Le fait
Le 23 octobre 2026, NVIDIA a mis en ligne Nemotron 3.5 Bolt E4B 4GB, le plus petit modèle de sa famille Nemotron 3.5. Il part de Gemma 4 E4B (Google) et reçoit le post-entraînement maison de NVIDIA, c’est-à-dire la phase d’apprentissage qui suit l’entraînement initial et oriente le modèle vers des usages précis. La version quantifiée (compressée en 4 bits, format GGUF Q4_K_M) pèse près de 4 Go et se télécharge librement sur Hugging Face, sous licence OpenMDW 1.1.
Ce que fait le modèle
NVIDIA le destine aux agents conversationnels et vocaux, aux personnages non joueurs des jeux vidéo et aux agents embarqués dans des robots ou des objets connectés. Il gère un contexte de 64 000 jetons (unités de texte), 35 langues, l’appel d’outils et un mode de raisonnement que l’on peut activer ou couper.
Les mesures publiées par NVIDIA donnent 3,5 Go de mémoire et 133,4 jetons par seconde sur une GeForce RTX 5070, et 4,2 Go pour 15,5 jetons par seconde sur un Jetson Orin Nano, petit module destiné à la robotique. Un modèle auxiliaire de prédiction (DFlash) ajouterait jusqu’à 21 % de débit.
Contexte
Le modèle était annoncé depuis le 15 octobre, avec le grand Nemotron 3.5 Bolt 74B-A9B. NVIDIA revendique une qualité supérieure de 40 % à Nemotron 3 Nano 4B et d’environ 10 % à des modèles de taille comparable, avec jusqu’à 80 % de jetons de raisonnement en moins. Ces écarts sont ceux de NVIDIA, sur ses propres évaluations.
Pourquoi ça compte
NVIDIA ne vend pas de modèles : il vend le matériel sur lequel ils tournent. Publier un petit modèle prêt à l’emploi pour les cartes grand public et les modules Jetson pousse les développeurs à concevoir leurs agents pour ses puces, du PC au robot.
Lecture Neurone21
Pour une PME qui veut un assistant local, sans envoyer ses données dans le nuage, un modèle de 4 Go qui tient dans une carte graphique courante devient une option crédible. Il reste à le tester en français sur des tâches réelles, les chiffres publiés n’ayant pas encore été reproduits de façon indépendante.