NVIDIA embarque l’IA générative dans les robots

NVIDIA dévoile Jetson Orin Nano 2, une carte informatique pour la robotique en périphérie, le 26 août 2026. Le fabricant la destine aux drones, aux robots et aux systèmes de vision. NVIDIA la présente comme une option d’entrée de gamme pour exécuter des modèles génératifs directement sur une machine. Ces traitements ne dépendent donc pas d’un centre de données dans la description de l’entreprise. Deepu Talla, vice-président de la robotique et de l’IA en périphérie chez NVIDIA, affirme que la carte apporte une puissance et une efficacité énergétique adaptées au raisonnement en temps réel. La société relie cette évolution aux progrès des modèles d’IA petits et moyens.

Des modèles plus compacts NVIDIA affirme que les modèles d’IA petits et moyens atteignent désormais une précision auparavant obtenue par les plus grands modèles un an plus tôt. Cette progression permettrait à du matériel compact d’interpréter le langage et les images, puis d’agir en temps réel. Les applications citées comprennent les robots, les drones de livraison, les drones d’inspection et les systèmes de vision. Jetson Orin Nano 2 vise ces usages avec une consommation d’énergie contenue. NVIDIA indique que sa pile logicielle ouverte fonctionne avec les compétences d’agents Jetson et l’écosystème Jetson AI. Les développeurs peuvent notamment déployer Cosmos, Nemotron, Gemma 4 et Qwen 3, selon l’entreprise.

NVIDIA double les performances d’inférence

Des caractéristiques chiffrées Jetson Orin Nano 2 fournit 78 000 milliards d’opérations d’IA par seconde, 8 Go de mémoire et un processeur Arm à huit cœurs. NVIDIA annonce deux fois les performances d’inférence du Jetson Orin Nano Super existant. Le fabricant attribue ce gain à des Tensor Cores améliorés et à une bande passante mémoire supérieure. La carte conserve le même format compact que son prédécesseur. En mode 15 watts, elle consomme 40 % d’énergie en moins que le Jetson Orin Nano Super, tout en offrant un niveau de performance équivalent. NVIDIA la destine aussi aux grands modèles de langage et aux modèles de vision et langage optimisés pour la mémoire.

Des partenaires engagés Cognex, Doosan Bobcat et Matic figurent parmi les premières entreprises citées par NVIDIA. La société indique que plus de trois millions de développeurs utilisent déjà sa pile logicielle robotique. Wing, filiale de livraison par drone d’Alphabet, exploite actuellement Jetson Orin Nano Super dans sa flotte. L’entreprise prévoit d’évaluer Jetson Orin Nano 2 pour améliorer la perception et le raisonnement en temps réel. Elle vise des livraisons plus rapides et plus sûres entre les commerces locaux et les domiciles. Matic Robots adopte la nouvelle carte pour ses robots ménagers, avec la détection des gestes, la cartographie précise et la compréhension sémantique du domicile.

Le calendrier de Wing reste incertain

Un écosystème matériel NVIDIA cite de nombreux fabricants de cartes porteuses et de systèmes matériels compatibles. AAEON, ADLINK, Advantech et Aetina développent notamment ce type de matériel. Antmicro, Aptiv, Auvidea et AVerMedia travaillent sur des logiciels d’IA personnalisés et des conceptions de référence. Chuanglebo, Connect Tech, ForeCR et JWIPC figurent aussi dans cette liste. Neurealm, Plink, Realtimes, RidgeRun, RS, Seeed Studio, Tauro Tech, Twowin, TZTEK et YUAN complètent les partenaires annoncés. NVIDIA affirme que ces collaborations doivent aider les clients à atteindre le marché plus rapidement. L’entreprise associe cette stratégie à l’exécution locale de modèles de langage et de vision.

À suivre chez Wing Wing utilise encore Jetson Orin Nano Super dans ses drones de livraison. Son évaluation de Jetson Orin Nano 2 ne constitue donc pas une mise en production annoncée. L’entreprise n’a pas communiqué de calendrier public pour un passage aux vols commerciaux avec cette nouvelle carte. Son responsable de la perception, Dinuka Abeywardena, décrit toutefois l’objectif d’obtenir des drones plus réactifs et plus économes. NVIDIA présente de son côté Jetson Orin Nano 2 comme un moyen d’exécuter localement des modèles de langage et de vision en temps réel. La présentation complète est disponible dans l’article original.