Questions fréquentes
28 réponses sur la location de GPU, les applications prêtes à l’emploi et la facturation. Vous ne trouvez pas la vôtre ? Écrivez-nous.
Général
Qu’est-ce que VRAMfarm ?
Un service de location de GPU à l’heure pour les clients de l’UE. Développeurs, étudiants et entreprises louent des cartes graphiques pour l’IA, le rendu et le calcul, ou lancent des applications prêtes à l’emploi pour l’image, la vidéo et le chat. Les prix sont en euros et vous payez à la minute.
Comment ça marche ?
Le catalogue recense des machines équipées de cartes graphiques dans des centres de données. Vous choisissez ce que vous lancez : une application prête à l’emploi pour l’image, la vidéo ou le chat, ou un serveur de développement avec PyTorch et Jupyter. Tout tourne dans un conteneur isolé avec accès SSH et Jupyter, facturé à la minute. Le disque du serveur est effacé à l’arrêt, mais vous pouvez enregistrer votre dossier de travail et le retrouver sur votre prochain serveur.
Pourquoi est-ce moins cher que les grands clouds ?
Nous ne construisons pas nos propres centres de données. Nous réunissons dans un seul catalogue les machines disponibles chez plusieurs fournisseurs : une heure coûte donc moins cher que chez les clouds qui exploitent leurs propres infrastructures.
Travaillez-vous avec les entreprises ?
Oui : machines dédiées pour les projets longs et configurations multi-GPU. Écrivez-nous via le formulaire de contact et nous discuterons des conditions.
Quels GPU sont disponibles ?
20 modèles, de la RTX 3060 aux H100, H200 et B200, dont les RTX 3090, 4090 et 5090, la gamme professionnelle RTX A et les cartes pour centre de données L4, L40, L40S et A100. La liste à jour avec les prix se trouve sur la page des tarifs.
Où se trouvent les machines ?
Dans des centres de données exploités par nos fournisseurs. Le pays de chaque machine est indiqué dans le catalogue avant le lancement : vous choisissez où tourne votre charge de travail.
Y a-t-il une API ?
Oui. Créez un token dans le tableau de bord, sous Paramètres → Tokens API. Avec l’API, vous pouvez trouver une machine disponible, lancer un serveur avec votre propre image Docker, consulter son état et ses informations SSH, puis l’arrêter. Documentation de l’API →
Louer un GPU
Comment louer un GPU ?
Inscrivez-vous, confirmez votre e-mail et rechargez votre solde. Cliquez ensuite sur Louer un GPU dans le tableau de bord, choisissez ce que vous voulez lancer, puis la carte et la machine, et cliquez sur Lancer. Votre solde doit couvrir une heure de la machine choisie. Les informations de connexion s’affichent dans le tableau de bord et vous sont envoyées par e-mail.
Combien coûte la location d’un GPU ?
À partir de 0,12 € de l’heure pour une RTX 3060, 0,30 € pour une RTX 3090, 0,59 € pour une RTX 4090, 1,46 € pour une A100 et 3,90 € pour une H100. Les prix s’entendent par heure pour une machine à une carte, facturés à la minute. Les prix actuels de chaque modèle figurent dans le catalogue des serveurs.
Comment suis-je facturé ?
Chaque minute de fonctionnement d’un serveur, 1/60 de son prix horaire est déduit de votre solde. Le minimum facturé par lancement est de 15 minutes. Pour lancer, votre solde doit couvrir au moins une heure du serveur ; ce montant n’est pas prélevé d’avance. Le trafic Internet est facturé à part, selon l’usage. Si votre solde est épuisé, le serveur s’arrête et nous vous envoyons un e-mail.
Le trafic est-il payant ?
Oui, au gigaoctet téléchargé et envoyé. Le tarif dépend de la machine, il est généralement d’environ un centime par Go ou moins (les B200 et H200 peuvent coûter plus cher) et il est affiché avant le lancement. Nous privilégions les machines au trafic bon marché.
Y a-t-il une durée minimale de location ?
Aucun engagement long : vous payez à la minute, avec un minimum de 15 minutes facturées par lancement. Lancez une machine, testez votre code et arrêtez-la.
Combien de temps prend un lancement ?
Généralement 2 à 5 minutes, parfois jusqu’à 10, le temps que la machine télécharge l’image et démarre le conteneur. Avec votre propre image Docker, comptez 8 à 15 minutes. Rien ne vous est facturé pendant la préparation du serveur.
Comment me connecter à la machine ?
Avec la commande SSH affichée dans le tableau de bord, ou via Jupyter Lab dans votre navigateur. Ajoutez votre clé SSH dans les paramètres pour vous simplifier la vie.
Quelles applications prêtes à l’emploi proposez-vous ?
Les applications prêtes à l’emploi s’installent avec leurs modèles et s’ouvrent dans votre navigateur : Images (Flux, Qwen-Image, HiDream-O1, SDXL), Retouche photo (Qwen Edit), Vidéo (Wan 2.2 14B et 5B), ChatGPT privé (Qwen3 32B et 8B, MiMo 9B) et Synthèse vocale (Qwen3-TTS, VoxCPM2, Chatterbox). Pour les développeurs : PyTorch avec Jupyter, vLLM avec une API compatible OpenAI, un ComfyUI vierge et votre propre image Docker publique : indiquez-la au lancement et nous ajoutons SSH.
Puis-je lancer ma propre image Docker ?
Oui. Utilisez n’importe quelle image publique de Docker Hub ou du GitHub Container Registry.
Puis-je louer plusieurs GPU dans une même machine ?
Oui, des configurations à 2, 4 et 8 GPU sont disponibles pour l’entraînement distribué et les grands modèles.
Mes données sont-elles conservées après l’arrêt ?
Le disque du serveur est effacé à l’arrêt. Si vous avez besoin de vos modèles et de vos résultats, cliquez sur Enregistrer et arrêter : nous conservons le dossier /workspace pour 0,03 € par Go et par mois, et votre prochain serveur le récupère automatiquement. L’enregistrement ne fonctionne pas encore avec les images Docker personnalisées.
Et si j’oublie d’arrêter un serveur ?
Si un serveur est inactif depuis environ deux heures, nous vous envoyons un e-mail. S’il est toujours inactif une heure plus tard, nous enregistrons son dossier et l’arrêtons, pour que vous ne payiez pas pour rien. Vous pouvez désactiver cette option dans les paramètres pour les tâches longues.
Et si une machine tombe en panne ?
Vous ne payez pas le temps d’indisponibilité, et nous vous aidons à relancer la tâche sur une autre machine. C’est pourquoi il vaut la peine d’enregistrer régulièrement vos résultats intermédiaires.
Quel GPU choisir pour mon modèle ?
Regardez la mémoire vidéo. Les modèles 7–8B en 4 bits tournent sur des cartes à partir de 12 Go. Une carte de 24 Go (RTX 3090, 4090) accueille des modèles jusqu’à 36B en 4 bits, y compris les 32B. Un 70B en 4 bits tient sur une carte de 48 Go (RTX A6000, L40S) avec un contexte normal ; pour un long contexte ou beaucoup d’utilisateurs, prenez 80 Go (A100, H100).
Puis-je entraîner des modèles de zéro ?
Oui. Les A100, H100, H200 et B200 avec mémoire HBM et les configurations multi-GPU sont là précisément pour cela.
Puis-je faire du rendu sur des GPU loués ?
Oui : Blender Cycles, Octane, Redshift et Unreal se lancent en ligne de commande. Pour l’animation, il est pratique de faire tourner plusieurs machines en parallèle.
Paiement et factures
Comment recharger mon solde ?
Dans la section Solde du tableau de bord, par carte ou par virement SEPA en euros, à partir de 10 €. Les paiements passent par un prestataire de paiement que nous annoncerons avant le lancement. D’ici là, les recharges peuvent être indisponibles.
Et la TVA ?
Les prix sur le site sont en euros. Le traitement de la TVA pour votre compte et votre pays sera indiqué au moment du paiement, avant que vous ne payiez.
Puis-je obtenir une facture ?
Vous recevez un e-mail pour chaque recharge, et l’historique complet des recharges et des débits se trouve dans le tableau de bord. De véritables factures seront émises une fois notre société européenne immatriculée.
Remboursez-vous le solde non utilisé ?
Oui. Vous pouvez demander le remboursement de votre solde payé non utilisé dans le tableau de bord ; il est reversé sur le moyen de paiement d’origine.
Puis-je mettre un serveur en pause ?
Il n’y a pas de pause : dès l’arrêt, la machine est libérée et la facturation s’arrête. Pour conserver votre travail, cliquez sur Enregistrer et arrêter : nous gardons /workspace pour 0,03 € par Go et par mois (facturé chaque jour), et votre prochain serveur le récupère automatiquement. L’enregistrement ne fonctionne pas encore avec les images Docker personnalisées.