Illustration générée par IACréer des jeux de données d'IA physique prêts pour l'entraînement avec deux prompts dans NVIDIA Cosmos
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
NVIDIA a présenté Cosmos Data Factory (CDF), une couche de la plateforme ouverte Cosmos, qui regroupe cinq blueprints cloud-native et six compétences d'agent composables (Auto Labeling, AnomalyGen, Augmentation, Curation and Retrieval, Simulation et Orchestration) destinées à automatiser la curation, le traitement et la génération de données synthétiques pour l'IA physique. Le principe : deux prompts adressés à un agent de code suffisent. Le premier lance un contrôle préalable (preflight) qui inspecte l'environnement sans le modifier et signale les éléments manquants, puis prépare la configuration. Le second exécute le blueprint voulu, la compétence d'orchestration coordonnant les étapes, déployant les services requis et gérant l'exécution sur le cluster. Cinq cas d'usage sont couverts : génération de scénarios de conduite pour l'entraînement de véhicules autonomes, augmentation d'attributs d'images (par exemple les vêtements) pour la recherche et la ré-identification de personnes, augmentation de vidéos selon la météo, l'éclairage et l'environnement, génération de vidéos d'événements rares, et génération d'images de défauts pour l'inspection visuelle. Pour les scénarios AV, la chaîne enchaîne Cosmos Curator (extraction de métadonnées), Cosmos Dataset Search (recherche par embeddings), le transfert de style image-vers-vidéo Cosmos3-Super-Image2Video, puis Cosmos Evaluator, qui vérifie la plausibilité physique des vidéos produites. NVIDIA annonce, sur la base d'une mesure de débit quotidien sur un serveur cloud à huit GPU RTX PRO 6000 Blackwell, un assemblage de datasets jusqu'à 60 fois plus rapide et une génération de scénarios AV 45 fois moins chère que les méthodes traditionnelles.
Pour les intégrateurs et les équipes data, l'enjeu dépasse l'outil : le goulot d'étranglement de l'IA physique reste la donnée, notamment les cas rares (défauts, incidents de nuit, situations dangereuses) coûteux ou risqués à capturer. En proposant un pipeline orchestré de bout en bout, de la recherche à l'évaluation de plausibilité, NVIDIA vise à transformer un assemblage d'outils disparates et de travail manuel en flux reproductible, et à positionner l'agent de code comme interface d'exploitation. Les chiffres appellent toutefois de la prudence : ce sont des mesures internes, la référence « méthodes traditionnelles » n'est pas définie dans le texte, et rien n'indique que la qualité des données générées ait un effet mesuré sur la performance des modèles en aval. Le gain de coût ne dit rien non plus du « sim-to-real gap » : un évaluateur de plausibilité physique réduit le risque d'artefacts, mais ne remplace pas la validation sur données réelles. L'autonomie « sans pilotage humain » reste, à ce stade, une promesse de démonstration plutôt qu'un déploiement documenté en production.
Ces annonces s'inscrivent dans la stratégie de NVIDIA de fédérer l'écosystème de l'IA physique autour de Cosmos, plateforme ouverte de modèles de fondation du monde, de jeux de données, de frameworks et de compétences, en complément de ses outils de simulation et de ses GPU. Elle se heurte à d'autres approches de données synthétiques et de modèles de monde, portées par des acteurs de la conduite autonome et de la robotique qui entraînent leurs propres générateurs en interne, ainsi que par des éditeurs de simulation et d'annotation. L'orientation vers des « skills » pour agents de code reflète une tendance plus large à confier l'orchestration des pipelines de données à des agents. Les blueprints sont disponibles à l'exploration, et NVIDIA propose un livestream consacré à la construction de datasets pour véhicules autonomes, robotique et agents de vision. Les prochaines étapes à surveiller sont les retours d'utilisateurs sur la qualité réelle des données générées, des benchmarks indépendants et l'adoption par des industriels pour l'inspection visuelle et la perception.
Dans nos dossiers




