Le dernier discours de Jensen Huang au CES : les agents d'intelligence artificielle pourraient devenir la prochaine industrie robotique, avec une ampleur atteignant plusieurs milliers de milliards de dollars.
TechFlow SélectionTechFlow Sélection
Le dernier discours de Jensen Huang au CES : les agents d'intelligence artificielle pourraient devenir la prochaine industrie robotique, avec une ampleur atteignant plusieurs milliers de milliards de dollars.
NVIDIA étend progressivement l'intelligence artificielle depuis le cloud vers les appareils individuels et les infrastructures internes des entreprises, couvrant ainsi tous les besoins informatiques, des développeurs aux utilisateurs finaux.
Dédié à des analyses Web3 approfondiesRédaction : Youxin
Lors du salon CES 2025 ouvert ce matin, Jensen Huang, fondateur et PDG de NVIDIA, a prononcé un discours phare marquant une étape décisive pour l'avenir de l'intelligence artificielle (IA) et du calcul. De la notion fondamentale de « token » dans les IA génératives à l'annonce de la nouvelle architecture GPU Blackwell, en passant par le futur numérique piloté par l'IA, cette présentation influencera profondément l'ensemble du secteur selon une perspective transversale.
1) Des IA génératives aux IA agissantes (Agentic AI) : le début d'une ère entièrement nouvelle
-
Naissance du « token » : cœur moteur des IA génératives, le token transforme le texte en connaissance, insuffle la vie aux images et inaugure de nouvelles formes d'expression numérique.
-
Évolution de l’IA : de l’IA perceptive à l’IA générative, puis vers l’IA capable de raisonner, planifier et agir – l’intelligence artificielle franchit constamment de nouveaux sommets.
-
Révolution Transformer : depuis son lancement en 2018, cette technologie a redéfini les méthodes de calcul et bouleversé radicalement les piles technologiques traditionnelles.
2) GPU Blackwell : repousser les limites de la performance
-
Nouvelle série GeForce RTX 50 : basée sur l’architecture Blackwell, elle intègre 92 milliards de transistors, atteint 4 000 TOPS de performance IA et 4 PetaFLOPS de puissance de calcul, soit le triple de la génération précédente.
-
Fusion entre IA et graphisme : première combinaison de shaders programmables avec des réseaux neuronaux, introduisant la compression neuronale de textures et le shader matériel neuronal, offrant des effets de rendu époustouflants.
-
Démocratisation de la haute performance : la version portable RTX 5070 à 1 299 $ égale la performance de la RTX 4090, accélérant ainsi la diffusion du calcul haute performance.
3) Expansion multidomaine des applications de l’IA
-
Agents IA professionnels : NVIDIA propose des outils comme Nemo et Llama Nemotron permettant aux entreprises de créer des employés numériques autonomes capables de raisonnement, assurant gestion intelligente et services personnalisés.
-
IA physique (Physic AI) : via les plateformes Omniverse et Cosmos, l’IA s’intègre aux domaines industriels, à la conduite autonome et à la robotique, redéfinissant fabrication mondiale et logistique.
-
Futurs scénarios de calcul : NVIDIA étend l’IA du cloud vers les appareils personnels et les infrastructures internes aux entreprises, couvrant tous les besoins de calcul, des développeurs jusqu’aux utilisateurs finaux.
Voici les points principaux du discours de Jensen Huang :
C’est ici que naît l’intelligence, une usine inédite — un générateur de tokens. Ce sont les briques élémentaires de l’IA, ouvrant un nouveau domaine, franchissant le seuil vers un monde extraordinaire. Les tokens transforment le texte en savoir, animent les images ; ils convertissent la créativité en vidéos, nous aident à naviguer en toute sécurité dans n’importe quel environnement ; apprennent aux robots à se mouvoir comme des maîtres, et nous inspirent à célébrer nos victoires sous de nouvelles formes. Au moment où nous en avons le plus besoin, les tokens apportent aussi la paix intérieure. Ils donnent du sens au numérique, nous aident à mieux comprendre le monde, anticiper les dangers potentiels et trouver des remèdes contre les menaces internes. Ils peuvent concrétiser nos visions, réparer ce que nous avons perdu.
Tout cela a commencé en 1993, quand NVIDIA a lancé son premier produit, le NV1. Nous voulions créer des ordinateurs capables de tâches impossibles pour les machines classiques, rendant possible l’intégration d’un système type console dans un PC. En 1999, NVIDIA a inventé le GPU programmable, amorçant plus de 20 ans de progrès technologiques qui ont rendu possible l’informatique graphique moderne. Cinq ans plus tard, nous avons introduit CUDA, exprimant pleinement la programmabilité du GPU grâce à des algorithmes riches. Cette technologie était initialement difficile à expliquer, mais en 2012, le succès d’AlexNet a confirmé tout son potentiel, propulsant ainsi une percée décisive dans le domaine de l’IA.
Depuis lors, l’IA s’est développée à une vitesse stupéfiante. De l’IA perceptive à l’IA générative, puis vers l’IA capable de percevoir, raisonner, planifier et agir — ses capacités ne cessent de croître. En 2018, Google a lancé Transformer, véritable décollage du monde de l’IA. Transformer a non seulement radicalement changé le paysage de l’IA, mais a aussi redéfini l’ensemble du domaine informatique. Nous avons alors compris que l’apprentissage automatique n’était pas simplement une nouvelle application ou une opportunité commerciale, mais bien une révolution fondamentale du calcul. Passant de l’écriture manuelle d’instructions à l’optimisation de réseaux neuronaux par apprentissage automatique, chaque couche de la pile technologique a subi une transformation majeure.
Aujourd’hui, les applications de l’IA sont omniprésentes. Comprendre le texte, les images, les sons, traduire les acides aminés ou explorer la physique — l’IA peut accomplir tout cela. Presque toutes les applications d’IA peuvent se ramener à trois questions : Quelle modalité d’information a-t-elle apprise ? En quelle modalité d’information l’a-t-elle traduite ? Quelle modalité d’information a-t-elle générée ? Ce concept fondamental alimente chaque application pilotée par l’IA.
Toutes ces réalisations reposent sur GeForce. GeForce a permis la démocratisation de l’IA, et désormais, l’IA révolutionne à son tour GeForce. Grâce à la technologie de traçage de rayons en temps réel, nous pouvons produire des graphismes d’un réalisme époustouflant. Avec DLSS, l’IA va même au-delà de la génération d’images, prédisant les cadres futurs. Sur 3,3 millions de pixels, seuls 200 000 sont calculés directement, les autres étant prédits par l’IA. Une telle prouesse témoigne de la puissance de l’IA, rendant le calcul plus efficace et nous révélant des possibilités infinies.
Voilà pourquoi tant de choses incroyables se produisent actuellement. GeForce a propulsé le développement de l’IA, et maintenant, l’IA révolutionne complètement GeForce. Aujourd’hui, nous annonçons notre prochaine génération de produits — la famille RTX Blackwell. Découvrons-la ensemble.
Voici la nouvelle série GeForce RTX 50, basée sur l’architecture Blackwell. Ce GPU est une bête de performance, doté de 92 milliards de transistors, 4 000 TOPS de performance IA et 4 PetaFLOPS de puissance de calcul IA, soit trois fois plus que l’ancienne architecture Ada. Tout cela afin de générer les pixels époustouflants que je viens de vous montrer. Il offre également 380 TeraFLOPS en traçage de rayons, garantissant une qualité visuelle maximale pour chaque pixel calculé, ainsi que 125 TeraFLOPS en shading. Cette carte graphique utilise la mémoire G7 de Micron, atteignant une vitesse de 1,8 To/s, soit deux fois la performance de la génération précédente.
Nous pouvons désormais combiner les charges de travail IA avec celles du graphisme. Une caractéristique exceptionnelle de cette génération est que les shaders programmables peuvent aussi traiter des réseaux neuronaux. Cela nous a permis d’inventer la **compression neuronale de textures** et le **shader matériel neuronal**. Ces technologies utilisent l’IA pour apprendre les textures et les algorithmes de compression, générant finalement des effets visuels spectaculaires accessibles uniquement via l’IA.
Même au niveau de la conception mécanique, cette carte est un miracle. Elle adopte un double ventilateur, la carte entière fonctionnant comme un ventilateur géant. Le module de régulation de tension interne est le plus avancé qui soit. Un tel design exceptionnel est entièrement dû à l’effort acharné de notre équipe ingénierie.
Passons maintenant aux comparaisons de performance. La RTX 4090, vendue 1 599 $, bien connue de tous, constitue l’investissement central pour un poste de divertissement domestique. Désormais, la série RTX 50 offre une performance supérieure, avec un prix de départ de seulement 549 $. Des modèles RTX 5070 à RTX 5090, tous doublent la performance de la RTX 4090.
Encore plus impressionnant : nous intégrons cette GPU haute performance dans des ordinateurs portables. Le modèle portable RTX 5070, à 1 299 $, possède la même performance que la RTX 4090. Cette conception combinant IA et graphisme permet d’allier haute efficacité énergétique et haute performance.
Le futur de l’informatique graphique sera le **rendu neuronal** — fusion entre IA et graphisme. La série Blackwell permet même cela dans des portables ultra-fins de seulement 14,9 mm d’épaisseur, tous les modèles de RTX 5070 à RTX 5090 pouvant être intégrés dans des ultraportables.
GeForce a démocratisé l’IA, et maintenant, l’IA transforme radicalement GeForce. C’est une synergie entre technologie et intelligence, nous entraînant vers des sommets toujours plus élevés.
Les trois lois d'échelle (Scaling Law) de l’IA
Abordons maintenant les orientations futures de l’IA.
1) Loi d'échelle de la pré-formation (Pre-training Scaling Law)
Le secteur de l’IA accélère rapidement, tiré par une puissante modélisation appelée « loi d’échelle ». Cette règle empirique, validée maintes fois par les chercheurs et l’industrie, indique que plus les données d’entraînement sont volumineuses, plus le modèle est grand, plus la puissance de calcul investie est importante, et plus les capacités du modèle augmentent.
La croissance des données s’accélère exponentiellement. On estime que dans les années à venir, la quantité annuelle de données produites par l’humanité dépassera la somme totale de toutes les données produites auparavant. Ces données deviennent de plus en plus multimodales — vidéos, images, sons. Cette masse colossale peut servir à former la base de connaissances fondamentale de l’IA, lui fournissant des bases solides.
2) Loi d'échelle de la post-formation (Post-training Scaling Law)
Deux autres lois d’échelle émergent.
La deuxième loi d’échelle est celle de la **post-formation**, impliquant des techniques comme l’apprentissage par renforcement et la rétroaction humaine. Grâce à cela, l’IA génère des réponses aux requêtes humaines et s’améliore continuellement à partir de la rétroaction. Ce système d’apprentissage par renforcement, guidé par des prompts de haute qualité, permet à l’IA d’affiner ses compétences dans des domaines spécifiques — par exemple, exceller en résolution de problèmes mathématiques ou en raisonnement complexe.
L’avenir de l’IA ne se limite pas à la perception et à la génération, mais consiste en un processus continu d’auto-amélioration et de dépassement de frontières. C’est comme si l’IA avait un mentor ou un coach, fournissant des retours après chaque tâche accomplie. À travers tests, feedbacks et auto-amélioration, l’IA progresse elle aussi grâce à des mécanismes similaires d’apprentissage par renforcement. Cette phase de post-formation, combinée à la génération de données synthétiques, ressemble à un entraînement personnel. L’IA peut affronter des défis complexes et vérifiables — par exemple, démontrer des théorèmes ou résoudre des problèmes géométriques — et optimiser sans cesse ses réponses par apprentissage par renforcement. Bien que cette post-formation exige une puissance de calcul énorme, elle aboutit finalement à des modèles extraordinaires.
3) Loi d'échelle au moment du test (Test Time Scaling Law)
Une troisième loi d’échelle commence à émerger : la **loi d’échelle au moment du test**. Cette loi révèle son potentiel unique lorsque l’IA est réellement utilisée. L’IA peut dynamiquement allouer des ressources pendant le raisonnement, ne se limitant plus à l’optimisation des paramètres, mais se concentrant sur l’allocation du calcul pour produire des réponses de haute qualité.
Ce processus ressemble davantage à une réflexion rationnelle qu’à une inférence directe ou une réponse immédiate. L’IA peut décomposer un problème en plusieurs étapes, générer plusieurs solutions, les évaluer, puis choisir la meilleure. Ce raisonnement prolongé améliore significativement les capacités du modèle.
Nous avons déjà observé cette évolution : de ChatGPT à GPT-4, puis à Gemini Pro aujourd’hui, tous ces systèmes traversent progressivement des phases de pré-formation, post-formation et extension au moment du test. Réaliser ces percées nécessite une puissance de calcul considérable — c’est précisément là que réside la valeur fondamentale de l’architecture Blackwell de NVIDIA.
Nouvelle présentation de l’architecture Blackwell
Les systèmes Blackwell sont désormais en production massive, avec des performances stupéfiantes. Chaque fournisseur de cloud déploie ces systèmes, fabriqués dans 45 usines à travers le monde, supportant jusqu’à 200 configurations différentes, incluant refroidissement liquide, refroidissement par air, architectures x86, ainsi que des versions équipées du CPU NVIDIA Grace.
Le composant central, le système NVLink, pèse à lui seul 1,5 tonne, contient 600 000 pièces — l’équivalent de la complexité de 20 voitures — reliées par 3,2 km de câbles cuivre et 5 000 câbles. Le processus de fabrication est extrêmement complexe, mais son objectif est de répondre à la demande croissante en puissance de calcul.
Par rapport à l’architecture précédente, Blackwell améliore la performance par watt de 4 fois et la performance par dollar de 3 fois. Cela signifie qu’au même coût, la taille des modèles à entraîner peut être triplée. La clé de ces améliorations réside dans la génération de tokens d’IA. Ces tokens sont largement utilisés dans ChatGPT, Gemini et divers services d’IA, constituant la base du calcul futur.
Sur cette base, NVIDIA impulse un nouveau paradigme de calcul : le **rendu neuronal**, fusionnant parfaitement IA et informatique graphique. Les 72 GPU de l’architecture Blackwell forment le plus grand système monocpu au monde, offrant une performance en virgule flottante IA de 1,4 ExaFLOPS, avec une bande passante mémoire atteignant 1,2 Po/s — équivalente à la somme totale du trafic internet mondial. Cette puissance de supercalcul permet à l’IA de gérer des tâches de raisonnement plus complexes tout en réduisant significativement les coûts, posant les bases d’un calcul plus efficace.
Systèmes et écosystème des Agents IA
Vers l’avenir, le raisonnement de l’IA ne sera plus une simple réponse en une étape, mais ressemblera davantage à un « dialogue interne ». L’IA future ne générera pas seulement des réponses, elle réfléchira, raisonnera et s’optimisera continuellement. À mesure que le taux de génération des tokens IA augmente et que leur coût diminue, la qualité des services IA s’améliorera nettement, satisfaisant des besoins d’applications encore plus vastes.
Pour aider les entreprises à construire des systèmes IA dotés de capacités de raisonnement autonome, NVIDIA fournit trois outils clés : NVIDIA NeMo, les microservices IA et les bibliothèques accélérées. En empaquetant les logiciels CUDA complexes et les modèles de deep learning en services conteneurisés, les entreprises peuvent déployer ces modèles d’IA sur n’importe quelle plateforme cloud, développant rapidement des Agents IA spécialisés — par exemple, des assistants de gestion d’entreprise ou des employés numériques interactifs.
Ces modèles ouvrent de nouvelles perspectives aux entreprises, abaissant non seulement le seuil de développement des applications IA, mais aussi faisant un pas décisif vers l’IA agissante (Agentic AI). L’IA future deviendra un employé numérique, facilement intégré aux outils professionnels comme SAP ou ServiceNow, fournissant des services intelligents dans divers environnements. C’est la prochaine étape cruciale de l’expansion de l’IA, et aussi la vision centrale de l’écosystème technologique NVIDIA.
Système d’évaluation et d’entraînement. À l’avenir, ces agents IA seront fondamentalement une main-d’œuvre numérique qui travaillera aux côtés des employés humains, accomplissant des tâches pour vous. Introduire ces agents spécialisés dans votre entreprise reviendra donc à recruter de nouveaux employés. Nous proposons différentes bibliothèques d’outils pour aider ces agents IA à apprendre le langage spécifique de votre entreprise, son vocabulaire, ses processus métier et ses modes de fonctionnement. Vous devrez leur fournir des exemples de résultats attendus ; ils essaieront de les reproduire, puis vous pourrez donner un retour, effectuer une évaluation, etc. Vous définirez également des limites : ce qu’ils ne peuvent pas faire, ce qu’ils ne peuvent pas dire, et contrôlerez l’accès à certaines informations. Ce processus complet de gestion des employés numériques s’appelle Nemo. D’une certaine manière, le département informatique de chaque entreprise deviendra le service RH des agents IA.
Aujourd’hui, les départements informatiques gèrent et maintiennent de nombreux logiciels ; à l’avenir, ils géreront, formeront, intégreront et perfectionneront un grand nombre d’agents numériques, servant l’entreprise. Ainsi, le service informatique évoluera progressivement vers un service RH des agents IA.
En outre, nous mettons à disposition de nombreux plans open source pour l’écosystème. Les utilisateurs peuvent librement modifier ces plans. Nous proposons des modèles types pour différents types d’agents. Aujourd’hui, nous annonçons également quelque chose de très cool et intelligent : nous lançons une nouvelle famille de modèles basés sur Llama, nommée série de modèles linguistiques fondamentaux **NVIDIA Llama Nemotron**.
Llama 3.1 est un modèle phénoménal. Téléchargé environ 350 650 000 fois, il a donné naissance à environ 60 000 autres modèles dérivés. C’est l’une des principales raisons qui pousse presque toutes les entreprises et industries à commencer à explorer l’IA. Nous avons réalisé que les modèles Llama pouvaient être mieux affinés pour des cas d’usage professionnels. Grâce à notre expertise, nous les avons affinés en une suite de modèles ouverts : **Llama Nemotron**.
Ces modèles existent en différentes tailles : les petits modèles offrent une réponse rapide ; le modèle Super Llama Nemotron est destiné aux usages courants ; le modèle Ultra, très volumineux, sert de modèle enseignant — évaluant d’autres modèles, générant des réponses, jugeant leur qualité, ou servant à la distillation de connaissances. Tous ces modèles sont désormais disponibles.
Ils excellent dans des classements liés à la conversation, aux instructions et à la recherche d’informations, idéaux pour les fonctionnalités d’agents IA à l’échelle mondiale.
Notre collaboration avec l’écosystème est également étroite, notamment avec ServiceNow, SAP, Siemens dans le domaine de l’IA industrielle. Des sociétés comme Cadence et Perplexity mènent aussi d’excellents projets. Perplexity bouleverse le domaine de la recherche, Codium accompagne déjà 30 millions de développeurs logiciels dans le monde. Les assistants IA vont considérablement augmenter la productivité des développeurs, représentant le prochain immense domaine d’application de l’IA. Avec un milliard de travailleurs intellectuels dans le monde, les agents IA pourraient devenir la prochaine industrie robotique, dont le potentiel atteint plusieurs milliers de milliards de dollars.
Plans des Agents IA
Présentons maintenant quelques plans d’agents IA réalisés conjointement avec nos partenaires.
Les agents IA sont une nouvelle main-d’œuvre numérique, capables d’assister ou de remplacer les humains dans l’exécution de tâches. Les modules de construction Agentic AI de NVIDIA, les modèles pré-entraînés NEM et le cadre Nemo aident les organisations à développer et déployer facilement des agents IA. Ces agents peuvent être formés pour devenir des experts dans des tâches spécifiques à un domaine.
Quatre exemples :
-
Agent assistant de recherche : capable de lire des documents complexes — conférences, revues scientifiques, rapports financiers — et de générer des podcasts interactifs facilitant l’apprentissage ;
-
Agent IA de sécurité logicielle : aide les développeurs à scanner en continu les vulnérabilités logicielles et suggère des mesures correctives ;
-
Agent IA de laboratoire virtuel : accélère la conception et le criblage de composés, identifiant rapidement des candidats médicamenteux potentiels ;
-
Agent IA d’analyse vidéo : basé sur le plan **NVIDIA Metropolis**, analyse les données provenant de milliards de caméras, générant des recherches interactives, des résumés et des rapports — par exemple, surveiller le trafic routier, les flux d’usine, proposer des recommandations d’amélioration, etc.
L’avènement de l’ère de l’IA physique
Nous souhaitons étendre l’IA du cloud à tous les recoins, y compris les entreprises et les PC personnels. NVIDIA s’efforce de transformer Windows WSL 2 (Windows Subsystem for Linux) en la plateforme privilégiée pour l’IA. Cela permettra aux développeurs et ingénieurs d’utiliser plus facilement la pile technologique IA de NVIDIA — modèles linguistiques, modèles d’image, modèles d’animation, etc.
En outre, NVIDIA lance **Cosmos**, la première plateforme de développement de modèles fondamentaux pour le monde physique, spécialisée dans la compréhension des dynamiques physiques — gravité, friction, inertie, relations spatiales, causalité, etc. Elle peut générer des vidéos et scènes conformes aux lois physiques, appliquées largement à la robotique, à l’IA industrielle et à l’entraînement/validation de modèles linguistiques multimodaux.
Cosmos exploite **NVIDIA Omniverse** pour la simulation physique, produisant des résultats simulés crédibles. Cette combinaison constitue une technologie clé pour le développement de robots et d’applications industrielles.
La stratégie industrielle de NVIDIA repose sur trois systèmes informatiques :
-
Les systèmes DGX pour l’entraînement de l’IA ;
-
Les systèmes AGX pour le déploiement de l’IA ;
-
Les systèmes de jumeau numérique, pour l’apprentissage par renforcement et l’optimisation de l’IA ;
Grâce à la synergie de ces trois systèmes, NVIDIA impulse le développement de la robotique et de l’IA industrielle, bâtissant le monde numérique du futur. Plutôt qu’un problème à trois corps, nous avons une solution à « trois ordinateurs ».
Laissez-moi illustrer la vision robotique de NVIDIA par trois exemples.
1) Applications de visualisation industrielle
Actuellement, des millions d’usines et des dizaines de milliers d’entrepôts dans le monde constituent l’épine dorsale d’une industrie manufacturière valorisée à 50 000 milliards de dollars. À l’avenir, tout cela devra devenir piloté par logiciel, automatisé et intégré à la robotique. Nous collaborons avec Keon, leader mondial des solutions d’automatisation d’entrepôts, et Accenture, le plus grand prestataire de services professionnels au monde, pour créer ensemble des solutions particulièrement innovantes dans le domaine de la fabrication numérique. Notre approche commerciale ressemble à celle d’autres plateformes logicielles et technologiques : via les développeurs et partenaires de l’écosystème, de plus en plus nombreux à rejoindre la plateforme Omniverse, car chacun souhaite visualiser l’avenir de l’industrie. Dans ces 50 000 milliards de dollars du PIB mondial, tant de gaspillages subsistent, tant d’opportunités d’automatisation restent inexploitées.
Examinons cet exemple issu de notre collaboration avec Keon et Accenture :
Keon (solutionnaire en logistique), Accenture (leader mondial des services professionnels) et NVIDIA introduisent l’IA physique sur le marché des entrepôts et centres de distribution, évalué à mille milliards de dollars. Gérer une logistique d’entrepôt efficace implique de prendre des décisions complexes affectées par des variables changeantes : fluctuations quotidiennes ou saisonnières de la demande, contraintes d’espace, disponibilité de la main-d’œuvre, intégration de robots et de systèmes automatisés variés. Actuellement, prédire les indicateurs clés de performance (KPI) opérationnels d’un entrepôt physique est quasi impossible.
Pour résoudre ces problèmes, Keon adopte Mega (un plan de NVIDIA Omniverse) afin de construire un jumeau numérique industriel, testant et optimisant les flottes de robots. D’abord, la solution de gestion d’entrepôt de Keon attribue des tâches au « cerveau IA industriel » du jumeau numérique — par exemple, déplacer des marchandises d’une zone tampon vers un système de stockage en navette. Dans l’environnement simulé d’Omniverse, la flotte de robots perçoit, raisonne, exécute les tâches, planifie les actions suivantes et agit. L’environnement de jumeau numérique utilise une simulation de capteurs, permettant au cerveau du robot de voir l’état post-exécution et de décider de l’action suivante. Sous le suivi précis de Mega, le cycle continue, mesurant simultanément les KPI opérationnels — débit, efficacité, taux d’utilisation — le tout avant toute modification du site physique.
Grâce à NVIDIA, Keon et Accenture redéfinissent l’avenir de l’autonomie industrielle.
À l’avenir, chaque usine disposera d’un jumeau numérique synchronisé parfaitement avec l’usine réelle. Vous pourrez utiliser Omniverse et Cosmos pour générer d’innombrables scénarios futurs, l’IA choisissant le scénario optimal en termes de KPI, puis déployant celui-ci comme contrainte et logique de programmation IA dans l’usine réelle.
2) Voiture autonome
La révolution de la conduite autonome est arrivée. Après des années de développement, les réussites de Waymo ou Tesla démontrent la maturité de cette technologie. Notre solution fournit à ce secteur trois systèmes informatiques : ceux pour l’entraînement de l’IA (comme les systèmes DGX), ceux pour les tests de simulation et la génération de données synthétiques (comme Omniverse et Cosmos), et les systèmes embarqués dans la voiture (comme les systèmes AGX). Presque tous les grands constructeurs automobiles mondiaux collaborent avec nous : Waymo, Zoox, Tesla, BYD — le plus grand fabricant de véhicules électriques au monde. Mercedes, Lucid, Rivian, Xiaomi et Volvo, qui préparent des modèles innovants, font également partie de nos partenaires. Aurora développe quant à lui des camions autonomes avec la technologie NVIDIA.
Chaque année, 100 millions de voitures sont produites, 1 milliard circulent sur les routes, parcourant ensemble des milliers de milliards de miles. Elles deviendront progressivement hautement automatisées, voire totalement autonomes. Ce secteur devrait devenir la première industrie robotique valant plusieurs milliers de milliards de dollars.
Aujourd’hui, nous annonçons le lancement de notre prochain ordinateur embarqué : Thor. C’est un ordinateur robotique universel, capable de traiter d’énormes volumes de données issues de capteurs comme les caméras, les radars haute résolution ou les lidars. Thor est la version améliorée du standard industriel Orin, avec une puissance de calcul 20 fois supérieure, désormais en production massive. Par ailleurs, le système d’exploitation Drive OS de NVIDIA est le premier système d’exploitation informatique IA certifié au plus haut niveau de sécurité fonctionnelle (ISO 26262 ASIL D).
Usine de données pour la conduite autonome
NVIDIA utilise les modèles IA d’Omniverse et la plateforme Cosmos pour créer une « usine de données » pour la conduite autonome, étendant massivement les données d’entraînement via des scénarios de conduite synthétiques. Cela inclut :
-
OmniMap : fusionne cartes et données géospatiales pour construire des environnements 3D praticables ;
-
Moteur de reconstruction neuronale : utilise les journaux de capteurs pour générer des environnements de simulation 4D haute fidélité, créant des variantes de scénarios pour les données d’entraînement ;
-
Edify 3DS : recherche ou génère de nouveaux objets dans une bibliothèque d’actifs, créant des scènes pour la simulation.
Grâce à ces technologies, nous amplifions quelques milliers de scénarios de conduite en données équivalentes à des milliards de miles, permettant le développement de systèmes autonomes plus sûrs et plus avancés.
3) Robotique générale
L’ère des robots généralistes arrive. La clé de rupture dans ce domaine réside dans l’entraînement. Pour les robots humanoïdes, obtenir des données d’imitation est relativement difficile, mais **Isaac Groot** de NVIDIA apporte une solution. Il génère des jeux de données massifs par simulation, combinant le moteur de simulation multi-univers d’Omniverse et de Cosmos pour l’entraînement, la validation et le déploiement des politiques.
Par exemple, les développeurs peuvent téléopérer un robot via Apple Vision Pro, capturer des données sans robot physique, et enseigner des gestes dans un environnement sans risque. Grâce à la randomisation de domaine d’Omniverse et à sa fonction d’extension 3D-vers-réel, des jeux de données exponentiellement croissants sont générés, offrant aux robots des ressources immenses pour apprendre.
En résumé, que ce soit la visualisation industrielle, la conduite autonome ou la robotique générale, la technologie NVIDIA mène la transformation future de l’IA physique et de la robotique.
Enfin, j’ai un dernier point important à présenter. Tout cela repose sur un projet que nous avons lancé il y a dix ans au sein de l’entreprise, nommé **Project Digits**, dont le nom complet est Deep Learning GPU Intelligence Training System (système d’entraînement intelligent GPU pour l’apprentissage profond), abrégé en Digits.
Avant son lancement officiel, nous avons harmonisé DGX avec les autres gammes internes RTX, AGX, OVX, etc. L’apparition de DGX1 a véritablement changé la trajectoire de l’IA, marquant un jalon décisif pour le développement de l’IA chez NVIDIA.
La révolution de DGX1
L’objectif initial de DGX1 était de fournir aux chercheurs et startups un supercalculateur IA prêt à l’emploi. Imaginez : les supercalculateurs traditionnels exigeaient que l’utilisateur construise une infrastructure dédiée, complexe, pour simplement exister. DGX1, lui, est un supercalculateur spécialement conçu pour le développement IA, utilisable immédiatement, sans manipulation compliquée.
Je me souviens avoir livré le premier DGX1 en 2016 à une startup : OpenAI. Elon Musk, Ilya Sutskever et de nombreux ingénieurs NVIDIA étaient présents, célébrant ensemble l’arrivée de DGX1. Cet appareil a fortement accéléré le développement du calcul IA.
Aujourd’hui, l’IA est partout. Plus seulement limitée aux laboratoires de recherche ou startups, comme mentionné au début, l’IA est devenue une nouvelle manière de calculer et de développer des logiciels. Chaque développeur logiciel, artiste créatif, voire utilisateur ordinaire d’outils informatiques, a besoin d’un supercalculateur IA. Mais j’ai toujours espéré que DGX1 puisse être plus petit.
Le dernier supercalculateur IA
Voici le tout nouveau supercalculateur IA de NVIDIA. Il appartient toujours au Project Digits ; nous cherchons encore un meilleur nom, vos suggestions sont les bienvenues. C’est un appareil véritablement époustouflant.
Ce supercalculateur peut exécuter l’intégralité de la pile logicielle IA de NVIDIA, y compris DGX Cloud. Il peut servir de supercalculateur cloud, de station de travail haute performance, voire de station d’analyse sur bureau. Le plus important : il repose sur une nouvelle puce développée en secret, codenommée GB110, la plus petite Grace Blackwell jamais fabriquée par NVIDIA.
J’ai une puce ici, laissez-moi vous montrer son design interne. Ce processeur a été co-développé avec MediaTek, l’un des leaders mondiaux des SoC. Ce SoC CPU est personnalisé pour NVIDIA, connecté au GPU Blackwell via la technologie d’interconnexion chip-to-chip NVLink. Cette petite puce est désormais en production massive. Nous prévoyons la sortie officielle de ce supercalculateur vers mai.
Nous proposons même une configuration « double puissance », permettant de connecter plusieurs unités via ConnectX, prenant en charge la technologie GPUDirect. C’est une solution complète de supercalcul, répondant aux besoins du développement IA, de l’analyse et des applications industrielles.
En outre, trois nouvelles puces Blackwell sont annoncées en production de masse, ainsi que le premier modèle fondamental d’IA physique au monde, et trois percées dans les domaines robotiques : robots agents IA autonomes, robots humanoïdes et véhicules autonomes.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
