En août 1900, Michelin offre à chaque acheteur de pneus un guide où figurent hôtels, garages et mécaniciens. Le fabricant ne vend pas de littérature : il vend des pneus, et chaque voyage que le guide donne envie d’entreprendre use un peu de gomme. Les stratèges parlent de banaliser le complément de son produit.
Nvidia, qui vend les puces de l’intelligence artificielle, applique cette logique aux modèles : il en publie dont les poids sont offerts à tous. Le 15 octobre, il a lancé Nemotron 3.5 Super VL, un modèle ouvert de 120 milliards de paramètres qu’il dit cinq fois plus rapide que la concurrence, taillé pour les entreprises qui automatisent des tâches sans laisser sortir leurs données, avec deux modèles plus petits, Bolt, dans un trio pensé pour l’efficacité. Suivent les conditions du « cinq fois plus rapide », la valeur du modèle face à ses concurrents, la logique de Nvidia, ses effets pour l’éditeur et son client, sa place entre Washington et Pékin, puis les rendez-vous des prochains jours.
Un modèle de vision et de langage à 12 milliards de paramètres actifs
VL signifie vision-language : le modèle lit du texte, des images et des vidéos de deux minutes au plus, qu’un encodeur visuel relie au langage, mais ne répond qu’en texte. Un mélange d’experts n’active que 12 de ses 120 milliards de paramètres à chaque jeton, et le contexte annoncé atteint un million de jetons. Nvidia le dit proche de son plus grand modèle de raisonnement avec environ un cinquième des paramètres, et la fiche indique une distillation depuis Nemotron 3 Ultra.
La publication couvre les poids en BF16 et en NVFP4, un format 4 bits, des jeux de données ouverts, les recettes d’entraînement et des environnements d’apprentissage par renforcement dans NeMo Gym. La version BF16 exige quatre H100 ou deux GB200, la version 4 bits tient sur un seul GPU H200 ou sur un DGX Spark.
Deux modèles Bolt pour les appareils
L’IA de périphérie fait tourner les modèles sur l’appareil, sans passer par le réseau. Nemotron 3.5 Bolt 74B-A9B 24 Go, disponible depuis le 15 octobre, compte 74 milliards de paramètres dont 9 milliards actifs et sert des agents locaux ; Nemotron 3.5 Bolt E4B 4 Go, attendu le 23 octobre, vise des agents conversationnels rapides, vocaux ou sur appareil, et des « personnages interactifs ». Nvidia revendique pour les deux « la plus grande intelligence par gigaoctet de mémoire », face à ses seuls modèles : le premier cherche l’équilibre entre capacités et vitesse.
Le « 2 bits natif » du premier est mixte : Bolt compresse Super VL, avec 9 experts actifs par jeton au lieu de 22, des poids d’experts à 2,06 bits, des couches Mamba en NVFP4 et l’attention en 8 bits, pour une cible de 24 Go à taille de lot 1 et 128 000 jetons de contexte. Artificial Analysis lui donne 21,4 sur son indice, à moins de deux points de Nemotron 3 Ultra, mais Nvidia le mesure plus lent, sur un portable RTX Spark, que Qwen3.6 35B-A3B et Gemma 4 26B-A4B : 84 jetons par seconde contre 97 et 101 sur un test de code.
Le « cinq fois plus rapide », condition par condition
Nvidia présente Super VL comme le plus rapide des modèles agentiques ouverts de sa catégorie, cinq fois devant le suivant, pour des tâches à grand volume sur des flux de plusieurs jours ou semaines. La légende de son graphique est plus prudente : jusqu’à cinq fois le débit des autres modèles de sa catégorie, sans nommer ces modèles, ni le matériel, ni la précision de calcul, ni la latence. Un compte rendu du lancement place Ling 3.0 Flash d’inclusionAI et V4.1 Flash de DeepSeek deuxième et troisième, à bonne distance, d’après Artificial Analysis, dont l’article ne les cite pas.
Face à qui, sur quel matériel, avec quelle précision
Le billet technique de Nvidia apporte la mesure : plus de 600 jetons de sortie par seconde pour 100 000 jetons en entrée, par un point d’accès Baseten, avec Inkling Small comme référence du facteur cinq ; le texte parle de jusqu’à cinq fois le débit sur un seul GPU, sans dire lequel. Artificial Analysis relève environ 630 jetons par seconde sur un point d’accès DeepInfra en pré-lancement, qui sert les poids NVFP4, avec un premier jeton en 1,8 seconde. Inkling Small, de Thinking Machines, atteint 124 jetons par seconde et un premier jeton à 8,5 secondes, Nemotron 3 Ultra 235 et 4,4 secondes, Nemotron 3 Super 140 : le rapport vaut 5,1, 2,7 et 4,5.
Quatre leviers pour un seul chiffre
Chaque levier réduit les octets à lire ou les étapes à attendre par jeton. Le mélange d’experts ne lit que 12 milliards de paramètres sur 120. Les couches Mamba, qui côtoient celles d’attention, gardent un état de taille fixe quand l’attention relit un cache qui grossit avec le contexte, lourd à 100 000 jetons. Le NVFP4 code chaque valeur sur 4 bits avec un facteur d’échelle partagé par seize valeurs, soit 4,5 bits, un volume 3,5 fois inférieur au FP16. La prédiction multi-jetons propose plusieurs jetons par pas, que le modèle valide d’un seul passage.
Ce que le chiffre ne dit pas
Le chiffre décrit le débit de sortie d’un flux, à une seule longueur de prompt, sur un point d’accès en pré-lancement : ni un coût, ni un temps de bout en bout. La durée d’une tâche dépend aussi des jetons produits, 46 000 en moyenne pour Super VL contre 114 000 pour Nemotron 3 Super, soit, à ces vitesses et en ordre de grandeur, une minute de génération contre quatorze. Le gain complet suppose les GPU Blackwell, où le NVFP4 est natif, et la précision se paie par endroits : la page NIM de Nvidia crédite le NVFP4 de 66,31 contre 77,72 au BF16 sur WebVoyager, quand Artificial Analysis ne relève que 0,1 point d’écart sur son indice.
Plus rapide ne veut pas dire plus capable
Sur l’indice d’intelligence d’Artificial Analysis, Super VL atteint 26,5 et devient le meilleur modèle ouvert américain du banc, devant Inkling Small (25,7) et Nemotron 3 Ultra (23), dans un article muet sur Muse Spark Open, que Meta a publié le même jour et que le tableau de Meta crédite de 39. Il reste derrière K2 Horizon 375B A23B, venu des Émirats, à 31, et loin derrière le chinois MiMo-V2.6-Pro, à 46. Sa sobriété, 46 000 jetons de sortie par tâche, signe un gain d’efficacité sans combler l’écart : le modèle reste « loin de la frontière d’efficacité ».
Cet indice a été refondu en septembre, de la version 4.2 à la 4.3.2, et les scores d’avant ne se comparent plus : Nemotron 3 Ultra, publié le 4 juin avec 550 milliards de paramètres, dix-neuvième de l’indice et premier modèle ouvert américain du banc à la fin de juillet, vaut 23 aujourd’hui, et son élève de 120 milliards le devance.
Le post-entraînement, un gain sur une tâche précise
Nvidia affirme que Super VL atteint, grâce au post-entraînement, une précision de haut niveau pour des agents spécialisés en fonctionnement permanent, avec, sur des demandes de remboursement d’assurance maladie, un gain de 44 % qui placerait la version adaptée nettement au-dessus de Claude Opus 5. Son billet technique ne nomme aucun modèle de pointe pour cette comparaison et aligne cinq gains, de 9 à 44 %, que seul l’ordre du texte alternatif rattache à des domaines. Le modèle de base ne dépasse donc pas à lui seul les meilleurs modèles propriétaires ; Nvidia vend la possibilité de l’adapter.
Pourquoi un fabricant de puces publie des modèles
Nvidia prévoit 26 milliards de dollars sur cinq ans dans des modèles à poids ouverts, selon Wired, d’après un document financier que des dirigeants ont confirmé, et Bryan Catanzaro, vice-président de la recherche appliquée en apprentissage profond, y voit l’intérêt de rendre l’écosystème « diversifié et fort partout ». Reste qu’un modèle dont le plein gain de vitesse passe par la précision native de Blackwell installe une préférence matérielle sans clause de contrat.
Des briques publiées avant le modèle
La plupart des leviers ont une date de naissance antérieure au modèle : décodage spéculatif en novembre 2022, prédiction multi-jetons en avril 2024, Nemotron-H en avril 2025, NVFP4 en juin 2025. Pour un fabricant de puces, un modèle ouvert peut servir de banc d’essai public à un format, une architecture et une puce qu’il vend.
Ce que cela change pour l’éditeur et pour son client
Nvidia met en avant la maîtrise : contrairement aux modèles fermés de pointe, une organisation peut adapter Super VL à ses données, le déployer sur son infrastructure et superviser ce qu’elle construit, selon ses exigences de sécurité et de localisation des données. Koa, le modèle de raisonnement CRM de Salesforce, bâti sur Nemotron 3 Super et annoncé le 15 septembre, en donne une illustration : l’éditeur y garde la maîtrise de ses poids.
Pour le client, la dépendance à une API américaine fermée recule, mais la responsabilité glisse vers l’éditeur : la page NIM de Nvidia, qui rappelle que le modèle est optimisé pour les GPU Nvidia, demande des tests sur des données propres à l’usage, et en Europe le règlement sur l’IA ne fait de l’éditeur un fournisseur qu’au-delà d’un tiers du calcul d’entraînement d’origine.
Une licence plus légère que les conditions de Nvidia
La fiche annonce OpenMDW-1.1, texte de la Linux Foundation que Nemotron 3 Ultra, paru le 4 juin, portait déjà. Il accorde le droit de traiter le modèle sans restriction d’usage, sans politique d’usage acceptable, sans indemnisation ni juridiction désignée, et résilie les droits de qui engage un procès alléguant que le modèle contrefait un brevet ou un droit d’auteur. Les conditions maison de Nvidia prévoyaient une indemnisation et le droit du Delaware, et celles d’octobre 2025 retiraient les droits à qui contournait un garde-fou sans équivalent : OpenMDW n’en dit rien.
Entre Washington et Pékin, la place de Nemotron
Les modèles chinois, ceux de DeepSeek et de Moonshot AI en tête, incarnent depuis longtemps l’attrait, et le danger, de poids plus économiques et plus adaptables que les modèles fermés : le rapport ATOM conclut qu’ils ont dépassé les américains à l’été 2025 en adoption, puis creusé l’écart. Sur le tableau de la fiche de Nvidia, Super VL reste derrière Qwen3.8-Flash-Next, GLM-5.3-Flash et DeepSeek-V4-Flash-0731 sur la plupart des lignes, de MMLU-ProX à Terminal-Bench 2.1, où il marque 60,67 contre 76,8 à 85,8.
Jensen Huang a plaidé fin juillet, après avoir rencontré des parlementaires américains, pour des poids ouverts « pour la sécurité » et « pour la sûreté ». Depuis la faille de sécurité de juillet entre des agents d’OpenAI et Hugging Face, l’idée reçue que seuls les modèles ouverts présentent des risques a perdu du terrain, et le secteur en adopte davantage.
L’Occident revient en nombre
Les laboratoires américains rattrapent leur retard et l’Occident revient en nombre, au point que l’écart géographique pourrait se réduire. Mistral a présenté le 6 octobre l’aperçu de ML4, Le Chonk, qui revendique des records, entraîné deux mois sur 4 000 GPU Grace Blackwell de Nvidia, aux poids annoncés pour le 27 octobre ; Reflection AI, dont Nvidia est actionnaire et qu’il serait en passe de racheter, a dévoilé Beam le 5 octobre, aux poids promis pour plus tard dans le mois.
Les rendez-vous qui trancheront
Le 16 octobre, les portables RTX Spark, pour lesquels Bolt est conçu, arrivent : reste à voir ce que laisse aux applications un modèle de 24 Go. Le 21 octobre, la keynote de Jensen Huang au GTC Berlin, de 11 h à 13 h, heure de Paris, sera l’occasion de préciser, ou non, les conditions de ses mesures. Le 23, Bolt E4B mettra le modèle de 4 Go à l’épreuve de la voix et des appareils.
Les poids de ML4 doivent paraître le 27 octobre, puis ceux de Beam : si leurs évaluations rapprochent ces modèles occidentaux des meilleurs modèles chinois, l’écart géographique se réduit, sans perte pour Nvidia, ML4 s’étant entraîné sur ses puces ; sinon, la question redevient l’écart avec Qwen et GLM. Des mesures tierces qui retrouveraient le cinq fois hors des conditions de Nvidia en feraient un acquis ; un facteur proche de 2,7 se lirait comme un gain de génération plutôt qu’une rupture.
Nemotron 3.5 Super VL est d’abord un travail d’ingénieurs daté : la plupart de ses leviers, du décodage spéculatif au format 4 bits, étaient publiés avant d’être réunis. Le cinq fois plus rapide est un rapport mesuré à un endroit précis, qui tombe à 2,7 face à Ultra, et la vitesse s’accompagne d’une capacité inférieure à celle des meilleurs modèles chinois.
Ce que l’éditeur y gagne tient moins à la vitesse qu’à la maîtrise : des poids qu’il adapte et héberge, une licence allégée, et la charge de tester et de se conformer qui va avec. Ce que Nvidia y gagne est une demande pour sa puce, obtenue sans contrat ni exclusivité, par la seule vitesse de ses modèles.
Plus largement, la frontière entre ouvert et libre se déplace à chaque publication : poids, données et recettes sont publiés, mais l’optimisation maximale reste liée à une marque de puces. La carte des modèles ouverts se redessine entre un fabricant américain qui équipe ses concurrents occidentaux et des laboratoires chinois forts de l’adoption, la vérification des chiffres d’éditeur reposant sur très peu de tiers.
Aller plus loin
Tout part de l’Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models, billet de Kari Briski qui donne la formule des cinq fois plus rapide dans ses propres termes, avec les partenaires et le calendrier du 16, du 21 et du 23 octobre, sans nommer ni les modèles comparés ni la licence.
Ce que l’annonce passe sous silence se trouve dans la fiche Hugging Face de NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 : licence, modalités d’entrée, matériel requis, étapes d’entraînement et tableau de comparaison avec les modèles chinois, à lire avec ses incohérences, dont le Terminal-Bench 2.1 qui change de valeur d’un document à l’autre.
Les conditions des graphiques de débit se lisent dans le NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents with Multimodal Reasoning, billet technique qui nomme le point d’accès Baseten, les 100 000 jetons d’entrée et Inkling Small comme référence, et décrit la distillation depuis Nemotron 3 Ultra.
Les modèles pour appareils se détaillent dans la page de recherche NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB, qui décrit la compression depuis Super VL, les formats de quantification composant par composant et les mesures de vitesse sur un portable RTX Spark, sans rien dire du Bolt E4B.
Seule évaluation indépendante identifiée au jour de la sortie, l’article d’Artificial Analysis NVIDIA Releases Nemotron 3.5 Super and Nemotron 3.5 Bolt mesure 630 jetons par seconde sur un point d’accès en pré-lancement, donne un indice de 26,5 à Super VL et de 21,4 à Bolt, et reconnaît que Super VL reste loin de la frontière d’efficacité.
Pour comprendre pourquoi les scores d’avant septembre ne se comparent plus à ceux d’octobre, la Artificial Analysis Intelligence Benchmarking Methodology détaille, pour la version 4.3.2, les dix évaluations et leurs pondérations, dont 30 % pour les agents et 20 % pour le code.
La licence se lit sans intermédiaire dans le OpenMDW License Agreement, version 1.1, où ne figurent ni politique d’usage acceptable, ni indemnisation, ni tribunal compétent, et où la résiliation de tous les droits frappe celui qui engage un procès alléguant que le modèle contrefait un brevet ou un droit d’auteur.
Le mécanisme du format 4 bits est expliqué dans Introducing NVFP4 for Efficient and Accurate Low-Precision Inference, avec ses blocs de seize valeurs, son facteur d’échelle FP8, son empreinte 3,5 fois plus petite qu’en FP16 et une dégradation de 1 % ou moins face au FP8 sur DeepSeek-R1-0528.
La place des modèles chinois se mesure dans The ATOM Report: Measuring the Open Language Model Ecosystem, de Nathan Lambert et Florian Brand, qui suit environ 1 500 modèles ouverts par téléchargements, dérivés et part d’inférence et conclut à un dépassement des modèles américains à l’été 2025.
Le cadre européen de l’éditeur qui déploie un poids ouvert tient dans les Guidelines on obligations for General-Purpose AI providers, page de la Commission mise à jour le 11 novembre 2025, qui fixe le seuil d’un tiers du calcul d’origine au-delà duquel celui qui adapte un modèle en devient fournisseur.
Lus ensemble, ces documents montrent une annonce dont chaque chiffre porte sa condition : un débit mesuré à une longueur de prompt et sur un point d’accès précis, un indice refondu en septembre, un modèle léger plus lent que ses rivaux de même encombrement. Ils montrent aussi que la vitesse est un travail d’ingénierie daté, que l’adoption reste chinoise et que la liberté laissée à l’éditeur lui renvoie la charge de tester et de se conformer.