# ComfyUI manque de mémoire sous Windows : VRAM, RAM ou disque ?

Lorsque ComfyUI signale `CUDA out of memory` sous Windows, commencez par examiner la mémoire GPU et le workflow qui a échoué. Supprimer les images générées libère de l'espace disque, mais n'augmente pas la VRAM dédiée. Un message générique de manque de mémoire peut aussi concerner la RAM système ; conservez donc le texte exact de l'erreur au lieu de traiter chaque échec comme le même problème.

## Conservez le workflow défaillant et localisez l'étape

Enregistrez le workflow et notez le modèle, la résolution, la taille du lot et le nœud où l'exécution s'arrête. Utilisez le rapport d'erreur et le journal du terminal pour distinguer le chargement d'un modèle, l'échantillonnage, le décodage d'une image et l'exécution d'un nœud personnalisé. L'étape compte car chacune peut nécessiter une quantité de mémoire différente.

Le [guide de dépannage](https://docs.comfy.org/troubleshooting/overview) de ComfyUI recommande de vérifier le rapport, de réduire la taille de l'image ou la taille du lot et d'écarter les problèmes liés aux nœuds personnalisés. Considérez ces actions comme des comparaisons contrôlées. Ne mettez pas à jour tous les nœuds, ne remplacez pas Python et ne changez pas le modèle simultanément, car une réexécution réussie ne révélerait plus quel changement a compté.

## Lisez séparément la mémoire GPU et la mémoire système

Ouvrez **Gestionnaire des tâches › Performances** et inspectez la mémoire dédiée du GPU ainsi que la page Mémoire pendant que vous reproduisez l'échec. Assurez-vous de regarder le GPU réellement utilisé pour le workflow sur un PC multi-GPU.

| Ressource | Ce qu'un manque modifie |
| --- | --- |
| Mémoire GPU dédiée | Si le modèle et les tenseurs intermédiaires tiennent sur le GPU |
| RAM système et validation | Si Windows et le travail côté CPU ont de la place |
| Espace disque | Si les modèles, les sorties et les fichiers d'échange peuvent croître |

La mémoire GPU partagée n'est pas de la VRAM physique supplémentaire sur la carte graphique. Un grand SSD libre ne signifie pas qu'un grand modèle tiendra sur cette carte. L'[explication du Gestionnaire des tâches sur le GPU](https://devblogs.microsoft.com/directx/gpus-in-the-task-manager/) de Microsoft décrit les différentes lectures.

## Associer la première expérience au nœud défaillant

Un rapport de mémoire insuffisante contient généralement plus d'informations utiles que le seul nœud rouge. Conservez la première erreur d'allocation et le nœud qui l'a déclenchée ; les exceptions suivantes peuvent découler de cette première défaillance. Enregistrez une copie du workflow avant de modifier son graphe.

| Étape de défaillance | Première comparaison contrôlée | Ce que le résultat peut établir |
| --- | --- | --- |
| Chargement d'un checkpoint ou d'un encodeur de texte | Un modèle plus petit compatible avec la même tâche minimale | Si la demande de chargement est l'obstacle |
| Échantillonnage | Lot de un, puis dimensions d'image prises en charge plus faibles dans une exécution séparée | Si la charge de travail intermédiaire tient à une taille plus petite |
| Décodage VAE après échantillonnage | Un décodage VAE tuilé compatible | Si le décodage était le pic qui a échoué |
| Agrandissement ou traitement vidéo | Une entrée plus petite ou moins d'images, si pris en charge | Si la taille d'entrée de cette étape est à l'origine de la défaillance |
| Un nœud personnalisé | L'équivalent intégré le plus petit pris en charge | Si la défaillance est propre à ce chemin de nœud |

Ce sont des expériences, pas des garanties. Un checkpoint plus petit peut changer la famille de modèles, les nœuds requis ou la qualité de sortie ; utilisez donc un workflow qui le prend en charge. Si la première erreur concerne le chargement des poids, réduire la qualité JPEG finale ne changera pas la quantité de mémoire modèle nécessaire.

Tenez un relevé simple du modèle, de la graine, de la résolution, du lot, du nœud modifié et du résultat. Conservez la même graine lorsque le workflow le permet, afin de faciliter les comparaisons visuelles, tout en sachant que changer la précision ou les nœuds peut encore modifier l'image. Une fois qu'une petite configuration aboutit, rétablissez une exigence à la fois jusqu'à ce que l'étape limitante devienne claire.

## Réduisez une demande à la fois

Commencez par une taille de lot de un et une résolution prise en charge plus petite. Si le workflow se termine alors, augmentez une seule dimension et répétez. Doubler à la fois la largeur et la hauteur de l'image produit quatre fois plus de pixels, mais cela n'implique pas exactement quatre fois la VRAM totale, car les modèles et les différents nœuds ont leurs propres coûts.

Si l'échec se produit au décodage plutôt qu'à l'échantillonnage, essayez un nœud de décodage VAE en tuiles compatible lorsque le workflow le permet. Vérifiez la sortie pour détecter des coutures ou d'autres différences. Si un seul modèle ne peut pas être chargé, des dimensions de sortie plus petites peuvent ne pas suffire à résoudre le problème. Testez un modèle ou une précision pris en charge par ce workflow et ce matériel.

Enregistrez et fermez les autres travaux gourmands en GPU avant une nouvelle exécution. Si la mémoire reste occupée après un échec, redémarrez ComfyUI normalement après avoir enregistré le workflow. Un redémarrage peut libérer une charge de travail abandonnée, mais il ne rend pas un workflow surdimensionné fiable pour autant.

## Modifier le décodage VAE sans reconstruire tout le workflow

La [documentation VAE Decode Tiled](https://docs.comfy.org/built-in-nodes/VAEDecodeTiled) de ComfyUI décrit le décodage des échantillons latents en tuiles plus petites. Dans une copie enregistrée d'un workflow d'image compatible, connectez les mêmes échantillons latents et le même VAE au nœud de décodage tuilé, puis connectez sa sortie d'image au nœud d'enregistrement ou d'aperçu existant. Conservez le workflow d'origine pour que la modification reste réversible.

Partez des valeurs par défaut disponibles du nœud plutôt que de copier plusieurs valeurs de tuile et de chevauchement depuis un autre modèle. Si une tuile plus petite est nécessaire, modifiez uniquement cette valeur et vérifiez à la fois l'utilisation de la mémoire et l'image obtenue. Des pièces plus petites peuvent réduire l'ensemble de travail mais ajoutent une surcharge de traitement ; inspectez les dégradés réguliers, les bords et les détails fins avant d'accepter le résultat.

Le tuilage au décodage ne réduit pas la mémoire nécessaire plus tôt pour charger le modèle ou exécuter l'échantillonneur. Si l'exécution n'atteint jamais le décodage, ramenez l'investigation à l'étape défaillante. Un VAE vidéo ou un modèle spécialisé peut nécessiter son propre nœud compatible ; ne substituez donc pas un décodeur d'image uniquement parce que son nom contient « tiled ».

## Utilisez la voie d'optimisation adaptée à votre installation

Le guide officiel documente `--lowvram` pour les installations manuelles. Pour une installation manuelle lancée depuis son propre environnement, la forme est :

```
python main.py --lowvram
```

Ce n'est pas une commande universelle à coller dans ComfyUI Desktop, un bundle portable ou un lanceur tiers. Utilisez les paramètres de lancement pris en charge par cette installation et conservez les arguments existants. Déplacer le travail hors de la mémoire GPU peut échanger de la vitesse et de la RAM système contre une exigence de VRAM plus faible.

Pour les échecs impliquant des nœuds personnalisés, comparez avec un workflow intégré et suivez le [dépannage des nœuds personnalisés](https://docs.comfy.org/troubleshooting/custom-node-issues) de ComfyUI. Conservez le workflow d'origine et notez quels nœuds ont été désactivés. Un nœud personnalisé manquant modifie le workflow ; comparez donc la plus petite tâche équivalente que vous pouvez reproduire.

## Rétablir les paramètres de lancement après la comparaison

Conservez une copie du lanceur ou une note de ses arguments avant d'essayer une option de mémoire. Un environnement Python manuel, un paquet portable Windows et l'application de bureau ne démarrent pas forcément de la même manière. Ajoutez une option uniquement par le mécanisme qui démarre réellement cette installation ; créer un second environnement Python peut introduire un problème différent.

La [référence des options de démarrage](https://docs.comfy.org/development/comfyui-server/startup-flags) de ComfyUI décrit plusieurs contrôles indépendants de mémoire et de cache. Ce ne sont pas un ensemble d'interrupteurs à activer ensemble. Par exemple, réduire la mise en cache des résultats peut diminuer la mémoire retenue mais amener davantage de nœuds à s'exécuter de nouveau. Le déchargement sur CPU peut nécessiter de la RAM système supplémentaire et ralentir le workflow.

Après une exécution réussie, vérifiez que la sortie est complète et utilisable, puis répétez la tâche normale. Si la modification ne permet qu'un petit test alors que le workflow requis échoue encore, consignez cette limite. Retirez un argument de test inutile du lanceur d'origine et revenez à la dernière configuration fonctionnelle avant une autre expérience.

Si la validation système est le goulot d'étranglement, inspectez la mémoire Windows en parallèle de la mémoire GPU et conservez une configuration de fichier d'échange fonctionnelle. Augmenter la capacité du disque, augmenter la limite du fichier d'échange et réduire la demande de VRAM dédiée sont des interventions différentes ; aucune ne doit être présentée comme un remède universel aux autres.

## Gardez le nettoyage des sorties comme tâche séparée

Les images et vidéos générées peuvent consommer un espace disque considérable. Examinez-les par projet et conservez le workflow et les ressources nécessaires pour reproduire les résultats utiles. Sauvegardez tout ce que vous avez l'intention de conserver avant de supprimer sa seule copie.

Si l'erreur est un manque de validation Windows, le [guide de mémoire Windows](/fr/windows/blog/windows-high-memory-usage) explique en quoi cela diffère de la VRAM. Ne supprimez pas le fichier d'échange pour faire paraître le disque plus propre. Lorsque vous signalez un échec persistant, incluez l'erreur exacte, le GPU et le pilote, le type d'installation et le plus petit workflow en échec, en supprimant les invites et les chemins privés.


Canonical: https://mole.fit/fr/windows/blog/comfyui-out-of-memory-windows