Le fait
Le 2 novembre 2026, NVIDIA a présenté sur son blog technique Cosmos Framework, un cadre ouvert et modulaire pour entraîner, ajuster, optimiser et faire tourner des modèles du monde (des modèles d’IA qui prédisent comment une scène évolue, par exemple pour simuler un trajet de voiture ou un geste de robot). Il couvre l’entraînement, l’apprentissage par renforcement (méthodes DPO, GRPO, PPO, OPD et DiffusionNFT), l’optimisation et l’inférence, avec des « agent skills » pour piloter ces étapes par des agents de code.
Selon NVIDIA, le cadre dépasse la famille Cosmos 3 : il prend aussi en charge Alpamayo (conduite autonome), GR00T (humanoïdes), Qwen et pi0.5.
Contexte
NVIDIA accompagne le cadre de recettes de simulation pour Cosmos 3 Nano, avec les points de contrôle correspondants. Transfer-Auto génère des scènes de conduite sur sept caméras en 720p avec 99 balayages de LiDAR (le capteur laser qui mesure les distances), sur quatre GPU. Sim-Auto fonctionne en boucle fermée, c’est-à-dire que le modèle réagit aux actions du véhicule simulé. Sim-Transfer, Sim-Bimanual (bras YAM et AgiBot) et deux variantes chirurgicales, Cosmos3-H-Embodied-Nano et H-Dreams, complètent l’ensemble.
Côté déploiement, Cosmos NIM (des conteneurs prêts à l’emploi) utilise le décodage spéculatif, qui fait deviner plusieurs mots d’avance à un petit modèle avant vérification par le grand. NVIDIA annonce un gain moyen d’environ 2 à 3 fois sur GPU H200 et, en mode vidéo en continu, des alertes en moins d’une seconde avec une latence divisée par dix. Les conteneurs sont certifiés sur plus de 20 GPU NVIDIA.
Pourquoi ça compte
Les modèles du monde servent à fabriquer des données d’entraînement sans conduire des millions de kilomètres ni mobiliser des robots réels. Le frein pratique reste la mémoire : NVIDIA indique que la génération avec Cosmos3-Nano demande 58 gibioctets (Gio) en BF16, 44 Gio en FP8 et 31 Gio avec déchargement vers la mémoire centrale. C’est le niveau d’une carte professionnelle haut de gamme, pas d’un poste de bureau.
Un cadre ouvert ajuste aussi le rapport de force : au lieu d’un modèle livré tel quel, les équipes peuvent le spécialiser sur leurs propres scènes (routes locales, cellules d’usine, blocs opératoires).
Lecture Neurone21
Tous les chiffres viennent de NVIDIA, sans mesure indépendante à ce stade : le gain « 2 à 3 fois » est une moyenne sur un type de GPU précis, pas une promesse générale. À retenir surtout : la direction, des briques ouvertes que l’on peut brancher sur plusieurs familles de modèles. Une diffusion en direct est annoncée le jeudi 5 novembre pour détailler l’ensemble. Pour le contexte des modèles du monde chez NVIDIA, voir notre billet sur Cosmos et les données synthétiques d’usine.