Les modèles ouverts comme Llama, Qwen, DeepSeek, Mistral, Gemma ou gpt-oss d’OpenAI tiennent sur une seule carte graphique — à condition qu’elle ait assez de mémoire. Louer un GPU à l’heure est la façon la moins chère de les essayer : rien à acheter, et vous arrêtez de payer dès que vous arrêtez.
En bref
- Ouvrez IA en un clic et choisissez Discuter avec un modèle ouvert. Un GPU avec assez de mémoire est choisi, démarré et ouvert dans votre navigateur.
- Choisissez un modèle dans la liste (ou tapez n’importe quel nom Ollama, par exemple
qwen3:8b) et commencez à discuter. - Quand vous avez fini, appuyez sur Arrêter. Le temps non utilisé vous revient.
Pour choisir la machine vous-même, passez par la place de marché : filtrez par mémoire (VRAM), prix et région, louez la carte et choisissez l’environnement Ollama au paiement.
Quel GPU vous faut-il ?
Ce qui compte, c’est la mémoire de la carte (la VRAM), pas sa vitesse. Le modèle doit tenir en mémoire, avec un peu de place pour la conversation. Les versions quantifiées (4 bits, « Q4 ») demandent environ un quart de la mémoire de la version complète, pour une perte de qualité étonnamment faible.
| Taille du modèle | Exemples | En 4 bits | Tient sur |
|---|---|---|---|
| 1 à 4 milliards | Llama 3.2 3B, Qwen3 4B, Phi | 2 à 4 Go | n’importe quelle carte ici |
| 7 à 9 milliards | Llama 3.1 8B, Qwen3 8B, Mistral 7B | 5 à 7 Go | RTX 3060 12 Go et au-dessus |
| 12 à 14 milliards | Qwen3 14B, Phi-4, Gemma 12B | 9 à 11 Go | cartes de 12 à 16 Go |
| 20 milliards | gpt-oss 20B | 14 à 16 Go | cartes de 16 Go et plus |
| 27 à 34 milliards | Qwen3 32B, Gemma 27B, DeepSeek-R1 32B | 18 à 22 Go | RTX 3090 / 4090 (24 Go) |
| 70 milliards | Llama 3.3 70B, DeepSeek-R1 70B | 40 à 45 Go | cartes de 48 Go (RTX 6000 Ada, A6000) ou A100/H100 80 Go |
| 120 milliards et plus | gpt-oss 120B, gros modèles MoE | 65 Go et plus | cartes de 80 Go, ou plusieurs cartes louées ensemble |
La RTX 4090 (24 Go) est le meilleur compromis pour la plupart des usages : elle fait tourner rapidement tous les modèles jusqu’à 32 milliards de paramètres, pour environ 0,49 $US de l’heure ici (environ 0,70 $US sur un cloud classique). Pour un modèle de 70 milliards, la RTX 6000 Ada ou l’A6000 (48 Go) est la carte unique la moins chère qui suffit. Le tableau complet est dans De combien de mémoire GPU ai-je besoin ?
Vous hésitez ? Commencez petit. Un modèle de 7 ou 8 milliards sur une carte bon marché répond bien à la plupart des questions du quotidien, et l’essai coûte quelques centimes.
Méthode 1 : discuter dans le navigateur (Ollama)
L’environnement Ollama démarre un serveur de modèles et une page de discussion, à ouvrir depuis la location. Choisissez un modèle et écrivez. Derrière, Ollama télécharge le modèle sur la machine la première fois que vous le demandez — ce temps de téléchargement n’est pas facturé.
Quelques noms de modèles pour commencer :
llama3.1:8b— un modèle polyvalent et solide.qwen3:8betqwen3:32b— forts en raisonnement, en code et en langues, dont le français.deepseek-r1:14b— réfléchit étape par étape avant de répondre.gpt-oss:20b— le modèle à poids ouverts d’OpenAI ; il lui faut une carte de 16 Go.
Certains hôtes gardent à l’avance les modèles les plus demandés (« à chaud »), et la première réponse arrive alors en quelques secondes au lieu de quelques minutes.
Méthode 2 : l’appeler depuis votre code, comme l’API d’OpenAI
Pour appeler un modèle depuis votre propre code, utilisez l’API Compute. Elle parle la même langue que l’API d’OpenAI : les SDK d’OpenAI et la plupart des outils fonctionnent en changeant deux réglages, l’adresse de base et la clé (une clé d’API créée sur la page développeurs, payée avec des crédits prépayés).
from openai import OpenAI
client = OpenAI(base_url="https://rentgpupower.com/api/v1/compute",
api_key="gpuapi_...", max_retries=20)
reponse = client.chat.completions.create(
model="qwen3:8b",
messages=[{"role": "user", "content": "Explique les transformers en deux phrases."}],
)
print(reponse.choices[0].message.content)Si aucune de vos machines ne sert encore ce modèle, une machine est démarrée pour vous : le premier appel répond « en chargement » pendant le téléchargement du modèle, puis le même appel est servi dès qu’il est prêt (c’est à cela que sert max_retries). Vous payez le GPU à la seconde, pas au token. Plus de détails dans Une API compatible OpenAI pour les modèles ouverts.
Sur une machine louée vous-même, l’environnement vLLM fait la même chose : il sert un modèle de Hugging Face derrière une adresse compatible OpenAI, indiquée sur la page de votre location.
Méthode 3 : votre propre installation
Vous préférez llama.cpp, text-generation-webui, SGLang ou votre propre code ? Louez un GPU avec l’environnement PyTorch + JupyterLab, ou apportez votre propre image Docker et une commande à lancer au démarrage. Vous avez un terminal dans le navigateur, et SSH si vous préférez le vôtre.
Combien ça coûte
Vous payez le prix horaire fixé par l’hôte, bloqué au moment de la réservation. L’argent est gardé en séquestre et versé à l’hôte uniquement pour le temps où la machine fonctionne vraiment ; arrêtez plus tôt et le reste vous revient. Carte, Apple Pay, Google Pay, PayPal et cryptomonnaies sont acceptés.
Deux exemples aux prix habituels du moment :
- Un après-midi (4 heures) sur une RTX 4090 : environ 4 × 0,49 $US.
- Une heure sur une RTX 6000 Ada de 48 Go pour un modèle de 70 milliards : environ 0,56 $US.
Questions fréquentes
Peut-on faire tourner un modèle de 70 milliards sur un seul GPU ?
Oui, en 4 bits, sur une carte de 48 Go ou plus (RTX 6000 Ada, A6000, A100, H100). Sur une carte de 24 Go, il ne tourne qu’en déportant l’essentiel sur le processeur, ce qui est très lent.
Ma conversation reste-t-elle privée ?
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 de ce que vous écrivez 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.
Combien de temps faut-il pour démarrer ?
En général une ou deux minutes. Un modèle qui n’est pas déjà sur la machine est d’abord téléchargé ; ce temps n’est pas facturé.
Que se passe-t-il à la fin de mon temps ?
La machine est libérée et votre conteneur est supprimé. Copiez avant ce que vous voulez garder sur votre ordinateur ou dans Mon Drive — ou activez la sauvegarde automatique dans Mon Drive depuis la page de la location.