Les nouveaux modèles de recherche IA de NVIDIA dominent les classements mondiaux et réduisent les coûts des agents

Points clés

• NVIDIA a lancé trois modèles Nemotron 3 Embed le 15 juillet 2026, tous libres d'utilisation commerciale.
• Le modèle phare 8B s'est classé premier sur RTEB, le principal classement mondial pour mesurer la qualité de la recherche d'informations pertinentes par l'IA.
• Le modèle plus petit 1B a réduit les taux d'erreur de récupération de 27 à 28 pour cent par rapport au modèle 1B précédent de NVIDIA.
• La variante optimisée pour le matériel 1B offre une vitesse de traitement jusqu'à deux fois supérieure sur les puces Blackwell de NVIDIA tout en maintenant une précision supérieure à 99 pour cent de la version standard.
• Les trois modèles sont disponibles immédiatement sur Hugging Face.

Lorsque vous posez une question à un assistant IA, il ne devine généralement pas la réponse de mémoire. Il recherche dans une bibliothèque de documents, extrait les plus pertinents, puis rédige une réponse en fonction de ce qu'il a trouvé. Cette étape de recherche s'appelle la récupération, et son efficacité détermine tout ce qui suit.

NVIDIA Corporation, le fabricant de puces qui développe également des outils logiciels IA, a lancé cette semaine une nouvelle famille de modèles de récupération appelée Nemotron 3 Embed. Un modèle d'embedding, pour expliquer simplement le terme, est une IA qui convertit les mots et les phrases en nombres afin qu'un ordinateur puisse rapidement comparer le degré de relation entre deux éléments de texte. Les bons modèles d'embedding trouvent les bons documents rapidement. Les mauvais retournent du bruit, font perdre du temps à l'agent IA et gonflent les coûts de calcul.

Le modèle phare, Nemotron-3-Embed-8B-BF16, a atteint la première place sur RTEB (le Retrieval Text Embedding Benchmark, le principal concours public de précision du secteur) au 15 juillet 2026, avec un score de 78,5 pour cent. C'est important car RTEB teste la récupération dans plusieurs langues, types de documents et tâches, donc un score élevé là est difficile à manipuler par un entraînement étroit.

La meilleure récupération économise-t-elle vraiment de l'argent ?

Oui, et les économies peuvent être substantielles. NVIDIA a mené une expérience révélatrice : ils ont connecté leurs nouveaux modèles d'embedding à un agent IA, un programme logiciel capable d'accomplir des tâches multi-étapes de manière autonome, et ont mesuré le nombre de tokens, les unités de texte qu'un modèle IA lit et écrit, dont l'agent avait besoin pour accomplir une tâche de recherche. Une récupération plus précise a retourné des résultats utiles plus rapidement, donc l'agent avait besoin de moins de recherches répétées et de moins d'étapes de raisonnement. Moins d'étapes signifie des décomptes de tokens plus bas, et des décomptes de tokens plus bas signifient des factures moins élevées.

Le modèle 8B a produit à la fois la précision la plus élevée et le coût de token estimé le plus bas sur trois références standard. Ce n'est pas un compromis ; c'est simplement un meilleur modèle qui fait moins de travail inutile.

Pour les organisations qui ne peuvent pas se permettre d'exécuter un modèle à 8 milliards de paramètres à grande échelle, NVIDIA a également lancé une version à 1 milliard de paramètres, Nemotron-3-Embed-1B-BF16. Elle obtient un score de 72,4 pour cent sur RTEB, toujours solide, et réduit les taux d'erreur de 27 pour cent par rapport à son prédécesseur. Une troisième variante, Nemotron-3-Embed-1B-NVFP4, utilise un format de nombre compressé appelé NVFP4 sur le matériel Blackwell de NVIDIA pour fonctionner jusqu'à deux fois plus rapidement que la version standard tout en perdant moins d'un pour cent de précision.

Les trois modèles prennent en charge les documents jusqu'à 32 000 tokens de long, gèrent plusieurs langues et fonctionnent avec les dépôts de code. NVIDIA a publié les poids du modèle, les détails des données d'entraînement et les recettes d'affinage, afin que les équipes puissent adapter les modèles à leurs propres documents sans recommencer à zéro.

Ce sont des références de l'entreprise et les propres évaluations de NVIDIA. Les essais cliniques de qualité indépendante ne s'appliquent pas ici, mais le classement RTEB est maintenu de manière indépendante, et la première place est un signal externe significatif. Les développeurs souhaitant tester les modèles sur leurs propres données peuvent les télécharger dès aujourd'hui, comme l'a d'abord signalé Hugging Face, où les trois sont listés.