NVIDIA Nemotron 3.5 : des modèles ouverts pour les agents IA
NVIDIA a annoncé le 15 octobre 2026 trois nouveaux modèles ouverts de la famille Nemotron 3.5. Leur objectif affiché est de couvrir plusieurs niveaux d’usage, depuis les agents multimodaux exécutés sur des serveurs jusqu’aux assistants installés sur une machine locale.
Trois modèles pour des environnements différents
Nemotron 3.5 Super VL est un modèle multimodal de 120 milliards de paramètres. Il est conçu pour combiner compréhension du texte, analyse d’images, utilisation d’outils et exécution de tâches en plusieurs étapes. NVIDIA le destine aux agents qui travaillent en continu sur des flux complexes et qui peuvent être adaptés aux données ou aux procédures d’une organisation.
La gamme Bolt vise des usages plus locaux. Bolt 74B-A9B 24GB est présenté comme capable de fonctionner dans une enveloppe mémoire de 24 Go grâce à une quantification native sur deux bits. Bolt E4B 4GB est un modèle plus compact destiné aux assistants conversationnels rapides. Super VL et Bolt 74B ont été annoncés comme disponibles le 15 octobre ; Bolt E4B devait suivre le 23 octobre 2026.
Ce que change l’exécution locale
Un modèle installé sur un poste ou une infrastructure contrôlée par l’entreprise peut limiter les transferts vers un service cloud externe. Il peut aussi réduire certaines latences et permettre une personnalisation plus poussée. Cela intéresse les organisations qui traitent des documents internes, des images techniques ou des tâches répétitives nécessitant une disponibilité constante.
L’exécution locale ne garantit cependant ni la confidentialité ni la souveraineté. Les journaux, les connecteurs, les mises à jour, les dépendances logicielles et les droits d’accès restent déterminants. Un modèle ouvert doit être évalué avec la même rigueur qu’un service hébergé : provenance des poids, licence, mécanismes de sécurité, coûts d’exploitation et responsabilités en cas d’erreur.
Des performances annoncées par le constructeur
NVIDIA revendique des gains de vitesse, de capacité et de densité par rapport à d’autres modèles. Ces résultats proviennent de ses propres tests et de classements choisis par le fournisseur. Ils ne prouvent pas que le modèle sera plus efficace sur les données, les logiciels et les contraintes d’une entreprise donnée.
La bonne méthode consiste à constituer un petit jeu de tâches représentatives : analyser un document, extraire des informations d’une image, appeler un outil, respecter une règle métier et signaler une incertitude. Le temps de réponse, la consommation mémoire, la qualité des résultats et le taux d’échec doivent être mesurés ensemble. Un modèle rapide mais peu fiable peut déplacer le coût vers la vérification humaine.
Un choix d’architecture avant d’être un choix de modèle
Nemotron 3.5 illustre une évolution importante : les agents IA ne sont plus forcément liés à un unique modèle géant distant. Une entreprise peut répartir les tâches entre plusieurs modèles, selon la sensibilité des données, le niveau de raisonnement nécessaire et les ressources disponibles.
Cette souplesse impose une orchestration claire. Il faut savoir quel modèle intervient, avec quelles permissions, sur quelles données et avec quel mécanisme de repli. La valeur ne vient pas seulement du modèle choisi, mais de la manière dont il est intégré, supervisé et évalué dans le travail réel.
Sources consultées
Annonce officielle NVIDIA sur Nemotron 3.5 Super VL et Bolt — 15 octobre 2026.
Comprendre l’innovation. Mesurer son impact. Agir avec discernement.
Challenge Impact News décrypte les évolutions de l’intelligence artificielle et des nouvelles technologies, ainsi que leurs conséquences concrètes sur les entreprises, les métiers et notre société.
Sous la direction éditoriale de Cyril Darmon
Fondateur d’UMANIA, consultant, formateur et conférencier spécialisé en intelligence artificielle et en transformation des entreprises.
UMANIA — L’IA au cœur de l’humain. Un partenaire éditorial à l’origine de Challenge Impact News.
Commentaires