# NPU des PC pro : quel impact réel sur le traitement local des données ?

Unsloth et AMD font enfin tourner des LLM sur le NPU des Ryzen AI. Ce que cela change vraiment pour le traitement local des données en entreprise.

Auteur : Veille Moon AI
Catégorie : Produit
Publié le : 2026-11-22T05:24:36+00:00
Mis à jour le : 2026-11-22T05:24:36+00:00

## Deux ans d'attente avant la première application professionnelle

Le NPU (Neural Processing Unit) est une troisième zone de calcul gravée dans le processeur, aux côtés du CPU et du GPU. Spécialisée dans les multiplications de matrices utilisées par les réseaux de neurones, elle se distingue par sa sobriété énergétique, utile pour laisser tourner une tâche en continu sans vider la batterie. Microsoft en a fait dès 2024 le ticket d'entrée de ses Copilot+ PC, avec un seuil minimal de 40 TOPS. Mais sans logiciel compilé sur mesure, ce silicium restait largement inutilisé : sur la majorité des machines, la courbe du NPU dans le Gestionnaire des tâches de Windows 11 reste plate à 0 % toute la journée, et les outils d'IA locale les plus répandus, Ollama ou LM Studio, continuent de l'ignorer.

La situation a changé le jeudi 19 novembre : AMD et Unsloth ont annoncé qu'Unsloth Desktop, une application libre permettant d'exécuter des modèles d'IA chez soi, prend désormais en charge le NPU des processeurs Ryzen AI récents, sous Windows comme sous Linux. Le moteur d'inférence FastFlowLM, dont l'équipe a rejoint AMD en juillet, et le serveur local Lemonade font le gros du travail ; Unsloth se charge de l'emballage, avec un filtre « NPU » dans son catalogue et un bouton « Enable NPU ». Un article lié signale par ailleurs que 40 % des PC portables professionnels porteraient désormais l'étiquette Copilot+, ce qui rend la question de l'usage réel du NPU particulièrement concrète pour les parcs informatiques d'entreprise.

## TOPS affichés, performance réelle : ce que disent vraiment les fiches techniques

Le TOPS (trillions of operations per second) mesure les milliers de milliards d'opérations qu'une puce peut exécuter par seconde. Un NPU crédité de 50 TOPS promet donc 50 000 milliards de calculs par seconde, mais ce chiffre mesure des opérations sur des entiers de 8 bits (INT8), un format simplifié utilisé par les modèles compressés, et représente un plafond théorique atteint uniquement si les données arrivent sans la moindre micro-pause. Pour générer chaque fragment de mot, un modèle de langage doit relire l'intégralité de ses paramètres actifs en mémoire : sa cadence dépend donc surtout de la bande passante de la mémoire vive, et le NPU n'a pas de mémoire dédiée. Il puise dans la même RAM que le processeur et le GPU.

Les créateurs de FastFlowLM le reconnaissent eux-mêmes : sur leur puce de référence, la partie graphique profite d'un débit mémoire de 125 Go/s, contre seulement 60 Go/s pour le NPU. Une puce graphique intégrée dépourvue de tout label « IA » peut donc générer du texte plus vite qu'un NPU de 50 TOPS. Pour un DSI, ce point est déterminant : le chiffre affiché sur la fiche technique ne renseigne en rien sur la vitesse réelle de traitement d'un modèle de langage.

## Panorama des puces disponibles sur le marché professionnel

Depuis 2023, AMD, Intel et Qualcomm intègrent un NPU dans la plupart de leurs gammes portables, mais seule la barre des 40 TOPS ouvre l'accès au label Copilot+ de Microsoft.

| Fabricant et génération | Puissance NPU | Éligible Copilot+ |
| --- | --- | --- |
| AMD Ryzen 7040 et 8040 (XDNA 1) | 10 à 16 TOPS | Non |
| AMD Ryzen AI 300, 400 et Max (XDNA 2) | 50 TOPS, jusqu'à 55 ou 60 TOPS sur Ryzen AI 400 | Oui |
| Intel Core Ultra série 1 et Core Ultra 200H/HX/S | 11 à 13 TOPS | Non |
| Intel Core Ultra 200V et série 3 (Lunar Lake, Panther Lake) | Jusqu'à 48 TOPS (Lunar Lake), 50 TOPS (Panther Lake) | Oui |
| Qualcomm Snapdragon X Elite | 45 TOPS | Oui |
| Qualcomm Snapdragon X2 Elite | Jusqu'à 80 TOPS | Oui |
| Apple Neural Engine (M1 à M4) | Jusqu'à 38 TOPS sur M4 | Non concerné (écosystème Apple) |

Sur les machines Windows, la plupart des outils exploitant déjà ce silicium restent des fonctions maison de Microsoft réservées aux machines certifiées : Recall, Click to Do, la recherche sémantique, les sous-titres traduits en direct ou Cocreator dans Paint. Les Effets Studio de la webcam font exception, puisque le flou d'arrière-plan fonctionne même sur des NPU en dessous de 40 TOPS. Autant dire que les Ryzen 8040 ou Core Ultra de première génération, trop justes pour le label, restent largement sous-exploités dans les parcs professionnels qui ne les ont pas encore renouvelés.

## Ce qu'un poste de travail peut exécuter seul, et à quel coût en mémoire

Le NPU n'accepte qu'un format maison compressé sur 4 bits, baptisé Q4NX, incompatible avec les fichiers GGUF utilisés par Ollama. Il faut donc passer par des modèles déjà convertis par FastFlowLM ou par l'outil de conversion d'Unsloth. AMD cite l'exemple de Qwen3.6 35B A3B, un modèle à mélange d'experts de 35 milliards de paramètres dont seuls 3 milliards sont actifs par jeton. Avec sa fenêtre de contexte complète, ce modèle réclame environ 28 Go réservés au NPU. Comme Windows n'alloue par défaut que la moitié de la mémoire disponible au NPU, il faut un poste équipé de 64 Go de RAM pour l'exploiter pleinement. Unsloth recommande 32 Go pour des modèles de 9 à 12 milliards de paramètres (Gemma4-12B, Qwen3.5-9B, entre 7 et 10 jetons par seconde), et réserve les machines à 16 Go aux modèles de 4 milliards de paramètres ou moins, comme Qwen3-VL-4B, annoncé à environ 20 jetons par seconde.

Ces contraintes pèsent directement sur les achats de flotte : une part importante des portables Ryzen AI 300 vendus aujourd'hui embarquent 16 ou 32 Go de RAM soudée, non évolutive. Les mesures officielles d'Unsloth (17,2 jetons par seconde sur Qwen3.6 35B A3B, 40,7 sur le petit LFM3 1.7B) ne précisent ni la configuration testée ni une comparaison avec la partie graphique du même PC. Un banc d'essai indépendant publié le 28 octobre par XDA Developers, sur un Asus ROG Flow Z13 (Ryzen AI Max, GPU Radeon 8060S), donne une image plus nuancée.

| Composant sollicité | Vitesse (gpt-oss-20b) | Énergie pour 1 000 jetons | Latence avant premier mot |
| --- | --- | --- | --- |
| GPU intégré | 53,8 jetons/s | Environ 460 joules | 0,44 seconde |
| NPU (FastFlowLM) | 9,5 jetons/s en moyenne (8,1 à 11,8) | 1 200 joules au mieux | 4,1 secondes |
| CPU (solution de repli) | 23,6 jetons/s | 990 joules | Non communiquée |
| NPU via moteur AMD ryzenai-llm | 8,8 jetons/s | 1 700 joules | Non communiquée |

Le NPU seul ajoute moins de 1 watt, mais la consommation de toute la puce grimpe de 14 à 15 watts pendant la génération, et l'opération dure plus de cinq fois plus longtemps qu'avec le GPU : la batterie se vide donc davantage pour un chat interactif. Le NPU redevient en revanche pertinent sur les tâches de fond continues : la transcription d'un mémo vocal de cinq minutes avec le Whisper de FastFlowLM reste entièrement sur le NPU, laissant le CPU et le GPU disponibles pour d'autres usages, même si l'opération prend 78 secondes, plus du double d'une version qui alterne NPU et processeur.

## Exécution locale et traitement des données : ce que cela change concrètement

Un article du Fil IA, résumant l'annonce AMD-Unsloth, relève un point qui intéresse directement les DSI : l'exécution de modèles en local sur le NPU des PC Ryzen AI limite l'envoi de données vers le cloud pour les usages concernés. C'est un fait technique vérifiable, pas une garantie de conformité : il s'applique aux tâches que la puce peut effectivement assumer, c'est-à-dire des modèles compacts, des agents de code hors ligne pour développeurs nomades équipés d'un Strix Halo bien doté en RAM, ou des transcriptions audio qui tolèrent une latence plus longue. Unsloth Desktop expose d'ailleurs tous ses modèles, NPU compris, via une API locale compatible avec les standards d'OpenAI et d'Anthropic, ce qui permet à plus de cent applications (Hermes Agent, OpenClaw, Open WebUI, Cline, VS Code) de s'y connecter sans réécrire leur code.

Cette compatibilité d'API signifie aussi l'inverse : une organisation peut très bien continuer d'envoyer ses requêtes à des modèles hébergés chez des fournisseurs tiers, simplement parce que ses besoins dépassent ce qu'un NPU embarqué peut traiter avec la RAM disponible. Pour ces cas de figure, où les données quittent nécessairement le poste de travail vers des modèles tiers, certaines plateformes françaises appliquent un masquage en amont de l'envoi plutôt qu'un traitement strictement local. Moon AI, plateforme multi-modèles éditée par Stellarr Studio SAS et hébergée chez OVHcloud à Strasbourg et Roubaix, fonctionne ainsi avec [Moon Blur ](/moon-blur/): les données personnelles détectées sont remplacées par des repères avant d'être transmises aux modèles tiers, puis les vraies valeurs sont restituées dans la réponse lue par l'utilisateur. Les requêtes adressées aux modèles tiers partent bien chez leurs fournisseurs une fois ce masquage appliqué ; ce mécanisme ne doit pas être confondu avec l'exécution locale que permet un NPU, qui ne fait transiter aucune donnée vers l'extérieur tant que le modèle tourne entièrement sur la machine.

## Les limites qui retardent un déploiement en flotte

Plusieurs obstacles restent entiers pour un déploiement à l'échelle d'une entreprise. D'abord, l'écosystème logiciel demeure fragmenté : Unsloth ne couvre que les NPU AMD XDNA 2 (Ryzen AI 300, 400 et Max), sous Windows 11 ou Linux x64, laissant les Ryzen 7040 et 8040 de côté. Chez Intel, il faut passer par la boîte à outils OpenVINO, plus technique, en Python. Chez Qualcomm, des [connecteurs](/fonctionnalites/#connecteurs) existent déjà dans des outils comme AnythingLLM ou le Nexa SDK, mais Linux reste sans documentation officielle garantissant l'accès au NPU. Ensuite, aucun chiffre d'autonomie officiel n'a été communiqué par AMD : Unsloth avance une fourchette de 2 à 4 fois moins d'énergie par jeton qu'un GPU « traditionnel », sans préciser le matériel de référence, et FastFlowLM revendique un facteur 67 par rapport au GPU intégré de la même puce, deux annonces qu'aucune mesure indépendante présentée dans les sources ne confirme à cette échelle. Enfin, le Gestionnaire des tâches de Windows n'est pas un indicateur fiable pour vérifier qu'un logiciel sollicite réellement le NPU : lors du test de XDA Developers, la courbe restait à 0 % alors que la puce travaillait.

## Questions fréquentes

### Un PC certifié Copilot+ garantit-il un traitement local des données ?

Non. Le label impose seulement un seuil de 40 TOPS de puissance NPU minimale. Il ne garantit ni qu'un logiciel donné s'exécute réellement sur cette puce, ni qu'une application professionnelle traite ses données sans jamais les envoyer vers un service cloud : cela dépend du logiciel installé et de sa compatibilité effective avec le NPU.

### Quels usages professionnels le NPU peut-il déjà assumer sans dépendre du cloud ?

D'après les tests disponibles, le NPU se montre pertinent pour des tâches de fond tolérantes à la latence, comme la transcription de mémos vocaux avec Whisper, ou pour un assistant de code hors ligne sur un poste doté de suffisamment de RAM. Pour un chat interactif rapide, le GPU intégré reste nettement plus rapide dans les mesures indépendantes disponibles.

### Quelle configuration mémoire faut-il prévoir pour équiper une flotte de PC Ryzen AI ?

Pour des modèles légers (4 milliards de paramètres ou moins), 16 Go de RAM suffisent. Pour des modèles intermédiaires comme Gemma4-12B, Unsloth recommande 32 Go. Pour un modèle de 35 milliards de paramètres comme Qwen3.6, AMD indique qu'il faut 64 Go de RAM totale, Windows n'en allouant par défaut que la moitié au NPU.

### Le NPU dispense-t-il de recourir à des modèles cloud via API ?

Pas dans la plupart des cas. Les modèles exécutables localement restent contraints par la RAM et la bande passante mémoire disponibles sur le poste. Dès qu'une tâche dépasse ces capacités, l'entreprise continue de s'appuyer sur des modèles hébergés chez des fournisseurs tiers, ce qui justifie le recours à des mécanismes de masquage des données sensibles avant l'envoi plutôt qu'un traitement strictement local.

© 2026 Stellarr Studio SAS. Tous droits réservés. Moon AI, Moon Blur et Stellarr Studio sont des marques déposées à l’INPI.
