Nemotron 3.5 Super VL est le modèle multimodal ouvert que NVIDIA a publié le 15 octobre 2026 dans un billet de son blog technique. Il repose sur une architecture de mélange d'experts, avec 120 milliards de paramètres au total, environ 12 milliards actifs par jeton et un contexte allant jusqu'à un million de jetons, et traite texte, images, documents et courtes vidéos dans un même flux de travail. NVIDIA ne le présente pas comme un chatbot, mais comme un agent d'entreprise permanent : lire des PDF, examiner des graphiques, appeler des outils et mener un travail métier en plusieurs étapes jusqu'au bout, selon les règles de l'entreprise. Deux modèles Bolt plus petits, pensés pour la périphérie, sont sortis le même jour, étendant la famille Nemotron des centres de données aux machines de bureau et aux appareils embarqués.
Trois nouveaux modèles, chacun sur son terrain de déploiement
| Modèle | Taille et paramètres actifs | Matériel visé | Disponibilité |
|---|---|---|---|
| Super VL | 120 milliards au total, environ 12 milliards actifs | Systèmes de classe DGX Spark, H200, H100 | 15 octobre 2026 |
| Bolt 74B-A9B 24GB | 74 milliards au total, environ 9 milliards actifs, quantification 2 bits | Stations et portables RTX avec 24 Go de mémoire | 15 octobre 2026 |
| Bolt E4B 4GB | Édition légère, détails à venir | GeForce RTX, Jetson et autres appareils de périphérie | 23 octobre 2026 |
Selon NVIDIA, Super VL atteint jusqu'à environ cinq fois le débit du modèle ouvert suivant de sa catégorie et se rapproche de son plus grand modèle de raisonnement avec cinq fois moins de paramètres. Ces chiffres viennent des propres bancs d'essai de NVIDIA et d'un classement qu'elle cite : il faut les lire comme des affirmations du constructeur, en attendant des tests indépendants. Nous avions déjà raconté les deux médailles d'or de Nemotron en mathématiques et en informatique ; il s'agissait alors de plafonds de raisonnement, cette fois il est question d'efficacité pour insérer un modèle dans les processus quotidiens des entreprises.
Pourquoi les documents ont droit à leur propre chapitre
Le travail agentique qui consomme le plus d'heures humaines en entreprise, ce n'est pas écrire des poèmes, c'est lire de la paperasse : factures, contrats, reçus et PDF remplis de tableaux. L'argument de Super VL est de lire OCR, tableaux, graphiques et mises en page structurées dans un seul modèle, en supprimant l'étape d'assemblage qui convertit d'abord en texte avant de comprendre. Parmi les premiers usages cités par NVIDIA : Scale AI a post-entraîné un processus de crédit fournisseurs pour le studio Skydance, Ramp convertit les images de reçus directement en JSON structuré, et AI21 l'applique à l'analyse de menaces. Ces chiffres de résultats viennent aussi des documents de lancement de NVIDIA : ce sont des indices pour présélectionner, pas des conclusions d'achat.
Au-delà des poids, la boîte à outils de post-entraînement est livrée avec
Super VL est proposé en points de contrôle de base, post-entraînés et quantifiés NVFP4, et les entreprises peuvent le post-entraîner avec NeMo sur leurs propres données, outils et règles, puis le déployer sur leur infrastructure. NVIDIA publie aussi sur Hugging Face des jeux de données ouverts couvrant l'appel d'outils, le raisonnement financier, le suivi d'instructions et la vision-langage, sous licence OpenMDW, qui autorise l'usage commercial, l'ajustement et la redistribution. Pour les équipes qui veulent garder leurs agents sur le réseau interne, c'est l'ensemble qui compte : modèle, recettes d'entraînement et données arrivent ensemble, au lieu d'un fichier de poids solitaire à apprivoiser seul. Le vrai test viendra ensuite, car un agent permanent se juge sur des mois de stabilité, de coût et de maîtrise quand quelque chose tourne mal, et ce verdict attendra les chiffres des premiers clients.
