L'IA physique monte à bord
NVIDIA a lancé le Jetson Orin Nano 2 — un ordinateur edge taillé pour la robotique, que l'entreprise promeut sous le slogan de l'« IA physique ». Les scénarios visés sont les drones, les robots domestiques et les systèmes de vision par ordinateur, autrement dit des appareils qui doivent prendre des décisions sur place, sans passer par le cloud. Formellement, il s'agit d'un appareil d'entrée de gamme, mais c'est précisément sur celui-ci que les développeurs doivent pouvoir exécuter des modèles génératifs directement à bord.
Le postulat de ce lancement est simple. Selon NVIDIA, les modèles d'IA compacts et moyens ont atteint en un an une précision qui était encore récemment considérée comme l'apanage des plus grands systèmes frontier. Autrement dit, raisonne le fournisseur, une intelligence qui exigeait une baie de serveurs tient désormais dans le châssis d'un drone ou d'un robot de nettoyage. Deepu Talla, vice-président de NVIDIA en charge de la robotique et de l'edge AI, le formule ainsi : les modèles de pointe qui vivaient il y a un an dans les datacenters tournent aujourd'hui en temps réel sur les appareils d'entrée de gamme de la gamme Jetson.
Matériel : 78 TOPS et 8 Go de mémoire
Le Jetson Orin Nano 2 annonce 78 TOPS de calcul IA, 8 Go de mémoire et un processeur octa-cœur sur architecture Arm. Les performances d'inférence sont deux fois supérieures à celles du Jetson Orin Nano Super : ce gain vient de Tensor Cores améliorés et d'une bande passante mémoire plus élevée, alors que les dimensions de la carte restent inchangées. L'efficacité énergétique est soulignée à part — en mode 15 watts, la nouveauté consomme environ 40 % de moins que sa devancière, pour un résultat comparable.
Pour les appareils embarqués, ce dernier point est plus important qu'il n'y paraît. Chaque watt sur un drone, ce sont soit des minutes de vol, soit du poids de batterie en plus, et un robot domestique n'a que faire de la chaleur et du bruit des ventilateurs. L'économie d'énergie n'est donc pas ici une ligne marketing, mais la condition même pour que le produit ait un sens.
Logiciel : les modèles tournent en local
La partie logicielle s'appuie sur la pile ouverte NVIDIA et les Jetson agent skills, ainsi que sur l'écosystème Jetson AI. La principale contrainte, c'est la mémoire : 8 Go, c'est peu, et les modèles doivent donc être exécutés en mode memory-efficient, et non « tels quels ». Il s'agit avant tout de modèles de langage et vision-langage, qui doivent tenir dans ce budget tout en répondant en temps réel.
Parmi les exemples de modèles adaptés, NVIDIA cite ses propres Cosmos et Nemotron, ainsi que des modèles tiers comme Gemma 4 et Qwen 3. La sélection est révélatrice : génération vidéo et modèles de raisonnement — ce que, il y a encore deux ans, on n'exécutait pas en périphérie, même à titre de démonstration.
Qui teste déjà
Parmi les premières entreprises à déployer et à étudier le Jetson Orin Nano 2 figurent Cognex, Doosan Bobcat et Matic. NVIDIA affirme également que plus de trois millions de développeurs travaillent sur sa pile robotique — un chiffre qui relève davantage de l'ampleur de l'écosystème que des ventes d'une carte en particulier.
Drones de livraison
Wing, filiale d'Alphabet, utilise déjà le Jetson Orin Nano Super et la pile logicielle NVIDIA sur l'ensemble de sa flotte de drones. La nouveauté y sera évaluée afin de progresser en perception et en raisonnement en temps réel : l'objectif est de rendre la livraison depuis les commerces locaux vers les cours résidentielles plus rapide et plus fiable. Dinuka Abeywardena, responsable de la perception chez Wing, explique que la livraison autonome repose sur une IA capable de comprendre rapidement et de manière fiable le monde qui l'entoure, et que l'entreprise voit dans la nouvelle carte un moyen vers des appareils plus réactifs et plus sobres en énergie. Aucun calendrier public ne précise le passage de l'évaluation à des vols réguliers sur la nouvelle carte.
Robots domestiques
Matic Robots intègre le Jetson Orin Nano 2 dans ses robots de nettoyage domestiques. Selon NVIDIA, la carte permet d'ajouter de l'IA conversationnelle, la reconnaissance des gestes, une cartographie précise et une compréhension sémantique du logement, et avec elles un comportement autonome lors du nettoyage. Navneet Dalal, cofondateur et CEO de Matic Robots, décrit la tâche ainsi : un robot domestique doit simultanément comprendre les personnes, cartographier précisément l'espace, s'y retrouver dans la disposition des objets et nettoyer dans un environnement en constante évolution, et la nouvelle carte permet d'exécuter des modèles de pointe en local.
L'écosystème des fabricants
Un large cercle de partenaires s'est constitué autour de la carte. AAEON, ADLINK, Advantech et Aetina sont cités parmi les fabricants de carrier boards et de systèmes matériels prêts à l'emploi. Antmicro, Aptiv, Auvidea et AVerMedia travaillent sur des logiciels d'IA personnalisés et des reference designs aux côtés de Chuanglebo, Connect Tech, ForeCR et JWIPC. La liste se clôt avec Neurealm, Plink, Realtimes, RidgeRun, RS, Seeed Studio, Tauro Tech, Twowin, TZTEK et YUAN — selon NVIDIA, tous aident les clients à mettre leurs produits sur le marché plus rapidement.
Le sens de cette énumération est simple : une carte prête à l'emploi ne fait que la moitié du travail. Pour la plupart des équipes qui ont besoin d'IA embarquée, l'essentiel n'est pas le module lui-même, mais le boîtier, le refroidissement, les connecteurs, les pilotes et un support prévisible. Plus le réseau d'intégrateurs autour de la plateforme est dense, moins il faut de temps entre le prototype et l'appareil produit en série.
Ce que cela signifie
Le positionnement du Jetson Orin Nano 2 ne porte pas sur des records de benchmark, mais sur le changement de terrain où vit l'IA. L'inférence locale offre ce que le cloud ne peut pas acheter : une latence sans à-coups réseau, un fonctionnement là où il n'y a pas de connexion, et des données qui ne quittent pas l'appareil. Pour un robot domestique, c'est aussi une question de confidentialité — le flux vidéo d'un appartement reste dans l'appartement.
Les limites, elles, ne disparaissent pas. Huit gigaoctets de mémoire signifient que ce ne sont pas les plus grands modèles qui monteront à bord, mais leurs versions réduites et quantifiées, et la qualité des réponses différera de celle d'un serveur. De plus, ni Wing ni les autres partenaires ne donnent pour l'instant de calendrier pour le passage de l'évaluation de la nouvelle carte à la production de masse. Nous avons donc plutôt affaire à une porte ouverte qu'à un scénario prêt à l'emploi : le matériel pour l'IA physique est devenu accessible, et ce qu'on construira dessus est une question des prochaines saisons.
L'annonce s'est accompagnée d'événements Physical AI Expo à Amsterdam, Londres et en Amérique du Nord ; l'article sur le lancement a été publié le 26 août 2026.
