NVIDIA Nemotron 3 Ultra 550B : le modèle open-source le plus puissant des États-Unis débarque au Computex
🔎 Le Computex 2026 marque un tournant : les États-Unis reprennent la guerre de l'open-weights
Jensen Huang a monté sur scène le 1er juin 2026 au Computex Taipei avec un message clair. L'Amérique ne laisse plus le terrain de l'open-source aux modèles chinois. Nemotron 3 Ultra, à 550 milliards de paramètres, est la réponse directe de NVIDIA à DeepSeek V4 Pro et MiniMax M3.
Le contexte géopolitique est tout sauf anodin. Depuis fin 2025, les modèles open-weights chinois dominent les classements Artificial Analysis. Les États-Unis n'avaient rien de comparable en termes de puissance et d'accessibilité combinées. Nemotron 3 Ultra change la donne — et pas qu'un peu.
C'est aussi un signal envoyé à Meta, dont le premier modèle fermé de la Superintelligence Lab a provoqué un séisme dans la communauté open-source. NVIDIA prend le contre-pied : open-weights, sans concession.
L'essentiel
- 550B paramètres, 55B actifs en architecture MoE avec 90% de sparsité — un rapport puissance/coût jamais vu côté américain.
- Score AA Intelligence Index 48, loin devant Gemma 4 (39) et le Nemotron 3 Super précédent (36). C'est le modèle open-weights le plus intelligent des États-Unis.
- Pré-entraîné sur 25T+ tokens avec une fenêtre de contexte de 1 million de tokens et un débit de 300+ tok/s.
- Optimisé pour les agents IA et intégré au stack NVIDIA (NIM microservices, RTX Spark).
- Weights en open-source, dans un contexte où les États-Unis avaient pris un retard stratégique face aux modèles chinois.
Outils recommandés
| Outil | Usage principal | Prix (juin 2026, vérifiez sur site) | Idéal pour |
|---|---|---|---|
| NVIDIA NIM | Déploiement et inférence de Nemotron 3 Ultra | Gratuit (self-hosted) / Tarifs cloud variables | Développeurs enterprise |
| OpenRouter | Accès API à Nemotron 3 Ultra vs concurrents | Payant à l'usage | Comparatifs et tests rapides |
| RTX Spark | Exécution locale sur GPUs NVIDIA | Inclus avec drivers NVIDIA | Utilisateurs avec GPU RTX |
Architecture MoE : comment 55B actifs rivalisent avec des modèles 10x plus lourds
Nemotron 3 Ultra utilise une architecture Mixture of Experts (MoE) avec une caractéristique clé : 90% de sparsité. Concrètement, sur les 550 milliards de paramètres totaux, seuls 55 milliards sont activés à chaque inférence.
C'est le même principe qui a fait le succès de DeepSeek V4 Pro, mais NVIDIA pousse la logique plus loin avec ce qu'ils appellent la LatentMoE architecture. Au lieu d'activer mécaniquement des experts fixes, le routage se fait dans un espace latent, ce qui permet une allocation plus dynamique et précise des ressources computationnelles.
Le résultat est mesurable : 300+ tokens par seconde en génération, un débit qui permet des interactions en temps réel même avec 1 million de tokens de contexte. Pour comparer, la plupart des modèles de cette taille plafonnent sous les 100 tok/s en configuration standard.
Cette efficacité a un coût matériel, mais il reste contenu. Un modèle dense de 550B nécessiterait plusieurs A100 rien que pour le chargement en mémoire. Nemotron 3 Ultra, grâce à la sparsité, tourne sur des configurations nettement plus accessibles — ce qui est précisément le point stratégique.
Benchmarks : Nemotron 3 Ultra vs DeepSeek V4 Pro vs MiniMax M3
Le vrai test, c'est la confrontation avec les modèles qui dominent actuellement l'open-weights. Artificial Analysis publie un comparatif direct entre Nemotron 3 Ultra et MiniMax M3, et les chiffres parlent.
| Modèle | Paramètres | Actifs | AA Intelligence Index | Contexte | Débit |
|---|---|---|---|---|---|
| Nemotron 3 Ultra | 550B | 55B | 48 | 1M tokens | 300+ tok/s |
| MiniMax M3 | 456B | 45B | ~43 | 1M tokens | ~200 tok/s |
| DeepSeek V4 Pro (Max) | — | — | 88 (general) | 128K tokens | ~150 tok/s |
| Gemma 4 | Variable | Variable | 39 | Variable | Variable |
| Nemotron 3 Super | Variable | Variable | 36 | Variable | Variable |
Deux choses sautent aux yeux. D'abord, Nemotron 3 Ultra domine largement en open-weights pur américain, avec 12 points d'avance sur Gemma 4. Ensuite, face aux modèles chinois, le gap se réduit mais persiste en général — DeepSeek V4 Pro (Max) atteint 88 au classement général selon nos données de référence.
La nuance importante : les classements "general" et "agentic" ne mesurent pas la même chose. Nemotron 3 Ultra est spécifiquement optimisé pour les tâches agentic, là où DeepSeek V4 Pro brille en raisonnement pur général. Le comparatif direct est donc plus nuancé que les scores bruts ne le suggèrent.
Source : Artificial Analysis — Nemotron 3 Ultra announced et OpenRouter — Comparaison Nemotron 3 Ultra vs MiniMax M3
La riposte américaine à l'hégémonie chinoise en open-weights
Pendant plus d'un an, le narrative a été implacable : la Chine domine l'open-weights, les États-Unis se verrouillent derrière des modèles propriétaires. DeepSeek, MiniMax, Kimi K2.6 — chaque mois ramenait son lot de modèles open-weights performants.
Nemotron 3 Ultra est la première réponse américaine à la hauteur. Pas un modèle propriétaire déguisé, pas un "open-weights mais avec une license restrictive" — les weights sont disponibles, ce qui compte pour la communauté.
Le timing n'est pas innocent. Au moment où OpenSeeker-v2 casse le monopole des search agents industriels et où DeerFlow de ByteDance pousse l'agent open-source vers le long terme, NVIDIA devait montrer que l'écosystème américain peut produire des modèles open-weights compétitifs.
La dimension géopolitique dépasse le simple techno-benchmark. Les modèles open-weights chinois sont devenus un outil de soft power. Chaque développeur qui adopte DeepSeek ou MiniMax s'inscrit dans un écosystème contrôlé par Pékin. Nemotron 3 Ultra offre une alternative crédible, intégrée au stack NVIDIA que des millions de développeurs utilisent déjà.
Conçu pour les agents IA : pourquoi c'est stratégique
NVIDIA ne se contente pas de sortir un gros modèle pour le prestige. Nemotron 3 Ultra est explicitement optimisé pour les systèmes multi-agents, comme le détaille DataCamp dans son analyse de l'architecture.
Qu'est-ce que ça veut dire en pratique ? Le modèle est entraîné pour maintenir la cohérence sur de longues chaînes d'actions, gérer plusieurs sous-tâches simultanément, et produire des sorties structurées (JSON, appels d'outils) avec une fiabilité supérieure. C'est exactement ce que demandent les frameworks d'agents IA.
C'est là que le lien avec le choix des meilleurs LLM pour les agents IA devient critique. Un modèle agentic doit être rapide (pour des boucles de raisonnement itératives), fiable (pas d'hallucinations sur les appels d'outils), et capable de gérer un contexte long (pour maintenir l'état d'une conversation complexe).
Nemotron 3 Ultra coche ces trois cases avec brio : 300+ tok/s pour la vitesse, un entraînement agent-specific pour la fiabilité, et 1M tokens de contexte pour la mémoire. Pour les développeurs qui construisent des agents IA open source avec Ollama en local, ce modèle change la donne — s'ils ont le matériel.
Intégration au stack NVIDIA : NIM, RTX Spark, et l'écosystème
Un modèle open-weights, c'est bien. Un modèle open-weights qui s'intègre nativement dans un écosystème de déploiement existant, c'est mieux. C'est exactement ce que NVIDIA a fait avec Nemotron 3 Ultra.
Les NIM microservices permettent de déployer le modèle en production avec quelques lignes de commande. Pas de configuration complexe, pas de compatibilité hasardeuse — NVIDIA contrôle toute la chaîne, du modèle au runtime. C'est un avantage compétitif massif face à DeepSeek ou MiniMax, qui n'ont pas ce niveau d'intégration verticale.
RTX Spark est l'autre pièce du puzzle. NVIDIA pousse l'exécution locale de modèles lourds sur les GPUs grand public. Nemotron 3 Ultra, avec ses 55B paramètres actifs, est théoriquement exécutable sur une configuration multi-GPU RTX 5090 — un scénario qui intéressera directement ceux qui cherchent à installer un LLM en local.
Pour ceux qui veulent comparer avec les meilleurs LLM à run en local, il faudra tester en conditions réelles. Le débit de 300+ tok/s est mesuré sur infrastructure serveur, pas sur un PC de bureau. Mais la direction est claire : NVIDIA veut que Nemotron 3 Ultra devienne le modèle de référence pour les développeurs locaux.
Comment accéder à Nemotron 3 Ultra
Trois voies d'accès sont disponibles au lancement.
Via NIM (recommandé pour la production) : Téléchargement des weights depuis la page officielle NVIDIA Research et déploiement via les NIM microservices. C'est la méthode la plus optimisée, mais elle nécessite une infrastructure GPU compatible.
Via OpenRouter (pour les tests) : Accessible en API payante à l'usage, ce qui permet de tester le modèle sans investir dans du hardware. La page de comparaison OpenRouter permet même de faire des A/B tests directs contre MiniMax M3.
Via RTX Spark (pour le local) : Intégré aux drivers NVIDIA récents, cette option s'adresse aux utilisateurs avancés avec des configurations multi-GPU. Le guide développeur complet de WowHow détaille les prérequis matériel exacts.
Il faut être honnête : Nemotron 3 Ultra n'est pas un modèle que vous ferez tourner sur un laptop. Même avec 90% de sparsité, 55B paramètres actifs demandent au minimum 110-120 Go de VRAM en fp16, ou 60-70 Go en quantization 4-bit. C'est du territoire multi-GPU ou serveur.
Nemotron 3 Ultra face aux meilleurs LLM du marché
Pour situer Nemotron 3 Ultra dans le paysage global, il faut le comparer aux modèles propriétaires et open-weights qui dominent actuellement.
Côté agentic, le sommet est occupé par des modèles fermés : GPT-5.5 (score 98.2), Gemini 3 Pro Deep Think (95.4), Claude Opus 4.7 Adaptive (94.3). Nemotron 3 Ultra, avec son score AA de 48, ne rivalise pas directement avec ces monstres. Mais ce n'est pas son marché.
Son véritable terrain de bataille est l'open-weights, et là, il prend la tête du peloton américain. Les meilleurs LLM gratuits comme ChatGPT Free ou Gemini offrent un accès facile mais sans contrôle. Nemotron 3 Ultra offre le contrôle total des weights, ce qui change fondamentalement la proposition de valeur.
Pour les développeurs qui consultent le comparatif mensuel des meilleurs LLM, Nemotron 3 Ultra va probablement intégrer le top des modèles open-weights dès le prochain classement. Sa pertinence dépendra surtout de l'adoption communautaire — les weights open-source ne valent que par l'écosystème qui se construit autour.
La famille Nemotron 3 : Nano, Super, Ultra
Nemotron 3 Ultra n'est pas un modèle isolé. NVIDIA a structuré une famille complète de trois modèles, chacun ciblant un segment précis, comme le détaille la page NVIDIA Research.
Nemotron 3 Nano : Modèle léger pour l'exécution sur appareils contraints (edge, mobile). Pensé pour les tâches simples de classification et d'extraction.
Nemotron 3 Super : Le modèle milieu de gamme, avec un score AA de 36. Adapté aux tâches de raisonnement standard et au déploiement sur des serveurs mono-GPU.
Nemotron 3 Ultra : Le fleuron, 550B, optimisé pour les agents et les tâches complexes. C'est lui qui porte la stratégie de NVIDIA.
Cette segmentation en trois tiers est calquée sur ce que fait Google avec Gemma ou Meta avec Llama, mais avec une différence majeure : chaque niveau est optimisé pour des cas d'usage agents, pas juste pour du chat ou du complétion de texte.
25T+ tokens de pré-entraînement : ce que ça signifie réellement
25 000 milliards de tokens. Ce chiffre, rapporté par MemeBurn, mérite qu'on s'y arrête.
À titre de comparaison, Llama 3.1 avait été pré-entraîné sur ~15T tokens. Nemotron 3 Ultra pousse donc 66% plus loin dans le volume de données. Mais la quantité ne fait pas tout — la qualité du dataset et la stratégie de curriculum (l'ordre dans lequel les données sont présentées) sont tout aussi déterminantes.
NVIDIA n'a pas détaillé la composition exacte du dataset, mais Pasquale Pillitteri note une proportion importante de données synthétiques générées par des modèles NVIDIA précédents, ainsi que des données de code et de raisonnement structuré. C'est cohérent avec l'orientation agentic du modèle.
Le pré-entraînement massif explique aussi pourquoi le modèle atteint des performances élevées malgré une architecture MoE qui, par nature, voit moins de données par expert qu'un modèle dense équivalent. La surcompensation en volume compense la sous-exposition par expert.
Sparsité à 90% : l'innovation technique clé
Le chiffre de 90% de sparsité est répété dans toutes les sources, mais son importance technique est souvent sous-estimée. Kilo AI l'explique clairement : cela signifie que 9 paramètres sur 10 sont inactifs à chaque passage forward.
L'intérêt est double. En mémoire, seuls les experts activés doivent être chargés, ce qui réduit drastiquement les besoins en VRAM. En calcul, les multiplications matricielles ne portent que sur 10% des poids, ce qui explique le débit de 300+ tok/s.
La difficulté, c'est le routage. Un mauvais routeur MoE envoie les tokens aux mauvais experts, et les performances s'effondrent. C'est là que la LatentMoE architecture de NVIDIA fait la différence : au lieu d'un routage discret (expert A ou B), le routage se fait dans un espace continu, ce qui permet des combinaisons plus nuancées d'experts.
C'est une évolution par rapport aux architectures MoE de première génération (comme celle de Mixtral) et même par rapport à celle de DeepSeek V3, qui utilise un routage plus conventionnel. NVIDIA a clairement tiré les leçons des modèles chinois pour faire un pas de plus.
Limites et points de vigilance
Tout n'est pas rose. Nemotron 3 Ultra a des limites qu'il faut comprendre avant de l'adopter.
La barrière matérielle reste élevée. Malgré la sparsité, 55B paramètres actifs nécessitent une infrastructure sérieuse. Ce n'est pas un modèle que la majorité des développeurs individuels pourront faire tourner localement sans investissement significatif.
L'écosystème d'évaluation est encore jeune. Contrairement à Llama ou Gemma, qui bénéficient de milliers de fine-tunes et d'évaluations communautaires, Nemotron 3 Ultra vient de sortir. Les benchmarks NVIDIA sont prometteurs, mais la validation indépendante prendra des semaines.
La license open-weights n'est pas open-source au sens strict. "Open-weights" signifie que vous pouvez télécharger et utiliser les poids, mais les conditions commerciales et les restrictions d'utilisation peuvent varier. Il faudra lire la license avec attention avant un déploiement en production.
La dépendance au stack NVIDIA est un avantage (intégration fluide) mais aussi un piège. Si votre infrastructure n'est pas 100% NVIDIA, l'expérience sera dégradée. Les utilisateurs AMD ou de cloud non-NVIDIA devront faire des compromis.
❌ Erreurs courantes
Erreur 1 : Confondre open-weights et open-source
Nemotron 3 Ultra est open-weights, pas open-source. Les poids sont téléchargeables, mais le code d'entraînement, les datasets, et la methodology ne sont pas publics. C'est une distinction importante pour les puristes de l'open-source.
Erreur 2 : Comparer directement le score AA 48 avec les scores general (80+)
L'AA Intelligence Index de Nemotron 3 Ultra (48) mesure spécifiquement les capacités dans la catégorie open-weights. Le comparer directement avec le score general de DeepSeek V4 Pro (88) n'a pas de sens — ce ne sont pas les mêmes échelles ni les mêmes évaluations.
Erreur 3 : Sous-estimer les besoins matériel
"55B actifs, ça doit tourner sur une 4090" — non. Même en 4-bit, 55B de paramètres demandent ~60 Go de VRAM. Prévoyez au minimum deux GPUs haut de gamme ou une instance cloud dédiée.
Erreur 4 : Ignorer l'orientation agentic
Nemotron 3 Ultra n'est pas optimisé pour le chat casual ou la génération créative. Si c'est ce que vous cherchez, les meilleurs LLM en français ou les modèles généralistes seront plus adaptés. Ce modèle brille dans les chaînes de raisonnement structurées et les appels d'outils.
❓ Questions fréquentes
Nemotron 3 Ultra est-il vraiment open-source ?
Non, il est open-weights. Vous pouvez télécharger et utiliser les poids du modèle, mais NVIDIA ne publie pas le code d'entraînement ni les datasets. C'est suffisant pour le déploiement et le fine-tuning, mais pas pour reproduire l'entraînement.
Peut-on faire tourner Nemotron 3 Ultra sur un PC ?
Théoriquement oui, avec au minimum deux GPUs NVIDIA RTX 5090 (24 Go chacun) en configuration multi-GPU et une quantization agressive en 4-bit. En pratique, c'est une configuration rare et le débit sera bien en dessous des 300+ tok/s annoncés.
Nemotron 3 Ultra est-il meilleur que DeepSeek V4 Pro ?
En open-weights pur américain, oui. En performances absolues, DeepSeek V4 Pro (Max) reste devant au classement général. Mais Nemotron 3 Ultra est spécifiquement optimisé pour les agents, un domaine où le comparatif direct est plus nuancé.
Quand les weights seront-ils disponibles ?
Les weights sont disponibles dès le 1er juin 2026 via la page NVIDIA Research et les NIM microservices. Le déploiement via OpenRouter est également actif au lancement.
Nemotron 3 Ultra gère-t-il le français ?
NVIDIA n'a pas communiqué de benchmarks spécifiques au français. Étant pré-entraîné sur 25T+ tokens multilingues, il devrait performer correctement, mais pour des tâches spécifiquement francophones, consulter les meilleurs LLM en français reste pertinent.
✅ Conclusion
Nemotron 3 Ultra est le modèle que les États-Unis devaient sortir : un open-weights puissant, optimisé pour les agents, et intégré à l'écosystème NVIDIA que des millions de développeurs utilisent déjà. Il ne bat pas DeepSeek V4 Pro en performances brutes, mais il referme un gap stratégique qui s'était dangereusement élargi. Pour les développeurs qui construisent des systèmes multi-agents et qui ont l'infrastructure, c'est le nouveau modèle de référence côté américain — et il fallait que ça arrive.