Nemotron 3.5. NVIDIA rapproche les documents visuels et les agents locaux
Deux modèles sont disponibles et un troisième est annoncé pour le 23 octobre. Les entrées visuelles et les gains revendiqués demandent une lecture précise.
NVIDIA a annoncé le 15 octobre 2026 une extension de sa gamme Nemotron pour les agents IA. Super VL associe compréhension visuelle et raisonnement. Bolt vise des configurations locales plus compactes. Les trois modèles présentés ne sont toutefois pas tous disponibles à la même date.
Deux sorties immédiates et une annonce pour le 23 octobre
Le communiqué de NVIDIA indique que Nemotron 3.5 Super VL et Bolt 74B-A9B sont disponibles. Bolt E4B est annoncé pour le 23 octobre. Il serait donc prématuré de présenter cette dernière version comme déjà accessible.
NVIDIA destine Super VL aux travaux spécialisés combinant des documents et des appels d’outils. Bolt 74B-A9B cible des tâches locales sur des systèmes compatibles. L’entreprise met en avant sa compression pour un fonctionnement dans une enveloppe de 24 Go de mémoire. Ce positionnement ne décrit pas les besoins de toutes les variantes Nemotron.
Comprendre une image ne signifie pas en générer une
La fiche de Super VL en version NVFP4 décrit des entrées textuelles et visuelles. La sortie est du texte. Ce modèle peut donc analyser une image ou des pages de document sans devenir pour autant un générateur d’images.
La fiche distingue 120 milliards de paramètres au total et 12 milliards activés lors du traitement d’un token. Ces nombres décrivent une architecture à experts. Ils ne permettent pas de déduire directement la mémoire nécessaire ni le coût d’une tâche complète.
La fenêtre annoncée peut atteindre un million de tokens. La documentation rappelle que les demandes et les réponses partagent cet espace. Certaines recettes d’exécution utilisent une limite plus basse selon la mémoire et le nombre de requêtes simultanées.
Adapter le modèle à un travail précis
Dans son article technique, NVIDIA décrit l’adaptation avec NeMo. Les équipes peuvent travailler sur leurs propres données et procédures. L’objectif annoncé est de spécialiser les comportements plutôt que de demander seulement au modèle général de suivre une consigne.
Le fournisseur cite notamment la lecture de tableaux et de graphiques dans des documents. Un agent pourrait rapprocher ces éléments avant de rédiger une réponse. Cette possibilité doit être distinguée de la fiabilité de chaque valeur extraite. Une réponse cohérente peut encore contenir une erreur de lecture.
Les gains présentés gardent leur périmètre
Les exemples d’adaptation publiés par NVIDIA portent sur des travaux différents. Certains chiffres sont formulés comme des attentes par les partenaires cités. Ils ne constituent pas un gain déjà mesuré pour tous les utilisateurs du modèle de base.
L’article technique décrit également des optimisations du traitement répété du contexte. Réutiliser des calculs peut réduire le travail effectué lors de plusieurs appels. Ça ne suffit pas à prouver qu’un processus complet finira dans le même rapport de temps. Les outils externes et les vérifications font aussi partie du parcours.
Des accès ouverts qui demandent une intégration
La fiche consultée renvoie vers la licence OpenMDW 1.1. Elle propose des configurations pour plusieurs systèmes NVIDIA et des moteurs d’exécution déterminés. Les poids téléchargeables ne constituent donc pas à eux seuls une application prête à traiter un dossier métier.
Cette sortie complète un paysage où Timestral vise des données numériques. Super VL traite d’autres entrées et d’autres tâches. Pour moi, l’intérêt est de pouvoir choisir une brique adaptée à un travail précis. Son évaluation doit porter sur des documents représentatifs et sur la qualité finale obtenue. Aucun test indépendant de Nemotron n’a été réalisé pour cet article.