Elias décrypte la recherche derrière les gros titres en langage clair.
Des guides pas à pas sur les prompts, les styles et comment tirer le meilleur de la génération d’images par IA.
Lire les guidesChoisissez un compagnon et découvrez son avis sur cette histoire
Nvidia a publié Personal AI Router (PAIR), un outil logiciel gratuit et open source qui connecte plusieurs ordinateurs de votre réseau domestique en un pool d'inférence local partagé — vous permettant de faire tourner des modèles de langage et d'image plus grands qu'aucune machine seule ne pourrait gérer.
PAIR agit comme une couche d'orchestration locale — un logiciel qui s'intercale entre votre gestionnaire de modèles (Ollama, LM Studio ou un point de terminaison API compatible) et les modèles eux-mêmes. Lorsque vous envoyez un prompt, PAIR vérifie quelle machine connectée dispose de capacité de calcul disponible et y achemine la tâche, ou la répartit sur plusieurs nœuds si le modèle le permet. Considérez-le comme un aiguilleur du trafic pour les cycles GPU inutilisés de votre réseau domestique.
Les retombées pratiques pour les créateurs d'art IA sont significatives. Faire tourner localement un modèle de texte à 70 milliards de paramètres nécessite aujourd'hui soit un GPU unique avec 40 Go de VRAM ou plus — du matériel coûteux — soit d'accepter une génération lente en mode CPU uniquement. PAIR permet à un créateur disposant, par exemple, d'un bureau RTX 4070 et d'un ancien laptop RTX 3060 de combiner leurs budgets VRAM, rendant accessibles des tailles de modèles auparavant inexécutables sans passer par une API cloud payante.
L'interface graphique de Nvidia PAIR affichant les machines domestiques connectées et le routage d'inférence actif.
Image : The Verge / The Verge AI
Ollama et LM Studio exposent tous deux un point de terminaison API local compatible OpenAI — une interface standardisée avec laquelle de nombreux pipelines de génération d'images et outils de prompt peuvent déjà communiquer. PAIR s'insère à cette même couche, de sorte que tout workflow déjà pointé vers un serveur Ollama local devrait fonctionner avec PAIR en amont sans réécrire les prompts ni modifier les configurations de modèles. La transition s'apparente davantage à un changement de paramètres qu'à une refonte complète du workflow.
Un prompt acheminé via PAIR vers le modèle Hermes, illustrant comment l'outil distribue la tâche d'inférence.
Image : The Verge / The Verge AI
Pour les créateurs qui font tourner des pipelines de génération d'images utilisant un LLM local pour l'expansion de prompts ou le raffinement de légendes — un schéma courant dans les workflows ComfyUI — cela pourrait signifier un traitement plus rapide de cette étape de prétraitement, puisque le GPU d'une seconde machine s'en charge pendant que le GPU principal reste concentré sur la diffusion.
Selon The Verge, PAIR prend également en charge les MacBooks comme nœuds, ce qui élargit le parc de machines qu'un créateur possède peut-être déjà et peut contribuer au cluster.
L'architecture de Nvidia PAIR, illustrant comment les ordinateurs de bureau, les laptops et d'autres appareils forment un pool de calcul local unifié.
Image : The Verge / The Verge AI
Nvidia optimise naturellement la planification de PAIR pour ses propres GPU RTX — la même famille de matériel couverte lors du lancement de Nvidia DLSS 5 plus tôt cette année. Les cartes RTX bénéficient d'une inférence accélérée par CUDA, elles traiteront donc les tokens et les latents plus rapidement par watt que les nœuds en mode CPU uniquement. Cela dit, les machines sans GPU ne sont pas exclues ; elles rejoignent le pool en tant que contributeurs de moindre priorité, ce qui est utile pour décharger les tâches de prétraitement plus légères.
Les utilisateurs de GPU AMD et Intel se trouvent dans une position moins claire. La nature open source de PAIR signifie que des pilotes communautaires pour ROCm ou OpenCL pourraient voir le jour, mais Nvidia n'a pas confirmé de prise en charge officielle des architectures GPU concurrentes au lancement.
Pour les créateurs qui explorent déjà l'exécution locale de modèles via les guides Charmloop, PAIR représente une voie concrète pour monter en puissance sans acheter de nouveau matériel. Le plafond de ce que vous pouvez faire tourner localement vient de se déplacer — jusqu'où dépend du nombre de machines qui dorment sur votre réseau.
