Dans notre article précédent « L’IA se divise en trois marchés : une opportunité pour l’Europe ? », nous avons vu que le marché des IA généralistes professionnelles et personnelles pourrait se diriger principalement vers des IA installées sur des ordinateurs personnels ou des serveurs d’entreprise, permettant à la fois des économies et une souveraineté sur les données personnelles.
Nous avions vu que les briques matérielles et logicielles étaient déjà là fin 2026 et que, sous réserve d’une intégration et d’une configuration encore assez complexes pour l’instant, il était possible dès maintenant de s’approcher d’une IA locale « suffisamment bonne », pour un prix situé, au moment où nous écrivons ces lignes, autour de 4 000 à 5 000 €.
Mais plusieurs avancées majeures de ce mois de septembre 2026 convergent vers la possibilité d’une IA « suffisamment bonne » qui pourrait descendre dans les prochains mois jusqu’à une fourchette de 1500 à 2000 €, ouvrant plus rapidement qu’envisagé un marché beaucoup plus large. Les progrès architecturaux pourraient permettre d’obtenir les mêmes résultats sur des machines avec deux fois moins de mémoire et même d’améliorer certains aspects comme la taille du contexte et l’autonomie agentique.
Si ces progrès se confirment, il manquerait encore pour que ce marché « décolle », une intégration simple, robuste et invisible de toutes ces briques pour les utilisateurs.
Ajout du 8 octobre 2026 : cet article propose un scénario où des IA locales disposant de seulement 64 Go de mémoire unifiée pourraient devenir « suffisamment bonnes » pour des usages professionnels définis dans nos critères, contre 128 Go aujourd’hui. Cela suppose que les progrès architecturaux annoncés en septembre 2026 soient intégrés dans de futurs modèles et que ces modèles disposent d’un environnement « suffisamment simple », fiable et sécurisé.
La question suivante est alors celle du rapprochement de trois seuils : une IA locale de « suffisamment bonne », « suffisamment simple » et « suffisamment abordable ». Pour ce dernier seuils, nous avons retenu un ordre de grandeur d’environ 2000 € , qui permettrait d’entrer dans une gamme de prix beaucoup plus courante du marché des PC performants.
Les annonces de Microsoft et Nvidia du 7 octobre permettent de mieux mesurer l’écart qui reste avant un véritable décollage du marché des IA locales. À 64 Go de mémoire unifiée, les machines se situent actuellement autour de 2 000 € avec AMD, 3 300 à 4 000 € chez Apple et 4 300 à 4 500 € pour les premiers RTX Spark équipés d’une puce Nvidia. Leurs bandes passantes mémoire restent pourtant du même ordre de grandeur : environ 256 Go/s pour AMD, 300 Go/s pour Nvidia et 307 Go/s pour Apple. La comparaison doit cependant rester prudente, car il ne s’agit pas de machines strictement équivalentes. Nvidia bénéficie surtout de l’avantage majeur de son écosystème logiciel CUDA, tandis qu’Apple dispose déjà d’un écosystème mature de machines à mémoire unifiée.
Les prochains mois pourraient donc rapprocher fortement deux des trois seuils : celui du « suffisamment bon », s’il descend effectivement de 128 à 64 Go grâce aux progrès des modèles, et celui du « suffisamment abordable », puisque des machines 64 Go proches de 2 000 € existent déjà. Resterait alors le troisième seuil, celui du « suffisamment simple » : intégrer ces différentes briques dans des systèmes fiables, sécurisés et utilisables sans expertise particulière. Si ces trois seuils finissent par se rejoindre, les conditions d’un véritable décollage du marché de l’IA locale pourraient être réunies.
Qu’est-ce qu’une IA locale « suffisamment bonne » ?
Les modèles d’intelligence artificielle font des progrès rapides. Ceux-ci peuvent servir à offrir une puissance toujours plus grande ou au contraire, permettre d’utiliser le même niveau « suffisamment bon » sur des machines toujours moins chères. Mais cela nécessite de fixer les seuils de ce que nous appelons « une IA locale suffisamment bonne » afin de ne pas déplacer continuellement notre cible.
95 % des usages conversationnels professionnels
Pour les usages conversationnels (par chat), nous avons déjà parlé de l’étude de Stanford qui estimait en août 2026, sur les machines disponibles à ce moment, que 88,7 % des requêtes et des raisonnements pouvaient être traités localement1. Nous estimons qu’un objectif de 95 % des requêtes pour un usage professionnel courant pourrait constituer un seuil réaliste pour les machines et les modèles prévus fin 2026. Les 5 % restants peuvent alors faire appel à un modèle plus puissant disponible dans le cloud. Nous fixons donc approximativement notre premier critère, sur les usages conversationnels et de raisonnement, à 95 % des usages professionnels. Cela restera à affiner avec des mesures plus précises sur les machines locales qui sortiront.
Un agent capable de prendre en charge environ une heure de travail humain
Pour les agents, le critère important est la durée d’autonomie, ou plus exactement ce qu’un agent peut accomplir comme travail qui nécessiterait à un humain un temps donné. Nous retiendrons comme seuil du « suffisamment bon » la capacité d’un agent à prendre en charge de manière autonome une tâche représentant environ une heure de travail humain. Cette durée correspond déjà à un premier niveau significatif de délégation dans le travail humain. Dès les années 1950, Elliott Jaques proposait de mesurer le niveau de responsabilité d’un emploi par son « time-span of discretion », c’est-à-dire la durée maximale pendant laquelle une personne peut exercer son jugement sans contrôle hiérarchique2. Dans ses travaux, les premiers niveaux d’autonomie étaient de l’ordre d’une heure, puis s’étendaient à des durées de plus en plus longues avec le niveau de responsabilité. Jaques donne ainsi une signification organisationnelle à notre seuil d’une heure ; METR fournit aujourd’hui un moyen de mesurer un ordre de grandeur comparable pour les agents d’IA, en évaluant la durée de travail humain correspondant aux tâches qu’ils sont capables d’accomplir. Dès 2025, Claude 3.7 Sonnet atteignait environ 55 minutes à 50 % de réussite, un niveau encore insuffisant pour une délégation professionnelle fiable mais qui donne un ordre de grandeur de la capacité agentique. Les meilleurs modèles ont depuis largement dépassé ce niveau3. Plus significatif pour notre propos, GPT-OSS-120B, modèle ouvert pouvant être exécuté localement sur les machines haut de gamme que nous considérons ici, atteint lui aussi un time horizon d’environ 45 minutes de travail humain équivalent à 50 % de réussite dans les mesures METR4. Les modèles ouverts plus récents que nous étudierons plus loin n’ont pas encore été mesurés par METR. Compte tenu de leurs progrès sur les autres évaluations, on peut faire l’hypothèse qu’ils dépassent ce niveau, mais cela reste à vérifier.
Un seul agent peut donc déjà atteindre notre seuil du « suffisamment bon ». Il peut d’ailleurs prendre successivement plusieurs rôles au cours d’une même tâche. Un système multi-agent apporte surtout un niveau de confort supplémentaire : plusieurs agents spécialisés peuvent travailler en parallèle et donc accélérer la réalisation d’une tâche. Ils doivent certes se partager les ressources disponibles, mais tous n’ont pas besoin de mobiliser simultanément le modèle le plus puissant et ils peuvent également être répartis sur plusieurs machines. Le multi-agent constitue ainsi moins un nouveau seuil à franchir qu’un moyen d’améliorer la rapidité et le confort d’utilisation d’une IA locale déjà « suffisamment bonne ».
Génération d’images, d’audio et de vidéos : accessible sur des machines relativement modestes
Pour les aspects multimodaux, le seuil du « suffisamment bon » est déjà franchi pour le texte et l’audio, aussi bien pour écouter que pour parler. Pour l’image, un niveau professionnel est également accessible localement. Par exemple, Z-Image-Turbo, modèle de seulement 6 milliards de paramètres publié fin 2025, produit des images photoréalistes et du texte dans l’image à un niveau que ses auteurs présentent comme comparable aux meilleurs modèles commerciaux, tout en pouvant fonctionner avec moins de 16 Go de mémoire vidéo5.
Pour la vidéo, le « suffisamment bon » pourrait être la capacité à produire de façon cohérente un plan de taille moyenne, soit 5 à 7 secondes. Les images des personnages et des scènes peuvent être conservées comme références pour faciliter la cohérence d’un plan à l’autre. La production de plusieurs plans en une seule passe apporte alors principalement du confort et un gain de temps. Cette capacité est déjà atteinte sur des machines locales : Wan 2.2 TI2V-5B, modèle de 5 milliards de paramètres, peut générer localement des séquences en 720p à 24 images par seconde à partir d’un texte ou d’une image de référence, sur une carte graphique disposant de 24 Go de mémoire.6.
Le harnais : des outils comparables aux IA distantes
Enfin, le modèle seul ne suffit pas : il doit être intégré dans un « harnais » (harness), c’est-à-dire l’environnement logiciel qui lui permet d’accéder aux fichiers, à la mémoire, aux outils et aux compétences (skills), de se connecter à diverses applications, d’exécuter des actions et éventuellement de coordonner plusieurs agents. Ces outils sont désormais du même ordre que ceux disponibles avec les IA distantes. Leur exécution locale présente cependant un avantage supplémentaire : les données et les documents peuvent rester traités localement, apportant davantage de confidentialité et de souveraineté.
DeepSeek résume cette architecture par la formule « Agent = Model + Harness » et propose avec DeepSeek Harness (DSH) un harnais open source modulaire7. Ces environnements, encore largement destinés aux développeurs, commencent cependant à remonter vers des logiciels de plus haut niveau directement utilisables. LM Studio Bionic permet ainsi de travailler avec ses fichiers et documents, d’utiliser des skills, de lancer plusieurs sessions agentiques en parallèle et de choisir entre un modèle exécuté sur la machine, sur une autre machine du réseau ou dans le cloud.8. Le « suffisamment bon » suppose donc aussi un harnais capable d’intégrer simplement et de manière fiable ces différentes briques.
Le « suffisamment bon » ne dépend donc plus seulement des capacités du modèle, mais de la capacité du harnais à intégrer simplement et de manière fiable l’ensemble de ces briques.
Des solutions d’IA locale « presque » suffisamment bonnes
Ce niveau de « suffisamment bon » est déjà accessible sur les machines qui sortent actuellement. Des configurations disposant de 128 Go de mémoire unifiée et d’une bande passante d’au moins 256 Go/s permettent aujourd’hui d’exécuter de grands modèles de l’ordre de 120 milliards de paramètres quantifiés avec des fenêtres de contexte importantes, ouvrant déjà la voie à des usages professionnels avancés.
Plusieurs machines récentes ou dont la commercialisation est proche peuvent remplir ces critères du suffisamment bon pour des utilisateurs professionnels. C’est le cas des Apple Mac haut de gamme récents, avec 128 Go de mémoire partagée et davantage suivant les configurations et une forte bande passante. Le DGX Spark de Nvidia, disponible depuis octobre 2025, avait déjà ouvert la voie avec ses 128 Go de mémoire unifiée et la possibilité de faire fonctionner localement des modèles jusqu’à 200 milliards de paramètres, mais dans une machine davantage destinée aux développeurs et spécialistes de l’IA. Les machines basées sur le Nvidia RTX Spark, qui seront commercialisées par plusieurs fournisseurs à partir d’octobre, intègrent jusqu’à 128 Go de mémoire unifiée et permettent de faire tourner des modèles en local d’au moins 120 milliards de paramètres avec un contexte jusqu’à un million de tokens et une utilisation agentique locale9. Enfin, l’AMD Ryzen AI Max+ 395 peut également disposer de jusqu’à 128 Go de mémoire partagée avec une bande passante de 256 Go/s.
Ces machines, associées à un harnais simple, complet et fiable et à un modèle performant d’au moins 120 milliards de paramètres, devraient atteindre nos critères d’une IA locale « suffisamment bonne », mais à un coût encore très élevé, de l’ordre de 4 000 à 5 000 €, réservant ces configurations à un public plus restreint10.
Les nouveautés de septembre 2026 changent potentiellement l’équation
Trois évolutions présentées en septembre 2026 pourraient permettre de faire tourner des IA locales sur des machines potentiellement moins puissantes et donc moins chères.
DeepSeek V4.1 Flash : faire beaucoup plus avec beaucoup moins de calcul actif
Tout d’abord, l’annonce de DeepSeek V4.1 Flash fait apparaître plusieurs innovations architecturales permettant de réduire fortement les besoins en calcul et en mémoire. Le modèle reste fondé sur une architecture « Mixture of Experts » (MoE), qui n’active qu’une partie de ses 552 milliards de paramètres à chaque étape, mais y ajoute notamment trois avancées particulièrement intéressantes pour notre propos11 :
Une nouvelle architecture Causal Encoder–Decoder (CED), qui sépare le traitement de l’entrée et la génération de la réponse. Elle permet de n’activer que 8 milliards de paramètres lors du traitement de l’entrée et 16 milliards lors de la génération, sur un modèle qui compte au total 552 milliards de paramètres ;
Une nouvelle génération d’attention clairsemée, appelée Compressed Sparse Attention 2 (CSA2), qui permet au modèle, plutôt que de traiter de la même manière l’ensemble du contexte, de concentrer davantage les calculs sur les éléments pertinents, réduisant ainsi le coût des contextes très longs
Et un KV cache beaucoup plus compact. Cette mémoire, qui conserve les informations nécessaires pour réutiliser le contexte déjà traité, devient particulièrement importante avec les contextes longs. DeepSeek V4.1 Flash réduit son empreinte en mémoire HBM à environ un quart de celle de la génération précédente et son stockage persistant à environ un huitième, tout en améliorant les performances du modèle ;
Ces innovations s’appliquent aujourd’hui à un modèle très puissant qui nécessite de tourner dans un datacenter. Mais les principes architecturaux qu’elles mettent en œuvre pourraient être repris dans des modèles plus petits tournant en local pour atteindre nos critères du « suffisamment bon » avec des machines moins puissantes. On peut ainsi faire l’hypothèse qu’elles contribueront à permettre de passer des 128 Go de mémoire unifiée actuellement nécessaires à des configurations de 64 Go, avec une baisse de coût significative. Ce passage de 128 à 64 Go n’est cependant pas démontré par DeepSeek V4.1 Flash lui-même : il constitue l’hypothèse que devront tester les futurs modèles locaux intégrant ce type d’innovations.
Jev : un modèle extrêmement léger pour ne pas utiliser un LLM pour tout
Jev est un modèle qui ne génère pas du texte (ou d’autres contenus) mais classe ce qu’on présente en différentes catégories, en attribuant à chacune un score de pertinence. Or, une part significative du traitement consiste moins à générer du texte qu’à classer, sélectionner parmi plusieurs outils, faire des microdécisions ou établir un score. Ces opérations peuvent être réalisées par un réseau de neurones nettement plus petit et beaucoup plus rapidement qu’avec un grand modèle de langage. Pour ce type de traitement, son résultat peut également être rendu déterministe : les mêmes entrées et les mêmes critères donnent alors les mêmes scores pour chaque catégorie. En revanche, contrairement à un modèle de langage, Jev reste spécialisé dans ces tâches de sélection.
L’association de Jev à un grand modèle de langage peut donc permettre de confier à un modèle extrêmement léger une partie des traitements, avec une puissance de calcul bien plus faible et une exécution beaucoup plus rapide. La sélection entre les deux approches complémentaires se fait aujourd’hui à partir d’une décomposition explicite des tâches, mais un harnais pourrait devenir un orchestrateur entre ces modèles, choisissant le plus adapté à chaque étape et économisant ainsi beaucoup de ressources tout en accélérant certains traitements.
Perplexity : un harnais qui orchestre automatiquement IA locale et IA distante
Perplexity a commencé fin août, puis étendu en septembre 2026, une approche dans laquelle Perplexity Computer devient un véritable orchestrateur capable de répartir les traitements entre modèles locaux et modèles distants en fonction des besoins. Le traitement peut rester local pour les fichiers, les informations sensibles et les opérations qui ne nécessitent pas un modèle frontière, ce qui permet de préserver la confidentialité et la souveraineté12. Perplexity a d’abord permis de faire fonctionner des modèles locaux de 27 milliards de paramètres très inférieurs à ceux que nous avons retenus pour une IA locale suffisamment bonne, puis a étendu en septembre cette approche à des machines plus puissantes. Cette approche permet de traiter localement tout ce qui peut l’être, sans exiger que le modèle local puisse à lui seul couvrir tous les usages professionnels, y compris les plus avancés, grâce à une escalade vers des modèles distants lorsque cela est nécessaire.
Ces trois innovations permettent de rendre les grands modèles plus efficients (DeepSeek V4.1 Flash), de ne pas utiliser un grand modèle lorsqu’un tout petit suffit (Jev)13 et de choisir automatiquement le niveau de puissance adapté à chaque tâche (Perplexity).
Du « suffisamment bon » au « suffisamment abordable »
Comme nous l’avons vu, les solutions locales deviennent progressivement « suffisamment bonnes » pour des usages personnels, mais à un coût les réservant à certains professionnels pouvant rentabiliser cet investissement.
Le décollage de l’IA locale nécessite d’atteindre un marché plus large. Le seuil de 2 000 € pourrait être particulièrement important. Sur le marché mondial des ordinateurs portables, la tranche de 1 501 à 2 000 dollars représentait en 2025 la première tranche de marché en valeur, avec 34,4 % du total, tandis que la tranche immédiatement inférieure, de 1 001 à 1 500 dollars, est celle dont la croissance prévue est la plus rapide14. Passer d’une machine spécialisée coûtant 4 000 à 5 000 € à une machine autour de 1 500 à 2 000 € ne constituerait donc pas seulement une division du prix par deux ou trois : cela ferait entrer l’IA locale dans la principale gamme de prix du marché des ordinateurs portables performants. L’IA locale n’est alors plus nécessairement une dépense supplémentaire, mais peut devenir une fonction de la machine professionnelle renouvelée dans le cycle normal de renouvellement du matériel, y compris pour les PME/TPE et les indépendants.
Les évolutions récentes pourraient permettre d’obtenir le seuil du « suffisamment bon » avec des machines de 64 Go de mémoire partagée, voire peut-être moins, avec une bande passante de 256 Go/s. Or, le Ryzen AI Max+ 395 avec 64 Go de mémoire unifiée se vend actuellement autour des 2 000 € en vente directe15. Bien sûr, diviser par deux la quantité de mémoire ne divise pas à elle seule le prix d’une machine par deux ou trois. Mais le passage de 128 à 64 Go permet de changer de catégorie de matériel : des configurations disposant déjà de 64 Go de mémoire unifiée et de la bande passante nécessaire sont commercialisées autour de 2 000 €. L’hypothèse n’est donc pas que la baisse du coût de la mémoire suffirait à faire passer une machine de 4 000–5 000 € à 1 500–2 000 €, mais que les progrès des modèles permettraient d’atteindre le même seuil du « suffisamment bon » sur une catégorie de machines déjà beaucoup moins chère.
La très forte demande des datacenters pour les mémoires destinées à l’IA, en particulier celle de type HBM, conduit les trois principaux fabricants de DRAM à privilégier ces marchés plus rentables, ce qui contribue à réduire l’offre de mémoire conventionnelle et à maintenir ses prix élevés16. La montée en puissance d’un quatrième acteur, le chinois CXMT, pourrait cependant contribuer à détendre cette contrainte : sa capacité de production de DRAM devrait passer d’environ 320 000 wafers par mois actuellement à 420 000 en 2027, tandis qu’il augmente notamment sa production de DDR5 utilisée dans les PC classiques17.
Paradoxalement, une fois intégrées les innovations récentes, les machines « suffisamment bonnes » moins chères pourraient également devenir plus confortables. En effet, les progrès réalisés sur l’attention et le KV cache par DeepSeek pourraient rendre envisageable une fenêtre de contexte pouvant aller jusqu’à un million de tokens. Cette augmentation d’un facteur proche de huit du contexte devrait permettre de réduire les besoins de compression ou de résumé au cours des conversations, d’utiliser des documents beaucoup plus longs et de disposer d’une mémoire de travail plus importante. L’utilisation de modèles de type Jev associés à un orchestrateur sélectionnant automatiquement quelle tâche confier à quel modèle pourrait parallèlement éviter de mobiliser inutilement le grand modèle de langage local et rendre les réponses plus rapides.
Pour les agents, ces différentes évolutions pourraient également faciliter des tâches plus longues ou permettre l’utilisation de plusieurs agents simultanément. On peut faire l’hypothèse que les futurs modèles atteindront quelques heures de travail humain équivalent, mais cela ne découle pas directement de l’augmentation du contexte. Il faudra cependant vérifier cette hypothèse une fois que de nouveaux modèles intégrant ces innovations seront disponibles, en particulier avec des mesures réalisées par METR. Dans ce cas, le prix pourrait baisser alors même que le confort augmente.
La dernière brique : rendre toute cette complexité « suffisamment simple »
Toutes les briques existent ou commencent à exister : de grands modèles de langage qui demandent moins de mémoire et de puissance, sont de plus en plus souvent multimodaux et disposent de contextes longs ; des modèles spécialisés comme Jev qui, dans leur domaine de compétence, sont plus rapides et beaucoup moins exigeants en puissance ; des agents capables d’effectuer un travail significatif de façon autonome ; enfin, des harnais donnant accès aux outils et aux compétences (skills) et capables d’orchestrer différents modèles, y compris des modèles distants dans le cloud lorsque cela est nécessaire. Le tout sur des machines de moins en moins chères.
Mais aujourd’hui, c’est encore largement à l’utilisateur de comprendre quelle machine choisir, quel modèle utiliser, avec quelle quantification et combien de contexte, quel harnais et comment le configurer pour ses besoins.
Pour un véritable décollage de l’IA locale, celle-ci ne doit pas seulement devenir « suffisamment bonne » et « suffisamment abordable », elle doit également être « suffisamment simple » pour être installée, configurée et utilisée par un non spécialiste.
L’utilisateur devrait simplement exprimer ce qu’il veut faire et autoriser les ressources nécessaires. Le harnais devrait s’installer et se configurer comme un simple logiciel bureautique et décider du type de modèle en fonction de la machine. Si c’est à l’utilisateur de fixer les accès autorisés et ceux qui ne le sont pas, le système devrait ensuite appliquer cette stratégie de façon fiable et sécurisée pour accéder de façon transparente aux outils, aux compétences et aux modèles locaux ou distants nécessaires à chaque tâche.
Le problème devient : comment rendre une architecture extraordinairement complexe extraordinairement simple à utiliser de façon fiable ? La question devient alors moins celle d’une nouvelle rupture technologique que celle de l’intégration, de la fiabilité et de l’ergonomie. Cela nécessite une compréhension profonde des usages et du mode d’utilisation de l’informatique et demande des compétences dans les sciences cognitives et les sciences humaines et sociales. C’est cette dernière brique qui fera passer l’IA locale d’un outil pour développeur à un système utilisable dans des contextes professionnels les plus divers.
Qui assemblera la dernière brique ?
Le « suffisamment bon » pour des usages professionnels est déjà atteint sur plusieurs dimensions mais reste à confirmer avec des évaluations des modèles récents comme celles de Stanford pour le pourcentage d’usage conversationnel réalisable en local et de METR pour la durée de travail humain équivalente aux tâches que les agents sont capables d’accomplir.
Le deuxième étage nécessaire au décollage, le « suffisamment abordable » pourrait arriver beaucoup plus rapidement que prévu si le passage de 128 à 64 Go de mémoire partagée se confirme. Les nouveautés de septembre 2026 ne démontrent pas encore que cette machine à 1 500–2 000 € peut satisfaire l’ensemble des critères définis dans cet article, mais les prochains mois nous montreront si nous en prenons le chemin.
Resterait alors le troisième étage : le « suffisamment simple ». Si ces avancées se confirment, le véritable enjeu pourrait ne plus être de disposer d’un modèle toujours plus puissant, mais de savoir qui saura assembler toutes ces briques dans un système simple, fiable et transparent pour l’utilisateur.
Les compétences de la France et plus généralement de l’Europe dans les sciences cognitives, les sciences humaines et sociales, mais aussi dans le design et l’intégration des usages, pourraient alors constituer un atout pour prendre part à ce nouveau marché.
Laisser un commentaire