11 novembre 2026 · Équipe VRAMfarm

Meilleur GPU pour Flux, SDXL et ComfyUI : 16 Go, RTX 3090, 4090, 5090 ou cartes de 48 Go

Si vous faites surtout du SDXL, une carte de 12 à 16 Go suffit. Pour Flux.1 dev, 16 Go fonctionnent et 24 Go mettent à l’aise. Qwen-Image et HiDream demandent 24 Go, et la vidéo Wan 2.2 14B exige au moins 32 Go, 48 Go pour travailler sans se battre avec la limite de mémoire. À mémoire égale, la carte la plus rapide ne coûte souvent pas plus cher par image, parce qu’elle termine plus tôt.

La mémoire d’abord : ce que demande chaque modèle dans ComfyUI

ComfyUI sait très bien faire tenir des modèles dans peu de mémoire. Il charge l’encodeur de texte, l’exécute, le décharge, puis charge le modèle de diffusion. Le chiffre qui compte est donc surtout celui du plus gros modèle du workflow, plus la place nécessaire à l’image elle-même.

Les chiffres de VRAM sont des estimations pour un workflow simple en 1024 × 1024 ou en 720p ; les LoRA, ControlNet, la résolution et la durée du clip les font grimper. La colonne « téléchargement » compte pour votre facture. Les applications prêtes à l’emploi récupèrent leurs modèles après le démarrage du serveur, et ce trafic est facturé au tarif affiché par la machine avant le lancement.

Un mot sur FLUX.2 [dev], le successeur de Flux.1 avec 32B de paramètres : ses poids en fp8 pèsent à eux seuls environ 32 Go, et son encodeur de texte est un grand modèle de langage à part entière. Il ne tourne sur des cartes de 24 à 32 Go qu’au prix d’un déchargement massif vers la RAM système. Considérez 48 Go comme la taille confortable.

Le format compte aussi. Un checkpoint Flux.1 dev complet en bf16 pèse environ 24 Go, ce qui tient tout juste sur une carte de 24 Go. La version fp8 divise ce poids par deux, avec des résultats difficiles à distinguer. Les quantifications GGUF (Q4, Q5, Q8) le réduisent encore et permettent de faire tourner Flux sur 8 à 12 Go, au prix d’étapes plus lentes et de détails un peu plus flous.

Quand 16 Go suffisent

Une carte de 16 Go (RTX 4060 Ti 16 Go, RTX 4080, RTX 5070 Ti, RTX 5080, RTX A4000) couvre plus de besoins qu’on ne le pense :

• SDXL avec LoRA, ControlNet et upscaler, en 1024 × 1024, par lots de 2 à 4.
• Flux.1 dev en fp8 en 1024 × 1024, une image à la fois, avec une ou deux LoRA.
• Wan 2.2 5B en 480p, ou en 720p avec déchargement (plus lent).
• Qwen-Image en GGUF Q4, si vous acceptez une certaine perte de détail.

Les 16 Go deviennent justes dès que vous empilez : Flux plus deux ControlNet plus une LoRA en 1536 × 1536, Qwen-Image en fp8, tout entraînement ou toute vidéo un peu sérieuse. Vous verrez alors des erreurs de mémoire insuffisante ou, pire, ComfyUI qui décharge en silence vers la RAM système, et chaque étape qui prend plusieurs fois plus de temps.

Si vous faites du SDXL ou quelques images Flux par jour, la carte la moins chère qui contient le modèle est le bon choix. En 16 Go, vous payez à partir de 0,16 € de l’heure pour la 4060 Ti, ou 0,31 € pour la 4080. Entre les deux, la 4080 offre plus de deux fois la bande passante mémoire (717 contre 288 Go/s), et la génération d’images s’en ressent.

24 Go : RTX 3090 ou RTX 4090

Les deux cartes ont les mêmes 24 Go : elles font donc tourner exactement les mêmes modèles. La différence, c’est la vitesse.

Sur les modèles de diffusion, surtout limités par le calcul, la RTX 4090 termine généralement une image 1,6 à 2,5 fois plus vite que la 3090. Le haut de la fourchette vaut pour les modèles fp8 quand le logiciel exploite le calcul fp8 natif de la 4090 (dans ComfyUI, l’option de démarrage --fast) ; la 3090, elle, convertit toujours les poids fp8 en 16 bits pour calculer. Les temps exacts dépendent du nombre d’étapes, de la résolution, du sampler et du nombre de nœuds de votre workflow : prenez ce rapport comme un repère, pas comme un benchmark.

Pour trancher, comparez le rapport de prix au rapport de vitesse. Le coût par image vaut le prix de l’heure × les secondes par image ÷ 3 600. Si la RTX 4090 coûte moins d’environ deux fois le prix horaire de la RTX 3090, elle revient généralement aussi moins cher par image. Si elle coûte plus du double, la 3090 l’emporte en général côté budget, et la 4090 côté temps. Vérifiez les deux prix sur la page des tarifs au moment de louer, car le catalogue évolue au cours de la journée.

La règle pratique qui en découle : pour une session interactive où vous retouchez vos prompts et attendez chaque résultat, prenez la 4090. Pour un long lot de nuit où personne n’attend, la 3090 est souvent le meilleur achat par image.

RTX 5090 et cartes de 48 Go

La RTX 5090 apporte deux choses : 32 Go au lieu de 24, et 1 792 Go/s de bande passante mémoire en plus d’une puissance de calcul supérieure. Pour les modèles d’image, cela donne environ 1,3 à 1,5 fois la vitesse d’une 4090, davantage quand le logiciel exploite le fp4 de Blackwell, et de quoi garder Qwen-Image ou HiDream entièrement chargés avec leurs LoRA au lieu de faire entrer et sortir les modèles. C’est aussi la plus petite carte qui fait tourner Wan 2.2 14B en fp8 et en 720p.

Les cartes de 48 Go relèvent d’un autre pari : plus de mémoire, pas plus de vitesse.

Prenez une carte de 48 Go quand le modèle ne tient pas dans 32 Go : Wan 2.2 14B en 720p avec des clips plus longs, Qwen-Image en bf16, FLUX.2 sans déchargement, ou un entraînement LoRA avec de gros lots. Pour du Flux.1 ou du SDXL classique, une carte de 48 Go vous fait surtout payer plus cher de l’heure une mémoire que vous n’utilisez pas. Sur une même image Flux, une RTX 4090 est généralement plus rapide qu’une RTX A6000.

Vidéo : Wan 2.2 5B et 14B

En vidéo, c’est la mémoire qui décide de tout, car un clip de 5 secondes représente 80 à 120 images traitées ensemble.

• Wan 2.2 5B génère de la vidéo en 720p sur une carte de 24 Go. Il est assez rapide pour essayer beaucoup de prompts : c’est le bon modèle pour les brouillons. Louez une RTX 4090 ou une RTX 5090.
• Wan 2.2 14B offre des mouvements et un respect du prompt nettement meilleurs. En fp8, il lui faut environ 30 Go en 720p pour un clip de 5 secondes. Une RTX 5090 de 32 Go y arrive ; une L40S ou une RTX A6000 de 48 Go le fait avec de la marge. Notre application Wan 2.2 14B prête à l’emploi ne propose que des cartes de 48 Go ou plus, parce que de courts clips en 720p sont le minimum qu’on attend d’elle.

Un clip prend des minutes, pas des secondes. Les LoRA d’accélération qui réduisent le nombre d’étapes (4 à 8 au lieu de 20 à 40) raccourcissent beaucoup ce délai, avec une certaine perte de détail. Comptez 10 à 15 minutes après que le serveur est prêt avant de pouvoir commencer, car l’application 14B télécharge environ 70 Go de modèles. Vous trouverez plus de détails sur toute la chaîne sur la page génération vidéo.

Taille de lot, vitesse et carte à louer

Plus de VRAM permet d’augmenter la taille du lot, mais n’espérez pas multiplier votre production. Un gros modèle de diffusion en 1024 × 1024 occupe déjà le GPU avec une seule image ; un lot de quatre prend donc presque quatre fois plus de temps et ne fait souvent gagner que 10 à 30 % de débit. Le batching aide davantage avec de petits modèles comme SDXL, où une image ne remplit pas la carte. Son vrai intérêt est pratique : vous mettez quatre variantes en file et les regardez ensemble.

Une courte grille de décision :

Si vous n’êtes pas sûr que votre workflow tienne, prenez une taille au-dessus pour la première session et surveillez la mémoire dans nvidia-smi ou dans la console de ComfyUI. Vous payez à la minute : un essai coûte peu. Le guide de la VRAM donne les chiffres pour les LLM, la voix et l’entraînement, et notre guide ComfyUI explique comment ajouter vos propres modèles, LoRA et nœuds.