Nvidia révolutionne l’IA automobile avec Alpamayo 2 Super, concurrence en alerte

Le géant américain des processeurs graphiques franchit une nouvelle étape dans la course à l’intelligence artificielle embarquée pour véhicules autonomes. Avec son nouveau modèle baptisé Alpamayo 2 Super, Nvidia multiplie par trois la puissance de calcul de son précédent système, tout en promettant une révolution dans la compréhension et la décision des robots roulants.

L’annonce, effectuée lors de la GTC Taipei, marque un tournant stratégique pour l’entreprise face à une concurrence qui s’organise en dehors de son écosystème propriétaire.

Une architecture repensée pour la conduite autonome

Dévoilé le 1er juin 2026, Alpamayo 2 Super repousse les limites des modèles vision-language-action (VLA). Sa configuration repose désormais sur 32 milliards de paramètres, contre seulement 10 milliards pour la version précédente.

Cette augmentation massive n’est pas qu’une question de chiffres. Le système offre une perception panoramique à 360 degrés et intègre des capacités décisionnelles avancées baptisées Meta-Actions. Ces dernières permettent au véhicule de prendre des décisions complexes de haut niveau.

La transparence comme nouveau standard

L’innovation majeure réside dans l’intégration des traces de chaîne-de-causation (CoC). Cette technologie rend les décisions du système réinterprétables, répondant ainsi aux exigences croissantes de traçabilité et d’explicabilité dans l’IA automobile.

Nvidia accompagne son modèle d’une suite logicielle open source comprenant AlpaGym, OmniDreams et un pipeline d’auto-étiquetage CoC. Ces outils visent à faciliter le développement et l’entraînement de systèmes autonomes par les constructeurs.

Le défi de la compression embarquée

Alpamayo 2 Super n’est pas conçu pour fonctionner directement dans les véhicules. Il sert de modèle enseignant (teacher) dont les capacités seront transférées vers des versions compressées (students) adaptées aux plateformes DRIVE Hyperion et DRIVE AGX Thor.

Ce processus de distillation représente un défi technique majeur. Nvidia ne publie aucune métrique permettant d’évaluer la performance réelle de ces modèles compressés sur ses calculateurs embarqués.

Des résultats académiques encourageants mais partiels

La recherche académique offre quelques perspectives. Le projet Drive-KD démontre qu’un student d’un milliard de paramètres peut surpasser un teacher de 78 milliards sur le benchmark DriveBench.

Une étude sur l’IA automobile en environnement contraint révèle également que la compression peut renforcer la robustesse à la quantification embarquée dans certaines configurations. La transition vers le format NVFP4 pourrait néanmoins dégrader la précision, bien que des solutions de récupération soient proposées.

Un écosystème fermé qui interroge

Le code source et les poids d’Alpamayo 2 Super seront disponibles respectivement sur GitHub et Hugging Face à l’été 2026. Mais cette ouverture apparente cache une réalité plus contraignante.

La distillation recommandée impose l’utilisation des plateformes NVIDIA DRIVE, limitant de fait l’indépendance des constructeurs automobiles. Cette stratégie intervient alors que plusieurs acteurs majeurs prennent leurs distances avec l’écosystème Nvidia.

La concurrence s’émancipe

Waymo poursuit le développement de son propre robotaxi en s’affranchissant des solutions Nvidia. De leur côté, BYD et Xiaomi avancent avec des stratégies autonomes concurrentes, ce dernier misant notamment sur UniDriveVLA.

Ces initiatives témoignent d’une volonté croissante des constructeurs de maîtriser leur chaîne technologique de bout en bout, plutôt que de dépendre d’un fournisseur unique.

Des zones d’ombre persistantes

La question centrale demeure sans réponse : quelle sera la performance réelle des students Alpamayo sur la plateforme DRIVE AGX Thor ? Les constructeurs attendent notamment des garanties sur les scénarios critiques (long-tail), la latence et la conservation des fonctionnalités avancées comme les Meta-Actions et les traces CoC.

À ce jour, aucune mesure indépendante n’a été publiée concernant les performances opérationnelles du système. Cette absence de transparence alimente les doutes sur l’engagement réel de Nvidia à fournir des solutions véritablement compétitives face aux développements internes des constructeurs.

L’industrie automobile attend désormais des preuves concrètes avant d’adopter massivement cette nouvelle génération de technologies.