Le 15 octobre 2026, NVIDIA a lancé Nemotron 3.5 Super VL, un modèle ouvert capable de traiter du texte, des images, des pages de documents et de courtes vidéos. Pour les responsables informatiques et les responsables de la numérisation dans l’industrie et le commerce, par exemple au service de réception des marchandises d’un équipementier automobile ou au service de traitement des commandes d’un prestataire d’intralogistique, une question se pose alors concrètement : est-il possible d’analyser des bons de livraison, des certificats d’usine et des documents techniques à l’aide d’un modèle fonctionnant entièrement en interne, et quel matériel faut-il pour cela ?
Nemotron 3.5 Super VL est un modèle image-texte de 120 milliards de paramètres que NVIDIA valide pour une exécution sur un seul DGX Spark, une H200 ou deux H100. La licence OpenMDW-1.1 autorise l'exploitation commerciale en interne sans limite de chiffre d'affaires. Pour un pilote avec vos propres documents, un DGX Spark au prix catalogue de 6 950 dollars américains suffit ; pour la production avec plusieurs requêtes simultanées, il faut selon nous un serveur équipé d'une H200. Avant tout achat, testez 100 à 200 de vos propres documents, car l'anglais est la langue principale du modèle (au 19/10/2026).
| Caractéristique | Nemotron 3.5 Super VL |
|---|---|
| Éditeur | NVIDIA Corporation |
| Architecture | « Mixture-of-Experts » composé de couches Mamba-2 et Transformer avec un encodeur d'images |
| Paramètres | 120 milliards au total, 12 milliards actifs par jeton |
| Saisie | Texte, images (JPEG, PNG), pages de documents sous forme d'images, vidéos d'une durée maximale de 2 minutes |
| Fenêtre de contexte | jusqu'à 1 million de jetons |
| Langues | L'anglais comme langue principale ; le post-entraînement couvre aussi l'allemand, le français, l'italien, l'espagnol, le japonais et le chinois |
| Formats | BF16, NVFP4 (4 bits), modèle de base |
| Licence | OpenMDW-1.1, usage commercial autorisé |
Ce qu'a publié NVIDIA
NVIDIA présente Super VL comme un modèle pour les agents chargés de lire des documents, d'analyser des tableaux et des graphiques et d'utiliser des outils (NVIDIA Blog, 15 octobre 2026). Outre les poids, NVIDIA a publié des données d'entraînement et des recettes afin que les entreprises puissent réentraîner le modèle avec leurs propres données. L'affirmation selon laquelle Super VL fonctionnerait jusqu'à cinq fois plus vite que des modèles ouverts comparables provient du fabricant. Le même jour a été lancé Nemotron 3.5 Bolt 74B-A9B, une variante image-texte plus compacte avec une quantification native à 2 bits, qui tient dans 24 Go de mémoire graphique.
Les premiers résultats externes sont disponibles. Thoughtworks, en tant que partenaire bénéficiant d'un accès anticipé, a réduit le modèle à 4 bits : les poids sont passés de 231,8 à 68,1 GiB et tiennent désormais sur un seul H200. Un réentraînement sur une tâche spécifique a duré environ trois heures sur quatre H200 (Thoughtworks, 10/2026). Ces chiffres se réfèrent à une version préliminaire datée du 21 septembre, et non à la version définitive.
de paramètres sont actifs par jeton, mais les 120 milliards doivent tous être stockés. C'est pourquoi la mémoire détermine le matériel.
NVIDIA, carte modèle Nemotron 3.5 Super VL, 10/2026
Le matériel nécessaire à l'exploitation en interne
NVIDIA cite quatre systèmes cibles pour la version 4 bits. Selon la fiche du modèle, NVFP4 fonctionne avec des activations 16 bits sur les cartes plus anciennes sans architecture Blackwell, donc plus lentement que sur Blackwell.
| Système | Format | Remarque |
|---|---|---|
| 1× DGX Spark (128 Go) | NVFP4 | Texte et image, configuration de démarrage NVIDIA avec une requête à la fois ; prix catalogue : 6 950 dollars américains |
| 1× RTX PRO 6000 (96 Go) | NVFP4 | Recette vLLM avec un contexte de 16 384 tokens |
| 1× H200 ou 2× H100 | NVFP4 | Texte, image et vidéo selon NVIDIA |
| 4 × H100 ou 2 × GB200 | BF16 | précision complète, base pour votre propre post-entraînement |
| Carte graphique de 24 à 32 Go | Bolt 74B-A9B uniquement | Super VL ne rentre dans aucune quantification ; la version la plus petite occupe 46,1 Go |
Exemple de calcul : réception des marchandises chez un équipementier
Un équipementier automobile saisit chaque jour, lors de la réception des marchandises, 800 bons de livraison et certificats d'usine provenant d'environ 150 fournisseurs. On estime à 2 minutes le temps nécessaire à la saisie manuelle de chaque document.
- Charge de travail manuelle : 800 × 2 minutes, soit 1 600 minutes, ce qui correspond à environ 27 heures par jour ouvré ou à un peu plus de trois postes à temps plein.
- Temps alloué à la machine : en cas de traitement sur deux équipes, 57 600 secondes sont disponibles, soit 72 secondes par document.
- Matériel : un DGX Spark coûte 6 950 dollars américains au prix catalogue. Seul un test de charge avec de vrais documents montrera s'il tient 72 secondes par document en traitant une seule requête à la fois ; NVIDIA ne publie pas de chiffres de débit à ce sujet.
Dans cet exemple, le matériel représente la partie la moins coûteuse. Ce sont la connexion au système ERP et l'enregistrement des entrées de marchandises, les règles de contrôle des quantités et des lots, ainsi que la validation par les collaborateurs en cas de champs incertains qui déterminent l'effort requis. Ce n'est que lorsque le projet pilote affiche un taux de reconnaissance stable que l'investissement dans un serveur pour plusieurs sites en vaut la peine.
Vos options
| Option | Effort | Coûts | Risque |
|---|---|---|---|
| Ne rien faire | aucun | aucune | La saisie manuelle persiste, et les connaissances en matière d'IA appliquée aux documents font défaut lors du prochain cycle budgétaire |
| Test via une API hébergée (NVIDIA, OpenRouter) | quelques jours | en fonction de l'utilisation | Les données quittent l'entreprise ; uniquement avec des documents anonymisés |
| Version pilote sur DGX Spark | 3 à 4 semaines | Prix catalogue de 6 950 dollars américains, plus le projet | une requête à la fois, pas de système de production |
| Serveur équipé d'un H200 ou de deux H100 | Dimensionnement, espace dans le centre de données, exploitation | Investissement dans un serveur, offre en fonction de la configuration | rentable seulement une fois le taux de reconnaissance prouvé |
| Bolt 74B-A9B sur une carte graphique existante | 1 à 2 semaines | matériel existant à partir de 24 Go | moins performant que le Super VL |
À quoi ce modèle est-il adapté ?
Super VL cible les documents dans lesquels texte, tableaux et images sont liés : bons de livraison avec cachets, procès-verbaux d'essai avec photos, rapports de mesure avec graphiques, manuels d'entretien et listes de pièces détachées. Au test de graphiques CharXiv, NVIDIA annonce 80,8 %. Selon la fiche du modèle, les documents sont transmis sous forme d'images de pages accompagnées de texte ; les fichiers CAO doivent d'abord être exportés en images. Pour la simple recherche dans des manuels, un modèle textuel plus petit suffit souvent ; c'est ce que le Comparatif des LLM open source montre.
À propos de la licence : OpenMDW-1.1 autorise l'utilisation, la modification et la diffusion sans limite de chiffre d'affaires. Quiconque diffuse le modèle doit joindre le texte de la licence et les mentions d'origine. Si un utilisateur intente une action en justice en invoquant une violation de brevet ou de droit d'auteur par le modèle, ses droits s'éteignent. Aucune condition ne s'applique aux résultats générés. Quiconque exploite lui-même les poids n'envoie aucune donnée à NVIDIA.
Pilote documentaire avec Nemotron 3.5 Super VLNous analysons 200 de vos documents, tels que des bons de livraison, des certificats d'usine ou des procès-verbaux d'essai, contenant des données validées ou anonymisées, dans un environnement de test. Dans un délai de 15 jours ouvrés, vous recevrez le taux de reconnaissance par champ, le temps de traitement par document, une recommandation matérielle entre le DGX Spark et un serveur, ainsi qu'un devis adapté à votre volume.
Foire aux questions
Nemotron 3.5 Super VL fonctionne-t-il sur une RTX 4090 ou une 5090 ?
Non. La plus petite quantification disponible occupe 46,1 Go, alors qu'une RTX 5090 dispose de 32 Go. Pour les cartes de 24 à 32 Go, NVIDIA a publié Nemotron 3.5 Bolt 74B-A9B, qui traite également des images.
Peut-on utiliser Nemotron 3.5 Super VL à des fins commerciales ?
Oui. La licence OpenMDW-1.1 autorise l'utilisation commerciale sans seuil de chiffre d'affaires ni de nombre d'utilisateurs. En cas de diffusion du modèle, le texte de la licence et les mentions d'origine doivent être joints.
Ce modèle comprend-il les documents en allemand ?
NVIDIA cite l'allemand parmi six langues supplémentaires du post-entraînement, la langue principale étant l'anglais. Seul un test avec vos propres documents montre dans quelle mesure les termes techniques, l'écriture manuscrite et les cachets des bons de livraison allemands sont reconnus.
La prochaine étape
torck conçoit et exploite des modèles de langage ouverts dans les centres de données de clients de l'industrie et du commerce, du choix du modèle à l'exploitation, en passant par l'intégration à l'ERP et aux archives. Lors d'un premier entretien, nous déterminons si vos documents nécessitent un modèle image-texte et quel matériel convient. Conseil en IA avec un LLM sur site.
Pour aller plus loin : pour savoir si l'achat de matériel vaut la peine maintenant, consultez l'article Matériel d'IA 2027. Pour savoir ce qu'exige un modèle de l'ordre des billions, consultez l'article sur Mistral Large 4. Pour savoir comment les entreprises exploitent elles-mêmes des modèles de langage, consultez l'article LLM sur site au sein de l'entreprise.
German 
English 
French