
Hostinger peut-il rendre le matériel GPU haut de gamme pratique à louer ? J’ai déployé un B200, résolu un problème de connexion et mesuré les performances réelles en inférence, en génération d’images et en surveillance. Poursuivez votre lecture pour découvrir les résultats, les coûts et les limites à connaître avant de louer.

J’ai évalué Hostinger GPU Hosting en m’appuyant sur mes deux expériences de déploiement, les résultats des tests de performance du B200 opérationnel, ses commandes dans hPanel et mes échanges avec l’assistance. J’ai également vérifié les conditions de facturation et de remboursement publiées. Je suis la méthodologie de notation des services d’hébergement de HostAdvice, mais il s’agit d’un aperçu d’un seul B200 testé, et non d’une étude de disponibilité ni d’une comparaison de tous les modèles de processeurs graphiques.
| Critère | Note /10 | Justification de la note |
| Tarifs et forfaits | 8.1 | Location flexible de processeurs graphiques à l’heure et configurations variées, mais la facturation continue, les crédits non remboursables et l’absence d’option de mise en pause limitent l’intérêt. |
| Fonctionnalités | 8.8 | Des processeurs graphiques puissants, une mémoire vidéo généreuse, des modèles d’applications et des outils de surveillance, mais aucune sauvegarde intégrée ni stockage persistant. |
| Performances | 8.8 | Excellents résultats BF16, inférence Qwen rapide et génération SDXL en moins d’une seconde, même si les charges de travail prolongées n’ont pas été testées. |
| Facilité d’utilisation | 8.0 | Déploiement rapide et gestion simple, mais les limites de disponibilité des processeurs graphiques et le problème SSH initial ont été frustrants. |
| Niveau d’assistance | 7.8 | Réponses rapides et détaillées de l’IA et documentation utile, mais il a fallu du temps pour joindre un conseiller humain et résoudre les problèmes de connexion. |
| Note globale | 8.3 | Des performances GPU impressionnantes et un déploiement accessible, contrebalancés par des restrictions de facturation, des options de récupération limitées et des difficultés avec l’assistance. |

Hostinger GPU Hosting utilise un modèle de location à la demande plutôt que les abonnements mensuels fixes que l’on trouve généralement avec l’hébergement de sites web. Vous louez des ressources GPU pour des charges de travail telles que l’inférence d’IA, le développement de modèles, le réglage fin et la génération d’images, et les frais sont calculés en fonction de la configuration que vous sélectionnez.
Le catalogue de processeurs graphiques comprend des options allant des RTX 4090 et L40S aux A100 et NVIDIA B200, chacune offrant des capacités de mémoire et de calcul différentes. Toutefois, la disponibilité peut influencer votre choix. La RTX 4090 que je souhaitais initialement tester était en rupture de stock dans hPanel, bien qu’elle apparaisse sur la page publique des tarifs de Hostinger.
Hostinger propose des instances standard et Dedicated B200, cette dernière étant plus coûteuse. Vous pouvez également sélectionner différentes allocations de processeurs, de mémoire vive et de stockage. Ma première configuration comprenait 16 cœurs CPU, 32 GB de mémoire vive et 300 GB de stockage, que j’ai choisis pour prendre en charge mes tests de performance en IA plutôt que de m’en remettre à la plus petite configuration disponible.
Hostinger facture l’utilisation des processeurs graphiques au moyen de crédits prépayés. Cependant, plusieurs conditions sont à prendre en compte avant de lancer une instance :
Ces conditions rendent la planification des coûts particulièrement importante pour les tâches d’IA de longue durée. Vous devez disposer d’assez de crédits pour couvrir le traitement et le temps de configuration, tout en tenant compte des retards ou des échecs de connexion.
J’ai testé GPU Hosting à l’aide d’un compte Hostinger existant, qui disposait déjà de crédits ; je n’ai donc pas effectué de nouveau paiement. Les nouveaux clients peuvent recharger leur solde après avoir configuré une instance. Hostinger accepte les cartes de paiement et les portefeuilles numériques tels que PayPal, bien que les moyens de paiement disponibles dépendent de la région du client.
Je n’ai pas non plus trouvé d’essai gratuit distinct pour les GPU. Les achats de GPU et les crédits d’IA sont exclus de la garantie de remboursement standard de 30 jours de Hostinger ; je vérifierais donc la configuration finale et les besoins en crédits avant d’effectuer un paiement.
Le principal avantage est la flexibilité. Vous pouvez accéder à du matériel GPU coûteux pour une charge de travail de courte durée sans acheter ni entretenir votre propre serveur. Cependant, le tarif horaire annoncé ne dit pas tout.
Mon expérience a également montré pourquoi le provisionnement et la connectivité ont une incidence sur les coûts. Le temps passé à résoudre les problèmes d’accès à un serveur peut quand même contribuer à vos coûts si l’instance fonctionne et consomme des crédits.
Je vérifierais le taux final de consommation de crédits dans hPanel, confirmerais la disponibilité du GPU et prévoirais un stockage externe avant de lancer une charge de travail payante. Pour les tâches courtes et bien planifiées, le modèle de location est logique. Pour les charges de travail plus longues ou imprévisibles, il est essentiel de surveiller la consommation de crédits.

Un GPU puissant n’est utile que si vous pouvez accéder au matériel, exécuter vos charges de travail de manière fiable et obtenir des résultats dans un délai raisonnable. Hostinger annonce son NVIDIA B200 avec 192 GB de mémoire vidéo, mais je voulais voir ce que cela donnait en termes de performances réelles.
Je me suis concentré sur trois questions :
Mon premier déploiement de B200 a rencontré un problème de connexion. hPanel affichait une adresse IP privée à laquelle je ne pouvais pas accéder depuis mon ordinateur portable, et Hostinger a reconnu un problème avec l’adresse IP affichée dans le tableau de bord.
Pour distinguer ce problème initial des performances du matériel, j’ai lancé une nouvelle instance B200 et me suis connecté avec succès par SSH en utilisant le nouveau point de connexion. J’ai effectué les tests de performance suivants le 26 octobre 2026.
Les résultats ci-dessous proviennent donc d’une instance de remplacement fonctionnelle. Le problème de connexion rencontré précédemment fait toujours partie de mon évaluation globale, mais il ne m’a pas empêché d’évaluer les performances du processeur graphique.
J’ai utilisé une instance B200 sous Ubuntu 24.04, avec une allocation de 16 cœurs CPU, 32 GB de RAM et environ 300 GB de stockage provisionné dans la région de Los Angeles de Hostinger. Depuis mon ordinateur portable sous Pop!_OS, je me suis connecté par SSH, j’ai vérifié le matériel avec nvidia-smi et installé un environnement PyTorch compatible avec CUDA. Le serveur a indiqué le pilote NVIDIA 595.91.07 ; PyTorch 2.11.0+cu128 a reconnu le processeur graphique et pris en charge les calculs BF16.
J’ai ensuite exécuté trois types de charges de travail : des tests courts de multiplication matricielle BF16 et de copie en mémoire GPU, l’inférence du modèle de langage Qwen2.5-7B-Instruct et la génération d’images avec Stable Diffusion XL. J’ai répété les charges de travail d’IA avec des paramètres fixes et consigné les durées de chaque exécution, plutôt que de m’appuyer sur un seul meilleur résultat. Enfin, j’ai consulté la page Metrics de hPanel pour vérifier si l’activité du processeur graphique y apparaissait.
Ces tests donnent un aperçu pratique d’une seule instance. Ils ne permettent pas d’établir la disponibilité à long terme, les performances sous des charges soutenues pendant plusieurs heures, ni de déterminer comment le B200 se compare aux hébergeurs de processeurs graphiques concurrents dans des conditions identiques. Je n’ai pas non plus effectué de test de débit réseau ni de test de performance d’inférence multi-utilisateur.
Le premier résultat rassurant était qu’Ubuntu a immédiatement reconnu un NVIDIA B200. nvidia-smi a détecté un B200, avec 182,624 MiB de mémoire vidéo indiquée, tandis que PyTorch a signalé que 178.34 GiB étaient disponibles pour le périphérique. Ces valeurs en unités binaires sont globalement cohérentes avec les 192 GB de mémoire vidéo annoncés, même si la quantité lisible par le logiciel ne correspond pas exactement au chiffre affiché sur la page de vente.

Le système d’exploitation affichait également 32 GiB de RAM et une capacité de système de fichiers monté de 268 GiB, telles qu’elles étaient visibles depuis l’environnement. Le processeur a été identifié comme un AMD EPYC 9575F, bien que lscpu ait affiché 224 processeurs logiques. J’ai vérifié les paramètres de contrôle du processeur du conteneur, au lieu d’interpréter ce chiffre comme la présence de 224 cœurs dans mon forfait.
La limite du cgroup était de 1,600,000 microsecondes par période de 100,000 microsecondes, ce qui donnait à l’instance l’équivalent de 16 cœurs CPU. Cela correspondait à l’allocation de 16 cœurs que j’avais choisie. Il s’agit d’une distinction importante pour les lecteurs, car la topologie CPU visible par l’hôte peut sembler bien plus généreuse que la capacité réellement attribuée à une charge de travail hébergée.
Pour obtenir une première mesure de la capacité de calcul brute du B200, j’ai exécuté une multiplication matricielle BF16 avec PyTorch. BF16 est utile ici, car ce format est largement employé pour les calculs des modèles d’IA, même si un petit test de performance synthétique sur des matrices ne remplace pas l’exécution d’un modèle complet.
Avec 12 répétitions, la matrice plus petite de 4,096 × 4,096 a atteint un débit de calcul estimé à 1,402.7 TFLOP/s, pour une durée médiane de l’opération de 0.098 milliseconde. La matrice de 8,192 × 8,192 a atteint un débit estimé à 1,668.8 TFLOP/s, pour une durée médiane de 0.659 milliseconde. Il s’agit d’estimations du débit arithmétique calculées pour les opérations testées, et non de mesures indépendamment vérifiées des performances soutenues d’une application.
J’ai également mesuré une copie de mémoire GPU à mémoire GPU de 512 MiB. Elle s’est achevée en une durée médiane d’environ 0.17 milliseconde, soit un débit déclaré de données utiles de 3,137.1 GB/s. Ce test mesure les transferts au sein de la mémoire GPU ; il ne mesure pas la vitesse de téléchargement d’un modèle, de lecture du disque du serveur ni d’envoi de données sur Internet.

Le script de référence complet s’est exécuté en 2.646 secondes. J’ai apprécié de voir PyTorch reconnaître la carte et effectuer ces opérations sans erreur CUDA, mais la courte durée constitue également une limite. Quelques millisecondes de calcul ne permettent pas de conclure que le processeur graphique maintiendra un débit ou des températures identiques pendant une longue tâche d’entraînement.
Le débit synthétique était encourageant, mais je voulais voir comment le B200 se comportait avec un véritable modèle de langage. J’ai chargé Qwen2.5-7B-Instruct avec Hugging Face Transformers en BF16 et lui ai demandé d’expliquer l’accélération GPU. Le test utilisait une invite et un maximum de 128 jetons générés ; il a été répété trois fois avec les mêmes paramètres.
Le téléchargement et le chargement du modèle ont pris 35.40 secondes lors de l’exécution enregistrée. La première réponse de 128 jetons a ensuite pris 23.094 secondes, soit seulement 5.54 jetons par seconde. Le résultat semblait d’abord décevant, mais les deux exécutions suivantes ont montré une tout autre réalité.
La deuxième exécution a généré ses 128 jetons en 1.005 seconde, soit 127.30 jetons par seconde. La troisième a pris 1.029 seconde, soit 124.35 jetons par seconde. La moyenne des deux dernières exécutions s’élève donc à environ 125.8 jetons par seconde, avec très peu d’écart entre elles.

L’écart est important. Il est compatible avec un réglage initial effectué une seule fois ou une initialisation différée ayant affecté la première génération, mais je n’ai pas isolé la cause exacte. Je ne masquerais pas le résultat de 23 secondes ni ne présenterais les exécutions suivantes comme ce que chaque première requête permettra d’obtenir. Pour une personne qui sert un modèle, la latence initiale comme la rapidité des réponses répétées comptent.
PyTorch a indiqué un pic de mémoire GPU allouée de 14.21 GiB. Cela ne représente qu’une petite partie de la mémoire disponible du B200 ; ce test démontre donc une inférence fonctionnelle pour une seule requête, plutôt que l’intérêt d’héberger un modèle qui a réellement besoin de près de 192 GB de mémoire vidéo. Je n’ai pas testé la simultanéité, le traitement par lots, des fenêtres de contexte plus longues ni un serveur d’inférence optimisé tel que vLLM.
Pour une deuxième application concrète, j’ai utilisé Stable Diffusion XL afin de créer une image de produit de 1,024 × 1,024 représentant une montre-bracelet noire posée sur du marbre sombre. J’ai utilisé 25 étapes d’inférence, des poids FP16, ainsi que la même invite et la même graine aléatoire lors de trois exécutions. J’ai ainsi obtenu des mesures reproductibles plutôt que trois images sans rapport, de niveaux de complexité différents.
Le modèle SDXL a mis 18.29 secondes à être récupéré et chargé. La première image a pris 3.275 secondes. La deuxième et la troisième ont pris respectivement 0.915 et 0.913 secondes, soit une moyenne en régime établi de 0.914 seconde par image. Le processus PyTorch a signalé un pic de mémoire GPU allouée de 11.49 GiB.

J’ai également examiné les images exportées. Les trois fichiers étaient identiques octet par octet, ce qui correspondait à la configuration avec une graine fixe et montrait que le test répété produisait le même résultat. La montre, la surface réfléchissante et l’éclairage étaient convaincants au premier coup d’œil, même si un examen attentif du cadran révélait de petites incohérences typiques des images de produits générées. Ces imperfections artistiques ne doivent pas être confondues avec des erreurs matérielles du processeur graphique.
Le résultat était particulièrement utile, car il me donnait une tâche concrète à évaluer : une fois le pipeline chargé, une image SDXL en taille réelle était générée en moins d’une seconde. Il s’agissait toutefois de la génération d’une seule image à l’aide d’un modèle SDXL, et non d’un test de performance de la génération vidéo, de grands lots ou de tous les modèles d’image disponibles à la location.
Plus tôt dans l’évaluation, la page Metrics de Hostinger affichait des lignes plates, car le processeur graphique était inactif. Après avoir exécuté les tests de performance, je suis revenu à la même vue sur 1 heure et j’ai constaté de l’activité sur les deux graphiques. Le débit de calcul était indiqué à 297 TFLOPs et le graphique de la mémoire vidéo montrait une hausse visible, avec notamment un point survolé à 14.3 GB.

Cela confirmait utilement que hPanel enregistrait la charge de travail, au lieu de continuer à afficher une valeur nulle. La page Metrics était également plus informative qu’immédiatement après le déploiement. Les options 1 heure, 24 heures, 7 jours et 30 jours étaient faciles à trouver.
J’éviterais toutefois de comparer directement la valeur de 297 TFLOPs affichée par hPanel au résultat synthétique de 1,668.8 TFLOP/s. La fenêtre d’échantillonnage et la méthode de calcul du tableau de bord n’ont pas été établies pendant mon test, et la valeur de mémoire vidéo affichée n’est pas identique au pic de mémoire allouée au niveau du processus par PyTorch. Les graphiques sont utiles pour repérer l’activité et les changements au fil du temps ; ils ne remplacent pas les mesures de temps d’exécution au niveau de la charge de travail ni les mesures système.
La deuxième instance B200 de Hostinger m’a fourni une accélération GPU exploitable dans le cadre de trois tests très différents. Les résultats synthétiques en BF16 ont montré des calculs courts et rapides, Qwen2.5-7B a atteint environ 126 jetons par seconde après une première réponse mesurée exceptionnellement lente, et Stable Diffusion XL a généré des images de 1,024 pixels en environ 0.91 seconde une fois initialisé. J’ai également confirmé le quota de 16 cœurs CPU et observé l’activité dans hPanel.
Ces résultats sont positifs, mais je ne les présenterais pas comme une garantie pour toutes les charges de travail d’IA. Les tests étaient brefs et effectués sur une seule instance, avec des modèles relativement petits par rapport à la mémoire vidéo disponible sur le B200. Je n’ai pas évalué les performances d’un entraînement soutenu, la concurrence maximale, la disponibilité à long terme ni la vitesse du réseau externe. Le problème antérieur avec le point de connexion SSH reste également une préoccupation opérationnelle distincte, même si le serveur de remplacement s’est connecté sans problème.

J’ai abordé Hostinger GPU Hosting comme je le ferais pour une nouvelle location de GPU : trouver une carte adaptée, vérifier le coût réel, lancer une instance et voir à quel point l’environnement est facile à gérer une fois opérationnel.
Je voulais également savoir comment le service GPU s’intègre au hPanel plus vaste de Hostinger, car la mise en ligne d’un serveur ne représente que la moitié de l’expérience.
Le déploiement en lui-même a été rapide. Le parcours d’achat était moins prévisible. Le GPU que j’avais choisi sur la page publique des tarifs n’était pas disponible dans hPanel, et celui qui l’a remplacé était proposé à un tarif horaire bien plus élevé. Voici comment s’est déroulée l’expérience, du premier clic aux outils de gestion.
J’ai commencé sur le site Web de Hostinger et ouvert Products > Hosting > GPU hosting. J’ai apprécié que l’hébergement GPU dispose de sa propre entrée clairement indiquée, à côté de l’hébergement Web, de l’hébergement VPS et de l’hébergement cloud. Je n’ai pas eu à ouvrir un produit VPS générique ni à chercher si un matériel GPU était proposé en option.

Le lien a ouvert la page de présentation de Hostinger GPU Hosting, qui proposait des locations horaires de processeurs graphiques NVIDIA pour l’IA, le rendu et d’autres tâches nécessitant une grande puissance de calcul. Un bouton Get started se trouvait juste sous le titre principal. En cliquant dessus, je n’ai pas créé immédiatement d’instance ni été redirigé vers la page d’inscription ; je suis descendu dans la même page jusqu’à la section des tarifs des processeurs graphiques.

C’était un point de départ judicieux. La section des tarifs présentait les modèles de processeurs graphiques disponibles dans des cartes distinctes, avec leurs tarifs horaires de départ annoncés, leur mémoire vidéo et les utilisations recommandées. Je pouvais comparer le matériel avant qu’on me demande de configurer un serveur. La gamme affichée sur la page publique allait de la RTX 4090 à des processeurs graphiques de centre de données plus coûteux, dont le B200.

J’ai d’abord choisi la NVIDIA RTX 4090. Hostinger en annonçait le tarif à partir de $0.42 par heure, avec 24 GB de mémoire vidéo, et la recommandait pour le développement, l’expérimentation, la génération d’images et de vidéos, le rendu 3D et l’inférence avec des modèles plus petits.
Cela me semblait être un point de départ raisonnable pour les tests d’inférence d’IA, de génération d’images et de performances du processeur graphique que j’avais prévus. Je n’avais pas besoin de louer l’une des cartes les plus coûteuses simplement pour établir une référence pratique.

Après avoir choisi la RTX 4090, j’ai cliqué sur Get GPU dans sa carte. J’ai alors été redirigé vers la page d’inscription de Hostinger. Celle-ci proposait de s’inscrire avec Google ou GitHub, ainsi que les champs habituels pour l’adresse e-mail et le mot de passe.
Le champ du numéro de téléphone était indiqué comme facultatif, et une case à cocher distincte concernait les messages promotionnels par WhatsApp et SMS.

L’écran d’inscription était simple. Plus important encore, le choix du processeur graphique ne m’engageait pas encore à acheter un serveur en particulier.
Après la création de mon compte ou ma connexion, j’ai accédé à la section des processeurs graphiques de hPanel, où le matériel pouvait réellement être sélectionné et lancé. Le panneau affichait un solde de crédits de 2,000.
Le panneau affichait un solde de crédits de 2,000, car j’avais déjà un compte Hostinger avec des crédits disponibles. Si vous vous inscrivez pour la première fois et que vous n’avez pas de solde de crédits existant, une étape de paiement apparaîtra après la configuration de votre instance GPU. Vous pourrez alors choisir votre mode de paiement préféré avant de finaliser l’achat.
La page des GPU dans hPanel était claire et facile à parcourir. Au-dessus de la liste, Hostinger expliquait que je pouvais lancer des instances GPU directement depuis le panneau, et le matériel sélectionnable apparaissait sous un solde de crédits bien visible. Sept modèles étaient répertoriés, dont le RTX 4090 que j’avais choisi, mais la plupart des boutons Select étaient désactivés.

J’ai essayé de sélectionner le RTX 4090 et j’ai constaté que son bouton était grisé. En passant le curseur dessus, un message indiquait « En rupture de stock ». Je ne pouvais pas non plus sélectionner les RTX 5090, L40S, A100 ou RTX PRO 6000 pendant cette session. Seules deux options étaient disponibles : le NVIDIA B200 et le B200 (Dedicated).

C’était le principal obstacle dans le processus d’achat. La page publique des tarifs m’avait invité à louer un RTX 4090 à $0.42 par heure, mais je ne pouvais pas réellement provisionner ce processeur graphique.
Hostinger indiquait au moins clairement la restriction dans hPanel, au lieu de me laisser remplir une configuration pour échouer après le déploiement. Il fallait toutefois revoir le matériel de test et le budget.
J’ai choisi le NVIDIA B200 standard, annoncé à partir de $4.50 par heure avec 192 GB de mémoire vidéo. Sa capacité mémoire supérieure me permettait également de tester par la suite des charges de travail d’IA plus exigeantes.
L’autre option, le B200 (Dedicated), était proposée à partir de $7.08 par heure, et je n’avais aucun besoin particulier d’un accès exclusif au processeur graphique qui justifie ce supplément. J’ai cliqué sur Select pour le B200 standard afin de continuer.
Après avoir sélectionné le B200, Hostinger a ouvert une page intitulée « Deploy your instance GPU ». Les choix de processeur graphique se trouvaient dans une colonne à gauche et la configuration de l’instance sélectionnée, à droite. Cette disposition était pratique : je pouvais examiner le B200 et les autres options disponibles sans perdre de vue les paramètres du serveur ni le coût d’utilisation.

J’ai nommé l’instance hostinger-processeur-graphique-review-b200. Hostinger précisait que les mots distincts dans le nom devaient être séparés par des traits d’union, ce qui rendait la règle de nommage claire dès le formulaire.
Le champ suivant concernait la région, ce qui a révélé la deuxième limite pratique : le menu déroulant ne proposait que Los Angeles, aux États-Unis. Je n’avais aucun autre emplacement à choisir lors de cette session de déploiement.

Le sélecteur de taille d’instance a nécessité plus d’attention que je ne l’avais d’abord prévu. Hostinger avait présélectionné une configuration de 2 cœurs, 64 GB de RAM et 100 GB de stockage, au tarif de 506 crédits par heure. L’ouverture du menu déroulant a révélé d’autres combinaisons de processeur, de RAM et de stockage, avec des tarifs différents. La sélection ne suivait pas une progression simple où chaque nombre de cœurs inférieur impliquait un prix plus bas ; l’option à 4 cœurs, par exemple, était affichée à 450 crédits par heure.

J’ai choisi l’option X-Large : 16 cœurs CPU, 32 GB de RAM et 300 GB de stockage, au tarif de 488 crédits par heure. Le serveur disposait ainsi d’une capacité de calcul et de stockage supérieure pour installer les outils et exécuter les tests, sans passer à la configuration à 32 cœurs.
Son tarif horaire était également légèrement inférieur à celui de l’option présélectionnée à 2 cœurs. Le point important concernant le prix est que le tarif de 4.50 $ par heure annoncé par Hostinger pour le B200 était un prix de départ. La configuration que j’ai réellement choisie avait un tarif de 488 crédits par heure, soit environ 4.88 $ par heure selon le taux implicite des fiches tarifaires de Hostinger.
J’ai ensuite ouvert Sélectionner le système d’exploitation ou l’application. En plus d’Ubuntu 24.04, Hostinger proposait des options prêtes à l’emploi pour Ollama, JupyterLab, Unsloth et InvokeAI. Ces options pouvaient faire gagner du temps à une personne qui se concentrait sur une application d’IA particulière. J’ai choisi Ubuntu 24.04 parce que je voulais un système d’exploitation vierge et garder le contrôle sur les outils installés pour les tests suivants.

Hostinger proposait également un champ facultatif pour la clé SSH. Je l’ai laissé vide pour le déploiement initial, au lieu d’ajouter une clé au moment du paiement. Le panneau a ensuite affiché des informations de connexion par mot de passe ; l’absence de clé ne m’a donc pas privé d’une méthode de connexion annoncée. Pour un serveur destiné à fonctionner plus longtemps, je préférerais toutefois un accès SSH par clé.
Avant de cliquer sur Deploy, le récapitulatif affichait le B200 choisi, la configuration X-Large et le tarif horaire de 488 crédits, ainsi que mon solde de 2,000 crédits.
Hostinger estimait que ce solde couvrait environ quatre heures d’utilisation continue. J’ai apprécié que cette estimation soit affichée juste au-dessus du bouton de déploiement : elle rendait les dépenses récurrentes plus visibles qu’une fiche tarifaire indiquant seulement « À partir de 4.50 $/h ».

J’ai cliqué sur Deploy. Hostinger a alors affiché un écran de configuration de votre processeur graphique et indiqué que je pouvais quitter la page pendant que le provisionnement se poursuivait. Aucune configuration manuelle supplémentaire de l’infrastructure n’a été nécessaire à cette étape.

Environ deux minutes plus tard, l’écran de réussite confirmait que tout était prêt et indiquait que l’instance de processeur graphique était opérationnelle. Il identifiait hostinger-gpu-review-b200 comme un B200 avec 192 GB de mémoire vidéo et un dimensionnement X-Large. L’action suivante était clairement présentée sous le nom Manage, ce qui indiquait clairement où aller une fois le provisionnement terminé.

J’ai cliqué sur Manage depuis cet écran de confirmation pour examiner les commandes que j’utiliserais après le déploiement. Cette transition directe était appréciable : il n’était pas nécessaire de revenir à la page d’accueil générale de hPanel pour rechercher mon nouveau serveur.
Manage a ouvert un espace de gestion dédié aux processeurs graphiques plutôt qu’un panneau de contrôle d’hébergement Web ordinaire. Le menu de gauche ne comportait que trois entrées : Vue d’ensemble, Metrics et Exposed services. Après les écrans de sélection de produits plus généraux, j’ai apprécié la simplicité de cette navigation.
La vue d’ensemble répondait immédiatement aux questions que je me serais posées après avoir loué du matériel coûteux : Est-il en marche ? Quel processeur graphique et quelles ressources ai-je reçus ? Quel est le rythme de consommation des crédits ? Comment me connecter ? La carte de l’instance indiquait que hostinger-gpu-review-b200 était en cours d’exécution et confirmait la présence d’un processeur graphique NVIDIA B200, de 192 GB de mémoire vidéo, de 16 cœurs CPU, de 32 GB de RAM, d’un disque de 300 GB, d’Ubuntu 24.04 et d’un emplacement à Los Angeles.

Deux commandes figuraient directement sur la carte de l’instance : Redémarrer et Supprimer. Leur visibilité est utile, car vous devez savoir comment gérer le cycle de vie de l’instance lorsque vous payez à l’heure. Je n’ai exécuté aucune de ces actions pendant cette partie du test ; j’évalue donc l’accessibilité des commandes, sans prétendre avoir vérifié leur fonctionnement.
Au-dessus de la carte du serveur, Hostinger affichait le débit de calcul, l’utilisation de la mémoire vidéo et les dépenses en crédits. Ma première capture affichait un débit de 0 TFLOPs et une utilisation moyenne de la mémoire vidéo de 0 GB, car je n’avais pas encore exécuté de charge de travail sur le processeur graphique.
Le récapitulatif des crédits indiquait que 488 crédits avaient été utilisés au total, avec un rythme de consommation des crédits de 488 crédits par heure et un solde restant de 1,512 crédits. Cette visibilité était bienvenue, surtout compte tenu de la rapidité avec laquelle l’utilisation payante d’un processeur graphique peut s’accumuler.
Le panneau Connection regroupait l’adresse IPv4 publique, une commande SSH que l’on pouvait copier et le mot de passe dans une même section. La commande SSH incluait le nom d’utilisateur Ubuntu et un port SSH autre que celui par défaut ; le champ du mot de passe comportait des commandes pour l’afficher et le copier.
Hostinger avertissait également qu’un mot de passe modifié via SSH ne correspondrait plus à celui enregistré dans hPanel. J’ai donc pu trouver les informations de connexion sans consulter la documentation, même si la capture d’écran seule ne prouve pas que j’ai réussi à me connecter via SSH.
Après avoir consulté la page Overview, j’ai ouvert Metrics. Hostinger proposait des filtres temporels de 1 heure, 24 heures, 7 jours et 30 jours. La page représentait le débit de calcul en TFLOPs et l’utilisation de la mémoire vidéo en GB. Les graphiques étaient simples et lisibles, sans graphiques système sans rapport qui auraient détourné l’attention.

Les deux graphiques étaient à zéro au moment de la capture. C’était normal avant l’exécution d’une tâche d’IA ; je ne considérerais donc pas ces relevés comme une preuve des performances du processeur graphique ni comme le signe d’un défaut du système de surveillance.
Le test utile viendra plus tard : lancer une véritable charge de travail, vérifier les graphiques à mesure que l’utilisation évolue, puis comparer les résultats aux mesures effectuées dans Ubuntu.
J’ai ensuite ouvert Exposed services, la section permettant de rendre accessible sur Internet une application exécutée sur le serveur doté d’un processeur graphique. Comme je n’avais créé aucun service, la page affichait un état vide avec un bouton Ajouter un service. Hostinger indiquait également que tout contenu publié serait accessible à toute personne disposant de l’adresse, sauf si l’application avait son propre système d’authentification.

J’ai apprécié cet avertissement. Les charges de travail sur processeur graphique impliquent souvent des blocs-notes, des API d’inférence et d’autres interfaces de développement qui ne sont pas destinées à être accessibles à tous. Le point d’entrée était facile à trouver, mais je n’avais encore ajouté ni testé de service public ici ; je ne peux donc pas évaluer la suite de ce processus ni les options de sécurité à partir de ces seules captures d’écran.
Ce n’est qu’après avoir vérifié les écrans propres au processeur graphique que je suis retourné à Home dans hPanel. Cela m’a donné une autre perspective sur la facilité d’utilisation : où trouverais-je l’instance GPU si je me reconnectais plus tard au lieu d’y accéder à l’aide du bouton Manage affiché après le déploiement ?
Ma page Home s’est ouverte sur une invite bien visible pour l’assistant IA et une longue section Your business remplie de sites Web existants.
Chaque site comportait une action Manage site, et plusieurs entrées affichaient des rappels concernant les domaines temporaires. Plus bas, j’ai vu un tableau VPS avec des adresses IP, des états d’exécution, des dates d’expiration et des boutons de gestion. À gauche, le menu de navigation regroupait les sites Web, les domaines, les courriels, d’autres services, des créateurs de sites Web, des agents IA, des outils de marketing et des services pour les développeurs.

Cette organisation tout-en-un présente des avantages. Les catégories de produits sont clairement nommées, et un client Hostinger existant peut accéder à plusieurs types d’hébergement depuis un seul compte. Dans mon cas, toutefois, la quantité de contenu lié aux sites Web rendait la page visuellement chargée.
Mon nouveau processeur graphique n’était pas aussi visible dans le contenu de Home que les sites Web et les entrées VPS. Une fois que j’y étais arrivé, j’ai trouvé la navigation dédiée Overview, Metrics et Exposed services du processeur graphique plus ciblée.
La liste exceptionnellement longue de sites Web reflète ce qui se trouvait déjà dans mon compte ; un nouveau client n’ayant aucun autre service pourrait voir une page moins encombrée. Cette distinction reste toutefois importante pour le lecteur : le déploiement d’un processeur graphique est un processus court et ciblé, tandis que le tableau de bord hPanel général tente de regrouper tous les produits Hostinger.
Le principal point fort de la facilité d’utilisation de Hostinger GPU Hosting était ce qui se passait une fois que j’avais trouvé un processeur graphique disponible. La page de configuration présentait les choix et leur coût, les images d’Ubuntu et d’applications d’IA étaient faciles à trouver, le déploiement s’est terminé en environ deux minutes, et le bouton Manage m’a directement conduit à un tableau de bord compact de l’instance.
J’ai pu trouver les spécifications du processeur graphique, le rythme de consommation des crédits, les informations SSH et les principales commandes d’administration sans avoir à parcourir une console infonuagique complexe.
Mais cette simplicité ne doit pas masquer les limites avant le déploiement. J’ai choisi la RTX 4090 sur la page publique, mais je n’ai pas pu la louer une fois arrivé dans hPanel ; la plupart des processeurs graphiques répertoriés étaient indisponibles, et Los Angeles était la seule région de déploiement disponible lors de ma session. Le B200 était nettement plus cher que la RTX 4090 que je souhaitais, et le tarif de la configuration X-Large était supérieur au tarif de départ annoncé pour le B200. La vue générale Home de hPanel m’a également semblé plus chargée que les pages consacrées aux processeurs graphiques.

Hostinger propose une assistance en ligne 24 h/24 et 7 j/7 par le biais du clavardage de son tableau de bord, ainsi qu’un accès supplémentaire par WhatsApp et par courriel à l’adresse support@hostinger.com. Contrairement à certains fournisseurs d’hébergement, l’entreprise ne propose pas d’assistance téléphonique.
L’expérience d’assistance repose désormais principalement sur Hostinger Agent, un assistant d’IA capable de répondre aux questions, de résoudre les problèmes, de retrouver de la documentation et d’effectuer certaines actions de gestion de compte. Hostinger donne également accès à Customer Success Specialists lorsqu’une aide supplémentaire est nécessaire.
Pour cet avis, j’ai testé le clavardage en direct en soulevant une préoccupation réelle concernant mon instance GPU NVIDIA B200. Je voulais déterminer à quelle vitesse je pourrais obtenir des conseils techniques précis et, surtout, à quel point il était facile de parler directement à une personne lorsque j’en faisais la demande.
J’ai également consulté la base de connaissances de Hostinger afin d’évaluer la qualité de sa documentation sur les processeurs graphiques et de voir si les clients pouvaient résoudre les problèmes courants sans contacter l’assistance.
J’ai accédé au clavardage en direct en cliquant sur Agent en haut de hPanel. Le clavardage s’est ouvert à côté de ma page de gestion des processeurs graphiques, ce qui m’a permis de consulter mon instance B200 en cours d’exécution et sa consommation de crédits tout en échangeant avec l’assistance.

Hostinger Agent succède à Kodee, l’ancien assistant d’assistance par IA de Hostinger. Hostinger a regroupé Kodee et sa collection plus large d’outils d’IA spécialisés pour en faire un assistant unifié. Selon Hostinger, l’agent peut expliquer des problèmes techniques, fournir des instructions de dépannage, suggérer de la documentation pertinente et effectuer les actions prises en charge sur le compte d’un client.
Cependant, mon test portait sur les conseils techniques et le transfert à un conseiller humain, plutôt que sur la possibilité de lui faire modifier mon compte.
J’ai posé une question pratique sur la facturation du GPU et la conservation des données. Hostinger facturant les instances GPU à l’heure, je voulais savoir si je pouvais mettre mon serveur en pause entre deux charges de travail d’IA sans perdre les applications, les modèles et les fichiers que j’y avais installés. J’ai également demandé si un redémarrage interromprait la facturation et ce que je devais faire pour préserver mon environnement s’il était nécessaire de supprimer l’instance.
L’agent a répondu en moins de 30 secondes.
Sa réponse répondait aux trois préoccupations. Il a expliqué qu’un redémarrage relance uniquement le serveur et n’interrompt pas la facturation. Hostinger ne propose actuellement aucune fonction de mise en pause ou d’arrêt permettant aux clients de conserver une instance GPU sans frais. La suppression de l’instance interrompt la facturation, mais efface définitivement ses données locales.
La réponse est allée plus loin en expliquant comment préserver mon environnement de travail. Il a recommandé de transférer les modèles et les jeux de données vers un stockage externe, d’exporter les dépendances Python ou Conda, de noter les versions de CUDA et de PyTorch, et d’enregistrer les fichiers de configuration et les scripts de déploiement.

J’ai apprécié le niveau de détail. Au lieu de simplement indiquer qu’il était impossible de mettre les instances GPU en pause, l’assistant a expliqué ce que je devais faire avant de supprimer le serveur. Ses conseils correspondaient également à la documentation officielle de Hostinger sur la facturation des GPU, ce qui me permettait de vérifier l’exactitude de ses explications.
Cependant, répondre à la question technique n’était que la première partie de mon test d’assistance. Ensuite, je voulais parler directement à un spécialiste humain.
À 17:23, j’ai demandé à Hostinger Agent de me mettre en relation avec un conseiller du service client pour confirmer les détails sur la facturation des GPU et la conservation des données. Au lieu d’organiser le transfert, il a répété la politique et m’a encouragé à poursuivre avec l’assistance par IA, en expliquant que ce serait plus rapide.
J’ai formulé une nouvelle demande explicite à 17:24. Cette fois, j’ai précisé que j’avais compris la politique et que je n’avais pas besoin d’une autre explication de l’IA. Je souhaitais précisément parler à un conseiller humain et j’étais disposé à attendre.
À 17:25, l’assistant a de nouveau résumé les règles de facturation avant de proposer deux options : Wait for a human review et Continuer avec Hostinger Agent.

J’ai sélectionné l’option d’examen par un conseiller humain et confirmé que je souhaitais poursuivre avec une personne. Hostinger a alors affiché un message indiquant que l’examen était en cours, un compte à rebours et un champ dans lequel je pouvais fournir des informations supplémentaires au spécialiste.

À 17:31, environ six minutes après le début de l’examen de ma demande, j’ai reçu une réponse associée à une spécialiste nommée Amber. L’interface affichait « Réponse examinée par Amber ».
Dans son message, Amber me demandait de fournir le nom de mon instance GPU, les points relatifs à la facturation ou à la conservation des données que je souhaitais voir confirmés, ainsi que toute erreur ou capture d’écran pertinente.

J’ai indiqué le nom de l’instance, hostinger-processeur-graphique-review-b200, et demandé confirmation de trois points importants : l’absence de fonction de mise en pause, la suppression définitive des données après la suppression de l’instance, et la disponibilité d’instantanés, de sauvegardes ou d’un stockage persistant.
J’ai également posé une question sur le processus d’assistance lui-même. Puisque l’interface indiquait que la réponse avait été examinée par Amber, je voulais savoir si je lui parlais maintenant directement ou si j’interagissais toujours avec une IA.
À 17:33, j’ai reçu une autre réponse détaillée. Celle-ci confirmait que les instances GPU continuent de consommer des crédits lorsqu’elles sont inactives, que leur suppression entraîne l’effacement définitif des données locales et que Hostinger ne propose actuellement ni instantanés GPU, ni sauvegardes automatisées, ni stockage persistant.
Elle expliquait également qu’une instance est détruite immédiatement lorsque le solde de crédits atteint zéro, sans période de grâce. La solution de rechange proposée consistait à exporter l’environnement vers un VPS distinct, un stockage cloud ou un ordinateur local à l’aide d’outils tels que scp ou rsync.
Mais la partie la plus révélatrice de la réponse concernait l’assistance humaine. Hostinger a explicitement confirmé que je communiquais toujours avec Hostinger Agent, un assistant d’IA. Une spécialiste humaine supervisait ou examinait la conversation, mais je n’avais pas été mis en relation directe avec une personne dans une conversation individuelle.

Cette distinction est importante. J’avais délibérément demandé à parler à un représentant humain plutôt que de recevoir une autre explication automatisée. Bien que le système ait assuré une supervision humaine et fourni une réponse technique complète, il ne m’a pas permis d’avoir l’échange direct avec une personne que j’avais demandé.
De la première question à 17:22 à la dernière précision à 17:33, l’échange complet avec l’assistance a duré environ 11 minutes. La réponse initiale de l’IA est arrivée en moins de 30 secondes, tandis que l’examen par un conseiller humain est devenu visible environ six minutes après ma demande de transfert.
Après avoir testé le clavardage en direct, je me suis rendu sur le centre d’aide en ligne de Hostinger pour voir dans quelle mesure les clients GPU pouvaient trouver des réponses facilement sans contacter l’assistance.
La page d’accueil était épurée et bien organisée, avec une barre de recherche bien visible et une documentation regroupée par catégories, comme Premiers pas, Tableau de bord Hostinger, VPS, Facturation et Certificats SSL. Cependant, je n’ai pas trouvé de catégorie consacrée aux GPU parmi les options affichées.

J’ai saisi « processeur graphique » dans la barre de recherche, et Hostinger a renvoyé 10 résultats. Huit portaient spécifiquement sur GPU hosting et couvraient le choix du matériel, les modèles d’applications, le déploiement, la gestion des instances, la facturation, les services exposés, la sécurité et les comparaisons avec l’hébergement VPS. Les deux autres concernaient la politique de remboursement et le tableau de bord de Hostinger.

J’ai apprécié que la recherche fasse immédiatement apparaître de la documentation pertinente sur les GPU, même en l’absence d’une catégorie dédiée sur la page d’accueil. Plus important encore, les articles abordaient des préoccupations pratiques comme la consommation horaire de crédits, la perte de données après la suppression d’une instance et la sécurisation des applications accessibles publiquement.
J’ai ensuite examiné les guides individuellement afin de voir avec quelle clarté ils expliquaient ces problèmes et dans quelle mesure leurs instructions correspondaient à mon expérience pratique.
J’ai consulté les guides de Hostinger sur la configuration des GPU et la gestion des instances. Ils couvrent le choix du matériel, les régions, les modèles logiciels, le déploiement, la surveillance et les services exposés.
Les instructions correspondaient étroitement à mon expérience dans hPanel. J’ai également apprécié que Hostinger reconnaisse les limites de disponibilité régionale des processeurs graphiques, que j’ai rencontrées lorsque le RTX 4090 était en rupture de stock et que Los Angeles était ma seule option de déploiement.
Le guide de facturation des processeurs graphiques m’a été particulièrement utile, car il abordait les mêmes préoccupations que celles que j’avais soulevées lors du clavardage en direct.
Il confirme que la facturation continue lorsqu’une instance est inactive, que le redémarrage n’interrompt pas les frais et que la suppression efface définitivement les données locales.
Plus important encore, Hostinger avertit qu’il n’y a ni rechargement automatique des crédits ni notification lorsque le solde est faible. L’épuisement des crédits entraîne la suppression immédiate de l’instance.

Ce sont des détails essentiels pour toute personne exécutant des charges de travail d’IA sans surveillance, et j’ai apprécié que Hostinger les explique clairement.
Le guide de Hostinger sur l’exposition des services explique l’accès public, la configuration des ports et les protocoles pris en charge. Il précise également que le choix de HTTPS ne configure pas automatiquement le chiffrement TLS.
Le guide de sécurité associé couvre l’authentification des applications et la protection par pare-feu. J’aurais toutefois souhaité un avertissement plus clair sur la préservation de l’accès SSH avant l’activation de règles de pare-feu restrictives.

Hostinger a offert une expérience d’assistance assistée par l’IA de grande qualité, même si son processus de transfert à un conseiller humain pouvait être amélioré.
Hostinger Agent a répondu à ma question sur les processeurs graphiques en moins de 30 secondes, m’a expliqué les conséquences sur la facturation et m’a recommandé des mesures pratiques pour préserver mon environnement. Ses conseils étaient détaillés et cohérents avec la documentation officielle.
La supervision humaine est devenue disponible après environ six minutes, et la réponse finale a traité les questions supplémentaires que j’avais posées. Cependant, j’ai dû demander le transfert à un conseiller humain à plusieurs reprises, et la conversation est restée pilotée par l’IA au lieu de se transformer en clavardage direct avec un spécialiste.
La base de connaissances était un autre point positif. Ses huit articles consacrés aux processeurs graphiques expliquaient clairement le déploiement, la gestion, la facturation, l’exposition des services et la sécurité. La documentation sur la facturation était particulièrement utile pour comprendre les risques liés à la consommation continue de crédits et à la perte définitive de données.

Oui, pour les développeurs et les équipes d’IA qui ont besoin d’une puissance de calcul GPU importante sans acheter le matériel. Mon B200 a exécuté des inférences avec Qwen à environ 126 jetons par seconde après le préchauffage et a généré des images SDXL en environ 0.91 secondes.
Le déploiement a été rapide une fois que j’ai disposé d’un point de connexion SSH fonctionnel. Cependant, le problème d’affichage de l’adresse IP du premier serveur, la disponibilité fluctuante du matériel, les crédits non remboursables et l’absence d’une option de mise en pause ou de sauvegardes intégrées représentent des risques importants.
| Nom de l'offre | CPU | RAM | Bande passante | Tarif | |
|---|---|---|---|---|---|
| Free Trial | - | Illimité | 0,00 € | Détails | |
| Game Panel 2 | 2 noyaux | 8 GB | 8 TB | 7,75 € | Détails |
| Game Panel 4 | 4 noyaux | 16 GB | 16 TB | 11,43 € | Détails |
| Game Panel 8 | 8 noyaux | 32 GB | 32 TB | 22,86 € | Détails |
| Description | Expert Review |
|---|---|
| Hébergement économique avec des performances élevées et des outils de gestion fac... | Read Shared Hosting Review |
| hébergement WordPress rapide et sécurisé avec installation en un clic et fonctionn... | Read Wordpress Hosting Review |
| Hébergement VPS évolutif avec ressources dédiées et accès root. | Read VPS Review |
| Hébergement cloud rapide et flexible avec une excellente disponibilité et des resso... | Read Cloud Hosting Review |
| Solutions d’hébergement sécurisées et privées avec des centres de données offs... | Read Offshore Hosting Review |
| Hébergement de messagerie sécurisé et fiable avec des fonctionnalités de qualité... | Read Email Hosting Review |
| Hébergement Python fiable avec des environnements flexibles pour les développeurs. | Read Python Hosting Review |
| Hébergement PHP haute performance avec prise en charge complète des sites web et de... | Read PHP Hosting Review |
| Hébergement VPS Windows fiable avec un contrôle total et des options de personnalis... | Read Windows VPS Review |
| Hébergement rapide et flexible adapté aux applications Node.js avec des performance... | Read Nodejs Hosting Review |
| Hébergement optimisé pour les boutiques WooCommerce avec une grande rapidité et un... | Read Woocommerce Hosting Review |
| Hébergement de serveurs dédiés pour des expériences de jeu Minecraft fluides. | Read Minecraft Server Hosting Review |
| Solutions d’hébergement évolutives avec des fonctionnalités avancées pour les a... | Read Agency Hosting Review |
| Hébergement rapide et sécurisé optimisé pour les sites e-commerce Magento. | Read Magento Hosting Review |
| Hébergement Linux haute performance pour des opérations de site web stables et séc... | Read Linux Hosting Review |
| Solutions d'hébergement Java robustes pour des applications web dynamiques et des pr... | Read Java Hosting Review |
| Hébergement optimisé pour les sites e-commerce avec des performances sécurisées, ... | Read Ecommerce Hosting Review |
| Hébergement Django fiable avec des vitesses rapides et un environnement sécurisé. | Read Django Hosting Review |
| Hébergement cPanel facile à utiliser avec des performances robustes et un support f... | Read Cpanel Hosting Review |
| Hébergement puissant pour les entreprises avec des vitesses rapides, la sécurité e... | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Hébergement dédié de serveur SMTP pour une livraison d’e-mails fiable et sécuri... | Read SMTP Server Review |
| Hébergement rapide et optimisé adapté aux applications web Ruby on Rails. | Read Ruby on Rails Review |
| Hébergement riche en fonctionnalités avec intégration OpenClaw pour créer et gér... | Read OpenClaw Review |
| Hébergement rapide et fiable avec des serveurs basés au Royaume-Uni pour des perfor... | Read UK Hosting Review |
| Hébergement abordable et fiable avec des serveurs basés en Inde pour un accès à f... | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Oui. Mon NVIDIA B200 a exécuté avec succès l’inférence de Qwen2.5-7B et la génération d’images Stable Diffusion XL. Les résultats varient selon le modèle, le framework et la taille de l’instance.
Hostinger annonce 192 Go de VRAM. Mon B200 a indiqué 178,34 Gio via PyTorch, ce qui est cohérent avec les différences entre les unités de mémoire décimales et binaires.
Non. Les crédits GPU continuent d’être consommés pendant que l’instance est inactive ou en cours de redémarrage. La destruction de l’instance arrête les frais d’utilisation, mais supprime définitivement ses données locales.
Je n’ai pas vu d’essai gratuit dédié pour GPU lors de mon passage en caisse. Hostinger exclut les achats de GPU et les crédits IA de sa garantie de remboursement standard de 30 jours.
Oui. Le SSH a fonctionné sur mon instance B200 de remplacement, bien que le premier déploiement ait affiché une IP privée au lieu d’un point de terminaison SSH public utilisable.

Répondez à quelques questions simples et trouvez la solution parfaite pour vous !
Commencer la recherche d'hébergementHostAdvice.com fournit des critiques professionnels d'hébergement web totalement indépendantes de toute autre entité. Nos avis sont impartiaux, honnêtes, et les mêmes critères d'évaluations sont appliqués à toutes les sociétés examinées.
Bien qu'une compensation financière soit reçue de la part de quelques hébergeurs apparaissant sur le site, la rémunération de services et de produits n'influence en aucun cas le sens et les conclusions de nos avis. Celle-ci n'affecte pas non plus le classement de certains hébergeurs.
Cette rémunération couvre les frais d'achats de compte, de tests et les droits d'auteur versés aux critiques.






