Choisir le bon GPU pour une charge de travail IA fait la différence entre payer pour du silicium qui tourne à vide et livrer un modèle dans les temps — voici comment les RTX 4090, A100 et H100 se comparent réellement à la location.
Louer un serveur GPU vous donne une puissance de calcul de niveau datacenter sans le coût en capital, les factures d'électricité ni les délais de 40 semaines sur les cartes datacenter. La difficulté consiste à faire correspondre la carte à la tâche.
Choisissez trop petit et votre modèle ne tiendra pas dans la VRAM. Choisissez trop gros et vous payez le tarif H100 pour faire tourner un chatbot 7B qu'une 4090 gérerait très bien. Ce guide détaille où chaque carte l'emporte.
Les trois cartes en un coup d'œil
RTX 4090
Ada Lovelace grand public, 24 Go de GDDR6X. La reine du rapport prix/performance pour l'inférence et les petits fine-tunings. Pas de NVLink, pas d'ECC.
A100
Ampere datacenter, 40 Go ou 80 Go de HBM2e. NVLink, partitionnement MIG et ECC. La bête de somme éprouvée pour l'entraînement.
H100
Hopper datacenter, 80 Go de HBM3. Un Transformer Engine avec FP8 natif et une bande passante mémoire énorme. Conçue pour l'entraînement de grands modèles et le service LLM à haut débit.
La VRAM est la première question, pas la dernière
Avant de regarder la vitesse brute, demandez-vous déjà si votre modèle tient tout court. Si les poids, les activations et le cache KV ne rentrent pas dans la VRAM, aucune puissance de calcul n'y changera rien — vous êtes contraint de décharger vers la RAM système, avec une pénalité brutale.
- 24 Go (RTX 4090) : confortable pour l'inférence de modèles 7B-13B, les modèles 30B quantifiés, et le fine-tuning LoRA de modèles plus petits.
- 40 Go (A100) : modèles 13B en pleine précision, inférence de modèles 70B quantifiés, et entraînements de taille moyenne.
- 80 Go (A100/H100) : inférence de modèles 70B en précision réduite, fine-tunings plus importants, et entraînement multi-GPU sur un seul nœud.
- Multi-GPU : l'entraînement de modèles de pointe et le fine-tuning complet de modèles 70B+ nécessitent plusieurs cartes reliées via NVLink ou un fabric rapide.
Règle empirique : prévoyez environ 2 Go de VRAM par milliard de paramètres en FP16 pour l'inférence, plus une marge pour le cache KV. La quantification (INT8/INT4) réduit cela de façon substantielle, mais peut coûter en précision.
Précision : là où le H100 prend l'avantage
La RTX 4090 et le H100 prennent tous deux en charge le FP8, mais le Transformer Engine du H100 gère automatiquement la mise à l'échelle du FP8 sur l'ensemble des couches d'un modèle. C'est un véritable avantage de débit pour l'entraînement et le service de transformers, pas un simple argument de fiche technique.
L'A100 est antérieur au FP8 et plafonne au TF32 et au BF16. Elle reste excellente pour l'entraînement — attendez-vous simplement à ce que le H100 termine le même run nettement plus vite sur les architectures transformer.
Adapter la carte à la tâche
Inférence / service
RTX 4090. Le meilleur rapport tokens/dollar pour les modèles jusqu'à environ 13B. Passez à l'échelle horizontalement avec davantage de 4090 plutôt qu'avec une seule carte géante.
Fine-tuning (LoRA / léger)
RTX 4090 ou A100 40 Go. Le LoRA sur un modèle 7B-13B tourne sans problème sur une seule 4090.
Fine-tuning complet / entraînement moyen
A100 80 Go. L'ECC et le NVLink deviennent importants dès que les runs durent des heures et que la mise à l'échelle multi-GPU entre en jeu.
Entraînement de grands modèles
H100. Le FP8 et la bande passante réduisent le temps réel d'entraînement des transformers, là où les heures de location s'accumulent le plus vite.
API LLM à haut débit
H100. Lorsque vous servez des milliers de requêtes simultanées, la bande passante mémoire et le débit FP8 se rentabilisent d'eux-mêmes.
Tâches par lots / hors ligne
RTX 4090. Si la latence importe peu, des cartes grand public bon marché tournent toute la nuit pour une fraction du coût.
L'erreur la plus fréquente : louer un H100 pour faire de l'inférence sur un modèle 7B. Vous n'exploiterez qu'une fraction de ses capacités tout en payant plusieurs fois le tarif d'une 4090.
Le calcul de coût qui compte vraiment
Le tarif horaire est ce qu'on retient en premier, mais c'est le débit par dollar qu'il faut optimiser. Une carte deux fois plus chère mais trois fois plus rapide sur votre charge de travail revient moins cher par tâche accomplie.
- 1
Benchmarkez sur votre charge de travail
Exécutez votre modèle réel avec votre taille de batch, pas un benchmark générique. Mesurez les tokens/sec ou les échantillons/sec, pas les TFLOPS.
- 2
Divisez par le tarif horaire
Calculez le débit par dollar pour chaque option de carte. Cela rebat le classement plus souvent qu'on ne le pense.
- 3
Tenez compte du temps d'inactivité
Si votre GPU reste inactif entre deux tâches, une carte moins chère ou un modèle de rechargement horaire bat une carte rapide que vous ne saturez pas.
- 4
Intégrez la sortie de données et le stockage
Faire transiter des jeux de données et des checkpoints a un coût. Une bande passante illimitée élimine complètement cette variable.
Chez ChainVPS, la flotte de GPU est prépayée à partir d'un solde rechargé en crypto, avec une bande passante illimitée : transférer un jeu de données de 200 Go sur la machine ne coûte donc rien de plus — vous payez les heures de GPU, pas le transfert. Si vous dimensionnez une configuration, la page /gpu-server liste les offres RTX 4090, A100 et H100 actuelles ainsi que leurs emplacements.
Considérations de confidentialité pour les charges de travail IA
Les données d'entraînement et les poids des modèles sont des actifs sensibles. Leur emplacement physique, et qui peut assigner l'hébergeur à comparaître, fait partie de la décision technique — pas d'une réflexion après coup.
- Choisissez délibérément une juridiction. Les emplacements axés confidentialité (NL, CH, RO, IS, MD, LU) échappent aux régimes les plus agressifs en matière de demandes de données.
- Privilégiez les hébergeurs qui n'exigent pas de pièce d'identité pour déployer du calcul — l'absence de KYC signifie qu'aucun jeu de données de vos projets n'est rattaché à une identité légale.
- Payez depuis un solde prépayé plutôt que par prélèvement bancaire récurrent, afin qu'aucune trace de paiement ne relie la charge de travail à vous.
- Gardez les checkpoints chiffrés au repos et récupérez-les hors de la machine une fois le run terminé.
Les serveurs GPU de ChainVPS ne nécessitent aucune vérification d'identité et se paient depuis un solde prépayé rechargeable avec 21 cryptomonnaies au choix, dont Monero, ce qui garde vos recherches séparées de votre identité. Découvrez les options de GPU offshore sur la page /gpu-server.
Un raccourci de décision rapide
Une RTX 4090 est-elle vraiment utilisable pour un travail IA sérieux ?
Oui — pour l'inférence et le petit fine-tuning, elle offre le meilleur rapport tokens/dollar des trois. Ses limites sont le plafond de 24 Go de VRAM et l'absence de NVLink et d'ECC, des éléments importants pour les gros entraînements multi-GPU mais pas pour servir un modèle 7B-13B.
Quand le H100 justifie-t-il réellement son surcoût ?
Lorsque votre charge de travail est l'entraînement de transformers à grande échelle ou le service LLM à haut débit. Son Transformer Engine FP8 et sa bande passante mémoire réduisent suffisamment le temps réel pour que le tarif horaire plus élevé produise un coût par tâche accomplie plus bas. Pour de l'inférence légère, c'est excessif.
Puis-je louer des serveurs GPU offshore et payer en crypto ?
Oui. Les offres GPU de ChainVPS ne demandent aucun KYC et se paient depuis un solde prépayé alimenté avec 21 cryptomonnaies, dont Monero. Vous rechargez, vous déployez, et votre charge de travail n'est jamais rattachée à une identité légale.
Ai-je besoin de NVLink pour mon projet ?
Seulement si vous entraînez un modèle trop volumineux pour une seule carte, où les GPU doivent échanger des gradients à haute vitesse. L'inférence sur un seul GPU et le fine-tuning LoRA n'en ont pas besoin, ce qui explique pourquoi l'absence de NVLink sur la 4090 n'a que rarement d'importance pour ces tâches.
