Jetson Orin Nano 2 : 78 TOPS pour l’IA en périphérie

Le 25 août 2026, NVIDIA a annoncé le Jetson Orin Nano 2, un nouvel ordinateur d’entrée de gamme conçu pour l’IA en périphérie et la robotique. Le module vise notamment les robots, les drones de livraison ou d’inspection et les systèmes de vision capables d’analyser leur environnement et d’agir en temps réel directement sur l’appareil. 1

Sa fiche technique met en avant 78 TOPS — soit 78 000 milliards d’opérations par seconde — de calcul IA, 8 Go de mémoire et un processeur Arm à huit cœurs. NVIDIA affirme que le système offre deux fois les performances d’inférence du Jetson Orin Nano Super, dans le même format compact. En mode 15 W, il doit fournir des performances comparables à celles de son prédécesseur tout en consommant 40 % d’énergie en moins. 17

Un ordinateur pour les machines contraintes par le coût et l’énergie

Le Jetson Orin Nano 2 n’est pas destiné aux charges de travail des centres de données. NVIDIA le positionne plutôt comme une plate-forme pour les machines physiques qui disposent de peu d’espace, d’un budget énergétique limité ou d’une connexion réseau intermittente.

Dans un robot ou un drone alimenté par batterie, envoyer chaque image, commande ou requête vers le cloud peut ajouter de la latence et dépendre de la qualité de la connexion. L’inférence locale rapproche le modèle des capteurs et des actionneurs : l’appareil peut ainsi interpréter une scène, comprendre une instruction ou choisir une action dans les limites de son propre budget de calcul et d’énergie. 17

NVIDIA présente donc le Orin Nano 2 comme un moyen d’intégrer des capacités d’IA générative et d’« IA physique » dans des machines plus petites, sans passer à un module plus encombrant.

Les principales caractéristiques annoncées

Le matériel comprend :

• 78 TOPS de calcul IA ;
• 8 Go de mémoire ;
• un CPU Arm à huit cœurs ;
• le même format compact que le Jetson Orin Nano Super ;
• deux fois les performances d’inférence annoncées par rapport au Jetson Orin Nano Super ;
• 40 % de consommation en moins à performances équivalentes en mode 15 W. 17

NVIDIA attribue le gain d’inférence à des Tensor Cores mis à jour et à une bande passante mémoire plus élevée. Il s’agit toutefois d’une comparaison communiquée par l’entreprise : les performances réelles dépendront du modèle utilisé, de sa précision, de la pile logicielle et de la charge de travail. 7

Pour les développeurs, le compromis est donc simple : davantage de marge pour exécuter des modèles localement, sans changer de format matériel. Les conceptions mobiles — robots, drones ou équipements d’inspection compacts — peuvent aussi viser un niveau de performance similaire avec une enveloppe énergétique plus réduite.

Quels modèles d’IA peut-il exécuter ?

Selon NVIDIA, le Jetson Orin Nano 2 s’appuie sur sa pile logicielle ouverte et sur les Jetson agent skills, destinés à l’inférence en périphérie avec une gestion efficace de la mémoire. L’écosystème annoncé comprend NVIDIA Cosmos et Nemotron, ainsi que des modèles ouverts comme Gemma 4 et Qwen 3. 7

L’enjeu ne se limite pas au nombre de modèles compatibles. Des modèles de langage et de vision-langage plus compacts peuvent être déployés directement dans une machine, où ils aident à interpréter simultanément des images, du texte, des instructions vocales et le contexte environnant.

NVIDIA avance également que les modèles de frontière de petite et moyenne taille peuvent désormais se rapprocher de la précision de modèles beaucoup plus grands datant de l’année précédente. Cette affirmation constitue le cadrage de NVIDIA et ne correspond pas, dans les éléments fournis, à un benchmark indépendant établi. 7

Pourquoi ces modèles intéressent la robotique

Les systèmes d’IA embarquée traditionnels se concentrent souvent sur des tâches précises : reconnaître un objet, repérer un défaut ou suivre une personne. Les modèles génératifs et multimodaux peuvent élargir ce rôle en reliant compréhension visuelle, langage et environnement.

Pour un robot, cela peut signifier associer une instruction parlée à ce que ses caméras observent. Pour un drone, interpréter plus rapidement une situation qui évolue. Pour un robot domestique, relier conversation, cartographie et navigation. L’avantage mis en avant par NVIDIA est celui d’un raisonnement local et en temps réel : la machine traite la scène là où l’action se déroule, au lieu de solliciter un serveur distant à chaque étape. 17

Le positionnement d’entrée de gamme du Orin Nano 2 ne dispense cependant pas d’optimiser les modèles. Avec 8 Go de mémoire, le choix du modèle, la quantification et le déploiement resteront déterminants pour les applications de production.

Des premiers utilisateurs dans les drones et les robots domestiques

NVIDIA indique que plus de 3 millions de développeurs ont déjà construit des projets sur sa pile robotique. L’entreprise cite Cognex, Doosan Bobcat, Matic et Wing parmi les premiers utilisateurs ou évaluateurs du module. 17

Les cas d’usage les plus détaillés sont les suivants :

• Wing explore le Jetson Orin Nano 2 pour ses drones de livraison, avec l’objectif d’améliorer leur réactivité et leur efficacité énergétique.
• Matic Robotics prévoit de l’utiliser dans des robots de nettoyage domestique pour l’IA conversationnelle, la détection des gestes, la cartographie de précision, la compréhension sémantique des habitations et le nettoyage autonome. 7

Cognex et Doosan Bobcat sont également mentionnés dans le cadre d’une adoption ou d’une évaluation précoce. Les éléments disponibles ne précisent toutefois ni le déploiement exact de Cognex, ni le produit ou le projet précis de Doosan Bobcat concerné par le module. 17

Ce que l’annonce ne permet pas encore de confirmer

L’annonce établit clairement le positionnement du Jetson Orin Nano 2 comme plate-forme compacte d’entrée de gamme pour l’IA en périphérie, ainsi que les performances, la consommation et la compatibilité logicielle revendiquées par NVIDIA.

En revanche, les éléments fournis ne confirment pas une disponibilité attendue au premier semestre 2027. Ils ne vérifient pas non plus les détails d’une architecture officielle dite « à trois ordinateurs » reliant Omniverse, Cosmos et DGX, ni ceux d’une récente mise à jour du Jetson Orin NX. La prise en charge de Cosmos par le module est bien étayée, mais la répartition précise des rôles entre ces produits ne doit pas être présentée comme une architecture annoncée sans sources plus solides. 7

À retenir

Avec le Jetson Orin Nano 2, NVIDIA cherche à faire entrer une inférence IA plus ambitieuse dans les robots, drones et systèmes de vision les plus compacts. Les chiffres clés — 78 TOPS, 8 Go de mémoire et un CPU Arm à huit cœurs — prennent surtout leur sens lorsqu’ils sont associés au doublement annoncé des performances, au maintien du format compact et à la réduction de consommation en mode 15 W. 17

Pour les développeurs, la promesse est de pouvoir exécuter localement des modèles de langage et de vision-langage plus capables. La prudence reste néanmoins de mise : les comparaisons de NVIDIA devront être évaluées sur des modèles et des charges de travail précis lorsque les informations détaillées sur le matériel, les logiciels et la disponibilité seront connues.