Le fait
Lors de sa conférence GTC à Berlin, le 21 octobre 2026, NVIDIA a présenté de nouveaux outils pour Cosmos, sa famille de modèles qui génèrent et comprennent des vidéos du monde physique (« world models »). Le cœur de l’annonce : cinq plans de « Cosmos Data Factory », des recettes prêtes à l’emploi pour fabriquer des données d’entraînement synthétiques.
Ce que ça change à l’usine
L’un de ces plans génère des images de défauts sur circuits imprimés, métal et verre. Or les défauts réels sont rares, et manquent donc pour entraîner un système d’inspection visuelle. Les plans sont disponibles sur GitHub, Azure, Nebius et CoreWeave, selon NVIDIA.
Les premiers utilisateurs cités
Avec Voxel51 sur Azure, Porsche et Volkswagen visent jusqu’à 90 % d’essais routiers physiques en moins et des cycles 85 % plus courts. ANYbotics a produit 1 500 clips synthétiques pour ses robots d’inspection. Ultralytics a réentraîné son détecteur YOLO. ADNOC, avec Fogsphere, détecte les situations dangereuses sur 65 sites. Côté performances, NVIDIA annonce un microservice Cosmos 3 jusqu’à deux fois plus rapide.
Pourquoi ça compte
La donnée annotée est le premier coût d’un projet de vision industrielle. Générer des défauts plausibles en quelques heures, plutôt que d’attendre qu’ils se produisent, raccourcit la mise en service d’une ligne de contrôle qualité.
Lecture Neurone21
Les gains chiffrés viennent de NVIDIA et de ses partenaires, sans protocole publié. Une donnée synthétique ne remplace pas la validation sur des pièces réelles. Elle sert surtout à couvrir les cas rares, que l’on ne voit presque jamais en production.