Lorsqu’on parle d’intelligence artificielle locale, NVIDIA est souvent considéré comme le choix par défaut. La majorité des tutoriels, des benchmarks et des projets d’IA sont d’ailleurs réalisés sur des cartes graphiques NVIDIA.
Pourtant, au sein de notre laboratoire IA, nous avons fait un choix différent : réaliser l’essentiel de nos tests sur des GPU AMD. Cette décision ne repose pas uniquement sur des considérations techniques. Elle s’inscrit également dans la philosophie open source du projet.
Un marché dominé par NVIDIA
Depuis plusieurs années, NVIDIA bénéficie d’une position extrêmement forte dans le domaine de l’intelligence artificielle grâce à CUDA, sa plateforme de calcul parallèle.
Cette avance historique a permis à l’entreprise de devenir la référence du secteur. De nombreux logiciels et bibliothèques d’IA ont d’abord été développés pour CUDA avant d’être adaptés à d’autres technologies.
Cette situation a cependant un inconvénient : elle crée une forte dépendance à un écosystème propriétaire contrôlé par un seul acteur.
ROCm a énormément progressé
Pendant longtemps, utiliser un GPU AMD pour l’IA locale relevait presque du défi technique.
Les choses ont changé.
Avec ROCm, la plateforme de calcul développée par AMD, les progrès réalisés ces dernières années sont considérables. L’installation est devenue plus simple, la compatibilité s’est élargie et les performances se sont nettement améliorées.
Aujourd’hui, de nombreux modèles open source fonctionnent parfaitement sur des cartes AMD récentes.
Dans notre cas, les modèles Ministral 3 8B, Ministral 3 14B ou encore Gemma fonctionnent sans difficulté sur une Radeon RX 9060 XT équipée de 16 Go de mémoire vidéo.
Ollama a changé la donne
L’arrivée d’Ollama a également joué un rôle majeur.
Grâce à Ollama, l’installation et l’exécution de modèles d’IA locaux sont devenues accessibles à un public beaucoup plus large.
L’intégration du support ROCm est aujourd’hui suffisamment mature pour permettre l’utilisation quotidienne de nombreux modèles open source sans devoir manipuler des configurations complexes.
Pour les utilisateurs Linux souhaitant expérimenter l’IA locale, la combinaison ROCm + Ollama constitue désormais une solution crédible et stable.
Une cohérence avec les valeurs de l’open source
Au-delà des performances, le choix d’AMD est également cohérent avec les valeurs du projet.
Le laboratoire IA Open Source s’intéresse avant tout aux technologies ouvertes, interopérables et accessibles au plus grand nombre.
ROCm est publié sous licence open source et son développement est largement documenté publiquement.
Ollama est également un projet open source.
Cette combinaison permet de construire une chaîne technique largement ouverte, depuis le système d’exploitation Linux jusqu’à l’exécution des modèles.
À l’inverse, CUDA reste une technologie propriétaire contrôlée exclusivement par NVIDIA.
AMD est-il devenu meilleur que NVIDIA ?
Pas nécessairement.
NVIDIA conserve encore plusieurs avantages :
- une compatibilité logicielle souvent plus large,
- un écosystème extrêmement mature,
- davantage de documentation et de ressources communautaires,
- une adoption plus importante dans le monde professionnel.
Pour certains usages avancés, NVIDIA reste aujourd’hui la solution la plus simple.
Cependant, l’écart se réduit rapidement.
Pour de nombreux scénarios d’IA locale utilisant Ollama, Open WebUI, AnythingLLM ou GPT4All, les GPU AMD récents offrent désormais une expérience parfaitement satisfaisante.
Notre conclusion
Le choix d’AMD n’est pas un rejet de l’écosystème NVIDIA. Il s’agit avant tout d’un choix de cohérence avec les objectifs du laboratoire : promouvoir l’IA locale, les logiciels open source et les alternatives ouvertes aux solutions dominantes.
Grâce aux progrès réalisés par ROCm et à la maturité d’outils comme Ollama, il est aujourd’hui possible d’exécuter efficacement des modèles d’IA open source sur du matériel AMD moderne.
Une évolution qui contribue à diversifier l’écosystème et à réduire la dépendance à un acteur unique du marché.