CONFIRMÉ : NVIDIA a ouvert Flora, le moteur de données de son laboratoire de robotique GEAR utilisé pour entraîner ses modèles humanoïdes GR00T. L'ensemble transforme les vidéos de robot et de démonstration humaine en étiquettes d'entraînement : où chaque action commence et se termine, ce qui a été fait et si l'exécution était bonne. Les modèles sont publiés sur Hugging Face, sous licence non commerciale pour la recherche.
Il s'agit de trois modèles, chacun avec un rôle distinct. Flora-TempSeg, avec 9 milliards de paramètres, découpe la vidéo en intervalles d'action et marque le début et la fin de chaque étape. Flora-Captioner, avec 27 milliards de paramètres et post-entraîné à partir de Qwen3.5-27B, écrit une courte instruction pour chaque intervalle, en tenant compte de ce qui s'est passé avant et après. Flora-Rewarder, également avec 27 milliards de paramètres, donne une note de réussite de 1 à 5 pour l'épisode, classe les courtes étapes comme normales, sous-optimales ou ratées et attribue des notes selon des grilles définies par l'utilisateur.
L'échelle revendiquée par NVIDIA est le point le plus frappant de l'annonce. Selon l'entreprise, Flora étiquette déjà jusqu'à 200 000 heures de vidéo par jour sur 512 GPU GB300 et a été le moteur de données utilisé pour entraîner GR00T-2. Ce chiffre est une affirmation du fabricant lui-même, et non une mesure indépendante, et il décrit une capacité d'étiquetage — pas des heures nouvelles d'expérience de robot collectées.
Le coût est la deuxième promesse centrale, et celle qui exige la lecture la plus prudente. Selon l'estimation de NVIDIA, étiqueter une heure de vidéo coûte environ 0,72 dollar avec Flora, contre environ 88,49 dollars avec GPT-6 Astra à effort maximal — une différence d'environ 125 fois. Le calcul suppose une location de GPU à 10 dollars l'heure et couvre l'étape de sous-titrage, pas le modèle de récompense, et n'a pas encore été vérifié en production par des tiers.
Sur la qualité, le tableau est mitigé, selon l'évaluation interne de NVIDIA elle-même sur 50 épisodes. Flora a obtenu 57,1 % contre 53,7 % pour Astra sur la métrique globale d'annotation, avec un avantage sur les vidéos humaines, la détection des frontières d'action et les cas de réussite partielle. Astra est resté devant sur les vidéos de robot, la précision des descriptions et les notes par grille. Sur un test public de frontières d'action, Flora a aussi mené sur la localisation temporelle, mais est resté derrière Astra et Gemini 3.8 Flash sur la précision globale des descriptions. Le matériau lui-même reconnaît des limites : Flora divise parfois les actions longues en trop d'étapes et peut décrire une action de façon erronée.
Pour les chercheurs, la limite pratique est la licence. Les modèles sont régis par la licence non commerciale OneWay de NVIDIA, destinés à la recherche et au développement, sans prise en charge d'un usage commercial ou de production. La fiche de Flora-Rewarder précise aussi que ses sorties sont des annotations : le modèle ne doit pas contrôler directement un robot ni être le seul moniteur de sécurité d'un système physique.
La valeur de Flora, si les chiffres se confirment en dehors du laboratoire de NVIDIA, réside dans le déblocage du goulot d'étranglement le moins visible de la robotique : filmer des démonstrations ne suffit pas, il faut transformer des heures de vidéo en données d'entraînement utilisables. Des laboratoires plus petits pourraient constituer des ensembles plus vastes sans payer le prix d'un modèle de pointe par heure de vidéo. D'ici là, le test qui compte est celui que NVIDIA n'a pas encore présenté de façon indépendante : exécuter Flora sur ses propres vidéos, mesurer les erreurs de segmentation et de description et comparer le coût réel par heure.
Sources : fiche du modèle Flora-Rewarder sur Hugging Face (https://huggingface.co/nvidia/Flora-Rewarder) ; The Decoder, « Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astra » (https://the-decoder.com/nvidia-open-sources-flora-to-make-robot-video-labeling-125x-cheaper-than-gpt-6-astra/) ; Tesla News Wire, « Nvidia Flora: open-source robot video labeling for GR00T » (https://teslanewswire.com/articles/nvidia-flora-open-source-robot-video-labeling-models-gr00t-200000-hours-oct-2026).
Crédit image : graphique des capacités de Flora, image de NVIDIA reproduite par The Decoder.
Transparence : cet article a été élaboré avec l'aide de l'intelligence artificielle, à partir du recoupement de sources publiques sur internet et de publications publiques sur X. Les affirmations de NVIDIA sur le coût et les performances attendent encore une réplication indépendante. Il est recommandé de consulter les sources originales pour confirmer les détails avant toute décision technique.
Muse
