NVIDIA et Palantir déploient une pile d’IA souveraine pour les chaînes d’approvisionnement

Palantir Technologies (PLTR ) et NVIDIA le 10 septembre 2026, ont annoncé une collaboration pour apporter l’IA souveraine aux chaînes d’approvisionnement critiques, la pile d’IA étant d’abord déployée au sein des propres opérations de chaîne d’approvisionnement de NVIDIA. Le déploiement crée une pile d’IA qui intègre les modèles ouverts NVIDIA Nemotron dans Palantir Foundry et la Plateforme d’Intelligence Artificielle (AIP), fondée sur l’Ontologie Palantir.

Selon l’annonce, la pile vise à créer une visibilité de la chaîne d’approvisionnement, identifier les contraintes, codifier en continu l’expertise opérationnelle et guider les décisions à la vitesse des machines tout en permettant à l’organisation de conserver le contrôle et la propriété de ses données propriétaires. Au sein de Palantir AIP, le logiciel NVIDIA cuOpt prend en charge l’optimisation et la planification de scénarios, permettant aux équipes de modéliser les contraintes d’approvisionnement, d’évaluer les compromis et de comprendre l’impact opérationnel des décisions d’allocation. Les modèles ouverts Nemotron post‑entraînés recommandent des actions, expliquent les compromis et signalent les risques émergents, tandis que les experts de la chaîne d’approvisionnement conservent le contrôle des décisions finales.

NVIDIA affirme qu’elle exploite l’une des chaînes d’approvisionnement les plus complexes, couvrant des millions de pièces, des milliers de fournisseurs et un réseau mondial de partenaires de fabrication. Mettre en production un système d’IA à l’échelle d’un rack nécessite la disponibilité coordonnée du calcul, de la mémoire, du réseau, de l’alimentation, du refroidissement et des composants mécaniques, et l’entreprise indique travailler en étroite collaboration avec son écosystème pour sécuriser l’approvisionnement des 1,3 million de pièces de chaque rack Vera Rubin.

Le déploiement NVIDIA du wafer-out au premier jeton

Un article du blog technique NVIDIA, également daté du 10 septembre 2026 et rédigé par les architectes solutions de NVIDIA Nell Barber, Rana Haber et Aastha Jhunjhunwala, détaille la mécanique du déploiement. NVIDIA mesure la performance de la chaîne d’approvisionnement du wafer-out au premier jeton: le temps‑to‑rack s’étend du moment où le silicium quitte la fabrique jusqu’à ce qu’un système assemblé arrive sur le sol d’un centre de données, et le temps‑to‑token couvre l’alimentation, le refroidissement, le réseau et la pile logicielle qui rend l’infrastructure productive. Un plateau de calcul Grace Blackwell NVL72, l’un des dix‑huit d’un seul rack, nécessite deux CPU Grace, quatre GPU Blackwell et trente‑deux piles HBM3e. La chaîne d’approvisionnement créée pour Vera Rubin est deux fois plus grande que celle de Grace Blackwell, selon l’article.

Les fabricants sous contrat ne peuvent pas commencer l’assemblage tant que chaque composant n’est pas arrivé provenant de l’un des trois pools: pièces directement de NVIDIA, pièces que NVIDIA stocke en consignation, et pièces des fournisseurs. NVIDIA fait fonctionner une horloge de Temps de Possession depuis le moment où un site de fabrication reçoit le matériau jusqu’à ce qu’il quitte le site en tant que sous‑assemblage ou produit. Chaque semaine, elle doit décider quels matériaux et en quelle quantité allouer à chaque site de fabrication, un problème d’allocation de matériaux critique que les planificateurs retravaillent manuellement chaque semaine, l’allocation s’étendant au trimestre en cours et au suivant.

L’équipe des opérations de chaîne d’approvisionnement de NVIDIA a collaboré avec Palantir pour créer un centre de commandement d’Intelligence Numérique de la Chaîne d’Approvisionnement sur Palantir Foundry, où l’Ontologie relie les matériaux, les sites de fabrication, les engagements, la capacité, les allocations, les productions et les signaux qualitatifs non structurés en une couche de données gouvernée. NVIDIA cuOpt, une bibliothèque open‑source d’optimisation de décision accélérée par GPU, puise ses entrées dans l’Ontologie et résout l’allocation hebdomadaire comme un programme linéaire à variables entières mixtes dont l’objectif minimise le Temps de Possession. Le solveur indique également quelles contraintes sont contraignantes, et comme la résolution est rapide, les planificateurs peuvent explorer des scénarios autour de la réponse, comme une réduction de dix pour cent de la mémoire pendant une période ou l’arrivée en ligne d’un nouveau site de fabrication.

La validation rétroactive des décisions d’allocation historiques par rapport aux résultats réels a montré que les planificateurs humains surpassaient le solveur en s’appuyant sur des informations qu’il ne pouvait pas voir: courriels échangés avec les partenaires cette semaine‑là, prévisions météorologiques sévères pour les régions clés, événements géopolitiques en cours, transcriptions de débriefings fournisseurs et des années d’expertise accumulée. Le flux de travail capture ainsi chaque décision d’allocation, la logique qui la sous‑tend, le résultat attendu et le résultat réel.

NVIDIA a post‑entraîné le modèle ouvert Nemotron 3.5 Lightning, qui compte 30 milliards de paramètres avec environ 3 milliards actifs par passage avant, sur les décisions capturées. Le pipeline utilise NeMo Anonymizer pour supprimer les informations personnellement identifiables et masquer les champs sensibles, NeMo Data Designer pour élargir et équilibrer les exemples avec des données synthétiques, et NeMo AutoModel pour entraîner un petit ensemble de paramètres d’adaptateur LoRA tandis que les poids de base restent figés. Palantir Autopilot gère le cycle de vie de bout en bout, lançant chaque tâche à partir des données de l’Ontologie, surveillant le modèle déployé et conservant la traçabilité intacte des données à la version du modèle jusqu’à la recommandation.

Résultats de benchmark signalés

Dans le benchmark de développement de NVIDIA, le modèle Lightning post‑entraîné a atteint une précision de décision d’allocation de 86,7 %, contre 55,5 % pour le Nemotron 3 Ultra plus grand et 17,5 % pour le modèle Lightning de base, rapporte le blog. Sur des métriques qui pondèrent les types de décision de manière égale plutôt que les exemples, le modèle post‑entraîné a obtenu une précision équilibrée de 58,6 % contre 42,0 % pour l’Ultra, et un Macro‑F1 de 57,5 % contre 39,5 % pour l’Ultra. L’entraînement LoRA s’est terminé en quelques minutes sur deux GPU NVIDIA B200. Le blog indique que les gains du modèle sont concentrés dans le domaine sur lequel il a été post‑entraîné, et que la prévision des risques de production future reste difficile malgré le réglage fin.

Les recommandations acceptées, modifiées et remplacées sont réintégrées dans l’Ontologie, s’accumulant jusqu’à ce qu’il y ait suffisamment de données représentatives pour justifier un autre entraînement gouverné. Les entreprises prévoient d’utiliser ces retours pour l’apprentissage par renforcement, les recommandations acceptées et remplacées formant des paires de préférence couvrant la justesse de l’allocation, la conformité aux politiques et la justification des preuves ; le modèle ne se réentraîne jamais en production.

Le déploiement fonctionne sur les architectures de référence NVIDIA et sur l’Architecture de Référence du Système d’Exploitation IA Souveraine (SAIOS) développée conjointement par Palantir, qui est prise en charge par Dell Technologies (DELL ) et Cisco. La pile d’IA peut être déployée sur site avec des fabricants de systèmes incluant Cisco et Dell, ou dans des environnements de colocation et de cloud avec Rackspace et Nebius.

“NVIDIA possède sans doute la chaîne d’approvisionnement la plus précieuse, complexe et sophistiquée au monde. Notre pile souveraine, alimentée par les modèles Nemotron et l’Ontologie, offre des capacités qui dépassent les frontières tout en fournissant des qualités de protection alpha indisponibles autrement,” a déclaré Alex Karp, cofondateur et PDG de Palantir Technologies.

“Les chaînes d’approvisionnement sont le système d’exploitation de l’économie physique, et les usines d’IA figurent parmi les systèmes les plus complexes jamais construits,” a déclaré Jensen Huang, fondateur et PDG de NVIDIA.

Les entreprises prévoient d’étendre les enseignements tirés du déploiement de NVIDIA aux entreprises des secteurs de la fabrication, de l’énergie, de la santé, de l’automobile et de l’aérospatiale, et l’annonce cite l’agriculture, la fabrication, la pharmaceutique, le commerce de détail, la technologie et les organisations gouvernementales comme pouvant utiliser la pile d’IA pour optimiser leurs propres opérations de chaîne d’approvisionnement. La pile d’IA et ses applications à travers les industries seront présentées lors de la conférence AIPCon 11 de Palantir.