Jetson Orin Nano 2 : un petit ordinateur pour donner une IA locale aux robots

Un robot peut envoyer les images de ses caméras vers un serveur distant, attendre une réponse, puis décider comment réagir. Cette méthode fonctionne, mais elle dépend d’une connexion rapide et soulève des questions de confidentialité, de coût et de fiabilité.

NVIDIA propose une autre approche avec le Jetson Orin Nano 2, annoncé le 25 août 2026. Ce petit ordinateur est conçu pour exécuter directement dans un robot, un drone ou une caméra intelligente des modèles capables d’interpréter des images, du langage et leur environnement.

Le produit n’est pas encore commercialisé et ses performances restent à confirmer indépendamment.

Une carte spécialisée dans l’intelligence artificielle

Le Jetson Orin Nano 2 réunit un processeur Arm à huit cœurs, un processeur graphique NVIDIA doté de Tensor Cores et 8 Go de mémoire.

NVIDIA annonce une capacité maximale de 78 billions d’opérations d’intelligence artificielle par seconde, ou 78 TOPS. Cette valeur sert à comparer certaines charges très optimisées, mais elle ne représente pas directement la vitesse de tous les modèles d’IA.

La fiche technique rapportée par LinuxGizmos précise que la mémoire LPDDR5X atteint une bande passante de 120 Go/s. Cette vitesse est importante lorsqu’un modèle doit continuellement analyser les images provenant de plusieurs caméras.

Le module conservera le format compact de la génération précédente. Les fabricants pourront donc plus facilement l’intégrer à de petits appareils et réutiliser certaines cartes porteuses développées pour l’écosystème Jetson.

Pourquoi exécuter l’IA directement dans une machine?

L’IA locale, aussi appelée IA en périphérie, traite les données près de l’endroit où elles sont produites.

Un drone d’inspection pourrait reconnaître une fissure sans transmettre continuellement sa vidéo. Un robot domestique pourrait distinguer des meubles, interpréter un geste et reconstruire la carte d’une pièce. Une caméra industrielle pourrait détecter un produit défectueux même si sa connexion Internet est interrompue.

Cette approche peut réduire la latence et la quantité de données envoyées dans le nuage. Elle ne garantit toutefois pas automatiquement la confidentialité : tout dépend encore du logiciel, du stockage et des communications utilisés par le fabricant de l’appareil.

NVIDIA indique que les modèles Cosmos, Nemotron, Gemma 4 et Qwen 3 pourront fonctionner sur la plateforme dans des versions optimisées pour une mémoire limitée. Cela ne signifie pas que leurs éditions les plus volumineuses pourront tenir intégralement dans les 8 Go disponibles.

Deux fois plus rapide, mais pas deux fois plus de TOPS

Le Jetson Orin Nano Super actuel atteint jusqu’à 67 TOPS. Le passage à 78 TOPS ne représente donc qu’une augmentation d’environ 16 % du résultat maximal annoncé.

NVIDIA affirme néanmoins que le Jetson Orin Nano 2 peut offrir jusqu’à deux fois la performance d’inférence de son prédécesseur. L’entreprise attribue ce gain aux nouveaux Tensor Cores et à l’augmentation de la bande passante mémoire.

Il ne s’agit pas nécessairement d’une contradiction. Le nombre de TOPS mesure une capacité mathématique particulière, tandis que la vitesse réelle dépend aussi du déplacement des données, du modèle, de sa précision numérique et de l’efficacité du logiciel.

Aucun protocole complet ni résultat indépendant ne permet encore de déterminer quels modèles bénéficient réellement d’un gain multiplié par deux. Ce résultat doit donc être présenté comme une affirmation de NVIDIA.

Une consommation adaptée aux appareils mobiles

Dans un mode limité à 15 watts, NVIDIA affirme que la nouvelle plateforme fournit les mêmes performances que son prédécesseur en consommant 40 % moins d’énergie.

Une telle efficacité pourrait prolonger l’autonomie d’un drone ou réduire la chaleur produite dans un robot compact. La plateforme peut cependant fonctionner dans une enveloppe atteignant 40 watts afin de privilégier les performances.

La consommation totale d’un appareil sera nécessairement plus élevée après l’ajout des caméras, moteurs, capteurs, communications, stockage et circuits d’alimentation.

Plusieurs partenaires préparent déjà du matériel compatible. Matic prévoit utiliser le module dans ses robots nettoyeurs, tandis que Wing, la filiale de livraison par drone d’Alphabet, compte l’évaluer. Ces intentions, également rapportées par Engineering.com, ne constituent pas encore des résultats opérationnels.

Prix et disponibilité au Canada

NVIDIA prévoit commercialiser le module et sa trousse de développement pendant le premier semestre de 2027.

Le fabricant n’a communiqué aucun prix ni aucune date plus précise. Les précommandes ne sont pas ouvertes et aucune disponibilité propre au Canada n’est confirmée.

Le prix final pourrait varier selon le module, la carte porteuse, le stockage, l’alimentation, le système de refroidissement, les accessoires, le détaillant et la région.

Limites ou points à considérer

Les 8 Go de mémoire limiteront la dimension des modèles pouvant fonctionner localement. Les développeurs devront souvent employer des modèles compressés ou quantifiés et répartir soigneusement la mémoire entre le système, les caméras et l’IA.

Les résultats de performance et de consommation proviennent uniquement de NVIDIA. Aucun laboratoire indépendant n’a encore mesuré la plateforme.

Le module ne transforme pas non plus automatiquement une machine en robot autonome. Il faut ajouter des capteurs, des moteurs, une alimentation, un système de navigation et surtout un logiciel capable de prendre des décisions sécuritaires.

Enfin, exécuter un modèle localement ne garantit pas sa fiabilité. Une caméra obstruée, un environnement jamais rencontré ou une mauvaise interprétation peuvent encore provoquer une erreur.

Conclusion

Le Jetson Orin Nano 2 veut rendre l’IA locale plus rapide et moins énergivore dans les petits systèmes robotiques.

Sa compatibilité avec l’écosystème Jetson et sa mémoire plus rapide pourraient faciliter le développement de robots domestiques, de drones d’inspection et de systèmes de vision capables de fonctionner sans connexion constante au nuage.

La plateforme reste néanmoins un produit annoncé pour 2027, sans prix et sans essai indépendant. Son véritable intérêt dépendra de ses performances soutenues, de sa consommation réelle et de la capacité des développeurs à travailler efficacement avec seulement 8 Go de mémoire.