Il y a six semaines, Nvidia aidait Claude à tourner plus vite sur ses GPU Blackwell Ultra. Désormais, le même Nvidia propose aux entreprises un moyen de ne plus envoyer chaque tâche à Claude. Avec Nemotron 3.5 Lightning et NeMo Switchyard, le fabricant veut réserver les modèles géants aux problèmes difficiles et confier le reste à une IA beaucoup plus légère. La facture pourrait changer d’échelle.
Nvidia construit une IA pour faire le sale boulot
Nemotron 3.5 Lightning n’a pas été conçu pour battre les meilleurs modèles partout. Son travail consiste surtout à absorber les tâches répétitives qui font exploser les tokens des agents IA : appels d’outils, validation de résultats, revue de code ou réponses simples. Nvidia décrit un modèle « mixture-of-experts » de 30 milliards de paramètres, dont seulement 3 milliards sont activés à chaque passage.
Nvidia annonce jusqu’à quatre fois plus de vitesse de sortie et 30 % de temps en moins pour terminer certaines tâches agentiques face à des modèles ouverts comparables. La model card publiée sur Hugging Face précise aussi un contexte maximal d’un million de tokens et un déploiement possible sur un seul DGX Spark ou H100, ainsi que sur une GeForce RTX 5090.
Les poids, une partie des données et des recettes d’entraînement sont publiés sous licence OpenMDW-1.1. Lightning peut donc être personnalisé et hébergé localement, un argument précieux pour les entreprises qui ne veulent pas expédier leur propriété intellectuelle à une API externe.
Switchyard décide quand Claude mérite vraiment d’être appelé
Le vrai piège pour les fournisseurs de modèles premium s’appelle NeMo Switchyard. Cette bibliothèque open source choisit automatiquement quel modèle doit traiter chaque étape d’un agent, selon la difficulté, le coût ou la latence. Une tâche banale peut rester sur Lightning ; un problème coriace peut remonter vers Claude Opus ou un autre modèle frontier.
Dans ses benchmarks internes, Nvidia affirme que Switchyard ramène le coût d’une tâche à presque un tiers de celui d’Opus 4.8 utilisé seul, tout en conservant une précision de niveau frontier. C’est un chiffre constructeur, donc pas un verdict indépendant.
Le test mené avec LangChain détaille mieux le compromis. Sur 145 tâches agentiques multi-étapes, le routage entre Nemotron 3.5 Lightning et Claude Opus 4.8 a réduit le coût de 74 %, avec seulement 7 % des appels envoyés au modèle frontier. La contrepartie : environ six points de précision perdus.
Le modèle n’est pas le plus intelligent, et c’est presque le but
Artificial Analysis attribue à Lightning un score de 24 sur son Intelligence Index, soit le même niveau que gpt-oss-120b avec environ quatre fois moins de paramètres totaux. Qwen3.6 35B et Muse Glimmer restent devant sur l’intelligence globale, mais Lightning se distingue par sa vitesse.
Lors d’un test de préproduction avec les poids NVFP4 finaux, Artificial Analysis a mesuré près de 670 tokens par seconde. Lightning ressemble davantage à un sprinteur qu’à un prix Nobel numérique. Pour un agent qui doit enchaîner des centaines de petites actions, c’est précisément le profil recherché.
Artificial Analysis a publié ses premiers résultats dès le lancement, apportant un contrepoint indépendant aux graphiques de Nvidia.
Nvidia aide Claude… puis apprend aux entreprises à moins l’utiliser
La stratégie est assez savoureuse. Fin juin, Nvidia accueillait Claude sur ses GPU Blackwell Ultra. Aujourd’hui, le groupe fournit aussi le routeur qui peut éviter d’appeler Claude pour l’immense majorité des micro-tâches. Nvidia ne choisit pas un camp : il veut fournir l’infrastructure à tous.
Cette annonce prolonge une offensive déjà visible avec Nemotron 3 Ultra et NemoClaw. Nvidia assemble désormais modèles, orchestration, sécurité, inférence et matériel. Plus les entreprises exécutent leurs IA localement, plus elles ont besoin de calcul.
Le compte officiel NVIDIA Newsroom a présenté Lightning et Switchyard comme un moyen de reprendre davantage de contrôle sur les données et les workflows. L’argument économique est désormais indissociable de l’argument de souveraineté.
Les API premium risquent de perdre toutes les petites tâches
Nvidia montre aussi comment déployer Lightning localement sur DGX Spark dans une vidéo officielle. La démonstration illustre le scénario visé : garder une IA rapide sous la main pour les tâches fréquentes, au lieu d’appeler systématiquement un modèle distant plus coûteux.
Le danger pour Anthropic, OpenAI et les autres vendeurs d’API n’est donc pas que Lightning remplace leurs meilleurs modèles demain. C’est que les entreprises réservent progressivement ces modèles aux quelques étapes où leur puissance est réellement indispensable.
Si ce routage devient la norme, les grands modèles garderont les problèmes difficiles et les petits absorberont le volume. Nvidia gagnera dans les deux cas, parce que même une IA choisie pour faire économiser des tokens a toujours besoin d’une machine pour les calculer.
- Partager l'article :
![[Vidéo]Higgsfield Katana : comment fonctionne le montage vidéo IA automatique ?](https://www.lebigdata.fr/wp-content/uploads/2026/11/Katana-Claude.webp)
