Choisir un mini PC pour de la bureautique est simple. Le choisir pour faire tourner un agent de code et de vrais modèles de langage en local demande d’autres critères, car le composant déterminant n’est pas celui qu’on regarde d’habitude. Avant d’arriver à la sélection, prenons cinq minutes pour voir à quoi ça sert, ce qui compte vraiment et pourquoi le format mini PC convient si bien à cet usage.
Si vous débutez complètement sur le sujet, notre guide pour installer un ChatGPT en local (Windows, Mac, Linux) est le point de départ idéal. Et si vous hésitez encore entre plusieurs modèles tous usages confondus, jetez un œil à notre guide des meilleurs mini PC.
Le principe : une petite machine allumée en permanence, qui fait tourner de l’IA chez vous. Attention au malentendu courant : il ne s’agit pas de remplacer ChatGPT, Claude ou Gemini, ni de se passer du cloud. Un mini PC sert d’abord de serveur local, qui héberge des services et exécute des tâches, en lien avec un modèle frontier hébergé dans le cloud. On peut en distinguer trois usages.
Le premier, et le plus courant, c’est le serveur personnel toujours allumé. Le mini PC héberge vos agents, vos petites automatisations et vos traitements de texte par lots (reformuler, classer, résumer), disponible 24 h/24 sans bruit ni facture d’électricité salée. Il sert de socle à un projet d’IA : il fait tourner les tâches en continu, pendant que le raisonnement le plus lourd part, lui, vers un modèle frontier dans le cloud.
Le deuxième, c’est l’hébergement de modèles d’IA en local. Vous installez Ollama ou LM Studio, vous téléchargez un modèle open-weight (Llama, Qwen, Mistral, Hermes, DeepSeek…) et il tourne entièrement sur votre matériel. Vous y gagnez la confidentialité, puisqu’aucune donnée ne part chez un tiers, et l’absence d’abonnement pour ces tâches. En contrepartie, les modèles qu’on héberge à la maison restent plus modestes que les modèles frontier : très bons sur des tâches bornées comme la classification, l’extraction, la reformulation ou un agent de code, plus limités sur le raisonnement complexe. Notre guide ultime de l’IA en local détaille toute la marche à suivre.
Le troisième, c’est le créatif et l’expérimentation : génération d’images, prototypage, tests de frameworks. Ces usages réclament davantage de puissance graphique, ce qui change le choix de la machine. On y revient plus bas.
Ces trois usages reposent sur une même logique hybride. L’intérêt d’un mini PC d’IA tient surtout à la répartition des rôles : le local pour la confidentialité, la rapidité et un coût d’usage quasi nul, un modèle frontier (Claude, Gemini, GPT) pour le raisonnement le plus exigeant. La machine reste utile au quotidien parce qu’elle s’articule avec le cloud au lieu de chercher à le remplacer.
À lire aussi : Tout notre parcours pour transformer un mini PC en atelier d'IA local
Les TOPS affichés sur la boîte ne disent pas grand-chose de l’usage réel. Pour de l’IA en local, voici ce qui compte vraiment, classé du plus important au moins important.
C’est le critère qui prime. Pour produire une réponse, un modèle doit tenir en entier dans la mémoire. Sans assez de RAM, il ne se charge pas, ou rame de façon rédhibitoire. Les paliers concrets :
Si vous devez arbitrer votre budget, mettez l’argent dans la RAM avant le reste : c’est elle qui détermine ce que la machine pourra faire.
Moins connue, elle joue beaucoup sur le confort. La bande passante mémoire correspond à la vitesse à laquelle le processeur lit la RAM. Comme un modèle relit toute sa mémoire pour produire chaque mot, plus cette bande passante est élevée, plus le texte sort vite (ce qu’on mesure en tokens par seconde). Une mémoire lente fait apparaître la réponse mot à mot ; les plateformes à mémoire unifiée évitent ce ralentissement.
C’est le point technique le plus important de cette page. Sur un PC classique, deux mémoires coexistent sans se mélanger : la RAM du processeur et la VRAM de la carte graphique. Le GPU est limité à sa seule VRAM, souvent 8, 12 ou 16 Go, sans pouvoir piocher au-delà.
La mémoire unifiée supprime cette séparation : le CPU et le GPU partagent un même pool de mémoire rapide, dont on peut allouer une large part au GPU selon les besoins du modèle. Une machine de 128 Go en mémoire unifiée peut ainsi présenter jusqu’à 96 Go « comme de la VRAM », ce qu’aucune carte graphique grand public ne sait faire. Voilà pourquoi un petit Mac mini ou un Framework Desktop charge des modèles qu’une RTX à 1 500 euros ne tiendra jamais.
Toutes les puces ne se valent pas sur ce point :
Vous vouliez un ordinateur portable d’exception ? Les PC équipés de Snapdragon tiennent leurs promesses.
Avant d’acheter, regardez quelle quantité de mémoire la machine peut réellement allouer au GPU pour l’IA. Sur une plateforme unifiée, cela se compte en dizaines de Go ; sur un PC avec carte graphique, c’est plafonné par la VRAM.
Les modèles sont volumineux : comptez 10 à 30 Go pièce, et on en accumule vite plusieurs. Visez un SSD NVMe d’au moins 1 To. Le NVMe plutôt que le vieux SATA, car charger 20 Go en mémoire au lancement doit prendre quelques secondes, pas plusieurs minutes.
Il compte moins que vous ne croyez pour cet usage. N’importe quel AMD Ryzen ou Intel Core des deux ou trois dernières générations fait largement l’affaire. Inutile de payer une rallonge pour le CPU le plus rapide ; cet argent ira mieux dans la RAM.
Une fois la machine choisie, reste à savoir quels modèles elle pourra réellement faire tourner. L’outil LLMFit répond à la question : il détecte automatiquement les caractéristiques de votre configuration (RAM, GPU, mémoire disponible) et recommande les modèles adaptés, avec les versions quantisées qui tiendront en mémoire.
Pratique, il évite d’acheter (ou de télécharger) un modèle de 70 milliards de paramètres pour s’apercevoir ensuite qu’il ne tient pas en mémoire.
Une machine d’IA locale reste allumée en permanence. Le format mini PC y est particulièrement adapté : 10 à 30 W au repos, un fonctionnement quasi silencieux, idéal pour une boîte qui tourne 24 h/24 dans un coin du bureau, sans alourdir la facture d’électricité ni vous casser les oreilles.
Reste le choix entre iGPU et carte graphique dédiée. Une carte Nvidia dédiée accélère nettement les modèles, mais sa VRAM la plafonne (24 à 32 Go en pratique), elle consomme beaucoup (150 à 300 W en charge), fait du bruit, coûte cher et entre rarement dans un boîtier mini. Un mini PC à mémoire unifiée et beaucoup de RAM permet au contraire de charger de plus gros modèles, plus lentement mais en silence. Pour débuter, mieux vaut viser beaucoup de RAM sans GPU dédié. On creuse tout ça dans notre guide des meilleurs mini PC.
Pour aller plus loin Meilleurs mini PC en 2026 : quelle machine choisir pour votre bureau ?
Un critère souvent absent des guides d’achat. Pour une machine d’IA qui tourne en serveur, Linux est l’environnement le plus adapté : stable, léger, gratuit, conçu pour rester allumé des mois, et natif pour tout l’écosystème (Ollama, Docker, les outils de dev). La plupart des parcours que je conseille supposent d’ailleurs un Ubuntu 24.04.
Pour aller plus loin Comment installer Linux sur un PC Windows 10 : le guide complet
Le point à vérifier, c’est le support matériel. Quand le Wi-Fi, le GPU intégré et le contrôleur réseau sont bien pris en charge par un noyau Linux récent, l’installation prend dix minutes et la machine se fait ensuite oublier. Un composant mal supporté, lui, peut tourner au calvaire. Les plateformes AMD Strix Halo, par exemple, fonctionnent très bien sur une distribution récente (noyau 6.1x, Mesa à jour), ce qui pèse dans notre recommandation.
Seule exception, le Mac mini, qui tourne sous macOS et non Linux. L’IA locale y fonctionne très bien ; c’est simplement un environnement différent, à connaître avant d’acheter.
