Lors du congrès GTC 2026, NVIDIA a présenté une stratégie radicale pour l'avenir de l'intelligence artificielle agentic : le modèle Nemotron 3. Contrairement à la tendance habituelle de développer des modèles monolithiques gigantesques, l'entreprise a dévoilé une famille de modèles spécialisés conçus pour fonctionner de manière coordonnée dans des systèmes de production. Cette approche privilégie l'efficacité et la rentabilité sur la simple augmentation de la taille des paramètres. Le problème fondamental que cette architecture vise à résoudre réside dans l'inadéquation économique des modèles uniques. Dans de nombreux projets, une équipe d'ingénieurs confie toutes les tâches d'un agent – raisonnement, récupération de documents, vérification de sécurité et génération de réponse – à un seul modèle massif de plus de 400 milliards de paramètres. Bien que l'intuition suggère que les modèles les plus grands sont les plus capables, la réalité des flux de production est différente. Un agent exécutant une tâche complexe peut effectuer des dizaines, voire des centaines, d'appels d'inférence par requête utilisateur. À cette échelle, l'utilisation d'un modèle monolithique devient prohibitivement coûteuse. Une simulation montre qu'une interaction unique via un modèle de 400 milliards de paramètres peut coûter environ 0,03 dollar, tandis qu'un flux de travail complet utilisant le même modèle peut atteindre 1,50 dollar. En comparaison, une approche utilisant une pile de modèles spécialisés réduit ce coût à environ 0,15 dollar par interaction. Sur un volume de 100 000 interactions quotidiennes, cette méthode permettrait d'économiser jusqu'à 49 millions de dollars par an. La réponse de NVIDIA est la famille Nemotron 3, une suite architecturale où chaque modèle est conçu pour un rôle précis. Le moteur de raisonnement, Nemotron 3 Super, possède 120 milliards de paramètres au total mais n'en active que 12 milliards lors de chaque appel grâce à une architecture hybride Mamba-Transformer et un routage de mélange d'experts. Il est optimisé pour l'intelligence tout en maintenant un débit élevé. Pour la sécurité, le modèle Nemotron 3 Content Safety, un classifieur multimodal de 4 milliards de paramètres, agit comme une garde-fou dédiée. Plutôt que d'intégrer des contraintes de sécurité via des prompts inefficaces dans le modèle principal, ce petit modèle vérifie chaque sortie en temps réel avec une latence minimale. La récupération d'information est gérée par deux modèles de 1,7 milliard de paramètres chacun, spécialisés dans l'indexation et le rééchantillonnage des informations, garantissant une précision supérieure sans les coûts de calcul d'un modèle générateur. Enfin, Nemotron 3 VoiceChat offre une capacité vocale de bout en bout de 12 milliards de paramètres, éliminant la nécessité de chaîner séparément la reconnaissance vocale, le modèle de langage et la synthèse vocale. Un routeur intelligent, conscient de l'intention, orchestre ces modèles en dirigeant chaque tâche vers le modèle le plus adapté. Cette architecture démontre que la complexité ne doit pas résider dans la logique de routage, mais dans le choix judicieux des outils. Par ailleurs, la capacité à configurer le budget de réflexion permet d'ajuster la profondeur du raisonnement selon les besoins, évitant ainsi le gaspillage de ressources pour des tâches simples. Cette évolution marque un tournant où la spécialisation l'emporte sur l'échelle, transformant la viabilité économique de l'IA agentic pour les entreprises.