L'objectif est clair : favoriser un écosystème ouvert pour que chaque entreprise, petite ou grande, puisse faire tourner ses propres solutions souveraines... sur du matériel Nvidia, bien entendu.

Une architecture hybride "Mixture of Experts" pour plus d'efficacité

La grande nouveauté de cette génération réside dans l'utilisation d'une architecture MoE (Mixture of Experts) hybride. Contrairement aux modèles "denses" classiques, le MoE n'active qu'une fraction de ses paramètres pour répondre à une requête donnée. Résultat ? Une puissance de calcul optimisée et une latence réduite sans sacrifier la précision.

• Nemotron 3 Nano (30B paramètres) : Le petit poucet de la bande (avec seulement 3 milliards de paramètres actifs). Il excelle dans le résumé de texte et la recherche d'informations locale (RAG).
• Nemotron 3 Super (100B paramètres) : Le cœur de la stratégie multi-agents. Avec 10 milliards de paramètres actifs, il offre un compromis idéal entre raisonnement complexe et faible latence.
• Nemotron 3 Ultra (500B paramètres) : Le colosse (50 milliards de paramètres actifs), taillé pour les tâches les plus lourdes et les systèmes industriels complexes.

Disponibilité : le Nano d'abord, le reste plus tard

Si l'annonce fait grand bruit, il faudra être patient pour tester les versions les plus musclées. À l'heure actuelle, seul Nemotron 3 Nano est disponible sur Hugging Face. Les versions Super et Ultra ne pointeront le bout de leur code qu'au premier semestre 2026.

Pourtant, la version Nano impressionne déjà par ses chiffres :

• Une fenêtre de contexte massive de 1 million de tokens.
• Une efficacité quatre fois supérieure à Nemotron 2 Nano pour la génération de texte.
• Une réduction de 60% des tokens nécessaires pour les tâches de raisonnement.

Plus que des modèles : un kit complet pour les développeurs

Fait assez rare pour être souligné, Nvidia joue la carte de la transparence totale. En plus des poids du modèle, l'entreprise publie les données d'entraînement (soit 3 000 milliards de tokens).

Pour accompagner les développeurs dans la création d'agents spécialisés, Nvidia libère également plusieurs outils sur GitHub :

1. NeMo Gym & NeMo RL : Des bibliothèques pour l'apprentissage par renforcement.
2. NeMo Evaluator : Un outil pour tester la sécurité et la fiabilité des IA produites.

Pourquoi Nvidia mise-t-elle autant sur l'open source ? C'est une question de survie stratégique. En aidant des acteurs comme Oracle, Palantir, Siemens ou Zoom à développer leurs propres agents IA, Nvidia réduit sa dépendance envers les "Hyperscalers" qui cherchent de plus en plus à concevoir leurs propres puces pour s'affranchir de leur fournisseur habituel.

En devenant le pilier de l'IA ouverte, Nvidia s'assure que, quel que soit le modèle choisi, il tournera sur une carte graphique verte.