NVIDIA fusionne vision, raisonnement et outils dans un seul modèle d'agent
— AGENTS
Nemotron 3.5 Super VL lit des documents, regarde des vidéos courtes et déclenche des actions logicielles sans faire voyager l'information entre plusieurs IA spécialisées. Chez Scale AI, ce regroupement aurait divisé par quarante le coût de traitement des factures fournisseurs pour Skydance Corporation.
NVIDIA vient de poser une brique qui ne ressemble à rien de spectaculaire sur une image, et c'est précisément ce qui en fait un signal à lire avec attention. Nemotron 3.5 Super VL regarde une facture scannée, comprend un tableau, visionne une courte vidéo, puis agit dans un logiciel comptable pour signaler une incohérence, le tout avec un seul cerveau artificiel au lieu d'une chaîne de modèles qui se repassent l'information.
Ce terrain reste celui des directions financières, des équipes cybersécurité et des équipes d'automatisation interne, pas celui d'un studio de création. Chez Ramp, la lecture de tickets de caisse pour en extraire montants et commerçants a gagné en débit. Chez AI21, le modèle adapté détecte mieux les menaces informatiques. Rien là qui concerne directement un directeur artistique ou un monteur.
La partie qui mérite l'œil d'un praticien de la création tient ailleurs. L'architecture choisie, un modèle unique capable de lire une vidéo, de raisonner et de manipuler un outil, est exactement celle qui finira par équiper les fonctions d'assistant dans les logiciels de montage, de retouche ou de gestion de projet. Un studio qui utilise déjà un outil cloud pour trier des rushes ou organiser des livrables bénéficiera, à terme, de cette même logique de coût réduit par la consolidation de plusieurs IA en une seule.
La compréhension vidéo annoncée se limite à des séquences de deux minutes et à de la lecture d'images prélevées dans le flux. Aucune génération de plan, aucune retouche d'image, aucune extension de séquence. Le modèle regarde, il ne crée rien.
Le point qui compte pour un budget reste le chiffre avancé sur le traitement automatisé des factures fournisseurs chez Skydance Corporation : un coût d'inférence divisé par quarante selon l'adaptation réalisée par Scale AI. Ce type de baisse, appliqué un jour à une brique de traitement d'images ou de vidéos dans un outil créatif, se répercute directement sur le prix d'un abonnement ou d'un rendu à la minute.
Rien à tester demain matin sur un poste de création. L'infrastructure qui se construit ici décide en revanche du coût futur des assistants intégrés aux logiciels déjà en usage, et les poids ouverts publiés sur Hugging Face pèsent sur le rapport de force face aux modèles fermés qui facturent ces mêmes fonctions.