Le fait
NVIDIA a présenté le 8 novembre 2026, puis à son AI Day de Séoul le 9, ses collaborations d’« IA physique » (l’IA qui perçoit et agit dans le monde réel, robots et véhicules) avec l’industrie coréenne. Chez Samsung Electronics, une analyse thermique et mécanique de puce passe d’environ 18 heures sur un processeur de 32 cœurs à 41 secondes sur GPU, soit environ 1 600 fois plus vite, en combinant des propriétés de matériaux prédites par IA, un maillage plus grossier et l’accélération GPU (logiciel PhysicsNeMo). LG Electronics et NVIDIA ont fait réaliser à son robot CLOiD des tâches de fabrication dans un véritable environnement d’usine. Kakao Mobility prépare une conduite autonome de niveau 4 sur la plateforme NVIDIA Hyperion, d’abord sur des véhicules à usage spécifique (PBV) de Kia.
Contexte
Chez LG, la boucle complète est en place : collecte de données réelles, augmentation par le modèle de monde Cosmos, entraînement du modèle robotique GR00T, calcul embarqué sur Jetson AGX Thor, puis évaluation en simulation. À Séoul, Deepu Talla, vice-président robotique de NVIDIA, a aussi montré une ligne automobile virtuelle avec Hyundai, un robot qui polit des portières en analysant la rugosité avec Doosan, et un jumeau numérique d’équipements avec SK hynix, où un agent cherche la cause des anomalies. Selon lui, bâtir un environnement de simulation qui demandait plusieurs experts pendant des mois prend désormais moins d’une semaine à un seul ingénieur, grâce aux agents. Le même jour, NVIDIA a annoncé un investissement dans la start-up d’interconnexion Point2, et des investissements prévus dans Motif Technologies, RLWRLD et Upstage.
Pourquoi ça compte
Les robots d’usine actuels sont programmés geste par geste ; ils peinent dès que la pièce ou le poste change. La simulation et l’apprentissage visent précisément ces postes variables, comme le polissage ou l’assemblage, que l’automatisation classique laisse aux opérateurs.
Lecture Neurone21
Le gain de 1 600 fois compare un calcul fin sur processeur à un calcul plus grossier assisté par IA sur GPU : c’est un changement de méthode, pas seulement de matériel. Les autres projets sont des démonstrations et des pilotes, sans volume de déploiement annoncé.