La mémoire DDR5-6000 C40 de 64 Go est-elle le nouveau compromis idéal pour l'IA et les jeux vidéo ?

Comme indiqué l'année dernière, la capacité de mémoire vive idéale recommandée pour les jeux et les charges de travail liées à l'IA était de 96 Go. Depuis lors, beaucoup de choses ont changé, et un kit de 96 Go n'est peut-être plus l'option recommandée.

Le marché de la mémoire a radicalement évolué. Les infrastructures d'intelligence artificielle consomment d'énormes quantités de DRAM et de HBM, ce qui exerce une pression considérable sur l'offre et les prix de la DRAM grand public. En 2026, les kits de 96 Go pourraient être difficiles à trouver ou afficher un surcoût important, ce qui les rendra nettement moins attractifs pour les configurations grand public destinées aux passionnés.

Nous sommes donc de retour au laboratoire pour tenter de trouver la meilleure solution compte tenu des circonstances.

Les configurations de 32 Go et 64 Go ont été comparées à l'aide d'une carte RTX 4090 et de charges de travail LLM locales, tout en analysant l'impact des performances de la mémoire DDR5.

Le système de test était le suivant :

• Processeur : Intel® Core™ Ultra 7 270K Plus
• Mémoire DRAM : CORSAIR VENGEANCE RGB CMH64GX5M2D6000C40
• Disque SSD : MP600 ELITE 2 To PCIe Gen 4 x4
• Système tout-en-un : iCUE LINK TITAN 360 RX RGB AIO
• Carte graphique : RTX 4090 24 Go XLR8 Gaming UPRISING EPIC-X

La conclusion est simple : pour un système moderne dédié aux jeux vidéo et à l'IA, 64 Go de mémoire DDR5 constituent le compromis idéal, et la DDR5-6000 C40 offre un excellent équilibre entre capacité, performances et praticité.

Comme on pouvait s'y attendre, 32 Go de mémoire ne suffisent pas pour faire fonctionner un grand modèle de langage (LLM) comportant 70 milliards de paramètres. Le taux d'utilisation de la mémoire vive dépasse largement les 95 %, ce qui ralentit le système. En revanche, le système doté de 64 Go disposait encore d'environ 15 Go de mémoire vive, ce qui permet aux utilisateurs d'effectuer d'autres tâches en parallèle.

En ce qui concerne le temps de génération des jetons, on ne constate pas de grande différence. Le kit 64 Go 6000C40 est légèrement en tête, sans pour autant que cela signifie qu’il soit le meilleur dans la pratique. Pour ce graphique en particulier, les résultats les plus rapides et les plus lents ont été sélectionnés parmi les deux kits.

Cependant, sur une moyenne de trois essais, les résultats sont identiques. Les kits 5600C40 et 6000C40 ont mis pratiquement le même temps pour traiter les requêtes. Le kit 6000C40 s'est révélé légèrement plus rapide, de 0,5 seconde, mais cela reste dans la marge d'erreur.

Dans l'ensemble, les 64 Go ont fourni une capacité mémoire suffisante pour exécuter des charges de travail d'IA locales nettement plus importantes sans soumettre le système à une pression mémoire importante. Cette distinction est importante.

Mais pourquoi des LLM locaux ? Pourquoi ne pas utiliser une API en ligne comme ChatGPT ou d’autres ? La confidentialité. Les données que les utilisateurs importent vers un service en ligne quel qu’il soit pourraient être rendues publiques. En exécutant un LLM sur une machine que vous contrôlez, vous n’avez pas besoin de vous connecter à Internet et vous maîtrisez pleinement son comportement. Les avantages des LLM locaux ne se limitent pas à la confidentialité. Le coût, la personnalisation et la longueur du contexte sont des facteurs importants qui jouent en faveur des LLM locaux.

Pour les tests, le modèle Llama 3.1 70B Instruct de Meta a été utilisé, exécuté localement via Ollama. Le modèle 70B contient environ 70 milliards de paramètres et prend en charge une fenêtre de contexte de 128K. Cela ne signifie pas pour autant que chaque utilisateur d’IA doive utiliser un modèle 70B. Cependant, les modèles plus volumineux disposent généralement d’une plus grande capacité à représenter les connaissances et les relations, et peuvent offrir de meilleures performances dans le cadre de tâches exigeantes de raisonnement, de programmation, d’analyse et d’exécution d’instructions.

Une carte graphique RTX 4090 offre 24 Go de mémoire vidéo dédiée. Il s'agit là d'une quantité considérable de mémoire graphique, mais elle n'est pas nécessairement suffisante pour les modèles d'IA locaux de grande taille. Dès qu'un modèle dépasse la capacité de la mémoire vidéo disponible, une partie de la charge de travail doit être traitée par la mémoire système (RAM). C'est là que la mémoire système devient bien plus qu'une simple ressource destinée à Windows, aux jeux et aux applications fonctionnant en arrière-plan.

Pour la charge de travail principale axée sur les performances, le modèle Llama3.1 8B a été retenu. Sa taille est nettement inférieure aux 24 Go de mémoire vidéo disponibles sur la RTX 4090, ce qui signifie que la mémoire système joue un rôle moins important dans cette charge de travail.

Plutôt que de demander au modèle d'effectuer un test de performance artificiel, tel que la génération de milliers de mots, on a eu recours à des tâches représentatives de l'utilisation quotidienne de l'IA.

Il s'agissait notamment d'activités telles que la planification, la synthèse, l'analyse et la production de contenus structurés.

La consigne suivante a été utilisée : « Je prévois un voyage de 10 jours au Japon, comprenant Tokyo, Kyoto, Osaka et Hiroshima. Créez un itinéraire détaillé, jour par jour. Pour chaque jour, indiquez les principales attractions, l’ordre dans lequel je devrais les visiter, la durée approximative des trajets entre les différents lieux, des suggestions de restaurants ou de quartiers gastronomiques, ainsi que des conseils pratiques. Expliquez le raisonnement qui sous-tend cet itinéraire et signalez tout problème d’organisation potentiel. À la fin, fournissez une liste concise des affaires à emporter ainsi qu’un récapitulatif du temps total consacré aux déplacements par rapport au temps consacré aux visites touristiques. »

Le marché des passionnés d'informatique est en pleine mutation.

• Une mémoire de 32 Go reste suffisante pour les systèmes de jeu et les tâches d'IA peu exigeantes, mais elle limite de plus en plus les capacités d'un système haut de gamme.
• Une capacité de 96 Go reste un excellent choix pour les utilisateurs spécialisés, mais compte tenu des prix et de la disponibilité actuels de la mémoire, il est difficile de la recommander comme option par défaut aux passionnés.
• Les kits de 64 Go se situent à mi-chemin, et c'est pour cela qu'ils constituent un choix judicieux.

Ils offrent une capacité suffisante pour les jeux vidéo modernes, le multitâche et les charges de travail locales significatives liées à l'IA, tout en évitant les problèmes de coût et de disponibilité de plus en plus souvent associés aux configurations plus puissantes.

Associées aux caractéristiques techniques de la DDR5-6000 C40, elles offrent un excellent équilibre entre capacité et performances mémoire.