12 novembre 2026 · Équipe VRAMfarm

RTX 3090 ou RTX 4090 pour l’IA : les mêmes 24 Go, ce que vous payez vraiment par tâche

Les deux cartes ont 24 Go de mémoire vidéo : une RTX 3090 et une RTX 4090 font donc tourner exactement les mêmes modèles. Ce que la 4090 vous apporte, c’est de la vitesse, et combien dépend de la tâche : environ 1,6 à 2,5 fois plus vite pour les images Flux et SDXL, environ deux fois plus vite pour l’entraînement de LoRA, et seulement 10 à 20 % de tokens par seconde en plus quand vous discutez avec un modèle de langage. La 3090 se loue à partir de 0,30 € de l’heure et la 4090 à partir de 0,59 € : savoir quelle carte revient le moins cher pour votre tâche se résume donc à une comparaison, le rapport des prix face au rapport des vitesses.

Les caractéristiques qui comptent, côte à côte

La ligne du calcul suppose une accumulation en FP32, le mode que PyTorch utilise normalement pour l’entraînement et la plupart des inférences.

Deux lignes expliquent presque tous les benchmarks que vous trouverez. Le calcul tensoriel fait plus que doubler : tout ce qui est limité par le calcul (modèles de diffusion, entraînement, lecture d’un long prompt) va donc environ deux fois plus vite. La bande passante mémoire n’augmente que de 8 % : générer du texte token par token ne change presque pas, car pour chaque nouveau token la carte relit tout le modèle en mémoire, et les deux cartes lisent presque à la même vitesse. Le cache L2 bien plus grand de la 4090 ajoute un petit plus, c’est pourquoi le gain réel se situe à 10 à 20 % plutôt qu’à 8 %.

Le FP8 est la troisième différence. Les deux cartes peuvent charger des poids fp8 : Flux, Qwen-Image et Wan en fp8 occupent donc la même mémoire sur l’une comme sur l’autre. Seule la 4090 calcule en fp8 ; la 3090 convertit d’abord les poids en 16 bits. Dans ComfyUI, l’option de démarrage --fast exploite les calculs fp8 de la 4090, et c’est de là que vient le haut de la fourchette de 2,5×.

La consommation compte si vous achetez une carte, car 100 W de plus pèsent pendant des années sur votre facture d’électricité (le calcul location ou achat en tient compte). Sur une machine louée, l’électricité est comprise dans le prix horaire, et par tâche terminée la 4090 consomme souvent moins d’énergie, car elle finit plus tôt.

Images et vidéo : la 4090 est 1,6 à 2,5 fois plus rapide

Les modèles de diffusion passent l’essentiel de leur temps en calcul matriciel : ils suivent donc la ligne du calcul. Les chiffres ci-dessous supposent du 1024×1024, une taille de lot de 1 et une file ComfyUI qui occupe la carte en continu, les mêmes hypothèses que dans l’article sur le coût par image.

Les colonnes de coût utilisent les prix du jour : elles restent donc à jour. Regardez-les avant de décider : selon le catalogue du jour, la carte la plus lente peut revenir moins cher par image, à peu près au même prix, ou plus cher.

La vidéo suit le même schéma. Wan 2.2 5B tient dans 24 Go et tourne sur les deux cartes, et notre application vidéo prête à l’emploi accepte l’une ou l’autre. La 4090 génère un clip de 5 secondes en 720p en 4 à 9 minutes environ ; sur une 3090, comptez à peu près le double, car la diffusion vidéo est tout autant limitée par le calcul que les images. Wan 2.2 14B demande plus de 24 Go sur l’une comme sur l’autre (voir le guide de la VRAM).

En pratique : quand vous êtes devant ComfyUI à attendre chaque résultat, la 4090 divise votre attente par deux, et votre temps vaut généralement plus que la différence de prix. Quand un lot tourne la nuit et que personne n’attend, seul compte le coût par image.

Modèles de langage : presque la même vitesse

Ici, c’est la ligne de la bande passante qui décide. Un modèle 32B en 4 bits comme Qwen3 32B pèse environ 20 Go. En divisant la bande passante par la taille du modèle, on obtient un plafond d’environ 47 tokens par seconde sur la 3090 et 50 sur la 4090 ; les chiffres réels sont plus bas sur les deux.

Pour une personne qui discute, le gain est si faible que la 3090 est généralement de loin la carte la moins chère par token. Avec de nombreuses requêtes parallèles, le travail devient davantage limité par le calcul et la 4090 prend l’avantage d’environ 1,5×.

Il y a un autre cas où la 4090 gagne nettement : les longs prompts. Lire un document de 20 000 tokens avant de répondre est limité par le calcul : la 4090 traite donc le prompt environ deux fois plus vite, et le premier mot de la réponse arrive deux fois plus tôt. Si vous résumez de longs documents ou faites de la recherche augmentée (RAG) sur de gros extraits, la différence se remarque.

Notre chat privé prêt à l’emploi avec Qwen3 32B tourne sur l’une ou l’autre carte. Il est réglé sur un contexte de 8k avec un KV cache en 8 bits, car avec un contexte par défaut plus long, une partie du modèle débordait sur le CPU et la vitesse tombait à quelques tokens par seconde. La même limite s’applique aux deux cartes : même mémoire, même plafond.

Cela répond aussi à une question fréquente : qu’est-ce qui compte le plus pour les LLM, la VRAM ou la bande passante ? La VRAM décide si le modèle peut tourner ; la bande passante décide à quelle vitesse il parle. Entre ces deux cartes, la VRAM est identique et la bande passante presque identique : l’expérience de chat est donc quasiment la même. Pour un texte nettement plus rapide, l’étape suivante est la RTX 5090 de 32 Go, avec 1 792 Go/s.

Entraînement et LoRA : environ deux fois plus rapide sur la 4090

L’entraînement est limité par le calcul : les cœurs tensoriels supplémentaires de la 4090 comptent pleinement. Un LoRA Flux.1 dev typique (20 à 30 images légendées, environ 2 000 étapes, le modèle de base chargé en 8 bits pour tenir dans 24 Go) :

Ajoutez 15 à 25 minutes sur l’une ou l’autre carte pour installer l’outil d’entraînement et télécharger le modèle de base ; chaque lancement est facturé au moins 15 minutes.

Comme la mémoire est la même, les mêmes réglages d’entraînement (résolution, taille de lot, gradient checkpointing, modèle de base en 8 bits) fonctionnent sur les deux. Une méthode pratique consiste à déboguer le jeu de données et la configuration sur une 3090, puis à lancer le long entraînement sur la carte la moins chère par heure de progression ce jour-là. Les fine-tunings complets de modèles de 8B et plus demandent plus de 24 Go sur l’une comme sur l’autre, donc une carte de 80 Go ou plusieurs cartes.

Calculer quelle carte revient le moins cher pour votre tâche

Le coût par tâche, c’est le prix horaire × les heures. La 4090 revient donc moins cher exactement quand son prix horaire est inférieur à son avantage de vitesse multiplié par le prix de la 3090.

En ce moment, cela revient à comparer 0,59 € et 0,30 €. Les prix du catalogue sont en direct et évoluent au cours de la journée : consultez donc la page des tarifs au moment du lancement ; le prix à la minute est ensuite fixé pour ce serveur jusqu’à son arrêt.

Ajoutez ensuite votre propre temps. Gagner cinq heures sur un lot de 1 000 images a de la valeur, même si le coût par image est supérieur de quelques centimes.

Quand la 3090 est le bon choix

• Discuter avec des modèles de langage jusqu’à 32B ou les servir. Même mémoire, presque autant de tokens par seconde, un prix par token bien plus bas.
• Les lots de nuit et du week-end. Personne n’attend : le coût par tâche est le seul chiffre qui compte, et la 3090 l’emporte souvent.
• La mise en place. Installer un outil d’entraînement, nettoyer un jeu de données, construire un workflow ComfyUI : le GPU reste inactif la plupart du temps, alors faites-le sur la carte la moins chère et changez pour le vrai travail.
• Quand les 4090 sont toutes prises. Le catalogue indique combien de machines de chaque type sont libres.

Et quand la 4090 vaut le coup : le travail d’image interactif, les modèles d’image et de vidéo en fp8, l’entraînement dont vous attendez le résultat, et les longs prompts. S’il vous faut plus de 24 Go, aucune des deux cartes ne vous aidera ; la page de la RTX 4090 présente les options plus grandes à côté d’elle.

Savoir quand passer à la carte supérieure

Commencer sur la carte la plus petite puis monter en gamme est une bonne habitude, à condition de savoir quoi surveiller. Lancez nvidia-smi -l 2 dans un second terminal pendant que la tâche tourne :

• « CUDA out of memory » : il vous faut plus de VRAM, pas une carte plus rapide. Une 4090 a les mêmes 24 Go et échouera de la même façon.
• Utilisation du GPU à 90–100 % et vous attendez : la carte est le goulot d’étranglement, et une carte plus rapide (4090, puis 5090) aide.
• Utilisation faible ou qui oscille entre 0 et 100 % : quelque chose d’autre est lent, généralement le chargement des données, le CPU ou un modèle chargé et déchargé en boucle. Un GPU plus rapide n’y change rien ; corrigez d’abord le pipeline.

Si c’est le deuxième cas, arrêtez la 3090, enregistrez le dossier et lancez une 4090 avec la même configuration. Vous perdez quelques minutes et le minimum de 15 minutes du nouveau lancement, et vous savez que l’accélération est réelle.