Nemotron-Personas-Brazil est un ensemble de données ouvert (licence CC BY 4.0) comprenant 6 millions de personas entièrement synthétiques, conçues pour représenter fidèlement la diversité démographique, géographique et culturelle du Brésil. Ce projet, développé par NVIDIA en collaboration avec WideLabs, un membre du programme NVIDIA Inception spécialisé dans les déploiements d’IA dans le secteur public et régulé en Amérique latine, vise à combler le manque de données d’entraînement locales et de haute qualité pour les systèmes d’intelligence artificielle souverains. Contrairement aux grandes bases de données dominées par l’anglais, ce dataset s’appuie sur des données réelles du IBGE (Institut brésilien de géographie et de statistique), notamment les recensements populaires et les données du marché du travail, pour garantir une représentation statistiquement précise des populations brésiliennes à l’échelle des états et des communes. Chaque persona est rédigée en portugais brésilien naturel, intégrant des éléments culturels, des intérêts, des compétences, des objectifs de vie et des trajets professionnels, y compris des micro-entrepreneurs et des métiers régionaux. Le pipeline de génération repose sur NeMo Data Designer, une architecture d’IA composée qui permet une création structurée, validée et itérative de données synthétiques à grande échelle. Ce processus garantit non seulement une fidélité linguistique et culturelle, mais aussi une représentation fine des stades de vie (étudiant, chômeur, retraité) et des spécificités régionales, reflétant les cinq macro-régions du Brésil. Un point clé de cette initiative est sa conception « privée par défaut » : aucune information identifiable n’est incluse, et les noms, âges ou professions sont tirés de distributions publiques sans lien avec des individus réels. Cela permet aux développeurs brésiliens et internationaux d’entraîner des modèles d’IA fidèles au contexte local, sans risque de violation de la vie privée. Le dataset est particulièrement adapté aux chercheurs, startups et entreprises brésiliennes cherchant à développer des systèmes d’IA autonomes, éthiques et culturellement pertinents. En libérant Nemotron-Personas-Brazil sous licence ouverte, NVIDIA vise à démocratiser l’accès à des données de qualité pour les régions sous-représentées, en réduisant les barrières liées au coût, à la confidentialité ou à la géographie. Il s’inscrit dans une stratégie plus large de développement d’un écosystème de données ouvertes, complétant déjà les versions pour les États-Unis, le Japon, l’Inde et Singapour. Les utilisateurs peuvent télécharger le dataset directement depuis Hugging Face et intégrer son extension dans leurs pipelines de données via NeMo Data Designer. Ce projet ouvre la voie à des applications concrètes dans des domaines comme le service client personnalisé, l’accompagnement social, la formation professionnelle ou encore les systèmes d’IA éducatifs adaptés au contexte brésilien. Pour les experts du secteur, cette initiative marque une avancée significative vers une IA plus inclusive, locale et responsable, tout en renforçant la souveraineté numérique du Brésil.