Les modèles d’images comme Stable Diffusion XL et Flux réclament une carte graphique bien pourvue en mémoire. En louer une à l’heure permet de générer en pleine qualité sans acheter de carte, et vous arrêtez de payer dès que vous arrêtez. Il n’existe pas encore d’application d’images en un clic, mais deux méthodes marchent très bien aujourd’hui : un notebook avec la bibliothèque diffusers, ou ComfyUI ou Forge sur le GPU loué.
Quel GPU louer
C’est la mémoire (VRAM) qui décide de ce qui tourne :
| Modèle | Confortable | Minimum |
|---|---|---|
| Stable Diffusion 1.5 | 8 Go | 4 Go |
| SDXL | 12 Go | 8 Go |
| Flux.1 (dev ou schnell) | 24 Go | 12 Go en FP8 |
Une carte de 24 Go les fait tous tourner : une RTX 4090 pour environ 0,49 $US de l’heure, ou une RTX 3090 pour environ 0,31 $US — un peu plus lente, et largement suffisante pour la plupart des usages. Pour SDXL seul, une carte de 12 Go suffit. Filtrez la place de marché par mémoire ; tous les chiffres sont dans De combien de mémoire GPU (VRAM) ai-je besoin ?
Méthode 1 : un notebook avec diffusers
Louez une carte avec l’environnement PyTorch 2.4 + JupyterLab (à choisir au paiement). Quand la location démarre, ouvrez JupyterLab depuis Accès web sur la page de la location, créez un notebook et lancez :
%pip install -q diffusers transformers accelerate
import torch
from diffusers import StableDiffusionXLPipeline
pipe = StableDiffusionXLPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
torch_dtype=torch.float16, variant="fp16",
).to("cuda")
image = pipe("a lighthouse on a cliff at sunset, oil painting",
num_inference_steps=30).images[0]
image.save("/workspace/phare.png")Le premier lancement télécharge le modèle, environ 7 Go ; ensuite, chaque image prend quelques secondes. Changez le prompt et relancez les deux dernières lignes — de préférence en anglais, que ces modèles comprennent bien mieux que le français. Flux s’utilise de la même façon avec FluxPipeline de diffusers ; sur une carte de 24 Go, appelez pipe.enable_model_cpu_offload() au lieu de .to("cuda") pour qu’il tienne en mémoire.
Méthode 2 : ComfyUI ou Forge
Vous préférez un outil visuel ? ComfyUI (à base de nœuds, port 8188) et Stable Diffusion WebUI Forge (port 7860) tournent sur le GPU loué et s’ouvrent dans votre propre navigateur.
Choisissez l’image. Activez le mode Pro (l’interrupteur dans l’en-tête). Au paiement, ouvrez Votre propre image Docker et saisissez une image publique de ComfyUI ou de Forge — ou l’image PyTorch de base, pytorch/pytorch:2.4.0-cuda12.4-cudnn9-runtime, en laissant la commande de démarrage installer ComfyUI. Dans À lancer au démarrage, par exemple :
apt-get update && apt-get install -y git
git clone https://github.com/comfyanonymous/ComfyUI /workspace/ComfyUI
pip install -r /workspace/ComfyUI/requirements.txt
python -c "from huggingface_hub import hf_hub_download as get; get('stabilityai/stable-diffusion-xl-base-1.0', 'sd_xl_base_1.0.safetensors', local_dir='/workspace/ComfyUI/models/checkpoints')"Appuyez sur Utiliser cette image, puis payez. La commande s’exécute une fois, en premier, et sa sortie s’affiche dans la Console de la page de location. Avec une image toute prête, c’est sa propre page qui indique où se trouve l’application et quelle commande la démarre.
Démarrez-la et ouvrez-la. La location démarre votre image avec un shell, et non avec son démarrage habituel : c’est donc vous qui lancez l’application. Avec la ligne de commande gpurent (123 est le numéro de votre location), connectez-vous en redirigeant le port de ComfyUI vers votre ordinateur, puis lancez-le :
gpurent ssh 123 -L 8188:127.0.0.1:8188
cd /workspace/ComfyUI && python main.py --listen 0.0.0.0 --port 8188Ouvrez ensuite http://127.0.0.1:8188 dans votre navigateur. Forge s’utilise de la même façon sur le port 7860. Pour rediriger un port sans SSH : gpurent tunnel 123 8188.
Garder vos images
Les fichiers de /workspace sont supprimés à la fin de la location. Téléchargez vos images depuis le panneau Fichiers de la location, ou copiez-les dans Mon Drive — 2 Go qui restent sur votre compte d’une location à l’autre. La page de la location peut aussi tout enregistrer automatiquement dans Mon Drive avant la fin. ComfyUI range ses images dans /workspace/ComfyUI/output.
Combien ça coûte
Vous payez le prix horaire de l’hôte, bloqué à la réservation ; arrêtez plus tôt et le temps non utilisé vous revient en crédit. Une soirée de SDXL — trois heures sur une RTX 3090 — coûte environ 3 × 0,31 $US.
Questions fréquentes
Faut-il savoir programmer en Python ?
À peine. Dans le notebook, vous changez seulement le prompt et relancez la cellule ; ComfyUI et Forge se pilotent à la souris une fois lancés.
Puis-je utiliser mes propres checkpoints et LoRA ?
Oui. Envoyez-les depuis le panneau Fichiers ou avec scp, ou collez un lien dans le panneau Fichiers pour que la machine les télécharge elle-même. Pour ComfyUI, les checkpoints vont dans models/checkpoints et les LoRA dans models/loras.
Pourquoi la première image est-elle lente ?
Le modèle doit d’abord être téléchargé sur la machine — plusieurs gigaoctets. Chaque image suivante arrive en quelques secondes.
Mes prompts et mes images restent-ils privés ?
Le modèle tourne sur la machine de l’hôte, dans un bac à sable (un conteneur Docker) ; l’hôte ne peut pas ouvrir vos fichiers par l’application, et rien n’est envoyé à une entreprise d’IA. Comme sur tout ordinateur loué, n’y mettez pas de secrets que vous ne pourriez pas vous permettre de perdre.