Les robots généralistes, les machines autonomes et les systèmes d’IA en périphérie ne sont plus seulement des démonstrateurs de laboratoire. Ils se rapprochent d’un déploiement industriel et commercial à grande échelle, avec une exigence centrale : disposer de calculateurs compacts, efficaces sur le plan énergétique et capables d’exécuter des modèles d’IA avancés directement sur l’appareil.
C’est dans ce contexte que NVIDIA a présenté deux nouveaux modules basés sur son architecture NVIDIA Thor : les Jetson T3000 et Jetson T2000. Leur objectif est clair : rendre plus accessible le déploiement de robots humanoïdes, de robots mobiles autonomes, d’agents visuels d’IA et d’autres machines intelligentes capables de raisonner et d’agir dans le monde réel.
Ces nouveaux modules s’inscrivent dans la continuité de Jetson AGX Thor, déjà positionné comme une plateforme centrale pour l’IA physique. NVIDIA cite notamment des acteurs comme 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi ou Techman Robot parmi les entreprises qui construisent des solutions autour de cette famille de plateformes.
Pourquoi ces modules Jetson Thor sont importants pour l’IA embarquée
L’IA en périphérie, ou edge AI, consiste à traiter les données au plus près de leur source : dans un robot, une caméra intelligente, un véhicule autonome, une machine industrielle ou un système de circulation connecté. Cette approche réduit la dépendance au cloud, diminue la latence et améliore la confidentialité des données.
Mais les nouveaux cas d’usage sont de plus en plus exigeants. Un robot humanoïde moderne ne se contente plus de reconnaître des objets. Il doit comprendre son environnement, interpréter des instructions, planifier des actions, ajuster ses mouvements et parfois interagir avec des humains en temps réel. Cela implique de faire tourner plusieurs familles de modèles :
- des grands modèles de langage pour comprendre les consignes et raisonner ;
- des modèles vision-langage pour relier images, objets et instructions ;
- des modèles vision-langage-action pour transformer une perception en geste ;
- des world foundation models capables d’aider une machine à prédire l’évolution de son environnement.
La difficulté est de faire fonctionner ces modèles dans une enveloppe matérielle réaliste : peu d’espace, consommation contenue, coût maîtrisé et contraintes de sécurité. C’est précisément le terrain visé par les nouveaux Jetson T3000 et T2000.
Jetson T3000 : un module compact pour robots humanoïdes et machines autonomes
Le Jetson T3000 est le plus puissant des deux nouveaux modules annoncés. NVIDIA indique qu’il délivre 865 téraflops FP4 de calcul IA dans un format compact, environ deux fois plus petit et moins énergivore que le T5000.
Sur le plan matériel, le Jetson T3000 combine :
- un GPU NVIDIA Blackwell ;
- un CPU Arm Neoverse à huit cœurs ;
- 32 Go de mémoire LPDDR5X ;
- une bande passante mémoire de 273 Go/s ;
- une connectivité 25 GbE.
Ce profil le destine aux systèmes qui doivent exécuter de lourdes charges d’inférence multimodale directement sur l’appareil. Pour un robot humanoïde, cela peut signifier analyser plusieurs flux de caméras, interpréter une consigne vocale, identifier des objets, calculer une trajectoire et adapter un mouvement sans attendre une réponse distante du cloud.
Une variante IGX T3000 pensée pour la sécurité fonctionnelle
NVIDIA met également en avant l’IGX T3000, qui offre le même niveau de performance que le Jetson T3000, mais avec une intégration orientée sécurité fonctionnelle. Ce point est stratégique pour les robots appelés à évoluer à proximité d’humains, par exemple dans des entrepôts, des usines, des hôpitaux ou des espaces de services.
L’IGX T3000 est conçu pour fonctionner avec NVIDIA Halos for Robotics, la pile de sécurité complète de NVIDIA pour les robots opérant dans des environnements partagés avec les personnes. Dans la pratique, cela vise à faciliter la conception de systèmes capables de respecter des contraintes de sûreté tout en conservant des capacités avancées de perception et de décision.
Un compromis performance-coût plus favorable que les modules haut de gamme
NVIDIA souligne que, malgré son format réduit, le T3000 atteint des performances d’inférence proches du T5000 sur plusieurs charges multimodales. Cette approche peut intéresser les constructeurs confrontés à la hausse des prix de la mémoire et à la nécessité de réduire le coût matériel par robot.
Pour une entreprise qui prépare un déploiement de centaines ou de milliers de robots, gagner sur la taille du module, la consommation et la configuration mémoire peut représenter un avantage économique majeur. C’est aussi ce qui rend le T3000 pertinent pour le passage de prototypes sophistiqués à des produits réellement industrialisables.
Jetson T2000 : l’architecture Thor pour davantage de projets edge AI
Le Jetson T2000 vise une cible plus large. Avec 400 téraflops FP4 de calcul IA et 16 Go de mémoire, il constitue une porte d’entrée vers l’architecture Thor pour des systèmes moins extrêmes que les robots humanoïdes les plus avancés, mais tout de même exigeants.
Parmi les scénarios visés, on peut citer :
- les agents visuels d’IA capables d’analyser des flux vidéo localement ;
- les robots mobiles autonomes utilisés en logistique ou en inspection ;
- les manipulateurs industriels intégrant vision et prise de décision ;
- les caméras intelligentes et systèmes d’analyse en temps réel ;
- les machines autonomes spécialisées dans l’agriculture, la distribution ou le transport.
Avec ces nouveaux modules, NVIDIA affirme couvrir une plage de performances allant de 70 TOPS à 2 000 téraflops dans sa gamme Jetson. L’idée est de donner aux développeurs et fabricants une plateforme évolutive, capable de s’adapter à des produits très différents sans changer radicalement de pile logicielle.
Des “agent skills” pour optimiser la mémoire plus rapidement
Au-delà du matériel, NVIDIA insiste sur l’amélioration des outils logiciels. La société introduit de nouveaux Jetson agent skills, des capacités d’agents IA conçues pour automatiser une partie du travail d’optimisation mémoire, de configuration système et de déploiement.
Ce point peut sembler moins spectaculaire qu’un chiffre de performance, mais il est crucial pour les équipes de développement. Optimiser une pile IA embarquée demande souvent une expertise pointue et beaucoup d’itérations manuelles. NVIDIA affirme que ces nouveaux outils peuvent aider les développeurs à réaliser en quelques jours des optimisations qui prenaient auparavant plusieurs semaines.
Ces agent skills prennent en charge l’ensemble de la famille Jetson, notamment Jetson Thor et Jetson Orin. Le bénéfice attendu est double : exécuter des charges IA plus ambitieuses sur des configurations mémoire plus modestes et réduire le coût global des systèmes.
Des gains mémoire déjà observés dans plusieurs secteurs
NVIDIA donne plusieurs exemples d’entreprises ayant réduit leur consommation mémoire grâce à l’optimisation logicielle :
- UBTech, Agile Robots et Connect Tech auraient réduit l’usage mémoire jusqu’à 15 Go, permettant de passer d’un Jetson AGX Orin 64 Go à un module 32 Go ;
- SandStar, dans le commerce intelligent, aurait économisé jusqu’à 4 Go, rendant possible un déploiement sur Jetson Orin NX 8 Go au lieu d’une version 16 Go ;
- GROOVE X, créateur du robot compagnon LOVOT, utilise les accélérateurs IA hétérogènes de Jetson pour mieux répartir les charges de travail ;
- NoTraffic, spécialisé dans le transport intelligent, aurait réduit l’usage mémoire de 30 % sur Jetson TX2 NX, libérant de la marge pour ajouter de nouvelles fonctions IA.
Ces gains illustrent un enjeu majeur de l’IA embarquée : la performance brute ne suffit pas. Pour industrialiser un produit, il faut aussi maîtriser la mémoire, la consommation, les coûts d’intégration et la maintenance logicielle.
Cosmos 3 Edge : un modèle pour aider les robots à comprendre le monde
NVIDIA élargit aussi sa famille de modèles NVIDIA Cosmos 3 avec Cosmos 3 Edge, un modèle léger de 4 milliards de paramètres compatible avec les plateformes NVIDIA Thor.
Cosmos 3 Edge est présenté comme un modèle de fondation pour les systèmes incarnés, c’est-à-dire les robots et machines capables d’agir physiquement dans leur environnement. Son rôle est d’aider ces systèmes à voir, raisonner en temps réel, prévoir ce qui peut se produire et générer des actions via une inférence directement embarquée.
Grâce au framework ouvert Cosmos, les développeurs peuvent post-entraîner Cosmos 3 Edge pour l’adapter à des capteurs ou à des formes de robots spécifiques. NVIDIA indique que cette adaptation peut se faire en environ une journée, avec l’objectif de réduire l’écart entre simulation et monde réel, souvent appelé sim-to-real gap.
Concrètement, cela peut permettre à une équipe robotique de tester un comportement en simulation, de l’ajuster à un robot particulier, puis de le déployer sur Jetson Thor pour une analyse visuelle et une prise de décision en temps réel.
Développement : émulation T3000 et T2000 avant disponibilité des modules
Les nouveaux modules Jetson T3000 et T2000 ne sont pas immédiatement disponibles en volume. NVIDIA annonce une disponibilité prévue au premier trimestre 2027. En attendant, les développeurs peuvent commencer à travailler avec le kit de développement Jetson AGX Thor, disponible via les partenaires de distribution, et utiliser des modes d’émulation.
Le mode d’émulation T3000 doit être accessible avec JetPack 7.2.1 plus tard ce mois-ci, tandis que la prise en charge de l’émulation T2000 arrivera dans une version ultérieure. Cette continuité est importante : les modules partagent la même architecture de puce et la même pile logicielle au sein de la famille NVIDIA Thor.
Les développeurs peuvent ainsi commencer à préparer leurs applications sans attendre la disponibilité finale du matériel cible. Cela concerne notamment les projets s’appuyant sur :
- NVIDIA Isaac pour la simulation robotique, la perception et le développement de systèmes robotiques ;
- NVIDIA Nemotron pour les modèles ouverts orientés IA générative ;
- Cosmos 3 pour les modèles de fondation liés à l’IA physique ;
- Isaac GR00T pour les robots humanoïdes et systèmes incarnés.
Un écosystème déjà mobilisé autour de Jetson Thor
Pour accélérer l’adoption, NVIDIA s’appuie sur un réseau de partenaires matériels et logiciels. Parmi les acteurs de l’écosystème Jetson travaillant déjà sur des solutions basées sur Thor figurent notamment ADLINK, Advantech, AAEON, Aetina, Auvidea, AVerMedia, Connect Tech, ForeCR, JWIPC, NEXCOM Robotic Solutions, Realtimes, Seeed Studio, Twowin, TZTEK et YUAN.
Côté logiciel, NVIDIA cite également Antmicro, Neurealm, REBOTNIX et RidgeRun pour accompagner l’émulation et la migration des clients vers ces nouveaux modules.
Pour les fabricants de robots, cet écosystème est essentiel. Le succès d’une plateforme embarquée ne dépend pas uniquement de sa puce : il repose aussi sur les cartes porteuses, les caméras, les pilotes, les outils de migration, les bibliothèques logicielles et le support industriel.
Ce que cela change pour les entreprises qui construisent des robots
L’annonce des Jetson T3000 et T2000 confirme une tendance forte : la robotique moderne devient de plus en plus dépendante des modèles de fondation et de l’inférence locale. Les entreprises qui conçoivent des machines autonomes devront donc arbitrer entre plusieurs priorités :
- latence : prendre des décisions localement sans attendre le cloud ;
- coût : choisir une configuration mémoire et calcul adaptée au volume de production ;
- sécurité : garantir un comportement fiable près des humains ;
- évolutivité : réutiliser la même pile logicielle sur plusieurs gammes de produits ;
- maintenance : optimiser et mettre à jour les modèles sans refondre toute l’architecture.
Dans ce cadre, le T3000 semble taillé pour les robots avancés et les applications multimodales exigeantes, tandis que le T2000 peut servir de base à des produits edge AI plus accessibles. L’ajout d’outils d’optimisation par agents et de modèles comme Cosmos 3 Edge renforce l’idée d’une plateforme complète, et non d’un simple composant matériel.
Disponibilité et informations à retenir
Les modules Jetson T3000 et Jetson T2000 sont prévus pour une disponibilité au premier trimestre 2027. Les développeurs peuvent toutefois démarrer leurs travaux avec le kit Jetson AGX Thor Developer Kit et les modes d’émulation annoncés par NVIDIA.
Les informations clés à retenir sont les suivantes :
- le Jetson T3000 propose 865 téraflops FP4, 32 Go de mémoire LPDDR5X et une connectivité 25 GbE ;
- l’IGX T3000 ajoute une orientation sécurité fonctionnelle pour les robots opérant près des humains ;
- le Jetson T2000 offre 400 téraflops FP4 et 16 Go de mémoire pour démocratiser l’architecture Thor ;
- les nouveaux Jetson agent skills visent à réduire les besoins mémoire et accélérer le déploiement ;
- Cosmos 3 Edge apporte un modèle de 4 milliards de paramètres pour l’IA physique embarquée ;
- les modes d’émulation permettent de commencer le développement avant l’arrivée des modules.
Pour NVIDIA, l’enjeu dépasse la fiche technique. Avec Jetson Thor, la société veut imposer une fondation matérielle et logicielle pour la prochaine vague de robots intelligents, capables de percevoir, raisonner et agir directement dans le monde réel. La source officielle de l’annonce est disponible sur le blog NVIDIA.