NVIDIA Personal AI Router, ou PAIR, est disponible en bêta depuis le 3 septembre. Le logiciel est gratuit et open source, avec des interfaces graphique et terminal.

Son rôle est assez précis : créer un point d'entrée local unique auquel une application ou un agent peut envoyer ses requêtes, puis choisir une machine disponible pour exécuter chacune d'elles. PAIR fonctionne au lancement avec Ollama et LM Studio.

PAIR répartit les requêtes, pas la mémoire des GPU

La distinction est importante. Plusieurs ordinateurs peuvent participer au même cluster personnel, mais PAIR ne transforme pas leurs GPU en un accélérateur unique et ne cumule pas leur VRAM comme si elle appartenait à une seule carte graphique.

Chaque machine reste indépendante. PAIR est surtout intéressant lorsqu'un agent découpe une tâche en plusieurs travaux pouvant avancer en parallèle : plusieurs sous-agents, plusieurs générations ou plusieurs requêtes d'inférence peuvent alors être envoyés vers les nœuds qui ont encore de la capacité.

Une machine qui rejoint ou quitte le réseau peut être prise en compte dynamiquement. Cela permet aussi de déplacer une partie de la charge vers un autre ordinateur pendant que le PC principal est utilisé pour jouer, travailler ou effectuer un rendu.

RTX et Mac peuvent se retrouver dans le même groupe

La liste de compatibilité est moins fermée que ce que le nom NVIDIA pourrait laisser penser. La bêta prend en charge les GeForce RTX série 20 et plus récentes, les GPU professionnels NVIDIA RTX à partir de l'architecture Turing, DGX Spark ainsi que les Mac équipés d'une puce Apple M4 ou plus récente.

Windows, Linux et macOS peuvent donc cohabiter au sein du même cluster. NVIDIA indique que PAIR ne nécessite ni câblage spécialisé ni rack : les machines doivent être connectées au réseau local et configurées comme nœuds compatibles.

Le fonctionnement lui-même n'exige pas d'accès Internet. Une connexion reste naturellement nécessaire pour télécharger les modèles ou les logiciels au préalable.

Le principal argument reste la confidentialité locale

NVIDIA présente PAIR comme une manière d'exploiter davantage de calcul sans envoyer prompts, fichiers et contexte d'agent vers un service d'inférence cloud. Ces données sont conçues pour rester sur le réseau local pendant l'exécution.

Cela ne garantit pas qu'une application utilisant PAIR soit incapable de contacter Internet. Le comportement du logiciel au-dessus du routeur reste à prendre en compte. Perplexity Portable Computer, par exemple, peut effectuer certaines tâches localement puis proposer de solliciter un modèle frontier dans le cloud avec l'autorisation de l'utilisateur.

Pour des documents professionnels ou du code qui ne doit pas sortir de la machine, la différence entre « modèle local » et « workflow intégralement local » reste donc à vérifier application par application.

NVIDIA pousse aussi directement les performances de llama.cpp

PAIR arrive avec des optimisations d'inférence destinées aux logiciels déjà largement utilisés pour faire tourner des modèles localement.

NVIDIA annonce jusqu'à 1,9 fois plus de débit avec llama.cpp sur une GeForce RTX 5090 grâce notamment à des optimisations de kernels, au speculative decoding et à un prefill plus rapide. Ces améliorations sont disponibles directement dans le backend et peuvent également être utilisées via LM Studio et Ollama.

Avec vLLM, NVIDIA mesure un gain de 1,2 fois sur une RTX PRO 6000 Blackwell Workstation Edition et jusqu'à 1,4 fois sur une configuration comprenant deux DGX Spark. L'entreprise attribue ces progrès entre autres aux nouveaux kernels d'attention XQA de FlashInfer et à des optimisations du backend.

Ce sont des résultats publiés par NVIDIA sur des configurations précises, pas la promesse qu'un modèle quelconque ira automatiquement 1,9 fois plus vite sur toute carte RTX.

RTX Spark arrive en octobre

Le deuxième morceau de l'annonce concerne le matériel. NVIDIA confirme que les premiers PC Windows basés sur RTX Spark doivent arriver en octobre 2026. Acer a présenté à l'IFA un concept de petit PC de bureau, tandis que Lenovo a dévoilé ses Yoga Pro 9n et Yoga 9n 2-en-1.

RTX Spark associe un GPU Blackwell RTX pouvant atteindre 1 pétaflop de calcul IA en FP4, jusqu'à 128 Go de mémoire unifiée et un CPU Grace pouvant compter 20 cœurs. L'idée est de fournir assez de mémoire et de calcul pour conserver localement des modèles et des agents nettement plus lourds que ceux qu'une quantité classique de VRAM autorise.

NVIDIA associe également la plateforme au nouveau framework d'agents de Windows afin que des agents puissent fonctionner en arrière-plan sous le contrôle du système d'exploitation.

Un cluster domestique devient surtout utile avec plusieurs agents

PAIR ne rendra pas un gros modèle compatible avec quatre petites cartes graphiques simplement parce que quatre PC sont allumés. Pour ce cas, son architecture de routage ne change pas la quantité de mémoire dont dispose un nœud individuel.

Elle correspond davantage à la manière dont les agents commencent à travailler. Un agent principal peut déléguer une recherche, une analyse de documents, du code ou d'autres sous-tâches à plusieurs processus indépendants. Au lieu de mettre toutes ces requêtes en attente derrière le même GPU, PAIR peut les envoyer sur plusieurs machines.

La bêta est disponible maintenant. Les machines RTX Spark annoncées à l'IFA, elles, restent attendues pour octobre.