NVIDIA PAIR : tes PC inutilisés deviennent un cluster d'IA locale

Tu as sûrement un PC qui dort quelque part. Une tour de gaming qui ne sert que le week-end, un laptop resté branché pour rien, une machine qui chauffe dans un coin du bureau. Pendant ce temps, ton agent IA attend devant un seul GPU : dès qu'il découpe un gros chantier en sous-tâches, tout le monde fait la queue derrière la même carte graphique.

C'est le problème qu'attaque NVIDIA à l'IFA 2026, le grand salon tech de Berlin qui bat son plein ce week-end. Son outil s'appelle PAIR, pour Personal AI Router. Un logiciel libre, publié sous licence Apache 2.0 sur GitHub, qui répartit les demandes d'inférence, autrement dit les calculs qu'un modèle d'IA effectue pour répondre, entre toutes les machines compatibles de ton réseau local.

Le principe tient en une phrase : quand ton agent lance plusieurs tâches en parallèle, PAIR envoie chaque tâche sur un PC différent au lieu de tout empiler sur une seule carte. Tes machines oisives travaillent, ton agent va plus vite, et rien ne quitte ta maison.

C'est quoi, un routeur d'inférence

PAIR n'est ni un modèle ni un moteur d'IA. C'est un aiguilleur. Il se glisse entre ton application et les moteurs d'inférence locaux, les logiciels qui font tourner les modèles, comme Ollama ou LM Studio. Ton agent croit parler à un Ollama ordinaire ; en réalité, PAIR reçoit chaque requête, regarde qui est disponible et la passe à la machine qui a de la marge.

La découverte des PC est automatique, grâce au protocole mDNS, la même technologie qui fait apparaître ton imprimante réseau sans aucune configuration. Les échanges entre machines sont chiffrés en mTLS, un chiffrement où les deux côtés vérifient mutuellement leur identité. Et l'ordonnancement suit l'état réel de chaque machine : GPU occupé ou non, modèle présent ou pas, moteur démarré ou pas.

Un détail compte pour les sceptiques : PAIR ne fusionne pas les cartes graphiques. Chaque requête part entière sur une seule machine. On ne découpe pas un modèle trop gros en morceaux, on distribue des tâches indépendantes. C'est moins spectaculaire, mais c'est exactement ce que réclament les agents, qui enchaînent des dizaines de petites tâches.

La preuve par les chiffres

Pour la démonstration, NVIDIA a fait tourner un scénario bien concret : un agent découpé en cinq sous-agents, avec Ollama, sur un cluster de trois machines. Verdict : 8 minutes et 48 secondes, contre 18 minutes sur un seul laptop RTX Spark. La tâche va deux fois plus vite, sans changer une ligne dans l'agent.

L'éditeur a aussi travaillé sur les moteurs eux-mêmes. Les optimisations livrées dans llama.cpp, la bibliothèque d'inférence la plus utilisée en local, montent jusqu'à 1,9 fois plus de débit sur une GeForce RTX 5090. vLLM, son alternative orientée serveur, gagne de 1,2 à 1,4 fois selon le matériel. Ces gains passent par LM Studio et Ollama : tu en profites même sans installer PAIR.

Source : le blog officiel de NVIDIA.

L'installation, en vrai

PAIR arrive en bêta pour Windows, macOS et Linux, avec un installeur signé pour chacun : un .exe, un .dmg et un .deb pour Debian, Ubuntu et leurs dérivés. Sous Linux, tout tient en une ligne : sudo apt install ./NVPAIR-Setup-*.deb. L'application télécharge et configure même Ollama ou LM Studio pour toi, puis propose un bouton Test qui envoie une minute de trafic pour voir les tâches s'afficher en direct.

Pour relier une deuxième machine, un code PIN à six chiffres s'affiche sur l'hôte : tu le tapes sur l'autre PC, et les deux rejoignent le même cluster. Mélanger des nœuds Windows, Linux et macOS est explicitement prévu.

Source : le dépôt GitHub NVIDIA/Personal-AI-Router.

L'astuce qui change tout arrive ensuite : PAIR expose des adresses compatibles avec les formats d'API d'Ollama et d'OpenAI, les standards du domaine. Ton agent, ton script ou ton interface préférés continuent de parler à leur moteur habituel, sans rien reconfigurer. Changer une URL suffit pour passer d'une machine seule à un cluster.

Les limites, soyons honnêtes

Le matériel d'abord. Il faut un GPU NVIDIA GeForce de la série 20 ou plus récent, un GPU RTX PRO, une machine DGX Spark, ou un Mac avec une puce Apple M4 minimum. Un vieil ordinateur sans carte compatible ne servira à rien : chaque nœud doit faire tourner son propre moteur, avec ses propres modèles chargés en mémoire.

Ensuite, c'est une bêta. Le dépôt GitHub affiche 667 étoiles quelques jours après l'ouverture au public, le projet est jeune et l'ordonnanceur progresse encore. Enfin, le circuit n'est fermé que si tout l'est : si ton agent va chercher des informations dans le cloud, tes requêtes quittent le réseau local comme avant.

Reste que le calendrier joue pour le local. Après la nouvelle tarification d'Ollama Cloud, qui facture désormais au volume de contexte consommé, remettre au travail des machines déjà payées a un goût de bon sens.

On le disait aussi en testant Magnitude, la branche des modèles locaux pensés pour les agents : la vraie question n'est plus la puissance brute, mais le coût par tâche.

Le bon moment pour l'IA locale

Ce qui intéresse ici, ce n'est pas la prouesse technique. C'est le signal : NVIDIA, l'entreprise qui vend des GPU au monde entier, publie un outil open source bâti sur l'hypothèse que tu as déjà plusieurs machines chez toi et que faire tourner plusieurs agents en même temps est devenu un usage normal.

Les foyers avec plusieurs PC, il y en a plus qu'on ne croit, et la plupart dorment toute la journée. PAIR ne rendra jamais une machine seule plus puissante. Il rend ton parc entier plus malin. La question n'est plus vraiment de savoir si l'IA locale est assez forte, mais combien de machines tu veux bien lui consacrer.

Sources

Le blog officiel de NVIDIA détaille les annonces IFA 2026 : PAIR, les PC RTX Spark et les gains d'inférence.

Le dépôt GitHub NVIDIA/Personal-AI-Router héberge le code source sous Apache 2.0, avec les releases et la documentation.

Le blog technique NVIDIA explique le fonctionnement interne : découverte mDNS, chiffrement mTLS et ordonnancement des nœuds.

Gadgets360 couvre l'IFA 2026 et les précisions sur la disponibilité des PC RTX Spark en octobre.

—

Recherche, relecture et illustration assistées par IA. Le contenu reflète le travail éditorial de la rédaction.