NVIDIA et Hugging Face ont lancé Cosmos 3 Edge, une nouvelle famille de modèles de langage multimodaux (MLLM) conçus pour l’analyse de documents sur les appareils périphériques.
Ces modèles, disponibles en versions de 3,5 milliards, 5,5 milliards et 7,5 milliards de paramètres, sont optimisés pour le traitement local. Ils intègrent la compréhension du texte, des images et de la mise en page, ce qui les rend aptes à interpréter des documents complexes comme les factures ou les formulaires. Développés avec le framework NeMo de NVIDIA, ils sont mis à disposition en open source sur Hugging Face.
L’approche « edge » permet un traitement des données directement sur l’appareil, améliorant la confidentialité et réduisant la latence. Cela ouvre la voie à des applications critiques dans des secteurs comme la finance ou la santé, où la sécurité des informations est primordiale. Cosmos 3 Edge excelle dans l’extraction d’informations structurées et la réponse aux questions à partir de documents.
Cette initiative marque une étape vers une intelligence artificielle plus décentralisée et autonome pour la gestion documentaire. La capacité de ces modèles à être affinés pour des besoins spécifiques et à fonctionner hors ligne offre de nouvelles perspectives pour l’automatisation des processus métier. L’intégration de ces capacités sur des plateformes comme NVIDIA Jetson pourrait transformer la manière dont les entreprises gèrent leurs flux de travail documentaires.
Source : HuggingFace Blog