Imaginez un instant la puissance de calcul qui dort dans votre maison. Votre PC de bureau, le laptop de votre conjoint, l’ancienne machine qui prend la poussière dans le coin du salon. Selon NVIDIA, les foyers américains moyens utilisent leurs ordinateurs seulement 17 % du temps, soit environ quatre heures par jour. Le reste du temps, des téraflops de capacité de calcul restent inactivement sous tension.

C’est de ce constat qu’est né PAIR, acronyme de Personal AI Router, un outil gratuit et open source dévoilé par NVIDIA lors de l’IFA 2026 à Berlin. Contrairement à ce que son nom pourrait laisser penser, PAIR n’est pas un routeur matériel. Il s’agit d’un logiciel qui détecte automatiquement les ordinateurs compatibles sur votre réseau local, les connecte de manière sécurisée, et redistribue les tâches d’inférence IA vers les machines inactives.

Un constat qui donne à réfléchir

NVIDIA a mis des chiffres sur ce gaspillage silencieux. Dans un foyer équipé de plusieurs PC raisonnablement puissants, ce sont environ 165 téraflops de calcul qui restent sous-exploités chaque jour. Pour donner un ordre d’idée, c’est l’équivalent d’une carte graphique haut de gamme qui tournerait à plein régime sans rien faire.

L’économie potentielle est tout aussi frappante. En utilisant ces machines inactives à 60 % de leur capacité pour faire tourner un modèle comme Qwen 2.5 27B, on obtiendrait environ 120 millions de tokens par jour. Quand on sait que le même volume de calcul facturé par les services cloud reviendrait à environ 1 200 dollars par mois, l’intérêt devient évident. Ajoutez à cela une facture d’électricité d’environ 120 dollars pour faire tourner ces machines, et le calcul est vite fait.

Comment fonctionne PAIR ?

Le principe est élégant dans sa simplicité. PAIR s’installe sur chaque machine du foyer que vous souhaitez inclure dans votre cluster. Une fois actif, le logiciel découvre automatiquement les machines compatibles via le protocole mDNS (multicast DNS). Pour sécuriser la liaison, chaque appareil s’apparie via un code à six chiffres, et toutes les communications sont ensuite chiffrées par mTLS (Mutual Transport Layer Security).

La magie opère ensuite en arrière-plan. Quand vous lancez une tâche d’inférence IA sur votre machine principale (par exemple, une analyse de documents avec un agent IA), PAIR inspecte le réseau à la recherche de machines inactives et aiguille chaque sous-tâche vers la machine la plus disponible. Résultat : au lieu de faire patienter toutes vos requêtes sur un seul GPU, elles sont distribuées intelligemment sur l’ensemble des ressources disponibles.

Et si vous commencez une partie sur votre PC de jeu en pleine inference ? Aucun problème : PAIR détecte que la machine redevient active et lui retire automatiquement les tâches d’inférence pour les redistribuer ailleurs. Le système est conçu pour s’adapter en temps réel aux changements du réseau.

Ce que PAIR peut et ne peut pas faire

Il est important de comprendre les limites de l’outil pour ne pas avoir d’attentes irréalistes. PAIR ne fusionne pas la mémoire VRAM de vos différentes cartes graphiques. Vous ne pourrez pas faire tourner un modèle nécessitant 48 Go de VRAM en combinant trois RTX 4090. Chaque machine traite des requêtes complètes et indépendantes, pas des fragments d’un même modèle.

En revanche, PAIR excelle dans trois cas d’usage concrets. Le premier est celui des workflows multi-agents : un agent principal décompose une tâche complexe (par exemple, analyser une centaine de fichiers PDF) en sous-tâches confiées à des agents spécialisés, qui sont exécutées en parallèle sur différentes machines. Le deuxième est le multi-tâches : vous pouvez lancer plusieurs sessions d’inférence simultanément sur différentes machines sans ralentissement. Le troisième est le déchargement système : votre machine principale reste libre pour le travail créatif ou le jeu pendant que les tâches IA s’exécutent sur les machines secondaires.

Compatibilité et configuration

PAIR est compatible avec Windows, Linux et macOS, ce qui le rend accessible sur presque toutes les configurations. Du côté du matériel NVIDIA, il fonctionne avec toutes les cartes GeForce RTX de la série 20 et ultérieures, les RTX PRO (architecture Turing et plus récentes), ainsi que les DGX Spark. Bonne surprise : les puces Apple M4 ou plus récentes sont également supportées, de même que toute machine capable de faire tourner Ollama ou LM Studio.

La configuration est volontairement simple. PAIR s’intègre avec les backends d’inférence locaux que vous utilisez déjà (Ollama et LM Studio sont supportés dès le lancement). Vos applications IA continuent d’envoyer leurs requêtes à la même adresse locale qu’avant, mais PAIR se charge de les rediriger intelligemment vers la machine la plus disponible.

La sécurité avant tout

Un point crucial quand on parle de données transitant sur le réseau local : la sécurité. PAIR utilise un appairage via code à six chiffres, puis établit un canal chiffré mTLS où chaque machine authentifie l’autre. Cela signifie que vos prompts, vos fichiers et les résultats de l’inférence restent sur votre réseau local, sans jamais transiter par le cloud. Pour les utilisateurs soucieux de la confidentialité de leurs données, c’est un argument de poids.

Un écosystème qui s’étend

En parallèle du lancement de PAIR, NVIDIA a également annoncé que trois applications majeures d’agents IA (Perplexity Portable Computer, Hermes Agent et OpenClaw) proposeront désormais une installation simplifiée sur GPU NVIDIA Windows. L’objectif est de permettre aux utilisateurs de faire fonctionner des agents locaux en quelques clics, réduisant considérablement la configuration manuelle initiale.

Cette initiative s’inscrit dans une tendance plus large de démocratisation de l’IA locale. Alors que les grands modèles de langage deviennent plus accessibles et que les particuliers comme les TPE/PME cherchent à réduire leur dépendance aux API cloud coûteuses, des outils comme PAIR offrent une solution pragmatique : utiliser ce que vous possédez déjà plutôt que d’acheter du matériel supplémentaire.

Verrous et perspectives

La version beta de PAIR est disponible dès aujourd’hui sous licence Apache 2.0. NVIDIA précise qu’il s’agit d’une première version et que l’équipe travaille déjà à l’amélioration du produit. Les tests ont été menés avec succès sur des configurations allant jusqu’à 18 appareils (et GPUs), mais le logiciel peut théoriquement en supporter davantage.

En termes de bande passante réseau, PAIR est peu exigeant : il ne transmet que des commandes REST (du texte, essentiellement), ce qui signifie qu’il n’interfère pas avec votre bande passante domestique ou vos activités en streaming.

Pour les utilisateurs avancés qui souhaitent expérimenter l’IA locale sans investir dans un cluster dédié, PAIR représente une opportunité intéressante. Il ne remplacera pas un data center professionnel, mais il peut transformer votre réseau domestique en un véritable laboratoire d’IA privé, sans abonnement cloud et sans compromis sur la confidentialité.

Sources

• Di Benedetto, A.G. (2026). Nvidia launches free tool that links idle computers into a personal AI data center. The Verge. Consulté sur www.theverge.com
• NVIDIA Corporation (2026). Personal AI Router for Local Inference | NVIDIA PAIR. NVIDIA Official Site. Consulté sur www.nvidia.com
• Mehta, H. (2026). NVIDIA PAIR Turns Your Idle Home PCs Into A Local AI Cluster, Killing $1,200-Per-Month Cloud API Bills. WCCFTech. Consulté sur wccftech.com
• NVIDIA (2026). PAIR: Personal AI Router Beta Release. Apache 2.0 License. Annoncé à l’IFA 2026, Berlin.