[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-nvidia-a-siggraph-rendu-neuronal-simulation-et-ia-agentique-pour-la-nouvelle-ere-des-mondes-numeriques-fr":3,"ArticleBody_01qOjalPgMKILz5UltovRhvRZN2Wdsg3PXJn6qBbZk":217},{"article":4,"relatedArticles":188,"locale":66},{"id":5,"title":6,"slug":7,"content":8,"htmlContent":9,"excerpt":10,"category":11,"tags":12,"metaDescription":10,"wordCount":13,"readingTime":14,"publishedAt":15,"sources":16,"sourceCoverage":58,"transparency":60,"seo":63,"language":66,"featuredImage":67,"featuredImageCredit":68,"isFreeGeneration":72,"trendSlug":73,"trendSnapshot":74,"niche":82,"geoTakeaways":85,"geoFaq":94,"entities":104},"6a6e9367b376997ee53e48c8","NVIDIA à SIGGRAPH : rendu neuronal, simulation et IA agentique pour la nouvelle ère des mondes numériques","nvidia-a-siggraph-rendu-neuronal-simulation-et-ia-agentique-pour-la-nouvelle-ere-des-mondes-numeriques","## SIGGRAPH 2026 : un tournant pour le rendu neuronal, la simulation et l’IA agentique\n\nÀ SIGGRAPH 2026 à Los Angeles, NVIDIA présente cette édition comme le moment où rendu neuronal, modèles de monde et IA agentique passent du labo aux pipelines de production. [2][3]  \n\nLa keynote sponsorisée « Next Era of Graphics — Neural Rendering, World Models, and Simulation », avec [Neil Ashton](https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FZawe_Ashton), Edward Liu, Ming‑Yu Liu, Jan Kautz et David Luebke, détaille comment ces briques d’IA servent à : [2][3][4]  \n\n- Construire des mondes numériques (assets, scènes, comportements).  \n- Les rendre en temps réel ou offline avec des approches neuronales.  \n- Les gouverner via des agents capables de planifier et d’agir.  \n\nLe reste du programme SIGGRAPH enchaîne : [2][4]  \n\n- Labs de formation sur le rendu génératif et les neurally‑accelerated pipelines.  \n- Sessions techniques sur simulation temps réel, mondes persistants et robots.  \n- Démos « physical AI », où un même monde sert au cinéma, au jeu et à la robotique.  \n\nNVIDIA inscrit ces annonces dans la bascule de l’IA générative vers l’IA agentique : on passe de chatbots réactifs à des systèmes capables de : [5][6]  \n\n- Planifier itérativement.  \n- Utiliser des outils et APIs.  \n- Résoudre des tâches complexes de bout en bout.  \n\n> 💡 À retenir  \n> SIGGRAPH 2026 acte la convergence entre graphisme temps réel, simulation physique et agents d’IA, où les mêmes modèles servent à créer, comprendre et exploiter les mondes numériques. [2][4]\n\n## Rendu neuronal et simulation : vers des mondes virtuels construits et pilotés par l’IA\n\nPremier pilier : le rendu neuronal, qui complète ou remplace des segments rasterisation + ray tracing pour générer géométrie, matériaux et animations plus efficacement, tout en restant intégré aux outils DCC. [2][3]  \n\nPrincipaux cas d’usage pour les équipes techniques :  \n\n- Denoising et upscaling neuronaux dans le chemin de rendu. [3]  \n- Détails de surface et matériaux issus de représentations latentes plutôt que de textures fixes. [3]  \n- Reconstruction neuronale de scènes 3D à partir de vues 2D pour prototypage rapide. [3][4]  \n\n📊 **Architecture type d’un pipeline de rendu neuronal « AI‑native »**  \n- Ingestion des assets (maillages, scans, vidéos).  \n- Encodage neuronal en représentation continue (radiance fields, codes latents).  \n- Rendu différentiable + post‑traitement IA (super‑résolution, stylisation).  \n- Export vers formats standards pour moteur temps réel ou outil VFX. [2][3]  \n\nDans cette continuité, les modèles de monde deviennent des jumeaux numériques apprenants : [2][3][4]  \n\n- Ils capturent la dynamique d’un environnement (physique, interactions, capteurs).  \n- Ils forment une couche de simulation unifiée pour cinéma, jeu, robotique, véhicules.  \n- Ils permettent d’itérer virtuellement avant prototypage réel.  \n\nAu cœur de cette « physical AI », Cosmos 3 Edge illustre cette approche : [1][4]  \n\n- Omnimodèle de 4 milliards de paramètres.  \n- Optimisé pour Jetson, RTX PRO, [GeForce RTX](https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FGeForce) et [DGX](https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FARP_Pro%2FDGX).  \n- Fournit vision et contrôle robotique en temps réel en périphérie, sans cloud.  \n\n> ⚡ Point clé  \n> Avec Cosmos 3 Edge et les nouveaux world models, la simulation devient un moteur transversal pour tester des designs, valider des comportements de robots et générer des données synthétiques pour entraîner d’autres IA. [1][3][4]\n\n## IA agentique, [Model Context Protocol](\u002Ffr\u002Fentities\u002F6974559274a02fe2223a9076-model-context-protocol) et nouveaux workflows créatifs et robotiques\n\nSur le versant logiciel, NVIDIA positionne le Model Context Protocol (MCP) comme colonne vertébrale de son approche agentique : [1]  \n\n- Les agents se connectent directement aux applications de production.  \n- Ils exécutent des tâches structurées, la décision finale restant aux artistes et superviseurs.  \n\nLes grands éditeurs [Adobe](\u002Ffr\u002Fentities\u002F6a4f2edc0a066c693a4215ee-adobe), Affinity by Canva, Blender, Boris FX, Foundry, SideFX et Epic Games intègrent déjà des connecteurs MCP, alignant rapidement le marché sur cette vision. [1][4]  \n\nExemples de tâches prises en charge par ces agents :  \n\n- Validation automatique d’assets (nomenclature, formats, contraintes physiques).  \n- Construction de node trees complexes pour shading ou compositing.  \n- Rigging procédural et inspection de scènes avant rendu final. [1]  \n\nCes agents tournent localement sur stations RTX PRO et systèmes DGX, ce qui : [1][4]  \n\n- Garde rushes et maquettes 3D dans le périmètre du studio.  \n- Réduit les latences critiques pour l’itération créative.  \n\nUn directeur technique d’un petit studio VFX évoque une forte réduction de la « charge mentale » des artistes, qui délèguent le nettoyage des scènes à des copilotes IA tout en gardant la main sur le style. [5]  \n\nExemple d’architecture minimale pour relier un agent à MCP et à [Omniverse](\u002Ffr\u002Fentities\u002F69e4e33e6db79d4361e115fa-omniverse) :  \n\n```python\n# Pseudo-code\nagent = Agent(\n    llm=model_cosmos_edge,\n    tools=[\n        McpTool(\"adobe_premiere\"),\n        OmniverseTool(\"scene_builder\")\n    ]\n)\n\nplan = agent.plan(\"Nettoyer la scène et préparer un layout simulable\")\nagent.execute(plan)\n```\n\n[1][4]  \n\nPour fermer la boucle entre mondes virtuels et physiques, l’Agent Toolkit et les bibliothèques Omniverse s’étendent : des blueprints d’intégration dans Blender permettent à un agent de « construire » un monde 3D directement prêt pour la simulation robotique. [4]","\u003Ch2>SIGGRAPH 2026 : un tournant pour le rendu neuronal, la simulation et l’IA agentique\u003C\u002Fh2>\n\u003Cp>À SIGGRAPH 2026 à Los Angeles, NVIDIA présente cette édition comme le moment où rendu neuronal, modèles de monde et IA agentique passent du labo aux pipelines de production. \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>La keynote sponsorisée « Next Era of Graphics — Neural Rendering, World Models, and Simulation », avec \u003Ca href=\"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FZawe_Ashton\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">Neil Ashton\u003C\u002Fa>, Edward Liu, Ming‑Yu Liu, Jan Kautz et David Luebke, détaille comment ces briques d’IA servent à : \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Construire des mondes numériques (assets, scènes, comportements).\u003C\u002Fli>\n\u003Cli>Les rendre en temps réel ou offline avec des approches neuronales.\u003C\u002Fli>\n\u003Cli>Les gouverner via des agents capables de planifier et d’agir.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Le reste du programme SIGGRAPH enchaîne : \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Labs de formation sur le rendu génératif et les neurally‑accelerated pipelines.\u003C\u002Fli>\n\u003Cli>Sessions techniques sur simulation temps réel, mondes persistants et robots.\u003C\u002Fli>\n\u003Cli>Démos « physical AI », où un même monde sert au cinéma, au jeu et à la robotique.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>NVIDIA inscrit ces annonces dans la bascule de l’IA générative vers l’IA agentique : on passe de chatbots réactifs à des systèmes capables de : \u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Planifier itérativement.\u003C\u002Fli>\n\u003Cli>Utiliser des outils et APIs.\u003C\u002Fli>\n\u003Cli>Résoudre des tâches complexes de bout en bout.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cblockquote>\n\u003Cp>💡 À retenir\u003Cbr>\nSIGGRAPH 2026 acte la convergence entre graphisme temps réel, simulation physique et agents d’IA, où les mêmes modèles servent à créer, comprendre et exploiter les mondes numériques. \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Rendu neuronal et simulation : vers des mondes virtuels construits et pilotés par l’IA\u003C\u002Fh2>\n\u003Cp>Premier pilier : le rendu neuronal, qui complète ou remplace des segments rasterisation + ray tracing pour générer géométrie, matériaux et animations plus efficacement, tout en restant intégré aux outils DCC. \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>Principaux cas d’usage pour les équipes techniques :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Denoising et upscaling neuronaux dans le chemin de rendu. \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Détails de surface et matériaux issus de représentations latentes plutôt que de textures fixes. \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Reconstruction neuronale de scènes 3D à partir de vues 2D pour prototypage rapide. \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>📊 \u003Cstrong>Architecture type d’un pipeline de rendu neuronal « AI‑native »\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Ingestion des assets (maillages, scans, vidéos).\u003C\u002Fli>\n\u003Cli>Encodage neuronal en représentation continue (radiance fields, codes latents).\u003C\u002Fli>\n\u003Cli>Rendu différentiable + post‑traitement IA (super‑résolution, stylisation).\u003C\u002Fli>\n\u003Cli>Export vers formats standards pour moteur temps réel ou outil VFX. \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Dans cette continuité, les modèles de monde deviennent des jumeaux numériques apprenants : \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Ils capturent la dynamique d’un environnement (physique, interactions, capteurs).\u003C\u002Fli>\n\u003Cli>Ils forment une couche de simulation unifiée pour cinéma, jeu, robotique, véhicules.\u003C\u002Fli>\n\u003Cli>Ils permettent d’itérer virtuellement avant prototypage réel.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Au cœur de cette « physical AI », Cosmos 3 Edge illustre cette approche : \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Omnimodèle de 4 milliards de paramètres.\u003C\u002Fli>\n\u003Cli>Optimisé pour Jetson, RTX PRO, \u003Ca href=\"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FGeForce\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">GeForce RTX\u003C\u002Fa> et \u003Ca href=\"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FARP_Pro%2FDGX\" class=\"wiki-link\" target=\"_blank\" rel=\"noopener\">DGX\u003C\u002Fa>.\u003C\u002Fli>\n\u003Cli>Fournit vision et contrôle robotique en temps réel en périphérie, sans cloud.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cblockquote>\n\u003Cp>⚡ Point clé\u003Cbr>\nAvec Cosmos 3 Edge et les nouveaux world models, la simulation devient un moteur transversal pour tester des designs, valider des comportements de robots et générer des données synthétiques pour entraîner d’autres IA. \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>IA agentique, \u003Ca href=\"\u002Ffr\u002Fentities\u002F6974559274a02fe2223a9076-model-context-protocol\">Model Context Protocol\u003C\u002Fa> et nouveaux workflows créatifs et robotiques\u003C\u002Fh2>\n\u003Cp>Sur le versant logiciel, NVIDIA positionne le Model Context Protocol (MCP) comme colonne vertébrale de son approche agentique : \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Les agents se connectent directement aux applications de production.\u003C\u002Fli>\n\u003Cli>Ils exécutent des tâches structurées, la décision finale restant aux artistes et superviseurs.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Les grands éditeurs \u003Ca href=\"\u002Ffr\u002Fentities\u002F6a4f2edc0a066c693a4215ee-adobe\">Adobe\u003C\u002Fa>, Affinity by Canva, Blender, Boris FX, Foundry, SideFX et Epic Games intègrent déjà des connecteurs MCP, alignant rapidement le marché sur cette vision. \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>Exemples de tâches prises en charge par ces agents :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Validation automatique d’assets (nomenclature, formats, contraintes physiques).\u003C\u002Fli>\n\u003Cli>Construction de node trees complexes pour shading ou compositing.\u003C\u002Fli>\n\u003Cli>Rigging procédural et inspection de scènes avant rendu final. \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Ces agents tournent localement sur stations RTX PRO et systèmes DGX, ce qui : \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Garde rushes et maquettes 3D dans le périmètre du studio.\u003C\u002Fli>\n\u003Cli>Réduit les latences critiques pour l’itération créative.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Un directeur technique d’un petit studio VFX évoque une forte réduction de la « charge mentale » des artistes, qui délèguent le nettoyage des scènes à des copilotes IA tout en gardant la main sur le style. \u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>Exemple d’architecture minimale pour relier un agent à MCP et à \u003Ca href=\"\u002Ffr\u002Fentities\u002F69e4e33e6db79d4361e115fa-omniverse\">Omniverse\u003C\u002Fa> :\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-python\"># Pseudo-code\nagent = Agent(\n    llm=model_cosmos_edge,\n    tools=[\n        McpTool(\"adobe_premiere\"),\n        OmniverseTool(\"scene_builder\")\n    ]\n)\n\nplan = agent.plan(\"Nettoyer la scène et préparer un layout simulable\")\nagent.execute(plan)\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>\u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>Pour fermer la boucle entre mondes virtuels et physiques, l’Agent Toolkit et les bibliothèques Omniverse s’étendent : des blueprints d’intégration dans Blender permettent à un agent de « construire » un monde 3D directement prêt pour la simulation robotique. \u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>\u003C\u002Fp>\n","SIGGRAPH 2026 : un tournant pour le rendu neuronal, la simulation et l’IA agentique\n\nÀ SIGGRAPH 2026 à Los Angeles, NVIDIA présente cette édition comme le moment où rendu neuronal, modèles de monde et...","trend-radar",[],789,4,"2026-08-02T00:55:21.194Z",[17,22,26,30,34,38,42,46,50,54],{"title":18,"url":19,"summary":20,"type":21},"NVIDIA Advances Graphics, Simulation, and Agentic AI at SIGGRAPH","https:\u002F\u002Fhyper.ai\u002Fen\u002Fstories\u002F7c6df43a57332ced134da53287e0c3ef","NVIDIA has unveiled a comprehensive suite of technologies positioning artificial intelligence as the core engine for creative production, physical robotics, and media integrity at SIGGRAPH 2026. Durin...","kb",{"title":23,"url":24,"summary":25,"type":21},"In SIGGRAPH Keynote, NVIDIA Leaders Outline Next Era of Graphics and Physical AI","https:\u002F\u002Fblogs.nvidia.com\u002Fblog\u002Fsiggraph-news-2026\u002F","At this year’s SIGGRAPH conference, running through Thursday, July 23, in Los Angeles, attendees can discover how leading graphics research, neural rendering, simulation and AI are transforming how wo...",{"title":27,"url":28,"summary":29,"type":21},"Join NVIDIA Research and Engineering leaders at SIGGRAPH 2026 to experience the latest advances shaping computer graphics and simulation.","https:\u002F\u002Fwww.instagram.com\u002Fp\u002FDZ5z8K5H85T\u002F","Join NVIDIA Research and Engineering leaders at SIGGRAPH 2026 to experience the latest advances shaping computer graphics and simulation.\n\nThe NVIDIA Sponsored Keynote, “Next Era of Graphics — Neural ...",{"title":31,"url":32,"summary":33,"type":21},"NVIDIA at SIGGRAPH 2026","https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fevents\u002Fsiggraph\u002F","NVIDIA at SIGGRAPH 2026\n\nJuly 19–23 | L.A. Convention Center, Los Angeles\n\nJoin NVIDIA AI research and engineering leaders Neil Ashton, Edward Liu, and Ming-Yu Liu to experience the latest advances sh...",{"title":35,"url":36,"summary":37,"type":21},"L'IA générative fonctionne sur NVIDIA","https:\u002F\u002Fwww.nvidia.com\u002Ffr-fr\u002Fsolutions\u002Fai\u002Fgenerative-ai\u002F","L'IA générative permet de créer du contenu plus intelligemment, de bénéficier d'éclairages plus détaillés, de simplifier l'automatisation et d'améliorer les performances d'IA.\n\nAperçu\nQu'est-ce que l'...",{"title":39,"url":40,"summary":41,"type":21},"Ai agents: Evolution, architecture, and real-world applications — N Krishnan - arXiv preprint arXiv:2503.12687, 2025 - arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.12687","Auteur: Naveen Krishnan\nDate de soumission: 16 Mar 2025\n\nAbstract\nThis paper examines the evolution, architecture, and practical applications of AI agents from their early, rule-based incarnations to ...",{"title":43,"url":44,"summary":45,"type":21},"From Google Gemini to OpenAI Q*(Q-Star): a survey on reshaping the generative artificial intelligence (AI) research landscape — TR McIntosh, T Susnjak, T Liu, P Watters, D Xu, D Liu… - Technologies, 2025 - mdpi.com","https:\u002F\u002Fwww.mdpi.com\u002F2227-7080\u002F13\u002F2\u002F51","From Google Gemini to OpenAI Q* (Q-Star): A Survey on Reshaping the Generative Artificial Intelligence (AI) Research Landscape\n\nTimothy R. McIntosh, Teo Susnjak, Tong Liu",{"title":47,"url":48,"summary":49,"type":21},"How to evaluate agents in practice","https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=vuBvf7ZRKTA","How to evaluate agents in practice\n\nGoogle Cloud Tech\nEvaluating Agents with ADK → https:\u002F\u002Fgoo.gle\u002Ftestagent. This video applies the theory of AI agent evaluation from our previous episode, guiding yo...",{"title":51,"url":52,"summary":53,"type":21},"The rise of agentic ai: A review of definitions, frameworks, architectures, applications, evaluation metrics, and challenges — A Bandi, B Kongari, R Naguru, S Pasnoor, SV Vilipala - Future Internet, 2025 - mdpi.com","https:\u002F\u002Fwww.mdpi.com\u002F1999-5903\u002F17\u002F9\u002F404","The Rise of Agentic AI: A Review of Definitions, Frameworks, Architectures, Applications, Evaluation Metrics, and Challenges\n\nby Ajay Bandi, Bhavani Kongari, Roshini Naguru, Sahitya Pasnoor\n\nContenu n...",{"title":55,"url":56,"summary":57,"type":21},"AI Agent Testing and Analysis Platform: A System for Automated Evaluation of AI Systems — VS Mane, SD Pardeshi, AR Patil… - 2026 6th Biennial …, 2026 - ieeexplore.ieee.org","https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F11437478\u002F","AI Agent Testing and Analysis Platform: A System for Automated Evaluation of AI Systems\n\nAbstract:\nArtificial Intelligence (AI) agents are now capable of performing complex reasoning, tool usage, rese...",{"totalSources":59},10,{"generationDuration":61,"kbQueriesCount":59,"confidenceScore":62,"sourcesCount":59},261019,100,{"metaTitle":64,"metaDescription":65},"NVIDIA SIGGRAPH : rendu neuronal et IA agentique 2026","SIGGRAPH 2026 : NVIDIA accélère le rendu neuronal, la simulation et l’IA agentique. Innovations et pipelines pour production — découvrez l’impact majeur.","fr","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1716967318503-05b7064afa41?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxudmlkaWElMjBzaG93Y2FzZXMlMjBuZXVyYWwlMjByZW5kZXJpbmd8ZW58MXwwfHx8MTc4NTYzMTU5MXww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60",{"photographerName":69,"photographerUrl":70,"unsplashUrl":71},"Mariia Shalabaieva","https:\u002F\u002Funsplash.com\u002F@maria_shalabaieva?utm_source=coreprose&utm_medium=referral","https:\u002F\u002Funsplash.com\u002Fphotos\u002Fthe-nvidia-logo-is-displayed-on-a-table-0SqsTxWhgNU?utm_source=coreprose&utm_medium=referral",true,"nvidia-showcases-neural-rendering-simulation-and-agentic-ai-at-siggraph",{"score":62,"type":75,"sourceCount":14,"topSourceDomains":76,"detectedAt":80,"mentionsLast7Days":81},"spiking",[77,78,79],"blogs.nvidia.com","finance.yahoo.com","developer.nvidia.com","2026-08-02T00:15:29.320Z",3,{"key":83,"name":84,"nameEn":84},"ai-engineering","AI Engineering & LLM Ops",[86,88,90,92],{"text":87},"SIGGRAPH 2026 à Los Angeles positionne NVIDIA comme moteur de la transition du rendu neuronal et des world models vers des pipelines de production, présenté lors de la keynote « Next Era of Graphics — Neural Rendering, World Models, and Simulation » par Neil Ashton, Edward Liu, Ming‑Yu Liu, Jan Kautz et David Luebke.",{"text":89},"Cosmos 3 Edge est un omnimodèle de 4 milliards de paramètres optimisé pour Jetson, RTX PRO, GeForce RTX et DGX, offrant vision et contrôle robotique en temps réel en périphérie sans dépendance au cloud.",{"text":91},"Les workflows présentés combinent rendu neuronal (denoising, upscaling, reconstruction 3D à partir de vues 2D), simulations physiques unifiées et agents IA capables de planifier, utiliser des outils et exécuter des tâches de bout en bout.",{"text":93},"Le Model Context Protocol (MCP) est déjà pris en charge via des connecteurs par Adobe, Affinity by Canva, Blender, Boris FX, Foundry, SideFX et Epic Games pour intégrer des agents IA directement dans les applications de production.",[95,98,101],{"question":96,"answer":97},"Que présente NVIDIA à SIGGRAPH 2026 ?","NVIDIA présente la convergence du rendu neuronal, des modèles de monde et de l’IA agentique dans des pipelines de production. Lors de la keynote et des sessions, l’entreprise démontre des workflows intégrant denoising et upscaling neuronaux, reconstruction 3D à partir de vues 2D, et simulations physiques unifiées utilisables pour cinéma, jeux et robotique, ainsi que des labs et démos montrant l’application de ces briques pour créer, rendre et piloter mondes numériques en temps réel ou offline.",{"question":99,"answer":100},"Qu’est‑ce que Cosmos 3 Edge et à quoi sert‑il ?","Cosmos 3 Edge est un omnimodèle de 4 milliards de paramètres optimisé pour fonctionner localement sur Jetson, RTX PRO, GeForce RTX et DGX afin de fournir vision et contrôle robotique en temps réel en périphérie. Il sert à exécuter des tâches de perception et de contrôle sans latence cloud, à générer données synthétiques pour l’entraînement, et à valider des designs et comportements de robots dans des simulations physiques unifiées, ouvrant une boucle locale entre mondes virtuels et systèmes physiques.",{"question":102,"answer":103},"Qu’est‑ce que le Model Context Protocol (MCP) et quel impact pour les studios ?","Le Model Context Protocol (MCP) est la couche d’intégration qui permet aux agents IA de se connecter directement aux applications de production et d’exécuter des tâches structurées tout en laissant la décision finale aux artistes. En pratique, MCP permet aux agents de valider automatiquement des assets, construire des node trees, effectuer du rigging procédural et inspecter des scènes, tout en tournant localement sur stations RTX PRO ou DGX pour garder les données dans le périmètre du studio et réduire les latences d’itération créative.",[105,113,119,127,132,137,143,148,154,158,162,166,170,177,182],{"id":106,"name":107,"type":108,"confidence":109,"wikipediaUrl":110,"slug":111,"mentionCount":112},"6a6e94c025a2e4d9627e34b7","SIGGRAPH 2026","event",0.98,null,"6a6e94c025a2e4d9627e34b7-siggraph-2026",5,{"id":114,"name":115,"type":108,"confidence":116,"wikipediaUrl":110,"slug":117,"mentionCount":118},"6a6e95ad25a2e4d9627e35eb","Next Era of Graphics — Neural Rendering, World Models, and Simulation",0.95,"6a6e95ad25a2e4d9627e35eb-next-era-of-graphics-neural-rendering-world-models-and-simulation",1,{"id":120,"name":121,"type":122,"confidence":123,"wikipediaUrl":124,"slug":125,"mentionCount":126},"695e3c7919d266277e14dd73","Nvidia","organization",0.99,"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FNvidia","695e3c7919d266277e14dd73-nvidia",213,{"id":128,"name":129,"type":122,"confidence":123,"wikipediaUrl":130,"slug":131,"mentionCount":59},"6a4f2edc0a066c693a4215ee","Adobe","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FAdobe_Photoshop","6a4f2edc0a066c693a4215ee-adobe",{"id":133,"name":134,"type":122,"confidence":135,"wikipediaUrl":110,"slug":136,"mentionCount":81},"6a6e95af25a2e4d9627e35f3","Blender",0.96,"6a6e95af25a2e4d9627e35f3-blender",{"id":138,"name":139,"type":122,"confidence":140,"wikipediaUrl":110,"slug":141,"mentionCount":142},"6a6e95af25a2e4d9627e35f4","Affinity by Canva",0.9,"6a6e95af25a2e4d9627e35f4-affinity-by-canva",2,{"id":144,"name":145,"type":122,"confidence":146,"wikipediaUrl":110,"slug":147,"mentionCount":142},"6a6e95af25a2e4d9627e35f5","Boris FX",0.92,"6a6e95af25a2e4d9627e35f5-boris-fx",{"id":149,"name":150,"type":151,"confidence":116,"wikipediaUrl":152,"slug":153,"mentionCount":112},"6a6e94c025a2e4d9627e34b9","Neil Ashton","person","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FZawe_Ashton","6a6e94c025a2e4d9627e34b9-neil-ashton",{"id":155,"name":156,"type":151,"confidence":116,"wikipediaUrl":110,"slug":157,"mentionCount":112},"6a6e94c025a2e4d9627e34ba","Edward Liu","6a6e94c025a2e4d9627e34ba-edward-liu",{"id":159,"name":160,"type":151,"confidence":140,"wikipediaUrl":110,"slug":161,"mentionCount":142},"6a6e95ad25a2e4d9627e35ee","Jan Kautz","6a6e95ad25a2e4d9627e35ee-jan-kautz",{"id":163,"name":164,"type":151,"confidence":140,"wikipediaUrl":110,"slug":165,"mentionCount":142},"6a6e95ad25a2e4d9627e35ef","David Luebke","6a6e95ad25a2e4d9627e35ef-david-luebke",{"id":167,"name":168,"type":151,"confidence":140,"wikipediaUrl":110,"slug":169,"mentionCount":118},"6a6e95ad25a2e4d9627e35ec","Ming‑Yu Liu","6a6e95ad25a2e4d9627e35ec-ming-yu-liu",{"id":171,"name":172,"type":173,"confidence":123,"wikipediaUrl":174,"slug":175,"mentionCount":176},"6974559274a02fe2223a9076","Model Context Protocol","product","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FModel_Context_Protocol","6974559274a02fe2223a9076-model-context-protocol",75,{"id":178,"name":179,"type":173,"confidence":135,"wikipediaUrl":110,"slug":180,"mentionCount":181},"6a6e94c225a2e4d9627e34cc","Cosmos 3 Edge","6a6e94c225a2e4d9627e34cc-cosmos-3-edge",6,{"id":183,"name":184,"type":173,"confidence":185,"wikipediaUrl":186,"slug":187,"mentionCount":14},"69e4e33e6db79d4361e115fa","Omniverse",0.97,"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FBen_10%3A_Omniverse","69e4e33e6db79d4361e115fa-omniverse",[189,196,203,210],{"id":190,"title":191,"slug":192,"excerpt":193,"category":11,"featuredImage":194,"publishedAt":195},"6a70ab7d6561509ba69a6f8c","SIGGRAPH 2026 : comment NVIDIA redéfinit le rendu neuronal, la simulation et l’IA agentique","siggraph-2026-comment-nvidia-redefinit-le-rendu-neuronal-la-simulation-et-l-ia-agentique","SIGGRAPH 2026 : contexte, enjeux et vision IA de NVIDIA  \n\nSIGGRAPH 2026 à Los Angeles marque la formalisation par NVIDIA d’une « next era of graphics » : rendu neuronal temps réel, world models et si...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1716967318503-05b7064afa41?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxudmlkaWElMjBzaWdncmFwaCUyMGFkdmFuY2VzJTIwbmV1cmFsfGVufDF8MHx8fDE3ODU3Njg4Mjl8MA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-08-03T15:05:10.159Z",{"id":197,"title":198,"slug":199,"excerpt":200,"category":11,"featuredImage":201,"publishedAt":202},"6a656eeed8908ad2e10ce758","Bonnes pratiques Google pour concevoir un système d’évaluation des agents IA","bonnes-pratiques-google-pour-concevoir-un-systeme-d-evaluation-des-agents-ia","Les agents IA de Google sont désormais des systèmes pilotés par LLM qui raisonnent, planifient et appellent des outils en boucle vers un objectif donné. [5][6]  \nIls doivent donc être évalués non seul...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1529612700005-e35377bf1415?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxnb29nbGUlMjBiZXN0JTIwcHJhY3RpY2VzJTIwZm9yfGVufDF8MHx8fDE3ODUwMzI0Mjl8MA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-26T02:32:03.119Z",{"id":204,"title":205,"slug":206,"excerpt":207,"category":11,"featuredImage":208,"publishedAt":209},"6a5ce61df41812d2519013c9","IA générative : la pénurie de mémoire qui étrangle l’infrastructure mondiale","ia-generative-la-penurie-de-memoire-qui-etrangle-l-infrastructure-mondiale","L’IA générative n’est plus un sujet de modèle ou de prompt, mais une crise d’infrastructure comparable aux débuts d’Internet, avec un triple stress simultané sur le calcul, la mémoire et l’énergie des...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1780538640918-bf80789ac552?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxnZW5lcmF0aXZlJTIwaW5mcmFzdHJ1Y3R1cmUlMjBzdHJhaW4lMjBhbmR8ZW58MXwwfHx8MTc4NDQ3MzExNnww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-19T15:06:43.964Z",{"id":211,"title":212,"slug":213,"excerpt":214,"category":11,"featuredImage":215,"publishedAt":216},"6a5b91e171b96c9155eab268","Harness Claude pour agents longue durée : architecture et bonnes pratiques","harness-claude-pour-agents-longue-duree-architecture-et-bonnes-pratiques","Les modèles seuls ne suffisent pas pour des projets qui durent plusieurs heures ou jours : il faut une architecture d’agent (harness) qui gère mémoire, reprise et coordination dans le temps [2][3][5]....","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1781643437465-9470f192d9c1?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxhbnRocm9waWMlMjBjbGF1ZGUlMjBhZ2VudCUyMGhhcm5lc3Nlc3xlbnwxfDB8fHwxNzg0Mzg2MDE3fDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-18T14:55:47.403Z",["Island",218],{"key":219,"params":220,"result":222},"ArticleBody_01qOjalPgMKILz5UltovRhvRZN2Wdsg3PXJn6qBbZk",{"props":221},"{\"articleId\":\"6a6e9367b376997ee53e48c8\"}",{"head":223},{}]