Lorsque Bill Dally rejoint le laboratoire de recherche de Nvidia en 2009, l’équipe ne compte qu’une douzaine de personnes et se concentre principalement sur le ray tracing, une technique de rendu graphique avancée.
À l’époque, Nvidia est encore surtout connue pour ses GPU destinés aux jeux vidéo. Quinze ans plus tard, ce petit labo est devenu une structure de plus de 400 chercheurs qui ont contribué à transformer Nvidia en une entreprise valorisée à plus de 4 000 milliards de dollars, au cœur de la révolution de l’intelligence artificielle.
Sous la direction de Dally, le laboratoire a rapidement diversifié ses domaines de recherche, explorant des sujets comme la conception de circuits, le VLSI et les GPU optimisés pour l’IA, bien avant que celle-ci ne devienne un phénomène mondial.
Lire aussi :
- Siri bientôt capable de contrôler toutes vos applications avec la voix : la grande révolution d’Apple en approche
- Pourquoi le bras droit juridique d’Elon Musk chez xAI a-t-il choisi de démissionner malgré une carrière fulgurante ?
L’essor de l’IA et l’anticipation du futur
Dès 2010, l’équipe de recherche perçoit le potentiel révolutionnaire des GPU appliqués à l’intelligence artificielle. Convaincu que cette technologie allait « changer le monde », Dally obtient le soutien du PDG Jensen Huang pour spécialiser les puces et développer un large écosystème logiciel. Cette vision précoce a permis à Nvidia de s’imposer comme leader incontesté du marché des GPU pour l’IA.
Aujourd’hui, l’entreprise cherche à aller plus loin en misant sur l’IA physique et la robotique. Selon Dally, l’objectif est clair : concevoir les « cerveaux » qui feront fonctionner les robots de demain, qu’ils soient industriels, domestiques ou humanoïdes.
Omniverse et la simulation du monde réel
En 2018, Sanja Fidler rejoint Nvidia pour diriger un laboratoire à Toronto consacré à la simulation d’environnements pour l’IA physique via la plateforme Omniverse. Son équipe développe des technologies de rendu différentiable, capables de transformer des images ou des vidéos en modèles 3D exploitables par des robots.
Ces avancées sont à l’origine de la famille de modèles Cosmos, conçue pour générer des données synthétiques destinées à l’entraînement des IA. L’objectif actuel est d’accélérer ces modèles afin que les robots puissent « percevoir » et réagir jusqu’à 100 fois plus vite que dans le monde réel, ouvrant la voie à des applications en temps réel dans la robotique et l’automatisation.
Une vision à long terme pour la robotique
Si Nvidia présente régulièrement de nouvelles bibliothèques logicielles et des modèles pour les développeurs de robots, Dally et Fidler restent prudents : la présence d’un humanoïde dans chaque foyer n’est pas pour demain. Comme pour les véhicules autonomes, la route est encore longue, mais les progrès sont constants.
Pour Nvidia, l’IA générative, la vision par ordinateur et la planification de mouvements sont les clés pour franchir les prochaines étapes. Et à mesure que les ensembles de données s’enrichissent et que les modèles deviennent plus performants, l’entreprise se rapproche de son ambition ultime : donner vie à une nouvelle génération de machines intelligentes.
