Sam Altman déplore le gaspillage de la mémoire vive des PC : « Elle n’est utilisée que 5 % du temps »

Sam Altman et la RAM des PC : un gaspillage de ressources vraiment évitable ?

Votre ordinateur garde-t-il une grande quantité de mémoire vive disponible alors que vous ne l’utilisez presque pas ? Et, en période de tension sur les composants, cette RAM ne serait-elle pas mieux employée ailleurs ? Sam Altman relance ces questions en jugeant inefficace la présence de mémoire dans les ordinateurs personnels lorsqu’elle reste inutilisée une bonne partie du temps. Son argument : les centres de données pourraient mutualiser cette ressource pour faire fonctionner des services d’intelligence artificielle.

Je comprends l’attrait de cette idée, mais elle ne règle pas tout. La mémoire d’un PC sert aussi à assurer sa réactivité, à faire tourner plusieurs applications et, pour certains utilisateurs, à exécuter des modèles d’IA en local. Le débat oppose donc deux visions de la technologie : centraliser les capacités dans le cloud ou préserver une performance informatique directement sur les appareils. Pour y voir clair, il faut distinguer le chiffre avancé par Altman de ce que les usages quotidiens racontent réellement.

Point de repère	Ce qu’on peut en retenir
Déclaration	Sam Altman estime que la RAM des PC reste souvent peu utilisée.
Chiffre cité	Il avance une utilisation de l’ordre de 5 % du temps, sans préciser ici une méthode de mesure détaillée.
Alternative défendue	Mutualiser la mémoire dans des centres de données pour alimenter des services d’intelligence artificielle.
Enjeu pour les particuliers	Équilibrer optimisation des PC, autonomie, coût et accès aux ressources cloud.

Que signifie le chiffre de 5 % avancé par Sam Altman ?

Invité du podcast Cheeky Pint, diffusé le 29 octobre 2026, le dirigeant d’OpenAI a défendu l’idée que la mémoire installée dans les ordinateurs personnels serait peu sollicitée. Il a avancé le chiffre de 5 % pour illustrer son propos : selon lui, une part importante de la RAM resterait inutilisée la plupart du temps, alors que les centres de données pourraient la partager entre davantage d’usagers.

Ce pourcentage doit toutefois être lu comme un argument de Sam Altman, et non comme une statistique officielle valable pour tous les PC. L’utilisation de la mémoire varie selon les logiciels ouverts, les tâches effectuées et la quantité installée. Un ordinateur laissé au repos n’a pas le même profil qu’une machine utilisée pour le montage vidéo, les jeux ou le calcul scientifique.

Je pense à une situation banale : j’ouvre un navigateur, un logiciel de rédaction et quelques outils de travail, puis je m’étonne que mon ordinateur ralentisse. Dans ce cas, la mémoire disponible n’est pas un luxe abstrait ; elle contribue directement au confort d’usage. Le chiffre de 5 % ne suffit donc pas, à lui seul, à démontrer que la RAM personnelle est gaspillée.

Cloud ou ordinateur personnel : deux modèles qui ne répondent pas aux mêmes besoins

La mutualisation dans le cloud peut être efficace : un centre de données répartit ses ressources entre de nombreux clients et adapte sa capacité à la demande. Cette organisation est particulièrement utile pour les services d’intelligence artificielle, dont les calculs peuvent exiger beaucoup de mémoire et de puissance. Mais elle dépend d’une connexion fiable, d’infrastructures coûteuses et d’une disponibilité continue des services.

À l’inverse, un PC doté de suffisamment de RAM permet de travailler sans transmettre chaque tâche à un serveur distant. C’est un avantage pour la confidentialité, l’usage hors ligne ou les applications qui répondent mieux en local. La centralisation ne signifie donc pas automatiquement une meilleure utilisation de la mémoire : elle déplace aussi les dépendances vers les réseaux et les opérateurs de centres de données.

J’ai déjà vécu le petit agacement d’une application qui attend le réseau alors qu’une tâche simple devrait pouvoir avancer immédiatement. Cette expérience n’invalide pas le cloud, mais rappelle une évidence parfois oubliée dans les débats sur l’optimisation : la rapidité perçue compte autant que le taux d’utilisation d’un composant.

La pénurie de RAM impose-t-elle de revoir l’équipement des PC ?

Quand la mémoire vive devient plus demandée, la question de son allocation mérite d’être posée. Les centres de données mobilisent des ressources pour entraîner et faire fonctionner des modèles d’IA, tandis que les particuliers et les entreprises ont besoin de machines capables de rester réactives. Parler de gaspillage des ressources peut donc ouvrir un débat utile, à condition de ne pas réduire tous les usages à une seule moyenne.

Pour une petite entreprise, par exemple, déplacer certaines applications vers le cloud peut limiter l’achat de matériel. Pour un créateur de contenu ou un joueur, une machine locale bien équipée reste parfois le choix le plus pratique. Entre les deux, l’approche la plus raisonnable consiste à dimensionner la configuration selon les tâches, plutôt qu’à considérer toute mémoire non utilisée à un instant donné comme inutile.

Le mot « mémoire » désigne aussi des réalités très différentes. Je distingue ici la mémoire vive informatique de la mémoire collective, abordée dans un autre contexte à propos d’une semaine consacrée à la citoyenneté et à l’écologie dans un établissement scolaire. Cette nuance est utile : dans les deux cas, le terme est le même, mais les enjeux n’ont rien de comparable.

Comment choisir entre optimisation des PC et services cloud ?

La déclaration de Sam Altman a le mérite de poser une question de fond, mais elle ne justifie pas de renoncer à la mémoire installée dans les ordinateurs. Une ressource peu sollicitée à un moment donné peut devenir indispensable quelques minutes plus tard. Pour décider, je regarderais d’abord le type de travail effectué, puis les exigences de confidentialité et la qualité de la connexion.

Pour un usage bureautique courant, privilégier une configuration équilibrée plutôt qu’une capacité surdimensionnée.
Pour le jeu, la création ou le calcul local, vérifier les besoins des applications avant de réduire la mémoire disponible.
Pour des services d’IA en ligne, tenir compte du coût, de la connexion et des règles de traitement des données.
Pour un usage sensible ou hors ligne, conserver une capacité locale suffisante peut être un choix de sécurité et de continuité.

Je garde en tête une autre scène très ordinaire : un ordinateur familial partagé par plusieurs personnes, avec des usages qui changent d’une heure à l’autre. Dans ce foyer, une mémoire qui semblait superflue le matin peut éviter des ralentissements le soir. L’optimisation ne consiste donc pas toujours à réduire ; elle consiste surtout à affecter les moyens au bon endroit.

Au fond, Sam Altman défend une logique de mutualisation adaptée aux besoins croissants de l’intelligence artificielle. Elle mérite discussion, mais la mémoire vive des ordinateurs reste précieuse pour la réactivité, l’autonomie et le contrôle des utilisateurs : la RAM n’est pas automatiquement un gaspillage des ressources, elle doit être jugée selon son usage réel.