NVIDIA ouvre Nemotron 3.5 Super VL, un modèle qui voit, lit des documents et utilise des outils. Il tient sur une seule machine de bureau.
Un agent qui comprend aussi les images
NVIDIA a présenté le 15 octobre Nemotron 3.5 Super VL, un modèle multimodal à poids ouverts. Multimodal signifie qu'il traite plusieurs types de contenus à la fois : du texte, des images, des documents et des vidéos. À quoi s'ajoute une spécialité : le raisonnement d'agent, autrement dit la capacité d'enchaîner des tâches et d'appeler des outils de façon autonome.
Côté taille, le modèle repose sur une architecture en mélange d'experts (MoE, un réseau où seule une partie se déclenche pour chaque portion de texte traitée). Il compte 120 milliards de paramètres au total, dont 12 milliards activés. Il gère une fenêtre de contexte d'un million de tokens, de quoi avaler de longs rapports ou plusieurs heures de transcription sans perdre le fil. Dans les deux cas, une petite fraction seulement travaille à chaque instant.
Le fabricant le positionne pour les entreprises qui veulent des agents capables de lire un dossier, d'en extraire l'essentiel et d'agir en conséquence, sans passer par un service externe.
Une machine de bureau suffit pour le faire tourner
L'argument le plus concret tient dans le format des poids. NVIDIA livre une version NVFP4, une compression pensée pour ses puces, qui permet d'exécuter le modèle sur une seule DGX Spark, la petite station de travail de la firme.
Pour une entreprise, l'intérêt est double : les données ne quittent pas les locaux, et la facture d'inférence reste prévisible. Vous n'êtes plus dépendant d'un fournisseur cloud pour un modèle de 120 milliards de paramètres. Un vrai changement de posture.
NVIDIA ajoute deux modèles de la gamme Bolt, taillés pour l'informatique en périphérie, ces appareils qui traitent les données près de leur source plutôt que dans un centre distant. L'ensemble s'inscrit dans le Nemotron Coalition, un partenariat que la firme a monté avec d'autres acteurs pour faire vivre cette famille de modèles.
Des performances annoncées à lire avec prudence
D'après NVIDIA, Nemotron 3.5 Super VL affiche des résultats de pointe sur les tâches d'agent multimodal : suivi d'instructions, usage d'outils, processus métier en plusieurs étapes et compréhension visuelle. La firme avance aussi un débit jusqu'à cinq fois supérieur à celui de modèles comparables sur l'indice d'intelligence d'Artificial Analysis, citant Ling 3.0 Flash et DeepSeek parmi les points de comparaison.
Ce sont des chiffres fournis par NVIDIA. Les évaluations externes qui les confirmeraient ou les nuanceraient n'étaient pas toutes publiées à la sortie. Le débit élevé, lui, se comprend : un modèle qui n'active que 12 milliards de paramètres sur 120 consomme moins qu'un dense de taille équivalente.
Ce que cela change pour les développeurs
Le vrai changement n'est pas la taille du modèle, mais son accessibilité. Vous pouvez le télécharger, l'adapter à votre domaine et le faire fonctionner sur votre matériel. Pour des secteurs réglementés, la santé ou la finance par exemple, garder les données en interne change tout.
Il faut toutefois compter le coût du matériel. Une DGX Spark n'est pas un serveur bon marché, et les configurations multi-machines pour un usage intensif grimperont vite. La licence et les conditions d'usage commercial accompagnent les poids : à lire avant tout déploiement.
Pour le grand public, l'impact est plus lointain. Ces modèles d'agent alimentent surtout des outils professionnels : assistants qui trient des tickets, analysent des images, remplissent des dossiers. Ce sont eux qui, en coulisses, traitent de plus en plus de demandes sans intervention humaine.
Les poids sont disponibles dès maintenant, avec une prise en charge prête pour les puces NVIDIA récentes. Si vous développez des agents, c'est le moment de tester le modèle sur vos propres flux de travail, en local.
