Le 3 septembre 2026, Nvidia a annoncé un accord pour racheter Hugging Face, valorisée 12,93 milliards de dollars. Le document déposé auprès de la SEC détaille le montant : environ 11,9 milliards pour les actionnaires et jusqu'à 1 milliard de rétention pour les salariés. L'opération n'est pas conclue. Sa clôture est attendue au premier semestre 2027, sous réserve des autorisations réglementaires. Pour un développeur qui livre des produits avec de l'IA, elle confirme une chose : un modèle doit rester une dépendance remplaçable, parce que le verrouillage se joue désormais dans le logiciel, les modèles ouverts et les outils que les équipes adoptent au quotidien.
Nvidia remonte vers le logiciel
Nvidia domine depuis des années le marché des accélérateurs utilisés pour entraîner et exécuter les modèles. Ses GPU sont devenus une infrastructure de base pour les laboratoires, les grandes plateformes et les fournisseurs de cloud. Cette position crée aussi une dépendance : une part importante de la croissance repose sur les investissements de quelques clients majeurs, dont plusieurs conçoivent désormais leurs propres accélérateurs pour réduire leurs coûts. Racheter Hugging Face, c'est répondre à cette évolution en remontant d'un cran, vers les modèles, les outils de développement, le déploiement et les services qui transforment une infrastructure coûteuse en produit utilisable. Après ce qui fait tourner l'IA, Nvidia veut vendre ce qui permet de construire avec elle.
Hugging Face, le GitHub de l'IA
Fondée en 2016 par Clément Delangue, Julien Chaumond et Thomas Wolf, Hugging Face est devenue le point de passage de l'écosystème open source de l'IA. Le fonctionnement rappelle celui de GitHub : on y découvre, on y publie et on y récupère des modèles, des datasets et des démos, avant de les intégrer dans ses propres applications. La plateforme héberge des modèles de langage, de vision et d'audio, ainsi que les bibliothèques qui servent à les exploiter, transformers en tête, présente dans une grande partie des projets d'IA écrits en Python. Elle propose aussi des services aux entreprises qui déploient leurs propres modèles. Sa valeur tient à sa position : c'est l'endroit où les développeurs choisissent la technologie qu'ils vont utiliser.
Ce que Nvidia achète : une audience
D'après les chiffres communiqués lors de l'annonce, plus de 18 millions de développeurs, chercheurs et créateurs utilisent Hugging Face, et plus de 200 000 entreprises s'appuient sur la plateforme. Cette audience pèse plus lourd que le chiffre d'affaires de la plateforme, parce qu'une décision d'architecture se prend dans un notebook, un README ou une ligne de commande, au moment où un développeur essaie un modèle et le trouve assez bon pour son cas. Celui qui tient la découverte tient les valeurs par défaut, et les valeurs par défaut finissent en production.
Modèles ouverts et défense de l'écosystème CUDA
Les modèles open source et open-weight permettent de télécharger, d'adapter et de déployer un modèle chez soi plutôt que de dépendre entièrement d'une API propriétaire. L'approche offre davantage de contrôle sur les données, les coûts et l'hébergement, ce que cherchent précisément les entreprises qui veulent intégrer l'IA dans leurs propres systèmes. Le besoin de calcul, lui, augmente : plus de modèles adaptés et déployés, c'est plus d'entraînement, plus de fine-tuning et plus d'inférence. Nvidia a donc tout intérêt à ce que le mouvement continue, tant qu'il passe par CUDA, son principal avantage depuis bientôt vingt ans.
La chaîne de valeur s'allonge
On résumait jusqu'ici le marché en trois maillons : des puces, des modèles, des applications. L'opération en dessine une plus longue : puces, infrastructure, modèles, outils, applications, clients finaux. Elle rappelle surtout où se trouve la valeur économique. Disposer d'un bon modèle ne suffit pas : il faut pouvoir le faire tourner à un coût acceptable, le brancher sur ses données, gérer ses utilisateurs, ses accès, sa disponibilité et ses régressions. Ce travail-là est du logiciel classique, et c'est exactement le maillon sur lequel Hugging Face s'est installée.
Le verrouillage passe par le logiciel
Un fournisseur de matériel se remplace : c'est une décision d'achat, douloureuse mais finie. Un écosystème logiciel, beaucoup moins. Quand des modèles, des bibliothèques, des formats et des workflows sont entrés dans les processus d'une équipe, en sortir devient un chantier de réécriture. C'est tout l'intérêt de l'opération pour Nvidia, qui rapproche encore les développeurs de ses outils et de ses infrastructures. C'en est aussi la limite : si la communauté a le sentiment que des outils présentés comme ouverts penchent progressivement vers un seul fournisseur, une partie ira voir ailleurs. Les poids d'un modèle restent des fichiers, et un dépôt se réplique.
La promesse d'ouverture
C'est le point qui décidera de la valeur réelle du rachat. Dans le document déposé à la SEC, Nvidia s'engage à garder la plateforme ouverte, dans la continuité des pratiques actuelles de Hugging Face : dépôt et téléchargement de modèles toujours possibles, prise en charge des autres fabricants de puces maintenue. Jensen Huang a ajouté que le matériel Nvidia ne serait pas requis pour construire ou déployer sur la plateforme. Cette promesse conditionne la valeur de l'actif : Hugging Face a bâti sa position sur la confiance d'une communauté qui y publie gratuitement son travail, bien plus que sur une technologie difficile à copier. Si la neutralité tient, Nvidia hérite d'un écosystème plus large sans avoir eu besoin de le fermer à ses concurrents. Si elle ne tient pas, l'écosystème se reconstruira ailleurs, et il aura coûté 12,93 milliards de dollars.
Ce que ça change quand on livre du produit
Sur les projets que je livre, la conséquence est immédiate : un modèle doit être traité comme une dépendance remplaçable, jamais comme une fondation. Concrètement, cela veut dire une seule interface côté back-end, un service qui expose générer, résumer, classer, avec des adaptateurs derrière, un par fournisseur. Les prompts, les schémas de sortie et les jeux d'évaluation sont versionnés avec le code, au même titre que des tests. Le coût d'inférence se mesure par fonctionnalité, pas globalement, sinon personne ne sait quelle idée a fait exploser la facture du mois. À ce prix-là, passer d'une API propriétaire à un modèle ouvert auto-hébergé, ou l'inverse, se limite à un changement d'implémentation.
Pour une startup, la valeur est dans l'intégration
Pour une équipe qui construit un SaaS, un ERP ou un outil métier, la valeur vient de la manière dont le modèle entre dans le produit. Une interface pensée pour un métier précis, une intégration avec les outils déjà en place, des données propres et structurées, des workflows automatisés, une infrastructure maîtrisée : rien de tout cela ne se télécharge. C'est ce que je constate sur les produits que j'accompagne, applications mobiles et ERP compris : l'IA y est un composant, presque jamais le produit. Il n'est pas nécessaire d'entraîner son propre modèle pour construire une entreprise technologique solide.
Ce qui reste à surveiller
La clôture de l'opération est attendue au premier semestre 2027, une fois obtenues les autorisations réglementaires. D'ici là, l'engagement d'ouverture reste une promesse, à juger sur les deux points cités dans le document déposé à la SEC : la liberté de publier et de télécharger des modèles, et la prise en charge des puces concurrentes. Pour les équipes qui construisent avec ces outils, la question à trancher dès maintenant est celle de l'infrastructure sur laquelle elles acceptent de s'appuyer pendant les cinq prochaines années.