12 novembre 2026 · Équipe VRAMfarm
RTX 5090 pour l’IA : ce que 32 Go de GDDR7 font tourner et qu’une carte de 24 Go ne peut pas
Huit gigaoctets, cela semble peu, mais sur la RTX 5090 c’est la différence entre « ça tient avec des astuces » et « ça tient » : un modèle de langage 32B avec 30 à 40 000 tokens de contexte au lieu de 8 à 10 000, la vidéo Wan 2.2 14B en fp8 en 720p, et Flux en bf16 complet. La carte lit aussi la mémoire 78 % plus vite qu’une RTX 4090 (1 792 contre 1 008 Go/s) : elle génère donc du texte environ 1,4 à 1,7 fois plus vite, et des images environ 1,3 à 1,5 fois plus vite. Elle se loue à partir de 0,76 € de l’heure, contre 0,59 € pour la 4090. Le seul piège est logiciel : Blackwell exige CUDA 12.8 ou plus récent.
Ce qui change par rapport à la RTX 4090
| RTX 4090 | RTX 5090 | |
|---|---|---|
| Architecture | Ada Lovelace (2022), sm_89 |
Blackwell (2025), sm_120 |
| VRAM | 24 Go GDDR6X | 32 Go GDDR7 |
| Bus mémoire | 384 bits | 512 bits |
| Bande passante mémoire | 1 008 Go/s | 1 792 Go/s |
| Cœurs CUDA | 16 384 | 21 760 |
| Calcul tensoriel FP16/BF16, dense | environ 165 TFLOPS | environ 210 TFLOPS |
| Formats basse précision | FP8 | FP8, FP4 |
| PCIe | 4.0 | 5.0 |
| Consommation de la carte | 450 W | 575 W |
| Minimum logiciel | n’importe quel PyTorch actuel | PyTorch 2.7+, CUDA 12.8+, pilote 570+ |
| Prix de location | à partir de 0,59 €/h | à partir de 0,76 €/h |
C’est l’inverse du passage de la RTX 3090 à la 4090 (voir RTX 3090 contre RTX 4090). Ce passage-là avait doublé la puissance de calcul sans presque toucher à la bande passante. Celui-ci ajoute environ 27 % de calcul et 78 % de bande passante, plus un tiers de mémoire en plus. La 5090 gagne donc surtout sur les modèles de langage, limités par la bande passante, et moins sur les modèles d’image, limités par le calcul.
Les modèles qui tiennent désormais
Ce sont des estimations pour des réglages typiques ; la longueur du contexte, les tampons propres au moteur et les options de déchargement de ComfyUI les font varier de quelques gigaoctets. Le guide de la VRAM donne la formule qui les sous-tend.
| Modèle | Sur 24 Go (RTX 4090, RTX 3090) | Sur 32 Go (RTX 5090) |
|---|---|---|
| Qwen3 32B | 4 bits (~20 Go) avec environ 8 à 10 000 tokens de contexte | 4 bits avec 30 à 40 000 tokens de contexte, ou 5 bits (~23 Go) avec environ 15 à 25 000, ou 6 bits (~27 Go) avec environ 5 à 10 000 |
| Qwen3 30B-A3B (mixture of experts) | 4 bits (~19 Go), contexte modéré | 6 bits (~25 Go), ou 4 bits avec un long contexte |
| Gemma 3 27B | 4 bits | 8 bits (~29 Go), contexte court |
| Llama 3.3 70B | non | toujours non : le 4 bits demande environ 43 Go |
| Flux.1 dev | fp8, ou bf16 avec beaucoup de déchargement | bf16 avec l’encodeur de texte rangé en RAM, ou fp8 avec LoRA et ControlNet chargés ensemble |
| Qwen-Image, Qwen Image Edit, HiDream en fp8 | ça tient ; ComfyUI charge et décharge l’encodeur de texte à tour de rôle | le modèle d’image et l’encodeur de texte peuvent rester chargés tous les deux |
| Vidéo Wan 2.2 5B | 720p, clips de 5 secondes | 720p avec de la marge pour des clips plus longs |
| Vidéo Wan 2.2 14B en fp8 | seulement avec une quantification GGUF ou beaucoup de déchargement | environ 30 Go en 720p pour 5 secondes : ça tient, de justesse |
| Entraînement de LoRA Flux | 24 Go avec le modèle de base en 8 bits | de la marge pour une résolution plus élevée ou un lot plus grand |
Au quotidien, ce sont les lignes des modèles de langage qui comptent le plus. Sur une carte de 24 Go, un modèle 32B en 4 bits laisse 2 à 3 Go au KV cache : c’est pourquoi les longs documents finissent en « CUDA out of memory ». Sur 32 Go, le même modèle dispose d’environ quatre fois plus de place. Vous pouvez aussi consacrer la mémoire supplémentaire à une meilleure quantification : un modèle 32B en 5 ou 6 bits est un peu plus proche de l’original que la version 4 bits, surtout pour le code et les maths.
Pour la vidéo, c’est Wan 2.2 14B qui fait la différence. Un clip de 5 secondes en 720p et en fp8 demande environ 30 Go : la 5090 est donc la plus petite carte qui le fait tourner sans déchargement. Des clips plus longs, une résolution plus élevée ou des nœuds supplémentaires dépassent les 32 Go, et c’est pourquoi notre application Wan 2.2 14B prête à l’emploi demande une carte de 48 Go. Sur une 5090, vous pouvez quand même la faire tourner vous-même dans un ComfyUI vide, en gardant des clips courts.
Combien plus rapide qu’une 4090, et ce que coûte une tâche
| Tâche | RTX 4090 | RTX 5090 |
|---|---|---|
| 1 000 images Flux.1 dev, fp8, 20 étapes, 1024×1024 | 4 à 6 par minute : environ 3 h 20 min, 1,96 € | 6 à 9 par minute : environ 2 h 23 min, 1,81 € |
| Un clip Wan 2.2 5B, 1280×704, 5 secondes | 4 à 9 min, 6 retenues : 0,06 € | 3 à 6 min, 4 retenues : 0,05 € |
| LoRA Flux.1 dev, 2 000 étapes | 1 à 2,5 h, 1,5 retenue : 0,89 € | 0,8 à 1,6 h, 1,1 retenue : 0,84 € |
| 1 million de tokens générés, Qwen3 32B en 4 bits, un utilisateur | 30 à 40 tokens/s, 35 retenus : 7 h 56 min, 4,68 € | 45 à 65 tokens/s, 55 retenus : 5 h 03 min, 3,84 € |
Les durées pour l’image et la vidéo supposent une file d’attente ComfyUI qui occupe la carte en permanence ; les chiffres en tokens valent pour un utilisateur dans Ollama ou llama.cpp. Ils dépendent du workflow, du sampler, de la longueur du prompt et de la version des logiciels : ce sont surtout les rapports entre les deux cartes qui sont utiles.
La 5090 revient moins cher par tâche dès que son prix horaire reste inférieur au prix de la 4090 multiplié par son avance en vitesse : moins d’environ 1,3 à 1,5 fois pour l’image et l’entraînement, moins d’environ 1,4 à 1,7 fois pour le chat. Comparez les deux prix sur la page des tarifs au moment du lancement ; les prix du catalogue évoluent en direct, et le prix par minute est fixé dès que votre serveur démarre. Pour le travail devant l’écran, ajoutez votre propre temps : une image Flux toutes les 7 à 10 secondes au lieu de toutes les 12, cela change le ressenti d’une session.
CUDA 12.8 ou plus récent : le seul piège
Les cartes Blackwell utilisent une nouvelle architecture, sm_120, pour laquelle les anciens logiciels n’ont pas de code. Pour faire tourner quoi que ce soit sur une 5090, il vous faut :
- un pilote NVIDIA de la série 570 ou plus récent sur la machine (580 ou plus si vous utilisez un build CUDA 13) ;
- un build de PyTorch pour CUDA 12.8 ou plus (
cu128,cu129oucu130) ; - PyTorch 2.7 ou plus récent, la première version stable qui prend en charge Blackwell.
Un mauvais build échoue avec « no kernel image is available for execution on the device », souvent après un avertissement indiquant que la carte « with CUDA capability sm_120 is not compatible with the current PyTorch installation ». La même chose arrive avec les extensions figées sur d’anciennes versions : xformers, flash-attn, bitsandbytes, des noyaux d’attention personnalisés ou des nœuds ComfyUI qui réinstallent un vieux torch.
Comment l’éviter sur une machine louée :
- Vérifiez la machine avant le lancement. Le catalogue affiche le pilote et la version de CUDA de chaque machine, et le filtre « CUDA, à partir de » masque les plus anciennes. Toute machine équipée d’une 5090 devrait déjà avoir un pilote récent, mais un filtre réglé sur 12.8 ne coûte rien.
- Utilisez une pile logicielle récente. Nos applications prêtes à l’emploi et le ComfyUI vide sont livrés avec PyTorch pour CUDA 12.8. Dans votre propre environnement, installez-le avec
pip install torch --index-url https://download.pytorch.org/whl/cu128. - Gardez les vieux projets sur des cartes plus anciennes. Un dépôt figé sur torch 2.1 et CUDA 11.8 ne tournera pas du tout sur Blackwell. Faites-le tourner sur une 4090 ou une 3090, ou mettez à jour ses dépendances.
Le guide des incompatibilités entre CUDA et pilote donne le tableau complet des pilotes, des builds et des messages d’erreur.
Quand une carte de 48 Go reste nécessaire
32 Go comblent bien des écarts, mais pas tous. Prenez une carte de 48 Go pour :
- Les modèles de langage 70B. En 4 bits, les poids seuls pèsent environ 43 Go. Une carte de 48 Go les fait tourner avec 8 à 12 000 tokens de contexte ; une carte de 80 Go, avec un long contexte.
- Des vidéos Wan 2.2 14B plus longues ou plus nettes. Plus de 5 secondes en 720p, du 1080p, ou le modèle en bf16.
- Les modèles 32B en fp8 (environ 33 Go), ou un 32B servi à plusieurs utilisateurs avec vLLM. Chaque conversation parallèle a besoin de son propre KV cache.
- Qwen-Image en bf16 (environ 41 Go pour le seul modèle d’image) ou des workflows d’image chargés de plusieurs LoRA.
- QLoRA sur des modèles 32B. 24 à 32 Go suffisent avec des séquences courtes ; 48 Go donnent de l’aisance.
Les options à 48 Go sont la RTX A6000, à partir de 0,72 € de l’heure, et la L40S, à partir de 1,06 € ; la RTX PRO 6000 est une carte Blackwell pour station de travail, avec 96 Go, à partir de 2,12 €. Les cartes de 48 Go ont moins de bande passante qu’une 5090 (768 à 864 Go/s) : elles sont donc plus lentes sur ce qui tient sur les deux. Choisissez-les pour la mémoire, pas pour la vitesse.
Pour le fine-tuning complet et les modèles 70B en fp8, l’étape suivante est une A100 ou une H100 de 80 Go.
Pour qui louer la 5090
Louez-la si vous discutez avec des modèles de 14 à 32B ou si vous les servez et voulez un long contexte, si vous faites de la vidéo Wan 2.2, ou si vous utilisez Flux, Qwen-Image ou HiDream toute la journée et voulez moins de changements de modèle. Restez sur une 4090 si votre workflow tient déjà largement dans 24 Go et que le rapport de prix ne favorise pas la 5090 ce jour-là, ou si votre projet est figé sur une ancienne pile CUDA. Restez sur une 3090 pour de longs lots bon marché que personne n’attend.
En cas de doute, le test le moins cher est le test réel : lancez la même tâche courte sur une 4090 et sur une 5090, et comparez les minutes. Avec la facturation à la minute, un test de 15 minutes coûte 0,15 € sur la 4090 et 0,19 € sur la 5090. La page de la RTX 5090 liste les machines disponibles en ce moment, avec leur pays, leur pilote et leur version de CUDA.