Plus personne ne fait tourner son IA sur un seul PC : en 2026, Nvidia met toutes les machines RTX du logement au travail

Trois ordinateurs sur le même réseau, un agent IA qui découpe son travail en cinq sous-tâches, et un chronomètre qui passe de dix-huit minutes à moins de neuf. C’est la démonstration que Nvidia a présentée le 3 septembre 2026 à l’IFA de Berlin pour lancer PAIR, un logiciel gratuit qui distribue automatiquement les charges de travail des agents IA sur plusieurs ordinateurs d’un réseau domestique, réduisant une tâche représentative à cinq agents de 18 minutes à 8 minutes et 48 secondes. Fini le PC unique qui sature pendant que la machine de jeu du salon ou le portable du bureau restent les bras croisés.

Le nom complet, Personal AI Router, résume bien l’ambition. Le logiciel gratuit transforme les PC inactifs d’un réseau domestique en un cluster d’IA partagé, une réponse de l’entreprise à un problème qu’elle a elle-même contribué à créer l’année passée. Car plus les agents conversationnels se sont installés dans les usages quotidiens, plus les possesseurs d’un seul GPU, même haut de gamme, ont buté sur un mur invisible.

Le goulot d’étranglement que personne n’avait vu venir

Un agent IA moderne ne fonctionne presque jamais seul. Il délègue, il découpe, il fait travailler plusieurs sous-agents en parallèle pour aller plus vite. PAIR est conçu pour transformer un réseau domestique en cluster d’IA personnel en utilisant les ressources GPU inactives, afin de résoudre le goulot d’étranglement créé par les workflows d’agents modernes, où un agent principal délègue de nombreuses sous-tâches simultanément, saturant ainsi un unique GPU. Résultat concret pour l’utilisateur lambda : des réponses qui traînent, une carte graphique à 100 % de charge, et un PC de jeu transformé malgré lui en centre de calcul poussif.

Nvidia illustre le mécanisme avec un exemple très parlant : un agent nommé Hermes chargé de trier une boîte mail encombrée et de prioriser les messages urgents. L’utilisateur demande à Hermes de créer un plan en triant une boîte mail encombrée et en priorisant ce qui nécessite une attention immédiate ; Hermes répartit ce travail entre plusieurs sous-agents, tandis que PAIR distribue ces tâches sur les PC disponibles au lieu de les faire toutes attendre sur un seul GPU. La carte graphique du PC de jeu, le processeur graphique du portable de télétravail, la machine du parent qui traîne dans une pièce voisine : tout devient une ressource mutualisée.

Comment fonctionne réellement ce routeur maison

Techniquement, PAIR ne fusionne pas les GPU en un seul cerveau surpuissant. Il agit plutôt comme un chef d’orchestre discret. Le logiciel découvre chaque GPU compatible sur un réseau domestique et distribue automatiquement les charges de travail des agents IA sur l’ensemble de ces machines, évitant la situation où un ordinateur croule sous les requêtes pendant qu’un PC de jeu, une station de travail et un portable restent inactifs à quelques mètres. Une nuance technique mérite d’être posée clairement, pour éviter tout malentendu marketing : PAIR est un routeur et un ordonnanceur pour des tâches d’inférence séparées sur des appareils compatibles, il augmente donc la capacité parallèle disponible sans prétendre que le réseau domestique classique transforme plusieurs GPU en un seul accélérateur cohérent pour une requête unique. on gagne en débit global, pas en puissance brute pour un seul calcul géant.

La compatibilité, elle, est large. La bêta prend en charge Windows, macOS et Linux avec les GeForce RTX de la série 20 et plus récentes, les GPU professionnels RTX PRO, le DGX Spark et les puces Apple M4. Un détail amusant, presque provocateur pour une entreprise dont le cœur de métier est de vendre des cartes graphiques : Nvidia affirme que l’outil devrait fonctionner aussi avec les GPU concurrents, pas seulement avec les GeForce ou les cartes professionnelles maison. Côté logiciel d’inférence, PAIR s’appuie sur des briques déjà installées chez les amateurs de local : le logiciel fonctionne avec Ollama et LM Studio et peut s’adapter à mesure que les appareils rejoignent ou quittent le réseau.

Une pièce d’un puzzle plus large : RTX Spark et l’écosystème local

PAIR n’arrive pas seul. Il s’inscrit dans une offensive plus vaste de Nvidia pour ancrer l’intelligence artificielle directement sur le matériel personnel, plutôt que dans des centres de données lointains. Le fer de lance de cette stratégie s’appelle RTX Spark, une nouvelle famille de PC compacts annoncée quelques mois plus tôt au Computex. Ces machines associent un GPU Blackwell à un processeur ARM de 20 cœurs et jusqu’à 128 Go de mémoire unifiée, capables de faire tourner localement des modèles de 120 milliards de paramètres. Leur arrivée est imminente : elles sont attendues chez des partenaires comme Asus, Dell, HP, Lenovo et Microsoft Surface à l’automne 2026. Et PAIR leur offre d’emblée un rôle dans un cluster : ces machines peuvent servir de nœud principal d’orchestration ou de capacité de routage supplémentaire pour un cluster déjà ancré autour d’un PC de bureau équipé d’une RTX 5090 ou d’un DGX Spark.

Le calendrier serré n’a rien d’un hasard. La logique derrière ce déploiement synchronisé, c’est de rendre attractif un matériel encore cher en démultipliant son utilité dès le premier jour d’installation.

Autour de PAIR, tout un écosystème de modèles et d’applications a émergé cet été pour tourner sur du matériel grand public. Le mois d’août a vu le lancement de plusieurs modèles taillés pour le matériel local, dont Nemotron 3.5 Lightning, GLM-5.3-Flash, la famille Qwen3.8, le générateur vidéo LTX 2.5, MiniMax-H3 et sa version distillée sept fois plus rapide, ou encore DeepSeek v4 Flash, un modèle à mélange d’experts de 284 milliards de paramètres capable de tourner sur un cluster de deux DGX Spark. Des applications grand public comme Hermes Agent, OpenClaw ou Perplexity Portable Computer profitent désormais d’une configuration simplifiée, ce qui réduit sensiblement la barrière technique qui rebutait jusque-là les non-spécialistes.

Reste une question que personne ne pose encore assez fort : que se passe-t-il quand deux appareils du foyer réclament le même modèle exact au même moment ? La réponse, moins glamour que la promesse marketing, tempère l’enthousiasme. Le planificateur de PAIR ne sélectionne un nœud que si le modèle exact demandé est déjà présent et chargé sur le moteur d’inférence de ce nœud ; un cluster de trois appareils où le modèle n’existe que sur une seule machine acheminera toutes les requêtes vers cette unique machine. Le foyer connecté rêvé par Nvidia suppose donc, en pratique, une discipline de configuration que tous les utilisateurs n’auront pas la patience d’adopter.

Sources : les-smartgrids.fr | tutos-informatique.com