Nvidia rachète Hugging Face : le modèle devient une marchandise

Environ un milliard de dollars, sur les 12,93 que Nvidia paiera pour Hugging Face, est destiné à des incitations à retenir les employés après la clôture, et cette proportion en dit déjà long sur ce que vous achetez : près de 8 % du prix va aux gens, dans une entreprise dont le produit principal est un catalogue de fichiers que tout le monde peut télécharger gratuitement.

Le chiffre d’affaires annualisé est d’environ 150 millions, le multiple est près de quatre-vingt-six fois et l’entreprise n’a pas encore réalisé de bénéfice. Aucun de ces chiffres ne peut être expliqué par le compte de résultat. Ils peuvent s’expliquer en regardant le lieu, car Hugging Face est le lieu où dix-huit millions de développeurs et deux cent mille entreprises décident quel modèle se retrouvera à l’intérieur d’un produit, et cette décision, répétée des millions de fois, est le bien le plus précieux de la chaîne de valeur actuelle de l’intelligence artificielle.

Quatre-vingt-six fois les revenus d’une entreprise pas encore rentable

Le compte de résultat de Hugging Face est celui d’une société de logiciels de taille moyenne en croissance rapide. Les revenus récurrents sont passés d’une cinquantaine de millions fin 2024 à plus de cent cinquante millions mi-2026, avec un modèle freemium qui apporte une part d’utilisateurs payants de l’ordre de 3 ou 4 %, un peu plus de deux mille clients payants et l’essentiel du chiffre d’affaires bâti sur des abonnements premium et des services managés pour les entreprises. Delangue déclare que le club est proche du seuil de rentabilité.

Le reste du prix s’explique par l’ampleur de la plateforme. En 2021, l’année avant que ChatGPT ne fasse sensation, le catalogue comptait 13 590 modèles ouverts ; il en compte aujourd’hui près de trois millions, ainsi qu’un demi-million d’ensembles de données et un million d’applications. En dix ans, l’entreprise a levé un peu plus de 400 millions de dollars en capital-risque et revend pour plus de trente fois ce montant.

Cela vaut la peine de rapprocher cette opération d’une autre de la même saison, car ensemble, elles disent quelque chose qui ne peut être vu séparément : Stripe a racheté OpenRouter pour plus de 7 milliards, la place de marché qui achemine les appels API de dizaines de milliers de développeurs. En quelques mois, la couche intermédiaire de l’IA ouverte, celle qui distribue les poids et celle qui achemine les appels, a été tarifée avec des multiples de distribution plutôt que des multiples logiciels.

C’est la confirmation économique d’un fait que ceux qui conçoivent les systèmes ont déjà compris depuis des mois, à savoir que le modèle se comporte comme une marchandise et que la marge s’est déplacée vers ceux qui le mettent entre les mains de quelqu’un.

Pour Nvidia, il s’agit de la plus grande acquisition complète d’une entreprise de son histoire, bien plus que les 6,9 milliards payés pour Mellanox en 2020, et reste la deuxième en valeur absolue après les vingt milliards payés fin 2025 pour les actifs de Groq.

La politique de Nvidia contre le silicium de ses clients

Sur une échelle comme celle de Nvidia, 12 milliards pèsent comme détail d’allocation. Le New York Times aligne les chiffres : 197 milliards d’actifs circulants, près de 60 milliards de bénéfices au dernier trimestre, des revenus plus que doublés sur une base annuelle à 96,22 milliards, une capitalisation supérieure à 5 400 milliards, et une cinquantaine de milliards déjà investis dans des laboratoires qui développent des modèles avancés, un chiffre que la direction financière qualifie de petite fraction du cash-flow attendu. Le journal américain parle du rôle de la Silicon Valley en tant que banque centrale, et pour ceux qui évaluent la solidité d’un fournisseur, la conséquence pratique est que cette plateforme n’aura pas de problèmes de capitaux dans les prochaines années.

La raison industrielle de l’achat est cependant plus simple et plus défensive que ne le suggère la construction financière. Les plus gros clients de Nvidia conçoivent leurs propres processeurs : OpenAI a déposé des réclamations de performances pour sa puce d’inférence contre les systèmes Blackwell auprès de Broadcom fin août, et Anthropic va dans la même direction. Lorsque la demande est concentrée sur quelques laboratoires développant l’alternative en interne, multiplier la formation des développeurs et proposer des modèles ouverts sur du matériel standard devient la meilleure assurance face à la demande future.

Huang le dit de manière très explicite dans la déclaration tirée du Financial Times, expliquant que les pondérations ouvertes permettent aux entreprises, aux universités et aux institutions publiques de s’appuyer sur des capacités avancées «sans former chaque modèle à partir de zéro ni payer les prix des modèles frontières pour chaque tâche», sans former chaque modèle à partir de zéro ni payer des prix frontières pour chaque tâche individuelle. C’est le raisonnement que tout gestionnaire de budget fait depuis des mois, qui est devenu la thèse commerciale du principal fournisseur de matériel informatique de la planète.

Logiciel assemblé au lieu d’être acheté

C’est là que réside la partie qui affecte directement ceux qui construisent les systèmes dans l’entreprise et qui affecte la nature de ce que nous achetons lorsque nous achetons des logiciels.

Le périmètre traditionnel était un produit : une licence, un fournisseur, un contrat de niveau de service, un cycle de mise à jour. Le périmètre actuel est un assemblage, avec des pondérations téléchargées à partir d’un registre public, un niveau d’inférence pouvant s’adapter à trois fournisseurs différents, une orchestration écrite en interne et une batterie d’évaluations pour comprendre si le nouveau modèle prend en charge les cas d’utilisation de l’ancien.

La banalisation des pondérations n’a pas réduit le travail, elle l’a déplacé de la sélection des fournisseurs vers l’ingénierie d’intégration et la mesure continue.

La valeur économique a suivi le même mouvement, ce qui explique pourquoi un fabricant de puces achète un catalogue. Les éléments générateurs de revenus sur Hugging Face sont la découverte de modèles, l’évaluation, les points de terminaison d’inférence gérés, l’hébergement d’entreprise, c’est-à-dire les services autour de l’artefact gratuit.

Dans le bilan d’une entreprise utilisatrice, la même dynamique peut se lire à l’envers : le coût par ligne de token se comprime d’année en année, la ligne d’intégration et de gouvernance se développe, et ceux qui ont construit leur prévision de dépenses uniquement sur la première se retrouveront à expliquer un écart sur la seconde.

Se pose ensuite la question de la transparence, qui dans le discours public est systématiquement confondue avec l’ouverture de la licence. Les poids publics signifient que l’artefact peut être inspecté, téléchargé et modifié. Cela ne signifie pas savoir sur quelles données il a été formé, qui contrôle le calcul sur lequel il sera exécuté, quelles actions un agent en production a entreprises la semaine dernière. La transparence de l’artefact n’est pas la gouvernance de la chaîne d’approvisionnement, et cette distinction a des conséquences contractuelles très concrètes pour ceux qui opèrent dans les secteurs réglementés.

Une scène vaut tout le paragraphe. Hugging Face a subi une cyberattaque cet été menée par des agents qui ont échappé au contrôle humain lors des tests d’OpenAI, et Delangue a déclaré l’avoir résolu en utilisant une version Nvidia d’un modèle ouvert chinois. Des modèles américains hors de contrôle, une plateforme née française et incorporée à New York, un remède chinois recompilé par un fabricant de GPU : c’est la véritable supply chain de ceux qui font des logiciels aujourd’hui, et aucune case d’un questionnaire de conformité ne la décrit.

Neutralité matérielle, où l’avantage n’est jamais déclaré

L’engagement de Nvidia en faveur de la neutralité est formulé avec précision et doit être enregistré pour ce qu’il dit : « Nvidia Computing ne sera pas nécessaire de s’appuyer sur ou de se déployer via Hugging Face », lisons-nous dans l’annonce, Nvidia Computing ne sera pas nécessaire de s’appuyer sur ou de se déployer via la plate-forme, qui continuera à prendre en charge le développement et le déploiement sur différents cloud et accélérateurs. Il s’agit d’une promesse concernant l’exigence et non d’une commodité relative.

La différence entre les deux contient tout le risque opérationnel. Personne n’interdit de servir un modèle sur des accélérateurs concurrents ; l’avantage, observe Futurum, viendrait des chemins d’inférence optimisés pour une architecture unique, du poids relatif des fournisseurs tiers au sein du marché d’inférence de la plateforme, des objectifs de déploiement proposés en premier à ceux qui ont une échéance demain matin.

Le précédent le plus proche est GitHub, racheté par Microsoft en 2018 dans un contexte de préoccupations identiques en matière de neutralité : l’accord a été conclu et huit ans plus tard, un concurrent a lancé des campagnes commerciales sur l’érosion de l’indépendance de la plate-forme et les priorités de produits absorbées par l’intégration de Copilot.

Il existe un deuxième risque, moins discuté et plus ennuyeux à gérer. Lors de la levée de fonds de 2023, Google, Amazon, Intel, AMD, Qualcomm et IBM, soit la quasi-totalité des concurrents directs de l’acheteur, étaient entrés dans Hugging Face. Si seulement quelques-uns d’entre eux commençaient à orienter leurs communautés de développeurs vers des registres alternatifs, une entreprise qui dépend d’un seul point de distribution se retrouverait confrontée à une fragmentation qu’elle n’a pas aujourd’hui.

L’avertissement que Huang donne aux autres PDG, lorsqu’il recommande de ne laisser aucun fournisseur posséder son intelligence artificielle, s’applique également pleinement à la plateforme qu’il vient d’acquérir.

Miroirs de poids, abstraction d’inférence, clauses de réversibilité

La clôture est attendue au premier semestre 2027 et reste soumise aux autorisations antitrust aux États-Unis et en Europe, où l’examen d’une fusion de cette taille est obligatoire. Il reste donc dix-huit mois pendant lesquels rien ne changera sur la plateforme, et c’est le temps utile pour faire quatre choses qui dans les projets que je suis finissent presque toujours en bas de la liste.

• Copie locale des poids actuellement en production, dans un registre sous contrôle direct, avec la version exacte et le résumé. C’est une question d’hygiène de base, quel que soit le propriétaire du hub, et il est surprenant de voir combien d’organisations téléchargent à chaque déploiement à partir d’une adresse publique qu’elles ne gouvernent pas.
• Abstraction de la couche d’inférence derrière une interface interne, de sorte que le remplacement du modèle sous-jacent soit un changement de configuration plutôt qu’un changement de conception. Le test est simple : combien coûterait, en jours-personnes, le transfert de la charge vers un deuxième fournisseur.
• Mesure du coût par tâche sur au moins deux accélérateurs différents, répétée à une cadence fixe. C’est le seul moyen de remarquer si les paramètres par défaut de la plate-forme deviennent progressivement plus pratiques sur une seule architecture, et pour ce faire, vous avez besoin de vos propres chiffres, et non de références publiques.
• Clauses de neutralité et de réversibilité dans les contrats avec les fournisseurs d’inférences, ainsi que le registre de provenance des modèles, avec licence, origine des poids et l’entité qui les sert. Les obligations de transparence de la loi IA applicable à partir du 2 août exigent déjà qu’une grande partie de cela soit documentée, et il vaut mieux ne le construire qu’une seule fois plutôt que de le reconstruire à chaque audit.

La marchandisation des logiciels est une bonne nouvelle pour les acheteurs, car elle abaisse le seuil d’entrée et déplace la concurrence vers la qualité de l’intégration, où une entreprise de taille moyenne peut encore battre une grande. Cela entraîne un changement dans la nature du risque qui mérite d’être abordé de front, car le fournisseur dont nous dépendons a cessé d’être celui qui nous vend un contrat et est devenu celui qui héberge le fichier à partir duquel notre service démarre.

Les organisations qui ont réalisé cet exercice dans le cloud il y a cinq ans, en cartographiant les dépendances et les voies de sortie avant d’en avoir besoin, négocient aujourd’hui dans une meilleure position. Sur les modèles, la fenêtre pour le faire se ferme sereinement en 2027.