NVIDIA et Microsoft ont annoncé le 19 novembre un partenariat IA élargi, de l’infrastructure Azure aux modèles d’entreprise, systèmes industriels et PC Windows. Il faut distinguer les infrastructures déjà actives des préversions et capacités futures réunies dans ces annonces.
L’annonce Ignite de NVIDIA décrit un parcours reliant entraînement et inférence à grande échelle à l’exécution près des données d’entreprise. Les performances et résultats clients concernent des systèmes et évaluations précis, pas tout le portefeuille.
L’infrastructure Rubin ne se confond pas avec les résultats Blackwell
Selon NVIDIA, les systèmes Vera Rubin NVL72 fonctionnent dans les centres Azure pour le raisonnement exigeant, les agents, l’entraînement et l’inférence à grande échelle. L’offre Rubin d’Azure reste présentée comme une préversion.
Les entreprises travaillent aussi à étendre le calcul confidentiel au bare metal et aux infrastructures à l’échelle du rack. L’attestation doit vérifier l’environnement avant la transmission de modèles, données ou clés sensibles. La collaboration MaxLPS vise à mieux utiliser la puissance disponible, sans pourcentage mesuré d’économie d’énergie annoncé.
Les benchmarks portent sur les systèmes Blackwell précédents. Avec MLPerf Training v6.1, Azure a porté GB200 NVL72 à 10 240 GPU sur DeepSeek-V3. Dans MLPerf Inference v6.1, GB300 NVL72 devançait de plus de 10% les soumissions cloud en débit interactif DeepSeek-R1, selon Signal65.
Ce ne sont ni des benchmarks Rubin ni une garantie générale d’applications 10% plus rapides. Matériel, tâche et groupe de comparaison font partie du résultat.
Foundry relie personnalisation et déploiement
Le Programmed Training sans serveur de Microsoft laisse aux développeurs le contrôle du post-entraînement, Foundry gérant l’infrastructure. Managed Compute ajoute le déploiement de poids personnalisés.
NVIDIA cite EY, qui a adapté Nemotron pour classer des données d’achats d’entreprise. Le résultat annoncé est une précision améliorée de 55% sur son propre jeu d’évaluation et un coût divisé par 15 face à des modèles propriétaires de pointe.
Ces résultats sont attribués au client. L’annonce ne fournit ni précision initiale, ni taille du jeu de données, ni conditions complètes de comparaison. Il ne faut pas parler de 55 points de pourcentage ni garantir le même résultat sur une autre tâche.
Nemotron 3.5 Super vise les agents de longue durée en programmation, recherche et métier; Lightning privilégie réponse rapide et outils. Embed et Rerank servent la recherche, Parse l’extraction documentaire et Content Safety la détection de contenu nocif. Bolt pour le raisonnement à faible latence et Transcribe pour la reconnaissance vocale sont à venir.
Le local et les Cloud PC ont des disponibilités distinctes
Foundry Local étend Nemotron 3.5 au raisonnement, au code et aux outils dans Azure Local. La recherche couvre textes, images de documents, graphiques et tableaux.
Azure Local prendra en charge RTX PRO 6000 Blackwell via ses partenaires matériels. L’extension à Jetson Thor et Orin vise vision industrielle, robotique et opérations autonomes. Les modèles d’IA physique Cosmos arrivent aussi dans Foundry Local.
Sur PC Windows, RTX Spark doit présenter des expériences de modèles locaux à Ignite. Une démonstration ne signifie pas que toute configuration PC prend déjà en charge les mêmes tâches.
Pour les Cloud PC Windows 365 accélérés par GPU, Direct Stream accepte jusqu’à deux flux 4K à 60 images par seconde. Les inscriptions à une préversion limitée sont ouvertes; la préversion publique est prévue début 2027. L’annonce décrit une faible latence sur les réseaux difficiles sans garantie générale chiffrée.
Les agents scientifiques mènent encore à la validation en laboratoire
BioNeMo Agent Toolkit et ALCHEMI Toolkit entrent dans Microsoft Discovery pour les sciences du vivant, les médicaments, les matériaux et la chimie. BioNeMo permet de décrire en langage naturel des travaux de biologie computationnelle, les agents coordonnant outils et modèles.
Une première intégration utilise RFD4-Proteina, développé avec l’Institute for Protein Design de l’Université de Washington, pour générer structures protéiques et séquences candidates. Évaluation et validation en laboratoire restent nécessaires : générer un candidat ne prouve pas l’existence d’un traitement validé.
Microsoft utilise aussi ces technologies en interne
Microsoft AI emploie Dynamo pour l’inférence des rollouts de renforcement pendant le post-entraînement. NVIDIA explique qu’il coordonne les flottes GPU, requêtes, mises à jour des modèles et reprises après panne. RTX PRO 6000 Blackwell sert aussi les modèles de recherche Bing.
Les entreprises disposent de davantage d’options entre personnalisation hébergée, exécution locale et postes gérés. Le choix dépend toujours de la disponibilité du service précis, du matériel adapté et de preuves liées à la tâche. Les résultats publiés ne suppriment pas ces limites.
