Home Technologie et scienceJohn Carmack : Nvidia DGX Spark fonctionne sur deux cylindres, surchauffe et plante

John Carmack : Nvidia DGX Spark fonctionne sur deux cylindres, surchauffe et plante

by Thomas Caron

Publié le 29 octobre 2025 09:02:00. Le très attendu « supercalculateur de bureau » Nvidia DGX Spark déçoit les premiers développeurs, qui pointent du doigt des performances bien en deçà des promesses et des problèmes de surchauffe.

  • Des développeurs influents, dont John Carmack, rapportent que le DGX Spark n’atteint pas même la moitié de la puissance annoncée.
  • Des limitations au niveau du débit de données et de la capacité du cache graphique sont pointées du doigt, le DGX Spark se comportant de manière similaire à une GeForce RTX 5070 moins performante.
  • Des problèmes de stabilité, notamment des redémarrages intempestifs, ont également été signalés.

L’arrivée du DGX Spark, présenté comme une solution compacte et puissante pour les développeurs d’intelligence artificielle (IA), avait suscité un vif intérêt. Cependant, les premiers retours d’expérience, partagés publiquement sur les réseaux sociaux, sont loin de confirmer les attentes. John Carmack, figure emblématique de l’industrie du jeu vidéo et impliqué dans la recherche sur l’intelligence générale artificielle (AGI), a été l’un des premiers à exprimer ses réserves.

Selon Carmack, le DGX Spark, dont le TDP (Thermal Design Power, puissance thermique de conception) est annoncé à 240 watts, ne consomme en réalité qu’environ 100 watts, et ce même à ce niveau de consommation, l’appareil chauffe de manière significative. Il a également fait état de rapports faisant état de plantages lors de charges de travail prolongées, soulevant des interrogations quant à un éventuel bridage des performances avant la commercialisation.

D’autres développeurs ont rejoint les critiques. Awni Hannun confirme le même constat : le DGX Spark délivre moins de la moitié des performances promises. Bharat Aj souligne un manque de support logiciel, l’appareil étant compatible avec CUDA 12.1, alors que PyTorch nécessite une prise en charge de CUDA 8.0 à 12.0. Nathan Odle a quant à lui confirmé, sur la base de son expérience personnelle, le problème des redémarrages automatiques.

L’explication de ce déficit de performances réside, selon les analyses, dans la carte graphique intégrée, qui se révèle de facto comparable à une GeForce RTX 5070 séparée. Or, la GeForce RTX 5070 bénéficie d’un débit de données de 672 Go/s grâce à sa mémoire GDDR7, tandis que le DGX Spark repose sur un SoC (System on a Chip), où le débit de données est partagé entre la carte graphique, le processeur et d’autres composants. Non seulement ce débit est partagé, mais il est également inférieur de moitié à celui de la GeForce RTX 5070, s’élevant à seulement 301 Go/s. À cela s’ajoute une réduction de moitié de la capacité du cache graphique, passant de 48 Mo (GeForce RTX 5070) à 24 Mo (DGX Spark). Dans les applications où le débit de données est un facteur limitant, les performances du DGX Spark peuvent donc être inférieures de moitié à celles de la GeForce RTX 5070, atteignant ainsi le maximum théorique.

La surchauffe signalée, malgré une consommation d’environ 100 watts au lieu des 240 watts spécifiés, constitue un autre point de préoccupation. Le SoC est fabriqué selon le processus 3 nm de TSMC, une technologie plus avancée et plus économe en énergie que le processus 4 nm utilisé pour la GeForce RTX 5070. Il est donc possible que la quantité de chaleur dissipée soit supérieure à ce que Nvidia avait anticipé, ou que le système de refroidissement du format mini-PC soit insuffisant pour évacuer cette chaleur, entraînant ainsi un ralentissement de la puce.

Au prix de 3 999 $, les premières expériences avec le DGX Spark ne semblent donc pas correspondre aux attentes des développeurs.

Image du Nvidia DGX Spark

Capture d’écran d’une discussion sur le DGX Spark sur Twitter / X

You may also like

Leave a Comment