Nvidia ouvre ses recettes Nemotron : médailles d'or en IOI et IMO, poids et procédés publiés
Selon un blog officiel de Nvidia daté du 7 octobre 2026, l'équipe a utilisé Nemotron 3 comme base et, via SFT, RL et une boucle de raisonnement génération-vérification-raffinement, a obtenu 535,4/600 en IOI 2026 et 30/42 en IMO 2026, des scores rapportés comme dépassant le seuil des médailles d'or ; les points de contrôle, jeux de données et pipelines d'évaluation associés sont ouverts sur Hugging Face et NeMo-Skills.
Ce qui change
Selon le blog officiel publié par l'équipe Nvidia le 7 octobre 2026, celle-ci a construit deux systèmes spécialisés sur la base de Nemotron 3 : dans le domaine de la programmation compétitive, Nemotron-3-Ultra-CC (550 milliards de paramètres totaux, 55 milliards activés, entraîné par SFT) associé à la stratégie itérative de génération-évaluation-raffinement GenCorrect, a obtenu 535,4/600 lors d'une exécution prospective de l'IOI 2026 en temps réel, non officielle et non comptabilisée au classement officiel, au-dessus du seuil de médaille d'or rapporté de 361,12 et du meilleur score humain de 498,27 ; le modèle associé Nemotron-3-Nano-CC (30 milliards de paramètres totaux, 3 milliards activés, entraîné par SFT et RL) a également servi à des expériences comparatives, le rapport indiquant que Nano est passé de 130 points avant post-entraînement à 280 points après SFT, puis 291 après RL, et 468 avec GenCorrect. Dans le domaine mathématique, un système génération-vérification-raffinement a été formé à partir des points de contrôle général, SFT et RL de Nemotron 3 Ultra ; le corpus SFT contenait 414 890 échantillons couvrant 15 818 énoncés de preuve distincts, et l'entraînement RL a utilisé 9 597 problèmes proches de la frontière de capacité ; le système fonctionne entièrement en langage naturel, sans prouveur formel, outil externe ni Internet, et a finalement obtenu 30/42 selon la notation de correcteurs officiels de l'IMO. Le blog indique aussi que les modèles concernés, deux jeux de données d'entraînement, Nemotron-IMO-Bench (200 problèmes de niveau olympiade) ainsi que les pipelines d'inférence et les prompts dans NeMo-Skills sont ouverts.
Conséquences pour les développeurs
Pour les développeurs, l'implication directe est que ce résultat clarifie la répartition « base + post-entraînement + boucle d'inférence » : le rapport montre qu'une même base peut s'adapter à deux familles de tâches difficiles, code et preuve, via différentes tailles et combinaisons de post-entraînement, et que le gain ne vient pas uniquement du fine-tuning ni uniquement de l'échantillonnage. Si des recettes similaires sont reproduites dans des contextes d'entreprise, l'objet d'évaluation passera de la sortie d'un seul modèle à toute la chaîne : génération de candidats, notation, critique, raffinement et sélection finale déterminent conjointement la performance. Il faut distinguer ouverture des poids et licence open source : le blog indique que les modèles et données sont ouverts sur Hugging Face et qu'un pipeline reproductible est fourni, mais la source ne précise pas les termes de licence, donc pouvoir télécharger ne signifie pas pouvoir exploiter commercialement librement ; il faut vérifier soi-même la licence du modèle et les conditions d'utilisation des données avant adoption. En outre, les résultats en IOI sont explicitement présentés comme une exécution de référence non officielle et sans supervision humaine, sans rapport avec le classement officiel, tandis que l'IMO est noté par des correcteurs officiels ; la comparabilité des deux types de résultats diffère. Sur le plan des ressources, les données montrent que Nano avec SFT et RL, et Ultra avec un seul epoch SFT, peuvent dépasser Nano entièrement post-entraîné, ce qui suggère que le budget de calcul de la spécialisation n'est pas linéaire selon l'échelle, et que coûts de fine-tuning et coûts d'inférence doivent être comptabilisés séparément.
Intégration et évaluation
Recommandation 1 (analyse conditionnelle, non un fait rapporté) : pour les tâches exigeant un format de sortie strict ou un taux de réussite à des tests cachés, on peut d'abord vérifier si « point de contrôle post-entraîné + boucle de rétroaction » surpasse une approche par simples prompts. Le critère de choix tient au fait que la source rapporte une forte progression de Nano après post-entraînement, puis une progression supplémentaire avec GenCorrect, ce qui indique que le gain provient de l'accumulation du fine-tuning et des raffinements multiples ; mais si votre tâche ne permet pas de construire automatiquement un évaluateur fiable, cette voie perd sa prémisse. Le critère d'évaluation peut être : sur un même ensemble de tests cachés maison, comparer l'écart de taux de réussite et le facteur de temps d'inférence par tâche entre la base, un seul point de contrôle post-entraîné, et l'ajout de trois tours de génération-évaluation-raffinement. Recommandation 2 : dans des scénarios mathématiques ou de raisonnement à longue chaîne, envisager de conserver à la fois les points de contrôle SFT et RL et d'utiliser un échantillonnage complémentaire, plutôt que d'augmenter le nombre d'échantillons sur un seul point de contrôle. La source indique que le point de contrôle SFT est le plus fort au premier tour de recherche, que le point de contrôle RL est globalement le meilleur seul, et que le système final combine les deux ; cela exige que votre pipeline prenne en charge le routage multi-modèles et une notation unifiée. Le critère d'évaluation peut être : à budget de calcul total fixé, comparer sur votre propre ensemble de problèmes de preuve le taux de validation et la proportion de cas jugés complets à tort entre échantillonnage multiple sur un seul point de contrôle et échantillonnage complémentaire sur deux points de contrôle. Recommandation 3 : si vous réutilisez le pipeline NeMo-Skills, vérifiez d'abord que ses dépendances et prompts correspondent à votre version de modèle, et préparez le budget de calcul pour remplacer l'étape de sélection finale, car la source mentionne que cette étape consomme à elle seule beaucoup de calcul. Le critère d'évaluation peut être : mesurer sur le même matériel la latence de bout en bout de toute la chaîne et le coût par problème, pour confirmer qu'elle tient dans vos délais métier.
Limites et points à confirmer
Le blog source a été publié le 7 octobre 2026, les résultats de compétition sont rapportés par l'équipe Nvidia elle-même, la partie IOI est explicitement une exécution non officielle et sans supervision, non comptabilisée au classement officiel, et la partie IMO, bien que présentée comme notée par des correcteurs officiels, ne peut être vérifiée indépendamment ici quant aux scores, versions des énoncés ou détails de notation. La source ne divulgue pas les termes de licence précis des points de contrôle liés à Nemotron 3 ; ouverture des poids et licence ouverte ne sont pas la même chose, et une vérification personnelle est nécessaire avant usage commercial ou redistribution. Des versions comme Nemotron-3-Ultra-CC n'ont actuellement aucune entrée correspondante exacte dans le catalogue en temps réel de KimiSeek ; cette version n'est donc pas présente sur KimiSeek, et les canaux d'accès ouverts mentionnés dans le rapport désignent les lieux de publication du fournisseur lui-même ; si des API ou services hébergés tiers apparaissent ultérieurement, leurs prix et disponibilité devront être vérifiés sur la page tarifaire du fournisseur concerné, aucun chiffre de prix précis n'étant cité ici. Les deux voies de post-entraînement et de raffinement multi-tours décrites dépendent de problèmes spécifiques au domaine, de trajectoires de raisonnement de haute qualité et d'un évaluateur fiable ; la source ne précise pas si elles sont aussi efficaces dans des scénarios d'entreprise généraux dépourvus de telles données, et les coûts d'entraînement et d'inférence sont décrits comme « non négligeables » sans données de coût réutilisables.
Illustrations de l’article original
