Taxe VRAM de NVidia et GPU chinois moddé

NVIDIA dit NON: la Chine double la VRAM de nos RTX !

INTRODUCTION : La taxe VRAM et le marché gris

Aujourd'hui, si vous voulez faire tourner un modèle de langage un peu sérieux en local — disons un 70 milliards de paramètres quantifié en 4 bits ou un modèle de génération vidéo lourd avec un grand contexte — vous vous heurtez immédiatement à un mur. Ce mur, ce n'est pas la puissance de calcul brute de votre GPU. C'est la VRAM.

Et ce mur, NVIDIA l'a construit volontairement. Depuis des années, la stratégie de segmentation de NVIDIA est simple : vous donner des puces ultra-rapides sur la gamme GeForce, mais brider artificiellement la quantité de mémoire vidéo à 12, 16 ou 24 Go maximum sur la majorité de la gamme, pour vous forcer à acheter des cartes professionnelles de la gamme RTX Ada ou Blackwell Pro à plus de 5 000 ou 8 000 euros si vous avez besoin de 48 Go de VRAM.

Sauf qu'à Shenzhen, dans les ateliers de réparation industrielle et de recyclage électronique, les ingénieurs chinois ont décidé qu'ils n'allaient pas payer la taxe NVIDIA.

Depuis plusieurs mois, un marché parallèle massif inonde les plateformes asiatiques et commence à arriver chez nous : des RTX 2080 Ti passées de 11 à 22 Go, des RTX 3080 gonflées à 20 Go, et le sommet de l'iceberg, des RTX 4090 modifiées avec 48 Go de GDDR6X, reconditionnées dans des formats blower prêts à être empilés dans des serveurs.

Comment est-ce qu'ils font sauter les verrous matériels et logiciels de NVIDIA ? Est-ce que ces cartes tiennent la route face à une RTX 3090 d'occasion ou une RTX 5090 ? Et surtout, est-ce que c'est le meilleur bon plan hardware de l'année pour l'IA locale, ou un piège financier ? On démonte le processus technique et on regarde les chiffres.

PARTIE 1 : Comment doubler la VRAM d'un GPU ? (L'ingénierie inverse)

Pour comprendre comment un atelier peut doubler la mémoire d'une carte graphique que NVIDIA a pourtant verrouillée, il faut comprendre comment le contrôleur mémoire d'un GPU dialogue avec ses puces de VRAM.

Prenons l'exemple le plus populaire et le moins cher de ce marché : la RTX 2080 Ti 22 Go. D'origine, la 2080 Ti utilise une puce TU102. Autour de cette puce, sur le PCB, il y a 11 emplacements mémoire reliés à un bus de 352 bits (11 x 32 bits). En sortie d'usine, NVIDIA y a soudé 11 puces de GDDR6 de 1 Go chacune. Total : 11 Go de VRAM.

Pourtant, le contrôleur mémoire du die TU102 est strictement le même que celui de la Titan RTX, qui elle, possède 24 Go de VRAM, ou des cartes Quadro. Le GPU sait donc nativement adresser des puces mémoire de 2 Go (16 Gigabits) au lieu de 1 Go (8 Gigabits). NVIDIA n'a pas gravé une limitation physique dans le silicium : ils ont simplement soudé des puces deux fois plus petites et verrouillé la table d'allocation dans le BIOS.

Le travail dans les usines de Shenzhen se déroule en quatre étapes critiques :

1. Le dessoudage BGA (Ball Grid Array) : On prend une RTX 2080 Ti d'occasion — souvent d'anciennes cartes de minage ou de cybercafés —, on la passe sur une table de préchauffage infrarouge, et on retire les 11 puces de 1 Go.
2. Le remplacement des modules : On soude à la place 11 puces GDDR6 de 2 Go (souvent des puces Micron ou Samsung récupérées ou achetées en gros). On passe instantanément de 11 à 22 Go physiques.
3. Le "Strap" matériel (Configuration des résistances) : C'est là que se joue la vraie compétence électronique. Sur chaque PCB de carte graphique NVIDIA, il y a un groupe de minuscules résistances CMS qu'on appelle les GPU Straps. Ce sont des résistances de quelques kilo-ohms qui agissent comme des interrupteurs binaires (état haut ou état bas) au démarrage de la carte. Elles disent au GPU : "Tu as de la mémoire Micron, d'une densité de 2 Go par puce". Les techniciens déplacent ces résistances au fer à souder sous microscope pour modifier l'identifiant matériel de la mémoire.
4. Le flash du vBIOS : Enfin, ils injectent un BIOS modifié ou issu d'une variante d'ingénierie qui accepte d'initialiser les 22 Go sans déclencher d'erreur de contrôle au démarrage.

PARTIE 2 : Le cas extrême des RTX 4090 48 Go (Le mode Clamshell)

Pour la RTX 2080 Ti 22 Go ou la RTX 3080 20 Go, la modification reste relativement simple : on garde souvent le PCB d'origine et on remplace des puces de 1 Go par des puces de 2 Go.

Mais comment font-ils pour fabriquer des RTX 4090 avec 48 Go de VRAM alors qu'à l'heure où ces cartes ont été conçues, les puces de GDDR6X de 4 Go n'existaient pas sur le marché ? Une RTX 4090 standard utilise déjà 12 puces de 2 Go sur un bus de 384 bits pour atteindre ses 24 Go. On ne peut pas simplement mettre des puces plus grosses.

La réponse est encore plus radicale : ils ne gardent pas le PCB d'origine.

À cause des restrictions d'exportation américaines sur les cartes professionnelles et sur la RTX 4090 en Chine, des usines entières se sont spécialisées dans le démontage industriel de RTX 4090 gaming (les modèles massifs à 3 ventilateurs d'ASUS, MSI ou Gigabyte).

1. Ils dessoudent le cœur même de la carte : le GPU AD102 ainsi que les puces de GDDR6X.
2. Ils prennent un PCB entièrement neuf, conçu sur mesure en Chine, qui reprend le design de référence des cartes professionnelles RTX 6000 Ada (qui, elles, ont 48 Go).
3. Sur ce nouveau PCB, il n'y a pas 12 emplacements mémoire, mais 24 emplacements : 12 à l'avant, et 12 à l'arrière, en face à face. C'est ce qu'on appelle le mode Clamshell (coquille).
4. Au lieu qu'un canal mémoire de 32 bits parle à une seule puce en mode 32 bits, il parle à deux puces simultanément en mode 16 bits. On soude le die AD102 de la 4090 au milieu, les 24 puces de 2 Go des deux côtés, on flashe un BIOS adapté, et on enferme le tout dans un carénage compact à turbine (Blower) de 2 slots d'épaisseur.

Pourquoi un format Blower hyper bruyant au lieu d'un gros radiateur silencieux ? Parce que l'acheteur cible de ces cartes ne joue pas à Cyberpunk. L'acheteur cible en met 4 ou 8 côte à côte sur une carte mère serveur ou avec des risers pour obtenir 192 ou 384 Go de VRAM haute vitesse à une fraction du prix d'un serveur NVIDIA DGX.

PARTIE 3 : Les Chiffres — Ce que ça vaut vraiment en IA Locale (Benchmarks & Prix)

Passons aux métriques concrètes. En IA locale, particulièrement sur de l'inférence de LLM (Llama 3, Qwen, DeepSeek, Mistral) avec llama.cpp, Ollama ou vLLM, deux chiffres dictent vos performances :

• La capacité de VRAM (en Go) : Elle détermine quel modèle vous pouvez charger (et quelle taille de contexte KV Cache vous pouvez utiliser sans déborder sur la RAM système qui divise les performances par 10).
• La bande passante mémoire (en Go/s) : Elle détermine directement votre vitesse de génération en tokens par seconde (t/s). L'inférence LLM pour un utilisateur unique est quasi exclusivement limitée par la bande passante mémoire (memory-bound).

Regardons les 3 cartes moddées principales face à notre étalon de référence : la RTX 3090 24 Go d'occasion (qu'on trouve autour de 650 - 750 €).

1. La RTX 2080 Ti 22 Go (~380 € à 450 € livrée)

• Capacité : 22 Go de GDDR6. C'est suffisant pour rentrer un modèle de 30 à 34 milliards de paramètres en Q4_K_M avec un contexte confortable, ou deux cartes en parallèle (44 Go) pour faire tourner un 70B pour environ 800 € au total.
• Bande passante : 616 Go/s (bus 352 bits). C'est remarquablement proche des 936 Go/s d'une RTX 3090, et ça écrase littéralement une RTX 4060 Ti 16 Go qui plafonne à seulement 288 Go/s avec son petit bus de 128 bits !
• Le point faible architectural : L'architecture Turing (Compute Capability 7.5) ne supporte pas nativement le format BF16 (Bfloat16) ni les dernières optimisations de FlashAttention-2 réservées à Ampere (série 3000) et plus récent. En inférence pure quantifiée (GGUF), ça tourne très bien. Pour du fine-tuning ou certains pipelines d'image récents (Flux, etc.), l'absence de BF16 pénalise lourdement la carte.

2. La RTX 3080 20 Go (~480 € à 550 €)

• Capacité : 20 Go de GDDR6X.
• Bande passante : 760 Go/s (bus 320 bits).
• Le verdict : Avec l'architecture Ampere, vous récupérez le support du BF16 et de FlashAttention-2. Mais à 500 €, l'écart de prix avec une vraie RTX 3090 d'occasion à 650 € (qui offre 24 Go et 936 Go/s sans aucune soudure artisanale) est trop faible. Le ratio risque/prix n'est pas optimal.

3. La RTX 4090 48 Go Blower (~2 400 € à 2 800 € selon les arrivages)

• Capacité : 48 Go de GDDR6X sur une seule carte.
• Bande passante : 1 008 Go/s.
• Le verdict : Sur le papier, c'est un monstre. Pouvoir charger un modèle 70B en 4-bit (qui pèse environ 40 Go) sur un seul GPU, sans avoir à gérer le tensor parallelism ou la perte de vitesse sur le bus PCIe entre deux cartes, avec la puissance des Tensor Cores Ada Lovelace, c'est le Graal. Une RTX 6000 Ada officielle de 48 Go coûte plus de 7 000 € et utilise des puces GDDR6 plus lentes (960 Go/s). Vous avez donc une carte plus rapide qu'une carte Pro à 7 000 € pour trois fois moins cher.

PARTIE 4 : L'envers du décor (Les 4 risques majeurs à connaître)

Avant que vous n'alliez sur AliExpress, Taobao ou eBay pour commander deux RTX 2080 Ti 22 Go, il faut qu'on parle ingénierie et fiabilité. Parce qu'acheter ce matériel comporte quatre risques techniques majeurs.

1. La loterie des soudures BGA et des puces mémoire recyclées : Les puces de 2 Go soudées sur ces cartes ne sortent presque jamais d'une bobine neuve de chez Micron. Ce sont des puces récupérées sur d'autres cartes hs, nettoyées et rebillées. Si le profil thermique du four de refusion de l'atelier a été mal calibré, ou si le PCB a trop chauffé et s'est légèrement voilé, vous aurez des micro-fissures sous les billes d'étain après quelques centaines d'heures de cycles de chauffe/refroidissement. Résultat : artefacts, erreurs CUDA aléatoires, ou carte morte au bout de 3 mois.
2. La chauffe critique de la VRAM en mode Clamshell (4090 48 Go) : Sur une carte à 48 Go, les 12 puces mémoire situées au dos du PCB sont extrêmement difficiles à refroidir, surtout dans un format blower compact où l'air ne circule presque pas à l'arrière. Or, la GDDR6X commence à throttler et à se dégrader au-delà de 105-110°C. Sans un flux d'air serveur massif qui traverse le boîtier, ces cartes cuisent littéralement leur propre mémoire.
3. Le piège des Drivers : C'est un point crucial. Sur les RTX 2080 Ti 22 Go, comme le vBIOS utilise un identifiant standard et des straps reconnus par l'architecture Turing, les pilotes officiels NVIDIA sous Linux (Ubuntu) et Windows fonctionnent généralement nativement sans modification. En revanche, sur certaines RTX 3080 20 Go ou des cartes hybrides (comme les GPU mobiles mis sur des PCB desktop), vous êtes obligés d'utiliser des drivers patchés chinois ou de contourner la vérification de signature. Sous Linux, dans un environnement Docker/Proxmox propre où vous mettez à jour votre noyau et vos drivers nvidia-smi, c'est un cauchemar de maintenance.
4. Zéro garantie et risque douanier : Si la carte arrive morte au déballage (DOA) ou lâche après deux semaines de calcul intensif, renvoyer un colis en Chine à vos frais sans aucune certitude de remboursement transforme vite l'économie de 200 € en perte sèche.

CONCLUSION : Faut-il craquer en 2026 ?

Pour résumer de manière pragmatique : l'existence même de ces cartes est la preuve éclatante que le marché de l'IA locale étouffe sous le verrouillage artificiel de NVIDIA. Techniquement, voir des ateliers re-concevoir des PCB multicouches haute fréquence pour y greffer 48 Go de GDDR6X est une prouesse de hacking matériel fascinante.

Mais si on regarde votre portefeuille et votre infrastructure :

• Si vous débutez ou cherchez la fiabilité : Oubliez les cartes moddées. Une RTX 3090 24 Go d'occasion (ou deux en multi-GPU) reste la reine incontestée du rapport performance/prix/tranquillité sous Linux. Vous avez 24 Go natifs, des drivers officiels stables, l'architecture Ampere complète et une valeur de revente intacte sur le marché local.
• Si vous avez un budget ultra-serré (< 400 €) uniquement pour de l'inférence GGUF : La RTX 2080 Ti 22 Go est la seule carte moddée qui a un vrai sens économique aujourd'hui, à condition d'accepter le risque matériel et de vérifier immédiatement les températures mémoire à réception en remplaçant les pads thermiques.
• Quant à la RTX 4090 48 Go : Elle ne s'adresse qu'à ceux qui montent des clusters denses en châssis serveur ventilés et pour qui payer 2 500 € au lieu de 7 000 € justifie le risque de perdre une carte en route.

Dites-moi dans les commentaires : est-ce que vous seriez prêts à mettre un GPU dessoudé à Shenzhen dans votre serveur local pour doubler votre VRAM, ou est-ce que le risque est trop élevé ? Et si vous voulez qu'on en commande une pour la passer au banc de test thermique et la démonter sur la chaîne, faites-le savoir en commentaire. À très vite !