> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/premiers-pas/partial-gpu-rental.md).

# Location GPU partielle

Louez 1 ou 2 GPU sur une configuration de 8 GPU sur Clore.ai et ne payez que ce que vous utilisez

{% hint style="success" %}
**Vous n’avez pas besoin de louer toute la machine.** Sur environ 60 % des serveurs listés, vous pouvez retirer un seul GPU d’un ensemble multi-GPU et payer une part proportionnelle du prix. Au relevé du 24 août 2026, cela représentait **1 331 serveurs sur 2 202** et **2 153 emplacements GPU individuels libres** — dont beaucoup sont des cartes auxquelles vous n’accéderiez autrement qu’en louant un boîtier huit GPU à 5 $/h.
{% endhint %}

Presque tous les guides de cette collection s’exécutent sur un seul GPU. Affinage d’un modèle 7B, service de Qwen3.8-27B en Q4, génération vidéo avec LTX-2.5 — une carte chacun. La location partielle permet de faire tourner ces charges de travail sur du bon matériel au lieu de se limiter aux machines restantes à GPU unique.

## Comment ça marche

Un ensemble avec 8× RTX 5090 est affiché à un prix journalier d’ensemble. Lorsque vous louez 2 de ces GPU :

```
votre prix = prix_de_l’ensemble × (nombre_de_gpu / total_gpu)
```

Rien d’autre ne change. La facturation reste à la minute, la commande vous fournit toujours un conteneur Docker avec SSH, et les GPU que vous avez payés sont liés à votre conteneur par leur UUID matériel — l’allocation survit donc à un redémarrage ou à une réénumération PCI, et aucun co-locataire ne peut y toucher.

| Configuration          | Ensemble entier | Vous prenez | Vous payez |
| ---------------------- | --------------- | ----------- | ---------- |
| 8× RTX 5090 à 4,80 $/h | 4,80 $/h        | 1 GPU       | 0,60 $/h   |
| 8× RTX 5090 à 4,80 $/h | 4,80 $/h        | 2 GPU       | 1,20 $/h   |
| 4× RTX 4090 à 0,80 $/h | 0,80 $/h        | 1 GPU       | $0.20/hr   |

## Règles à connaître

| Règle                                           | Détail                                                                                                                                                                          |
| ----------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| À la demande uniquement                         | Les commandes Spot prennent toujours tout l’ensemble                                                                                                                            |
| Uniquement des ensembles du même modèle         | Un ensemble mixte (2× 4090 + 6× 3090) ne peut pas être divisé                                                                                                                   |
| Les hôtes peuvent refuser                       | Certains ensembles sont réservés à la machine entière, selon le choix de l’hôte                                                                                                 |
| Les GPU sont exclusifs                          | Vos UUID vous appartiennent pendant la commande ; les autres locataires reçoivent d’autres cartes                                                                               |
| Le CPU, la RAM et le disque ne sont pas divisés | Les ressources système de l’ensemble sont partagées avec les co-locataires — vérifiez que la machine dispose de suffisamment de RAM pour tout le monde, pas seulement pour vous |
| Profils d’overclocking                          | Une commande partielle ne peut pas définir de profil OC — l’API renvoie `oc_not_supported_for_partial`                                                                          |

{% hint style="warning" %}
**Vérifiez la RAM système avant de prendre un GPU sur un grand ensemble.** L’allocation GPU est exclusive, pas la mémoire système. Un ensemble 8× avec 32 Go de RAM est un mauvais hôte pour une charge de travail qui veut à elle seule 32 Go — cherchez des ensembles dont la RAM dépasse confortablement la somme de ce que leurs locataires utiliseront. La RAM médiane sur l’ensemble de la flotte est de 32 Go, et le décile supérieur atteint 129 Go.
{% endhint %}

## Louer un GPU depuis l’interface Web

1. Ouvrez [Place de marché](https://clore.ai/marketplace) et choisissez un serveur multi-GPU.
2. Sur la carte du serveur, choisissez le nombre de GPU souhaité. Les serveurs qui prennent en charge la location partielle affichent le sélecteur d’emplacements libres ; ceux qui ne le prennent pas en charge sont réservés à l’ensemble entier.
3. Le prix se met à jour proportionnellement à mesure que vous modifiez le nombre.
4. Configurez l’image et les ports comme d’habitude, puis louez.

## Louer un GPU via l’API

L’annonce vous indique ce qui est disponible. `partial_gpu_rental` est soit `false` soit un objet :

```json
{
  "id": 115625,
  "specs": { "gpu": "8x NVIDIA GeForce RTX 5090" },
  "partial_gpu_rental": {
    "total_gpus": 8,
    "available_gpus": 6,
    "free_indices": [0, 2, 4, 5, 6, 7]
  }
}
```

Passez `gpu_count` (et éventuellement `gpu_indices`, choisis parmi `free_indices`) lors de la création de la commande :

```bash
curl -X POST https://api.clore.ai/v1/create_order \
  -H "auth: $CLORE_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "renting_server": 115625,
    "type": "on-demand",
    "currency": "USD-Blockchain",
    "image": "pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel",
    "ports": {"22": "tcp"},
    "gpu_count": 2,
    "gpu_indices": [0, 2]
  }'
```

`gpu_indices` est facultatif — passez `gpu_count` seul et le backend choisit des GPU libres pour vous. Omettez les deux et vous louez l’ensemble entier.

Avec le [SDK Python / CLI](/guides/guides_v2-fr/avance/python-sdk.md):

```bash
clore deploy 115625 \
  --image pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel \
  --type on-demand --currency USD-Blockchain \
  --gpu-count 2 --gpu-indices 0,2
```

```python
from clore_ai import CloreAI

clore = CloreAI(api_token="...")
clore.create_order(
    server_id=115625,
    image="pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel",
    type="on-demand",
    currency="USD-Blockchain",
    gpu_count=2,
    gpu_indices=[0, 2],
)
```

Erreurs que vous pouvez recevoir, et leur signification :

| Erreur                       | Signification                                                                                    |
| ---------------------------- | ------------------------------------------------------------------------------------------------ |
| `not_enough_free_gpus`       | Quelqu’un a pris les emplacements entre votre lecture et votre écriture — relisez `free_indices` |
| `invalid_gpu_count`          | Inférieur à 1 ou supérieur à `total_gpus`                                                        |
| `gpu_indices_count_mismatch` | La longueur de la liste n’est pas égale à `gpu_count`                                            |
| `gpu_index_out_of_range`     | Un indice en dehors de `0 … total_gpus-1`                                                        |
| `duplicate_gpu_index`        | Le même indice deux fois                                                                         |
| `partial_not_supported`      | Ensemble à modèles mixtes, ou l’hôte a refusé                                                    |

## Est-ce moins cher par GPU ?

Parfois, et ce n’est pas l’essentiel. Prix médian par GPU et par heure selon la taille de l’ensemble, d’après le relevé :

| GPU      | Serveur à 1 GPU | 2–3 GPU | 4–7 GPU | 8+ GPU |
| -------- | --------------- | ------- | ------- | ------ |
| RTX 4090 | $0.165          | $0.156  | $0.172  | $0.156 |
| RTX 3090 | $0.083          | $0.083  | $0.073  | $0.083 |
| RTX 3080 | $0.079          | $0.069  | $0.058  | $0.052 |
| RTX 5090 | $0.270          | $0.271  | $0.322  | $0.443 |

Les cartes plus anciennes deviennent nettement moins chères en volume ; les ensembles RTX 5090 se vendent avec une prime. **Le vrai gain est la disponibilité** — la location partielle transforme environ un millier de machines multi-GPU en cartes louables individuellement, là où se trouve en réalité la majeure partie de la capacité libre en 3090/4090/5090.

## Étapes suivantes

* [Tarifs et disponibilité des GPU](/guides/guides_v2-fr/premiers-pas/pricing.md) — ce qui est actif en ce moment
* [Comparaison des GPU](/guides/guides_v2-fr/premiers-pas/gpu-comparison.md) — quelle carte pour quelle charge
* [Configuration multi-GPU](/guides/guides_v2-fr/avance/multi-gpu-setup.md) — quand vous voulez vraiment l’ensemble entier
* [SDK Python](/guides/guides_v2-fr/avance/python-sdk.md) · [Automatisation CLI](/guides/guides_v2-fr/avance/cli-automation.md)

### Liens

* [Place de marché](https://clore.ai/marketplace)
* [Documentation de l’API Clore.ai](https://clore.ai/api-docs)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-fr/premiers-pas/partial-gpu-rental.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
