Le fait
NVIDIA a publié le 28 octobre 2026 Nemotron 3.5 Transcribe, un modèle de reconnaissance vocale qui transcrit 40 langues et des enregistrements jusqu’à une heure. Il attribue chaque mot à un orateur et l’horodate, ce qu’on appelle la diarisation (savoir qui parle et quand).
Techniquement, c’est un modèle de langage vocal : un encodeur de la parole, le module Nemotron 3 Diarization (figé) et le modèle de texte Nemotron 3.5 Lightning 30B-A3B, pour environ 4,3 milliards de paramètres actifs. NVIDIA annonce un taux d’erreur sur les mots moyen de 4,71 % sur le classement anglais Open ASR et de 4,62 % en multilingue, et des erreurs sur les noms propres divisées par six sur le test ContextASR-Bench.
Contexte
Le modèle est publié sous licence ouverte OpenMDW-1.1, peut être réentraîné avec l’outil NeMo Speech, et s’accompagne du jeu de données Granary-v2. Sur une seule carte RTX PRO 6000 Blackwell, NVIDIA revendique jusqu’à 2 238 secondes d’audio traitées par seconde.
Le même jour, NVIDIA l’a annoncé sur les PC portables RTX Spark (ASUS, Dell, HP, Lenovo, Microsoft, MSI, à partir de 2 599 dollars et jusqu’à 128 Go de mémoire), avec la prise en charge des modèles LFM3 de Liquid AI (notre billet) et un réglage des ressources GPU dans l’application NVIDIA. Les RTX Spark avaient été présentés avec Microsoft début octobre (notre billet).
Pourquoi ça compte
La transcription de réunions, d’appels ou d’entretiens est l’un des usages d’IA les plus demandés en entreprise, et aussi l’un des plus sensibles : les enregistrements contiennent des données personnelles. Un modèle ouvert qui tourne sur un poste ou un serveur interne évite d’envoyer ces fichiers à un service en ligne.
Lecture Neurone21
C’est un bon candidat pour une IA locale qui respecte la CNIL : la voix ne sort pas de l’entreprise. Les chiffres de précision sont ceux de NVIDIA ; ils sont à vérifier sur ses propres enregistrements, en français et avec le vocabulaire du métier, avant tout déploiement.