Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Exécuter des agents IA sans cloud, sur des données qui ne quittent pas l’ordinateur, c’est la promesse d’une station LDLC taillée pour les modèles lourds. Entre transcription confidentielle, préparation d’entretiens et automatisation multi‑étapes, la machine met à profit 32 Go de VRAM et un Threadripper 32 cœurs, avec des options de simulation de coûts proposées par AMD.
Des traitements sensibles gardés en local et des coûts d’abonnement évités
Le traitement local maintient les fichiers sur l’ordinateur plutôt que sur des serveurs distants. Cette approche vise à éviter l’envoi systématique de documents vers des services en ligne et la dépendance à des abonnements dont la facture peut croître avec l’usage. Elle s’adresse à des professionnels qui utilisent l’IA au quotidien sur des données sensibles et souhaitent rester en local. L’objectif déclaré inclut l’évitement d’abonnements jugés hors de prix et la possibilité de bâtir une infrastructure d’IA interne adaptée aux besoins. AMD indique proposer un outil Tokenomics pour simuler des économies potentielles selon la taille d’équipe ou les usages. La capacité de la machine peut en outre être partagée entre plusieurs collaborateurs, selon l’organisation mise en place.
Deux agents configurés via Hermes pour des tâches concrètes
Deux agents ont été mis en place avec l’aide d’experts via Hermes, en s’appuyant sur le modèle Qwen 3.5 doté de 35 milliards de paramètres. Un cas d’usage consiste à transcrire localement des interviews, le processeur prenant en charge la transcription tandis que les ressources graphiques restent disponibles pour d’autres travaux. L’agent, baptisé Gus, peut ensuite organiser le texte, extraire des thèmes et retrouver des citations assorties de leur minutage. Une relecture demeure nécessaire, notamment pour les noms propres. L’agent peut aussi analyser plusieurs fichiers confidentiels directement sur le poste. Les 32 Go de VRAM aident ici à exécuter des modèles acceptant davantage de contexte lors du croisement de documents.
Un partenaire de travail pour entraîner, corriger et orchestrer des actions
Un second agent a été conçu pour challenger l’utilisateur. Il assiste à la préparation d’entretiens en anglais, procède à des corrections et peut convertir des notes en français en un premier e‑mail en anglais. Les interactions sont ajustées au niveau de l’utilisateur et il est possible de les renouveler autant de fois que souhaité, sans limitation de messages mentionnée. En plus du dialogue, l’agent prend en charge des instructions comprenant plusieurs tâches, telles que réaliser successivement une transcription, générer une fiche à partir d’un dossier, rédiger un e‑mail, puis classer les résultats dans les espaces dédiés.
Des cas d’usage étendus : modèles plus gros, documents massifs, automatisation
La station est présentée comme capable de prendre en charge des modèles plus lourds et d’analyser de gros volumes de documents. Elle peut contribuer au développement et au code, automatiser des opérations répétitives et faire tourner plusieurs agents ainsi que plusieurs traitements en parallèle. Une organisation peut décliner ces capacités en agents dédiés à l’analyse de données, à l’assistance aux développeurs, au traitement de documents ou à l’automatisation de tâches administratives.
Configuration matérielle : Threadripper 32 cœurs, GPU 32 Go, 64 Go de RAM
La LDLC PC WS-TR AI PRO s’appuie sur un processeur AMD Ryzen Threadripper 9970X doté de 32 cœurs, une carte graphique AMD Radeon AI PRO R9700 avec 32 Go de VRAM et 64 Go de RAM. Cet ensemble vise l’exécution de modèles locaux importants tout en conservant de la réactivité pour d’autres tâches. Les 32 Go de VRAM facilitent le chargement de modèles volumineux et l’apport de contexte, tandis que le processeur prend en charge des traitements en parallèle. Les modèles sont téléchargés en local et les agents interagissent directement avec les fichiers présents sur la machine. Selon la présentation, les 32 Go de VRAM et les 64 Go de RAM offrent de la marge pour multiplier les tâches et utiliser des modèles plus gros. Cette proposition technique se positionne face aux usages actuels de l’IA, souvent adossés à des services en ligne générateurs d’abonnements, en mettant en avant l’exécution d’agents IA en local pour des professionnels manipulant des contenus sensibles.
