés à l’inférence locale et sont désormais davantage susceptibles de s’appuyer sur des services cloud.
OpenAI, xAI et Anthropic pourraient bénéficier indirectement de cette tendance, car leurs services fonctionnent sur les serveurs des entreprises. L’article oppose cette approche à celle de fournisseurs tels que DeepSeek et Z.ai, qui mettent leurs modèles à disposition de manière ouverte tout en proposant également un accès cloud.
Le directeur général d’OpenAI, Sam Altman, a récemment décrit l’inférence locale comme « une terrible allocation de ressources rares ». Cette déclaration illustre le désaccord sur l’endroit où l’IA doit fonctionner : sur une infrastructure centralisée exploitée par de grandes entreprises ou sur le propre matériel des utilisateurs. Alors que les cartes graphiques deviennent moins abordables, le coût du choix local augmente, laissant aux consommateurs moins d’alternatives pratiques.
Sources: Xataka.