Des ordinateurs portables équipés de NVIDIA RTX Spark passés au crible dans des jeux et des tâches d’IA

Les premiers tests indépendants de NVIDIA RTX Spark montrent que la plateforme est très performante pour exécuter des modèles d’IA en local, mais révèlent des problèmes de stabilité dans les jeux et des performances plus modestes du processeur.

Les tests des ordinateurs portables Microsoft Surface Laptop Ultra et ASUS ProArt P16 ont également mis en évidence les avantages et les limites de la mémoire unifiée, dont la capacité totale peut atteindre 128 Go.

Intelligence artificielle et tâches professionnelles

RTX Spark a obtenu ses meilleurs résultats dans les tâches d’exécution locale de modèles d’IA. Au test AgentPerf-local, qui évalue la vitesse d’exécution des tâches agentiques, le Microsoft Surface Laptop Ultra a accompli la tâche avec le modèle Qwen 3.8 27B en 18,9 minutes. À titre de comparaison, le MacBook Pro 14 équipé du processeur Apple M5 Max a mis 24,74 minutes, contre 395 – 42,1 minutes pour le mini-PC doté d’un AMD Ryzen AI Max+.

Avec un modèle moins exigeant, Qwen 3.6 35B A3B, le résultat est passé à environ 8 minutes, contre 10 minutes pour le MacBook Pro et 13 minutes pour le système AMD.

En revanche, dans les tâches de calcul classiques, le processeur Grace n’a pas réussi à dépasser l’Apple M5 Max et s’est même montré moins performant que le Qualcomm Snapdragon X2 Elite Extreme dans certains tests. Les résultats en calcul graphique varient selon les applications. Ainsi, dans Blender, la puce graphique NVIDIA a devancé le GPU Apple M6 d’environ 20 %, tandis qu’Apple l’a emporté dans Affinity Photo et pour l’encodage vidéo matériel dans Adobe Premiere.

Performances et stabilité dans les jeux

Lors des tests de jeux, RTX Spark a affiché des performances comparables à celles d’une GeForce RTX 5070 mobile dédiée. Les résultats variaient toutefois considérablement selon les réglages et les jeux. L’architecture Arm constitue une limite supplémentaire, car la plupart des jeux PC récents s’exécutent via l’émulateur Prism.

Dans Cyberpunk 2077 en 1080p, avec les réglages Extreme au maximum et le ray tracing activé, la plateforme a atteint 39 images par seconde sans DLSS et 80 avec DLSS. À titre de comparaison, la GeForce RTX 5060 pour ordinateur portable a obtenu respectivement 14 et 31 images par seconde, la RTX 5070 – 35 et 81 images par seconde, et la RTX 5090 – 89 et 182 images par seconde.

Dans Black Myth: Wukong en 1080p, avec le préréglage Cinematic au maximum et sans DLSS, RTX Spark a atteint 36 images par seconde, contre 24 pour la RTX 5060, 30 pour la RTX 5070 et 65 pour la RTX 5090.

Dans Gears of War: E-Day, en résolution 2180×1453 pixels, avec les réglages Ultra, DLSS 4.5 en mode dynamique et RTX Mega Geometry activé, la fréquence moyenne a atteint 123 images par seconde. Toutefois, le 1 % low n’était que de 28,01 images par seconde, et des micro-saccades ont été observées dans certaines scènes.

Les principaux problèmes de la plateforme dans les jeux sont une latence d’entrée élevée et une fréquence d’images instable. Dans Control Resonant, en résolution 2560×1440, avec des réglages graphiques élevés, le ray tracing désactivé, DLSS en mode Performance et la génération d’images MFG 3X activée, le Surface Laptop Ultra testé affichait une moyenne de 109,2 images par seconde. Le 1 % low s’élevait toutefois à 51,6 images par seconde, et la latence moyenne du système atteignait 78,3 ms. L’activation du ray tracing réduisait encore les performances et augmentait la latence.

Dans Forza Horizon 6 en 1440p, avec les réglages Extreme et le ray tracing activé, mais sans DLSS, la fréquence moyenne n’était que de 29,28 images par seconde et le 1 % low tombait à 15,17 images par seconde. En passant au préréglage Ultra et en activant DLSS 4.5 avec génération dynamique d’images, la moyenne est montée à 72,82 images par seconde, tandis que le 1 % low restait à 25,89 images par seconde.

Une fois l’ordinateur portable débranché, les performances en jeu n’ont pratiquement pas changé. La fréquence moyenne était de 71,06 images par seconde et le 1 % low de 25,26 images par seconde.

Efficacité énergétique et dissipation thermique

La consommation de RTX Spark varie selon les réglages propres à chaque ordinateur portable. Sous forte charge, elle a brièvement atteint 85 W sur l’ASUS ProArt P16, avant de se stabiliser autour de 70 W.

Au regard de ses performances graphiques par watt, la plateforme est compétitive face aux ordinateurs portables de jeu dotés de cartes graphiques dédiées de gamme comparable. Son avantage est toutefois moins évident pour les tâches de calcul : en matière d’efficacité énergétique du processeur, RTX Spark est derrière certaines solutions d’Apple et de Qualcomm.

Autonomie

L’autonomie varie sensiblement selon l’ordinateur portable et le type de charge. Lors d’un test de navigation web en continu, le Microsoft Surface Laptop Ultra a tenu 10 heures et 15 minutes, contre 21 heures et 25 minutes pour le MacBook Pro 16 équipé d’un M5 Pro, 10 heures et 26 minutes pour l’ASUS Zenbook A16 doté d’un Snapdragon X2 Elite et 11 heures et 12 minutes pour un ordinateur portable équipé d’un AMD Ryzen AI Max+ 395.

Au test de jeu PCMark 10, le Surface Laptop Ultra n’a tenu que 1 heure et 38 minutes. À titre de comparaison, un ordinateur portable équipé d’une GeForce RTX 5060 a tenu 58 minutes, celui doté d’une RTX 5070 – 1 heure et 13 minutes, et celui équipé d’une RTX 5090 – 1 heure et 8 minutes.

Prix et disponibilité

Le prix élevé reste l’un des principaux défauts des appareils équipés de RTX Spark. Ces ordinateurs portables s’adressent avant tout aux développeurs, aux spécialistes de l’intelligence artificielle et aux utilisateurs qui ont besoin d’exécuter localement de grands modèles de langage.

Le Microsoft Surface Laptop Ultra testé, doté de 128 Go de mémoire unifiée et d’un SSD de 1 To, coûte $5899,99 aux États-Unis. Son prix élevé ne garantit toutefois pas une supériorité sur les concurrents pour les usages quotidiens et les jeux. Le principal argument en faveur de RTX Spark reste donc la possibilité d’utiliser de grands modèles d’IA sans recourir au cloud.