Il y a quelques semaines, j’ai testé en profondeur le RTX Spark, la première puce de Nvidia pour PC portable Windows. Je viens de terminer le test du nouveau MacBook Pro 16 pouces avec écran PROLED XDR, en version M5 Max 128 Go. Peu de testeurs ont eu les deux machines entre les mains, et je leur ai fait passer exactement les mêmes épreuves : mêmes modèles d’IA, mêmes fichiers, mêmes outils de mesure, même protocole d’autonomie.
Ce comparatif se concentre sur ce qui sépare les deux puces : processeur, GPU, IA locale, jeu, bruit, autonomie et prix. Pour l’écran OLED, le tactile, le design ou Siri AI, je vous renvoie à mon test complet du MacBook Pro 16 PROLED XDR.
Pour aller plus loin Test du Apple MacBook Pro 16 PROLED XDR : j’ai poussé le premier Mac OLED dans ses derniers retranchements
Le RTX Spark est la première puce complète de Nvidia pour PC portable Windows. Il réunit dans un même boîtier un processeur Arm de 20 cœurs conçu avec MediaTek et un GPU Blackwell de la génération des GeForce RTX 50, avec jusqu’à 128 Go de mémoire partagée entre les deux. On le trouve dans plusieurs châssis, chez Asus, Dell, HP, Lenovo, Microsoft ou MSI. Mon point de comparaison est l’Asus ProArt P16 en 128 Go, avec lequel j’ai vécu quelques jours.
Le MacBook Pro suit la même recette, que l’Apple Silicon applique depuis 2020 : un processeur et un GPU réunis dans une même puce, qui puisent dans une mémoire commune. Le M5 Max aligne 18 cœurs processeur et 40 cœurs graphiques, avec 128 Go de mémoire dans la version que j’ai testée.
Les deux machines sont toutes récentes. Les premiers PC portables RTX Spark sont en vente depuis le 16 octobre. Apple a présenté ce MacBook Pro le 28 octobre, et il arrive en magasin ce vendredi 6 novembre, à partir de 3 899 € en 16 pouces.
Deux éléments de contexte avant de comparer. Le RTX Spark est une première génération, alors qu’Apple Silicon en est à sa cinquième depuis la puce M1 de 2020. Le ProArt P16, de son côté, semble reprendre un châssis pensé pour des processeurs x86 : une partie de ce que je lui reproche tient à Asus plutôt qu’à Nvidia, et un autre fabricant fera peut-être mieux avec la même puce.
Pour aller plus loin Test de l’Asus ProArt P16 : j’ai vécu une semaine avec le premier PC portable Arm de Nvidia
Le graphique ci-dessous résume le duel. Chaque barre indique l’écart du MacBook Pro M5 Max face au RTX Spark, test par test : vers la droite quand le Mac est devant, vers la gauche quand il est derrière.
Et si vous êtes intéressé par les détails, voilà pas mal de lectures.
Le score mono-cœur mesure la vitesse d’un seul cœur, qui compte pour la réactivité du système et, en jeu, pour le fil principal qui orchestre chaque image. Le score multi-cœur mesure ce que tous les cœurs font ensemble, et compte pour la compilation de code, l’export vidéo ou le rendu 3D.
Sur Geekbench 7, le MacBook Pro obtient 3 759 points en mono-cœur et 35 526 en multi-cœur, soit 43 et 51 % de plus que le RTX Spark (2 635 et 23 462 points), malgré ses deux cœurs de moins. Cinebench 2026, qui simule un rendu 3D et tourne en version Arm native sur les deux machines, confirme l’écart : 9 498 points contre 6 544 en multi-cœur (+45 %), 726 contre 469 en mono-cœur (+55 %).
Le processeur n’est clairement pas le point fort de la puce de Nvidia. Sur un cœur, il se place au niveau des processeurs x86 d’AMD, loin derrière Apple et Qualcomm. L’écart pèse surtout dans les jeux, qui passent par une couche d’émulation sur Windows Arm, Prism, et dans les tâches qui ne savent pas répartir leur travail sur de nombreux cœurs. Apple est aussi passée par une couche d’émulation (Rosetta 2), mais après plusieurs années sous Apple Silicon, l’immense majorité des logiciels tournent désormais nativement en ARM.
Comparer deux GPU de plateformes différentes demande un peu de prudence, car chaque test passe par une interface logicielle (Metal chez Apple, CUDA chez Nvidia), et un score ne se compare qu’avec un autre obtenu sur la même interface. OpenCL est la seule commune aux deux machines dans Geekbench 7 : le M5 Max y obtient 154 426 points, 31 % de plus que le RTX Spark (117 532 points).
La vraie différence se trouve dans la mémoire. La bande passante, c’est-à-dire la quantité de données qu’une puce peut lire chaque seconde, atteint 558 Go/s côté GPU sur le Mac, contre 249 Go/s sur le RTX Spark : 2,2 fois plus. Côté processeur, l’écart grimpe à 2,5 fois (347 contre 139 Go/s). Ce chiffre explique presque à lui seul les résultats en IA qui suivent, que je détaille aussi dans le test du MacBook Pro M5 Max.
Un modèle de langage produit son texte par petits morceaux appelés tokens, qui correspondent à un mot ou à un fragment de mot ; sa vitesse se mesure en tokens par seconde (tok/s). Il travaille en deux phases. La lecture (le « prefill ») correspond au moment où il ingère votre question, un document ou du code : elle dépend surtout de la puissance de calcul. L’écriture de la réponse dépend surtout de la bande passante mémoire, puisque le modèle doit relire tous ses paramètres actifs pour produire chaque token.
J’ai fait tourner huit modèles avec llama.cpp, dans la même version et avec les mêmes fichiers sur les deux machines, en CUDA sur le RTX Spark, son meilleur moteur, et en Metal sur le Mac. Le MacBook Pro écrit plus vite sur tous, de 1,46 à 1,96 fois.
Le calcul est simple : Qwen3 8B pèse 5 Go et s’écrit à 98,7 tok/s sur le Mac, ce qui revient à relire environ 495 Go chaque seconde, près des 558 Go/s mesurés. L’écart est le plus net sur les modèles « denses », qui activent tous leurs paramètres à chaque token. Il se réduit sur les modèles « MoE », pour mélange d’experts, qui n’en activent qu’une petite partie et dépendent un peu plus du calcul.
Les deux machines peuvent charger des modèles hors de portée d’un PC portable classique, mais pas avec la même facilité. D’origine, macOS laisse 107,5 Gio au GPU sur les 128 Go, sans aucun réglage. Sur le RTX Spark, il faut fixer la part du GPU dans l’application Nvidia et redémarrer à chaque changement. J’avais aussi dû libérer de la place sur le SSD pour que Windows accepte de charger Qwen3.8 Flash-Next, le plus gros modèle du test (94 Go).
Sur le Mac, ce même modèle se charge en 12,3 secondes et écrit à 50,2 tok/s, presque deux fois plus vite que le RTX Spark (25,6 tok/s). gpt-oss-120b, le modèle ouvert d’OpenAI, atteint 107 tok/s sur le Mac contre 63,3 sur le RTX Spark.
Dès qu’il faut calculer, Nvidia reprend la main grâce à ses cœurs Tensor, spécialisés dans les calculs d’IA. Sur un texte de 16 384 tokens, l’équivalent d’un long rapport, le RTX Spark lit 54 % plus vite que le Mac avec Qwen3 8B (2 581 contre 1 673 tok/s) et 32 % plus vite avec Qwen3.8 27B (837 contre 635 tok/s). Le Mac met environ 10 secondes à ingérer ce texte avec le petit modèle, contre un peu plus de 6 secondes pour le RTX Spark. L’écart compte pour les agents d’IA, qui relisent des fichiers entiers à chaque étape.
Quand plusieurs requêtes arrivent en même temps, comme lorsqu’un agent lance des sous-agents, les deux machines finissent presque à égalité. À 16 requêtes simultanées sur Qwen3 8B, le Mac écrit 543 tok/s au total, 6 % de plus que le RTX Spark (510 tok/s). La puce de Nvidia monte toutefois plus vite en charge (×9,6 entre une et seize requêtes, contre ×5,6 pour le Mac) et pourrait repasser devant au-delà.
En génération d’images, le résultat s’inverse franchement. Avec Flux.2 Klein 4B dans ComfyUI, le Mac met 36,2 secondes pour une image de 1 024 x 1 024 pixels, contre 16,2 secondes pour le RTX Spark. En 2 048 x 2 048, il lui faut 215,5 secondes, contre 90,8. Le modèle d’image est petit, mais il est appliqué vingt fois de suite à toute l’image : la puissance de calcul fait donc la différence. Les cœurs Tensor de Nvidia traitent nativement le format NVFP4 (des nombres sur 4 bits), quand le Mac calcule sur 16 bits. Le moteur MLX d’Apple n’y change presque rien (35,9 secondes au lieu de 36,2).
Il faut ajouter à ces chiffres un argument qui ne se mesure pas en tokens. CUDA est la plateforme de calcul des GPU Nvidia, la même que dans les datacenters, et une grande partie des outils d’IA est développée d’abord pour elle : PyTorch, TensorRT, le format NVFP4, les outils de fine-tuning comme Unsloth, la plupart des workflows ComfyUI ou les recettes que Nvidia publie pour ses modèles. Sur le RTX Spark, passer de CUDA à Vulkan coûte d’ailleurs 18 à 28 % de vitesse d’écriture. Apple progresse avec MLX, mais son écosystème reste plus restreint, et certains outils arrivent plus tard sur Mac, voire jamais.
Cyberpunk 2077 existe en version Mac. En 2 560 x 1 600 pixels, en Ultra, sans ray tracing ni agrandissement d’image, le MacBook Pro tient 57,3 images par seconde, 28 % de plus que le RTX Spark (44,9). C’est la seule comparaison à réglages strictement identiques. En ray tracing, le Mac garde l’avantage, mais le jeu active MetalFX en mode « Auto » sur Mac, qui calcule probablement l’image dans une définition plus basse que le DLSS Qualité utilisé sur le RTX Spark.
Le catalogue de jeux reste bien plus riche sous Windows, même si la plupart des jeux y passent par Prism, la couche d’émulation qui traduit les instructions x86 pour les puces Arm. Nvidia apporte aussi le DLSS, qui calcule l’image dans une définition réduite avant de l’agrandir par IA : dans mon test du RTX Spark, la version d’octobre du DLSS 5 faisait bondir NBA 2K27 de 78 %. En revanche, plusieurs anti-triches des grands jeux compétitifs (Valorant, Call of Duty, Battlefield) ne fonctionnent pas encore sur Windows Arm. Si le jeu est votre priorité, aucune des deux machines n’est le bon choix : un PC portable gamer avec une RTX 5070 coûte moins de 2 000 €.
Dans mes tests, je ne mets pas trop en avant CUDA, mais c’est le vrai point fort de Nvidia. CUDA est la plateforme de calcul de ses GPU, la même que dans les datacenters, et une grande partie des outils d’IA est développée d’abord pour elle : PyTorch, TensorRT, le format NVFP4, les outils de fine-tuning comme Unsloth, la plupart des workflows ComfyUI ou les recettes que Nvidia publie pour ses modèles. Sur le RTX Spark, passer de CUDA à Vulkan coûte 18 à 28 % de vitesse d’écriture. Apple progresse avec MLX, son propre moteur d’IA, mais l’écosystème reste plus restreint, et certains outils arrivent plus tard sur Mac, voire jamais.
Pour les logiciels de création classiques, l’avantage de Nvidia est moins évident. Bref… pour Premiere Pro, DaVinci Resolve, Photoshop et Lightroom Classic. Les moteurs de décodage vidéo d’Apple, qui accélèrent le ProRes, le H.264 et le HEVC, y sont pour beaucoup. Le rendu 3D sur GPU et les outils d’IA spécialisés restent, eux, plus souvent pensés pour CUDA.
