L'IA souveraine dans la chaîne d'approvisionnement de Nvidia : le pari Nemotron 30B avec Palantir

La vidéo que Palantir a présentée sur la scène de l'AIPCon 11 met sa pile d'IA souveraine conjointe avec Nvidia sur le terrain pour la première fois, et le client pilote n'est pas un logo quelconque : c'est la propre chaîne d'approvisionnement de Nvidia. La thèse défendue sur scène est sans détour : les décisions critiques doivent être prises non pas par des modèles généralistes, mais par des modèles ouverts affinés sur les données propres de l'institution.

L'échelle vous oblige à prendre la revendication au sérieux. Un seul rack Vera Rubin contient 1,3 million de pièces ; un plateau de calcul Grace Blackwell NVL72 embarque deux CPU Grace, quatre GPU Blackwell et trente-deux piles HBM3e, et un rack en contient dix-huit. La chaîne construite pour Rubin serait, dit-on, deux fois plus grande que celle de Grace Blackwell, et la performance se mesure de la sortie du wafer au premier token productif.

Le nœud opérationnel, c'est le problème d'allocation des matériaux critiques, résolu chaque semaine : quelle usine reçoit quelle quantité de quel matériau. Le plan couvre le trimestre en cours et au-delà, tandis que les semaines les plus proches sont déjà engagées. La disponibilité des pièces fluctue de semaine en semaine, si bien que la pièce qui bloque une construction une semaine peut être abondante la suivante, et chaque composant en avance attend les retardataires.

La base quantitative, c'est Nvidia cuOpt : un programme en nombres entiers mixtes hebdomadaire qui calcule l'allocation minimisant le Time of Ownership et montre quelle contrainte est liante à chaque période. L'article de blog liste quatre préconditions : une visibilité en temps réel sur les goulots d'étranglement, une redondance pour qu'aucune défaillance unique n'arrête la production, des engagements amont qui tiennent, et le jugement humain converti en connaissance persistante.

L'aveu le plus frappant est le tableau de score humain contre modèle : des planificateurs chevronnés battent régulièrement le solveur. Les signaux décisifs vivent dans les e-mails, les prévisions météo, les événements géopolitiques et les débriefings fournisseurs, des entrées que l'optimiseur ne voit jamais. Le pari de l'IA vise précisément cet angle mort : la valeur ne réside pas dans les chiffres, mais dans les raisons que les gens connaissent déjà et que le système n'a jamais enregistrées.

Ces raisons convergent désormais dans le centre de commandement Digital Supply Chain Intelligence sur Foundry. L'Ontology de Palantir relie matériaux, sites, engagements, capacités, allocations, production et signaux qualitatifs en une seule couche gouvernée d'objets et de liens plutôt qu'en lignes et tables. Les planificateurs y simulent des scénarios, et le système promet des goulots détectés plus tôt, des allocations plus rapides et des alternatives pondérées.

Côté modèle se trouve le Nemotron 3.5 Lightning de 30 milliards de paramètres. L'équipe a fait passer les décisions d'allocation capturées, leurs justifications et leurs résultats dans NeMo Anonymizer, Data Designer et AutoModel, puis a effectué un post-entraînement sur cette trace au sein du cycle de vie gouverné de Palantir Autopilot. L'argument commercial auprès des clients est la généralisation : prenez les poids ouverts de Nemotron, affinez-les sur vos propres données opérationnelles, obtenez un assistant qui recommande des actions, expose les arbitrages et signale les risques.

Les chiffres annoncés sont audacieux : le modèle spécialisé 30B atteint 86,7 % de précision sur les décisions d'allocation au test de développement, devançant le bien plus grand Nemotron 3 Ultra de 31,2 points et son propre modèle de base de 69,2. Lu à rebours, cela place Ultra autour de 55,5 % et la base autour de 17,5 %, d'où le titre de The New Stack sur un spécialiste 30B battant un modèle 18 fois plus grand. Derrière se dessine une stratégie de modèles ouverts positionnant Nemotron comme la réponse américaine aux poids ouverts chinois.

La promesse durable, c'est la roue d'inertie : chaque recommandation acceptée, modifiée ou ignorée revient dans l'Ontology avec son résultat, alimentant les futures campagnes de réentraînement gouvernées. Chaque boucle promet des propositions un peu plus affûtées et un onboarding un peu plus court, l'expérience se capitalisant dans la mémoire du système plutôt que sur l'ordinateur portable d'un seul planificateur.

L'ensemble est industrialisé sous forme d'architecture de référence Sovereign AI OS : les acteurs de la manufacture, de la pharma et de l'énergie peuvent faire tourner la pile complète sur leur propre matériel ou dans le cloud, avec Dell, Cisco, Rackspace et Nebius cités comme partenaires d'infrastructure. Le dispositif détaillé à l'AIPCon 11 éloigne l'IA souveraine du modèle « louez-le-modèle » pour l'orienter vers « gardez-le-savoir-en-interne-et-affinez-le-vous-même », la même ligne que poussent le PDG de Palantir et le fondateur de Mistral.