La RAM de nos PC serait mal utilisée : Sam Altman défend le cloud

Invité de John Collison dans Cheeky Pint, le 29 octobre, Sam Altman discutait du manque de ressources informatiques et du prix des composants. La conversation aborde alors une idée : faire tourner des modèles ouverts sur des ordinateurs personnels pour dépendre moins des infrastructures distantes.

Le dirigeant d’OpenAI juge — « assez terrible » — cette répartition de la DRAM si chacun en immobilise une quantité importante dans une machine utilisée seulement « 5 % du temps ». Il préfère une utilisation aussi intensive que possible dans le cloud, où une même infrastructure sert de nombreux clients. La transcription officielle replace clairement cette remarque dans le débat sur l’inférence locale.

Il ne demande pas aux particuliers d’arrêter d’acheter de la RAM et n’annonce aucune mesure pour en limiter l’accès. Il défend un choix d’allocation des ressources, favorable à la mutualisation dans les centres de données.

Entretien complet : Cheeky Pint, avec Sam Altman et John Collison. La discussion sur la mémoire et l’IA locale se situe autour de la 29e minute.

Aucune étude ni comparaison chiffrée avec les centres de données n’est présentée à l’appui de ce taux dans le passage. C'est une estimation avancée par Altman.

L’argument de mutualisation mérite d’être discuté, mais le taux d’occupation d’une machine ne résume pas son utilité. Un PC sert aussi à jouer, travailler, naviguer ou créer. Une capacité mémoire disponible pour absorber une charge ponctuelle peut avoir de la valeur même si elle n’est pas sollicitée en permanence. Réciproquement, un serveur partagé doit conserver des ressources pour les pointes de demande et la continuité du service.

Agrandir

Le contexte industriel, lui, est documenté. Dans ses résultats du troisième trimestre publiés le 29 octobre, Samsung explique privilégier les produits mémoire destinés à l’IA dans un environnement où les capacités sont contraintes. Le groupe relie la vigueur de la demande des serveurs à la hausse des prix sur l’ensemble des applications et prévoit de renforcer encore ses ventes de HBM, de DRAM serveur et de SSD.

Le 28 octobre, SK hynix a pour sa part indiqué avoir sécurisé, avec 14 grands clients, des accords à long terme correspondant à plus de la moitié de sa capacité de production de 2027 et 2028. Le fabricant s’attend à ce que la demande dépasse l’offre jusqu’en 2030, compte tenu des difficultés techniques et du temps nécessaire à la construction de nouvelles usines. Il s’agit de sa prévision, pas d’une échéance certaine de sortie de pénurie.

Ces annonces montrent pourquoi le sujet concerne directement les lecteurs qui montent ou mettent à niveau un PC. Elles ne permettent toutefois pas d’attribuer à une seule entreprise une part précise de la hausse d’un kit DDR5 en magasin.

OpenAI a annoncé dès le 1er octobre 2025 des partenariats avec Samsung et SK dans le cadre de Stargate. Le communiqué évoque une montée en capacité visant 900 000 mises en production de wafers DRAM par mois, afin d’accompagner les besoins des modèles d’IA.

Cette formulation décrit un objectif industriel. Elle ne signifie pas qu’OpenAI reçoit déjà chaque mois ce volume de puces, ni qu’il a acheté autant de barrettes destinées aux particuliers. Le même communiqué annonçait aussi des accords pour étudier de nouvelles capacités de centres de données en Corée, dont plusieurs modalités devaient encore être précisées.

La position d’Altman est donc cohérente avec les investissements de son entreprise : développer une infrastructure centralisée capable de servir beaucoup d’utilisateurs. Cet intérêt économique doit rester visible lorsqu’on évalue son argument sur la meilleure utilisation de la mémoire disponible.

L’inférence locale répond aussi à des besoins de contrôle des données, d’autonomie et de disponibilité sans connexion permanente, une fois le modèle installé. À titre concret, la documentation d’Ollama précise que les prompts et les données des modèles exécutés localement ne lui sont pas transmis ; ses fonctions cloud peuvent également être désactivées.

Ces avantages ont une contrepartie : le matériel disponible limite les modèles utilisables, l’utilisateur assure l’installation et il supporte le coût de la machine. Le cloud facilite l’accès à des ressources plus importantes et leur partage. Le choix dépend donc de la fréquence d’utilisation, de la taille du modèle, du budget et des exigences de confidentialité.

Agrandir

Des machines comme l’ASUS Ascent GX10 que nous avons présenté illustrent précisément cette autre voie : consacrer des ressources à une IA que l’on exécute chez soi ou dans son entreprise. La discussion ne se limite donc pas au nombre de gigaoctets mobilisés ; elle porte aussi sur qui possède le matériel et garde la maîtrise de son utilisation.