Dell is framing local and edge AI around a single message: cost control. Under the new Deskside Agentic AI banner, the company is extending its AI Factory approach to on-premises and edge deployments, mainly on Pro Max, Pro Precision and PowerEdge systems, while staying within the NVIDIA ecosystem — notably with Nemotron models and the OpenShell runtime.

The pitch is that agentic AI changes the economics of inference. With “traditional” AI, where one prompt typically produces one answer, costs are relatively predictable. With agentic workflows, however, usage can escalate quickly, making the choice between cloud APIs and local infrastructure far more consequential.

Dell’s headline claim — up to 87% lower costs than cloud APIs — comes from a study it commissioned from Signal65, the US research firm associated with analyst Patrick Moorhead. The study compares cloud API usage with Dell AI Factory deployments across three agentic workloads: knowledge work, sales, and software development.

The workloads were defined as follows. The knowledge work scenario includes low-complexity tasks such as Q&A, email drafting, meeting summaries and document editing, plus medium-complexity tasks like data analysis, research assistance and blog writing. The sales workload is split evenly between low- and high-complexity tasks, though Signal65 does not detail the latter. The software development workload combines medium-complexity tasks such as documentation, pattern search and approach comparison with high-complexity tasks including function generation, API integration, code review and unit testing.

The simulation assumes continuous operation for 260 days per year over two years. Hardware utilization is set at 60% for sales and knowledge work, and 80% for software development. The agents are based on two Nemotron models: Nemotron-3-Nano-30B-A4B for knowledge work, Nemotron-3-Super-120B-A12B for software development, and a 50/50 mix of the two for sales.

On the usage side, the workloads consume an average of 13.3 million tokens per day for knowledge work, 16.3 million for sales and 21.3 million for software development.

For cloud APIs, Signal65 used market-average pricing as of 1 May 2026 for models “aligned with complexity requirements,” without further detail. Cached tokens were priced at 10% of normal input-token cost, and a uniform 40% discount was applied. The resulting average cloud costs per million tokens were $0.3666 in input / $1.7753 in output for knowledge work, $2.1545 / $11 for sales, and $5.54 / $28.97 for software development.

For on-premises deployments, the model is based on pricing and performance data supplied by Dell and NVIDIA. Each platform was sized to meet a threshold of 10 tokens per second per agent. For desktop systems, energy costs were added; for servers, Dell also included colocation, software and infrastructure management costs.

The configurations ranged from relatively affordable desktops to high-end servers: Pro Max with GB10 at about $6,000, Pro Max T2 with RTX PRO 6000 BW at about $20,000, Pro Max with GB300 Ultra at about $135,000, PowerEdge XE7740 with multiple RTX PRO 6000 BW at about $1.1 million, and PowerEdge XE7745 with multiple H200 NVL at about $1.2 million. At 100% utilization, the GB10 system was rated at 32 tokens/sec for Nemotron-3-Nano-30B-A4B and 5 tokens/sec for Nemotron-3-Super-120B-A12B; the RTX PRO 6000 BW Pro Max T2 at 300 and 87.5 respectively; the GB300 Ultra at 1,150 and 280; the XE7740 at 71,188 for the Nano model; and the XE7745 at 24,053 for the Super model.

Dell says the public prices on its US site broadly match the study’s assumptions. For example, a Pro Max GB10 with maximum RAM (128 GB LPDDR5X), minimum storage (1 TB) and no ProSupport costs $5,492 before tax. A Pro Max T2 with RTX PRO 6000 BW 96 GB, maximum RAM (128 GB DDR5 ECC), the least powerful CPU (Core Ultra 5 235) and the smallest SSD (256 GB) comes to a little over $20,000.

Under those assumptions, break-even is reached in 6 to 17 months with the Pro Max GB10, 3 to 11 months with the Pro Max GB300 Ultra, 2 to 7 months with the Pro Max T2 RTX PRO 6000, and just 2 months with the PowerEdge XE7745 in H200 NVL.

Dell is not emphasizing the PowerEdge servers in its Deskside AI presentation. Instead, it is focusing on local AI and especially the GB300 Ultra configuration, where the study’s most prominent figure — 87% lower costs — comes from the software development workload: $138,000 on Dell hardware versus $1.06 million via cloud APIs. The savings are 86% for sales and 56% for knowledge work.

The workload-by-workload results show how the economics vary by platform. For knowledge work, cost reductions reach 28% on the GB10 system for 8 agents, 71% on the Pro Max T2 for around 75 agents, 56% on the GB300 Ultra for about 300 agents, and 94% on the PowerEdge XE7740 for roughly 18,000 agents. For sales, the GB10 delivers 76% savings for 4 agents, the Pro Max T2 91% for up to 40 agents, and the GB300 Ultra 86% for around 150 agents. For software development, the Pro Max T2 reaches 93% savings for about 20 agents, the GB300 Ultra 87% for around 60 agents, and the PowerEdge XE7745 98% for more than 5,000 agents.

Jusqu’à 87 % de dépenses en moins par rapport aux API cloud : Dell a choisi son angle d’attaque pour Deskside Agentic AI.

Sous cette marque, il étend officiellement son AI Factory en local et en périphérie, essentiellement sur des systèmes Pro Max, Pro Precision et PowerEdge. Toujours avec l’écosystème NVIDIA, des modèles Nemotron au runtime OpenShell.

La logique économique est au cœur de son argumentaire. Le postulat est simple : autant avec l’IA « traditionnelle » (« un prompt = une réponse »), les coûts sont relativement prévisibles, autant avec l’IA agentique, ils peuvent enfler rapidement.

Une simulation de coûts sur trois workloads agentiques

Les 87 % annoncés proviennent d’une étude que Dell a commandée à Signal65, cabinet américain à l’origine duquel on trouve notamment l’analyste Patrick Moorhead.

L’étude compare les options API cloud et Dell AI Factory sur trois profils de workloads : « travail de la connaissance », ventes et développement logiciel. Le premier comprend des tâches d’une complexité jugée faible (questions-réponses, écriture d’e-mails, résumé de réunions, édition de documents…) et moyenne (analyse de données, assistance à la recherche, écriture d’articles de blog…). Le deuxième est à moitié-moitié entre des tâches de complexité faible et élevée, que Signal65 ne détaille pas. Quant au troisième, il combine tâches de difficulté moyenne (écriture de documentation, recherche de patterns, comparaison d’approches…) et élevée (génération de fonctions, intégration d’API, revue de code, tests unitaires…).

La simulation se fonde sur un fonctionnement en continu, 260 jours par an sur une période de 2 ans. Elle implique un taux d’utilisation hardware de 60 % pour ventes et « travail de la connaissance » ; de 80 % pour le développement logiciel.

Les agents sélectionnés étaient fondés sur deux types de modèles :

Nemotron-3-Nano-30B-A4B pour le « travail de la connaissance »

Nemotron-3-Super-120B-A12B pour le développement logiciel

L’un et l’autre, à 50/50, pour la vente

Le workload « travail de la connaissance » consomme en moyenne 13,3 millions de tokens par jour. Contre 16,3 millions pour le workload vente et 21,3 millions pour le workload développement logiciel.

Les prix retenus pour les configurations cloud…

Les coûts des API cloud représentent la moyenne du marché au 1er mai 2026 pour « des modèles alignés sur les exigences de complexité ». Signal65 n’en dit pas plus à ce propos. Il précise toutefois avoir fixé le prix des accès au cache à 10 % du prix normal des tokens en entrée. Et appliqué une remise uniforme de 40 %.

Agent

Coût moyen en entrée

(par million de tokens)

Coût moyen avec récupération en cache

(par million de tokens)

Taux d’accès au cache

Coût moyen en sortie

(par million de tokens)

Remise cloud

Assistance au « travail de la connaissance »

0,3666 $

0,03666 $

40 %

1,7753 $

40 %

Assistance à la vente

2,1545 $

0,21545 $

50 %

11 $

40 %

Assistance au développement logiciel

5,54$

0,554 $

65 %

28,97 $

40 %

… et ceux pour les configurations sur site

Les solutions on-prem ont été modélisées à partir de données de prix et de performance fournies par Dell et NVIDIA. Pour chaque plate-forme, on a dimensionné les workloads sur la base d’un seuil de performance de 10 tokens/seconde/agent. Aux prix des équipements de bureau, il fallu ajouter les coûts de l’énergie (base non spécifiée). Aux serveurs également, ainsi que les coûts de colocation, de logiciel et de gestion d’infrastructure.

Solution

Prix

Nombre maximal de tokens produits par seconde (Nemotron-3-Nano-

30B-A4B, 10 tokens/seconde/agent,

100 % d’utilisation)

Nombre maximal de tokens par seconde

(Nemotron-3-Super-120B-

A12B, 10 tokens/seconde/agent,

100% d’utilisation)

Dell Pro Max avec GB10

~ 6 k$

32

5

Dell Pro Max T2

avec RTX

PRO 6000 BW

~ 20 k$

300

87,5

Dell Pro Max avec GB300

Ultra

~ 135 k$

1150

280

Dell PowerEdge

XE7740 avec (plusieurs) RTX PRO

6000 BW

~ 1,1 M$

71 188

Non testé

Dell PowerEdge

XE7745 avec

(plusieurs) H200 NVL

~ 1,2 M$

Non testé

24 053

Jusqu’à 17 mois pour rentabiliser

Les quelques prix publics sur le site Dell US correspondent plus ou moins à ceux retenus dans le cadre de cette étude. Il en coûte par exemple 5492 $ HT pour un Pro Max en GB10 avec le maximum de RAM (128 Go LPDDR5X), le minimum de disque (1 To) et sans ProSupport. Un Pro Max T2 en RTX PRO 6000 BW 96 Go configuré avec le maximum de RAM (128 Go DDR5 ECC), le processeur le moins puissant (Core Ultra 5 235) et la plus petite capacité disque (256 Go) revient à un peu plus de 20 000 $.

Dans les conditions sus-exposées, on atteint l’équilibre sous :

6 à 17 mois avec le Pro Max GB10

3 à 11 mois avec le Pro Max GB300 Ultra

2 à 7 mois avec le Pro Max T2 RTX PRO 6000

2 mois avec le PowerEdge XE7745 en H200 NVL

Dell ne met pas en avant les serveurs PowerEdge dans sa présentation de Deskside AI. Il met l’accent sur l’IA locale, en reprenant avant tout les résultats pour la config en GB300 Ultra. C’est là que se trouvent les fameux 87 % de coûts en moins. Ils concernent le workload de développement logiciel (138 k$ vs 1,06 M$ sur les API cloud). On tombe à 86 % pour les ventes et à 56 % pour le « travail de la connaissance ».

Les résultats par workload

(travail de la connaissance)

Différence de coût maximale

Nombre d’agents

Pro Max avec GB10

28 %

8

Pro Max T2 avec RTX PRO 6000 BW

71 %

~ 75

Pro Max avec GB300 Ultra

56 %

~ 300

PowerEdge XE7740 avec RTX PRO 6000 BW

94 %

~ 18k

(ventes)

Différence de coût maximale

Nombre d’agents

Pro Max avec GB10

76 %

4

Pro Max T2 avec RTX PRO 6000

91 %

Jusqu’à 40

Pro Max avec GB300 Ultra

86 %

~ 150

(développement logiciel)

Différence de coût maximale

Nombre d’agents

Pro Max T2 avec RTX PRO 6000

93 %

~ 20

Pro Max avec GB300 Ultra

87 %

~ 60

PowerEdge XE7745 avec H220 NVL

98 %

Plus de 5k

Illlustration © Dell

The post Dell prend l’IA locale sous l’angle de la maîtrise des coûts appeared first on Silicon.fr.