Alpamayo 2 Super muscle l’IA de conduite autonome de NVIDIA

NVIDIA a publié Alpamayo 2 Super, un modèle vision-langage-action de 34 milliards de paramètres destiné à la conduite autonome, avec un angle précis : les cas rares que les chaînes classiques de détection et de prévision gèrent mal. Disponible sous licence commerciale ouverte, il peut être utilisé et redistribué sans permission supplémentaire. Le sujet compte car la promesse n’est pas seulement de mieux conduire, mais aussi de mieux expliquer pourquoi le véhicule choisit une trajectoire plutôt qu’une autre.

Un modèle qui relie perception, raisonnement et action

Alpamayo 2 Super combine un socle VLM de 32 milliards de paramètres, basé sur Cosmos 3 Super Reasoner et post-entraîné par apprentissage par renforcement, avec un décodeur d’actions par diffusion de 2,3 milliards de paramètres. En pratique, le modèle prend en entrée des vidéos multi-caméras, du texte et l’historique d’egomotion, c’est-à-dire les mouvements du véhicule lui-même. À partir de ce flux, il génère une trajectoire planifiée, une explication causale de cette trajectoire et une méta-action comme céder le passage ou changer de voie. Pas juste une direction, donc un peu de justification avec.

Cette architecture intéresse les équipes qui travaillent sur les situations complexes : carrefours denses, interactions multiples, comportements imprévisibles. Selon NVIDIA, le modèle a été pensé pour les long-tail events, ces événements rares qui pèsent peu dans les jeux de données mais beaucoup dans les incidents réels. Dans ce contexte, la capacité à produire à la fois une action et une explication peut accélérer l’analyse, la validation et l’annotation de flottes propriétaires.

Une sortie pensée pour l’usage commercial

Le point marquant tient aussi à la licence. Les poids sont publiés sous OpenMDW-1.1, la licence permissive de la Linux Foundation pour la distribution de modèles ouverts, tandis que le code source est sous Apache 2.0. NVIDIA précise que cela autorise le fine-tuning, les modèles dérivés et la redistribution commerciale. Les versions précédentes de la famille Alpamayo, d’abord présentées pour la recherche, deviennent ainsi exploitables en production sans demande d’autorisation supplémentaire.

Les sorties du modèle sont plus riches qu’un simple vecteur de décision. Pour chaque situation de conduite, Alpamayo 2 Super peut produire une trajectoire, une trace Chain-of-Causation, une méta-action, des auto-étiquettes de raisonnement et une réponse de question-réponse visuelle avec ancrage 2D. Cette granularité compte pour la sûreté et pour le debug, deux mots que les équipes aiment rarement voir associés à une voiture mais qui finissent toujours par revenir.

Des données massives et des métriques qui visent haut

Le modèle a été entraîné sur environ 115 000 heures de vidéos de conduite multi-caméras, annotées avec des trajectoires et des données d’egomotion. NVIDIA évoque aussi environ 3,7 millions de traces Chain-of-Causation et plus d’un milliard d’images pour l’entraînement visuel. Côté inférence, le notebook public validé utilise six caméras et quatre images historiques par caméra, avec une trajectoire découpée en 64 points de passage sur 6,4 secondes.

Sur les benchmarks cités, Alpamayo 2 Super obtient un score Lingo-Judge de 79,2 sur LingoQA et arrive premier parmi près de 40 modèles testés. NVIDIA dit aussi qu’il dépasse Qwen2.5-VL 72B de 17,0 points, Gemini 2.5 Pro de 15,1 points et GPT-4o de 23,2 points sur son protocole interne. En évaluation fermée avec AlpaSim, le modèle atteint 1,50 ± 0,13 sur 910 scénarios du jeu PhysicalAI-AV-NuRec, et un minADE6 de 0,911 m à 6,4 s sur 937 échantillons du jeu PhysicalAI-AV en évaluation ouverte. Ces chiffres restent à lire dans le cadre des bancs d’essai fournis par NVIDIA [à vérifier] sur leur comparabilité directe entre modèles.

Ce que ce lancement change pour les équipes autonomie

Le principal intérêt est opérationnel. NVIDIA affirme que le modèle peut servir d’autolabeler sur des données de flotte propriétaires et faire passer des cycles d’annotation de plusieurs mois à quelques jours. Les traces causales peuvent aussi s’intégrer aux workflows Halos de validation de sécurité, avec un alignement annoncé sur ISO/PAS 8800. Autrement dit, l’enjeu n’est pas seulement de mieux prédire un virage ; c’est aussi de mieux industrialiser tout ce qui permet de le valider.

À court terme, Alpamayo 2 Super s’adresse surtout aux acteurs qui disposent déjà de volumes vidéo, d’équipes de validation et d’une chaîne logicielle capable d’absorber un modèle aussi lourd. À plus long terme, il illustre une tendance nette : l’IA de conduite autonome ne se limite plus à voir la route, elle tente de raconter sa décision. Et là, pour un secteur souvent dominé par les boîtes noires, ce n’est pas un détail.