« Je pense qu’on a atteint l’intelligence artificielle générale » : le patron de Nvidia surprend tout le monde avec cette phrase

NVIDIA lance Audex (Nemotron-Labs-Audex-30B-A3B) : un LLM audio-texte unifié qui préserve l'intelligence textuelle de son modèle de base

NVIDIA a publié Audex, officiellement Nemotron-Labs-Audex-30B-A3B, un grand modèle de langage unifié qui comprend et génère à la fois texte, parole et sons généraux. L'architecture est une Mixture-of-Experts de 30 milliards de paramètres, dont seulement 3 milliards activés par token, bâtie sur le socle textuel Nemotron-Cascade-2-30B-A3B, un hybride Mamba-Transformer de 52 couches avec 128 experts routables et 6 activés. Une version plus légère, Audex-2B, est publiée en parallèle, les deux sous licence non commerciale. L'audio entrant passe par l'encodeur AF-Whisper, issu d'Audio Flamingo 3 et basé sur Whisper Large-v3, projeté dans l'espace d'embedding textuel via des adaptateurs MLP. En sortie, le vocabulaire grimpe de 131 072 à 205 312 tokens pour loger deux codecs : X-Codec2 pour la parole, à 50 tokens par seconde, et X-Codec pour les sons complexes, à 200 tokens par seconde. Le modèle gère jusqu'à un million de tokens de contexte et tourne sur Megatron-LM et vLLM, avec mode instruction et mode raisonnement. L'objectif est d'éviter la "taxe du texte", cette perte de performance linguistique que subissent la plupart des modèles multimodaux quand ils apprennent l'audio. NVIDIA affirme que ce phénomène touche même des modèles qui se contentent de générer de la parole. Sur MMLU-Redux, Audex obtient 86,4 points contre 86,3 pour son socle texte seul, et le dépasse même sur IMO AnswerBench avec 81,1 contre 79,3, avec de légères baisses seulement sur MMLU-Pro et GPQA-Diamond. À titre de comparaison, Qwen3-Omni-30B-A3B-Thinking, de taille similaire, chute nettement face à son propre socle : sur HMMT Feb25, Audex atteint 92,2 points contre 89,0 pour Qwen3.5-35B-A3B et seulement 60,4 pour Qwen3-Omni-Thinking. Pour les entreprises voulant déployer des assistants vocaux sans sacrifier la qualité des réponses écrites, l'enjeu est direct, d'autant qu'Audex compte parmi les rares modèles ouverts à générer des sons au-delà de la simple parole. Cette robustesse vient d'un entraînement progressif plutôt que d'un pré-entraînement audio classique. Audex part d'un point de contrôle texte déjà ajusté, puis enchaîne réchauffement audio, génération audio et compréhension audio, dans cet ordre. Pendant le réchauffement, les embeddings textuels restent gelés, car les dégeler dégradait la qualité du texte. Une recette mélangeant toutes les données en une seule étape a aussi été testée, mais elle cassait la récupération d'information sur les longs contextes. Après l'ajustement supervisé, NVIDIA applique un apprentissage par renforcement limité au texte et une distillation multi-domaine, ce qui améliore encore les scores textuels. L'entraînement mobilise 157,4 milliards de tokens audio et 320,5 milliards de tokens texte, couvrant reconnaissance vocale, traduction, synthèse et compréhension audio, dans une course plus large entre laboratoires pour des modèles multimodaux sans compromis.

💬 Le vrai sujet, c'est pas l'audio, tu t'en doutes, c'est que NVIDIA démonte l'excuse classique du multimodal : ajouter du son dégraderait forcément le texte. Audex fait mieux que son propre socle texte sur MMLU-Redux, quand Qwen3-Omni s'écroule sur les mêmes benchmarks, la preuve que la "taxe du texte" est un problème d'entraînement, pas une fatalité d'architecture. Bonne nouvelle si tu veux déployer un assistant vocal sans sacrifier la qualité des réponses écrites, mais la licence non commerciale ferme la porte à un vrai déploiement en boîte pour l'instant.

Nvidia : Jensen Huang déclare avoir atteint l'AGI

Jensen Huang, PDG de Nvidia, a déclaré lors d'un épisode du podcast Lex Fridman diffusé lundi : « Je pense que nous avons atteint l'AGI ». Cette affirmation, formulée sans détour, relance un débat qui agite l'industrie depuis plusieurs années autour de l'intelligence artificielle générale, soit une IA dont les capacités égalent ou dépassent celles de l'humain. L'AGI reste un concept volontairement flou, et c'est précisément ce flou qui en fait un sujet aussi sensible. Ces derniers mois, plusieurs dirigeants de la tech avaient tenté de s'en distancer, préférant inventer leur propre terminologie, jugée moins surmédiatisée et plus précise, bien que ces nouveaux termes recouvrent en pratique les mêmes réalités. Que Jensen Huang choisisse d'employer le mot directement marque donc une rupture de ton notable dans le secteur. La déclaration intervient dans un contexte où Nvidia s'est imposé comme le fournisseur incontournable de l'infrastructure IA mondiale, ses puces GPU étant au cœur de quasiment tous les grands modèles de langage en cours de développement. Prendre position sur l'AGI n'est donc pas anodin : cela positionne l'entreprise, et son PDG, au centre d'un débat philosophique et stratégique qui dépasse la seule ingénierie. La portée exacte de l'affirmation de Huang reste à préciser : s'agit-il d'une conviction personnelle, d'un signal envoyé aux investisseurs, ou d'une tentative de redéfinir les attentes du marché ? La communauté tech et les chercheurs en IA devraient réagir, d'autant que la définition même de l'AGI, et la question de savoir si elle a vraiment été atteinte, fait l'objet de désaccords profonds parmi les experts.

« L’AGI est déjà là » : la phrase choc de NVIDIA qui fait l’effet d’un séisme

Jensen Huang, le PDG de NVIDIA, a créé la stupeur dans l'industrie technologique en affirmant lors d'un entretien avec le podcasteur Lex Fridman : « Je pense que nous avons atteint l'AGI. » Une déclaration qui rompt brutalement avec le consensus scientifique, selon lequel l'Intelligence Artificielle Générale, une machine capable d'égaler l'humain dans toute tâche cognitive, resterait hors de portée pour encore des décennies. La clé pour comprendre cette affirmation réside dans la définition retenue par Huang, qui est délibérément économique plutôt que philosophique. Fridman lui soumet un critère précis : une IA capable de fonder une entreprise technologique valorisée à 1 milliard de dollars. Huang adopte cette mesure et la détourne vers une vision ultra-capitaliste : si une machine génère de la valeur économique de façon autonome, même via un influenceur virtuel viral ou une application sociale éphémère monétisée à 50 centimes par utilisateur, alors elle satisfait le critère de « généralité ». C'est une pirouette sémantique assumée, mais qui pointe vers un vrai tournant technique. Ce tournant, c'est le passage des chatbots passifs aux agents IA autonomes : des systèmes auxquels on confie un objectif global (créer, coder, publier, monétiser) et qui décomposent les tâches sans intervention humaine. Yann LeCun, scientifique en chef chez Meta, reste sceptique et rappelle régulièrement que les modèles actuels n'atteignent pas l'intelligence d'un chat. Mais Huang contourne volontairement ce débat pour imposer une grille de lecture purement opérationnelle et productive. Sur la question du remplacement des emplois, Huang se veut paradoxalement rassurant : interrogé sur la capacité de ces agents à reproduire NVIDIA elle-même, il répond que « les chances sont de zéro pour cent ». L'IA excelle dans l'exécution de tâches sophistiquées mais isolées ; la gestion de systèmes humains complexes, d'organisations et de décisions stratégiques à long terme reste hors de sa portée actuelle. La déclaration de Huang ressemble donc moins à une annonce scientifique qu'à un signal fort envoyé aux marchés et aux investisseurs : l'ère des agents autonomes est ouverte.

Le PDG de Nvidia Jensen Huang : l'idée que l'IA va détruire le logiciel est "ridicule

Jensen Huang, PDG de Nvidia, a fermement rejeté l'idée selon laquelle l'intelligence artificielle serait destinée à remplacer ou détruire les logiciels traditionnels. Dans une déclaration remarquée, il qualifie cette thèse de "ridicule", affirmant au contraire que les agents IA s'appuieront sur les logiciels existants plutôt que de les supplanter. Cette prise de position intervient alors que le débat sur l'impact des agents IA sur l'industrie du développement logiciel s'intensifie. Nombreux sont ceux qui anticipent une disruption radicale du secteur, voire une obsolescence des applications traditionnelles face à des systèmes autonomes capables de générer et d'exécuter du code à la volée. La position de Huang tranche avec ce narratif alarmiste et porte un poids considérable, Nvidia étant au cœur de l'infrastructure qui alimente cette révolution IA. Selon Huang, les agents IA sont des utilisateurs de logiciels, non leurs fossoyeurs, ils orchestrent, appellent et combinent des outils existants pour accomplir des tâches complexes. Cette vision a des implications concrètes : Nvidia a entièrement repensé son architecture de racks en conséquence, adaptant son infrastructure matérielle à un monde où l'IA fonctionne en symbiose avec l'écosystème logiciel existant plutôt qu'en dehors de lui. Cette déclaration est aussi un signal stratégique fort. En positionnant l'IA comme un amplificateur du logiciel plutôt qu'un substitut, Nvidia consolide son rôle de fournisseur d'infrastructure indispensable, tant pour les éditeurs de logiciels traditionnels que pour les développeurs de systèmes agentiques. Une façon de rassurer un écosystème entier tout en réaffirmant la centralité de ses propres technologies dans la chaîne de valeur.