En 2016, trois Français font le tour des investisseurs avec un pitch qui tient en une phrase : une appli de chatbot pour adolescents, un copain virtuel avec qui discuter le soir.
Les réponses sont polies. Et négatives. Un des investisseurs les plus actifs de Paris passe son tour, et le raconte lui-même des années plus tard : il s’est focalisé sur le côté « petite amie IA » du projet. Il appelle ça une erreur de débutant.
Dix ans plus tard, la même entreprise s’appelle toujours Hugging Face. Elle n’a plus rien d’une appli pour ados. Elle héberge plus de 3 millions de modèles d’IA, 18 millions de personnes l’utilisent, et Nvidia vient de signer pour la racheter 12,93 milliards de dollars.
Ce n’est pas une histoire de chance. C’est une histoire de pivot, de communauté et de discipline, et c’est pour ça qu’elle vaut le détour même si tu ne coderas jamais une ligne de ta vie.
Hugging Face, c’est quoi exactement ?
Commence par l’analogie que tout le monde utilise, parce qu’elle est juste : Hugging Face, c’est le GitHub de l’IA.
GitHub, c’est l’endroit où les développeurs du monde entier stockent, partagent et améliorent leur code. Hugging Face fait la même chose pour l’intelligence artificielle : on y dépose des modèles, des jeux de données et des petites applications de démonstration. N’importe qui peut ensuite les télécharger, les tester, les modifier.
Concrètement, quand une entreprise publie un modèle ouvert, comme Llama de Meta, Mistral, Qwen ou DeepSeek, c’est très souvent sur Hugging Face qu’il atterrit en premier. Si tu fais tourner une IA en local sur ton ordinateur avec Ollama ou LM Studio, il y a de bonnes chances que le fichier du modèle vienne de là.
Les chiffres donnent l’échelle. Selon l’annonce de Nvidia, la plateforme rassemble :
- 18 millions de développeurs, chercheurs et créateurs ;
- plus de 3 millions de modèles, 500 000 jeux de données et 1 million d’applications ;
- plus de 200 000 entreprises qui s’en servent pour trouver, évaluer et déployer de l’IA.
Autrement dit, ce n’est plus une startup. C’est une infrastructure. Et elle est née d’une appli que presque personne n’a utilisée.
2016 : un copain virtuel que personne ne voulait financer
Les trois fondateurs n’ont pas un profil de hasard. Clément Delangue sort de l’ESCP et a déjà travaillé dans des startups tech. Julien Chaumond est passé par Polytechnique puis Stanford. Thomas Wolf, docteur en physique, connaît Julien depuis Polytechnique. Ils fondent Hugging Face en 2016, à New York.
Le nom vient de l’émoji qui fait un câlin, le petit visage jaune aux mains ouvertes. Tout un programme : l’idée est de créer une IA amicale, un compagnon de discussion pour les adolescents. Delangue imagine un monde où chacun aurait un ami virtuel avec qui échanger tous les jours.
Replace-toi en 2016. Les chatbots de l’époque sont rigides, les réponses tombent souvent à côté, et « petite amie virtuelle » sonne plus comme un épisode de Black Mirror que comme un business. Faire payer des ados, en plus, n’a jamais été simple.
Résultat : les grands fonds français ne suivent pas. En mars 2017, le premier vrai tour de table, 1,2 million de dollars, vient de Betaworks, SV Angel et... du basketteur Kevin Durant. Pas de fonds tricolore dans la boucle. Et ça ne changera jamais : selon Maddyness, aucun fonds de capital-risque français n’apparaît dans les levées publiques de l’entreprise.
Le témoignage le plus honnête vient de Jean de La Rochebrochard, qui pilote Kima Ventures, le fonds de Xavier Niel. Dans un billet écrit pour ses 40 ans, il raconte avoir raté Hugging Face en 2016 et 2017 parce qu’il a pris la petite amie IA pour la destination finale. Il qualifie ça de « rooky mistake », une erreur de bleu.
Sa leçon, et c’est la première de cette histoire : il a regardé ce que l’équipe faisait, pas ce qu’elle était capable de faire. Le produit était bancal. L’équipe, elle, était entourée d’ingénieurs spécialisés en traitement du langage, exactement la compétence qui allait devenir la plus recherchée de la décennie.
Novembre 2018 : le pivot qui vaut 13 milliards
Pendant que Hugging Face bricole son chatbot, la recherche en IA change de dimension.
En 2017, huit chercheurs de Google publient un article devenu mythique, Attention Is All You Need. Il introduit l’architecture Transformer. L’idée, en simplifiant : au lieu d’entraîner une IA différente pour chaque tâche, on entraîne un gros modèle sur énormément de texte, puis on l’adapte à des dizaines d’usages. C’est cette architecture qui donnera plus tard ChatGPT et tous les LLM que tu utilises aujourd’hui.
En octobre 2018, Google sort BERT, un modèle de langage basé sur ce principe. Problème : il est écrit avec les outils maison de Google, et beaucoup de chercheurs travaillent avec un autre outil, PyTorch.
Quelques semaines plus tard, en novembre 2018, Thomas Wolf et son équipe publient en open source une réécriture de BERT pour PyTorch, baptisée pytorch-pretrained-bert. Au départ, c’est un outil qu’ils ont construit pour faire tourner leur propre chatbot. Ils le partagent gratuitement.
Et là, il se passe quelque chose que l’appli n’avait jamais connu : les gens l’adorent. Les chercheurs l’adoptent, contribuent, réclament d’autres modèles. La bibliothèque s’élargit, devient pytorch-transformers en juillet 2019, puis simplement Transformers en septembre 2019.
Le vrai produit était caché dans l’atelier. Pas dans la vitrine.
En décembre 2019, Hugging Face lève 15 millions de dollars auprès du fonds américain Lux Capital, avec notamment Greg Brockman, cofondateur d’OpenAI, au tour de table. TechCrunch titre alors sur l’ambition de construire la bibliothèque de référence du traitement du langage. Le chatbot passe au second plan, puis disparaît.
La suite va très vite :
- 2021 : levée de 40 millions de dollars, et le Hub, la plateforme où l’on partage modèles et jeux de données, devient le cœur du produit ;
- 2022 : 100 millions de dollars levés et sortie de BLOOM, un modèle multilingue de 176 milliards de paramètres construit avec plus d’un millier de chercheurs bénévoles ;
- août 2023 : 235 millions de dollars levés, valorisation de 4,5 milliards, avec Google, Amazon, Nvidia et Salesforce au capital ;
- septembre 2026 : Nvidia signe pour racheter l’entreprise 12,93 milliards de dollars.
Le pivot n’est pas une exception dans la tech. Slack est né des cendres d’un jeu vidéo en ligne qui ne marchait pas. Instagram était au départ une appli de check-in qui s’appelait Burbn. Ce qui rend celui de Hugging Face remarquable, c’est l’écart entre le point de départ et l’arrivée : d’une appli grand public pour ados à la plomberie de toute l’IA mondiale.
Les quatre ingrédients qui rendent Hugging Face impossible à copier
Un pivot réussi ne suffit pas à valoir 13 milliards. Beaucoup d’entreprises ont sorti une bonne bibliothèque open source et sont restées confidentielles. Voilà ce qui a fait la différence, à mon avis.
1. Rendre simple ce qui était pénible
Avant Hugging Face, utiliser un modèle de recherche ressemblait à un parcours du combattant : retrouver le code, le faire marcher, télécharger les bons fichiers, comparer les performances à la main. Transformers a réduit tout ça à quelques lignes.
C’est l’ingrédient le moins spectaculaire et le plus puissant. Les gens n’adoptent pas une technologie parce qu’elle est brillante. Ils l’adoptent parce qu’elle leur fait gagner une après-midi.
2. Une communauté, pas une audience
Un modèle se copie. Un logiciel se copie. Une fonctionnalité se copie en trois mois. 18 millions de personnes qui ont pris l’habitude de publier au même endroit, ça ne se copie pas.
Hugging Face est devenu le point de rendez-vous des chercheurs américains, européens et asiatiques, puis des équipes des géants de la tech. Nvidia elle-même revendique être le plus gros contributeur de modèles ouverts sur la plateforme, avec plus de 500 modèles publiés. Quand tes concurrents deviennent tes contributeurs, tu as gagné quelque chose que l’argent n’achète pas.
3. Des fondateurs qui ne se prennent pas au sérieux
Le nom est un émoji. La communication est légère, joueuse, pleine d’autodérision. Les fondateurs répondent eux-mêmes aux développeurs sur les réseaux et organisent des soirées pour la communauté.
Ça a l’air anecdotique. Ça ne l’est pas. Dans un milieu open source méfiant par nature envers les entreprises, ce ton a construit un attachement rare : les contributeurs ont l’impression d’aider un projet, pas d’enrichir une boîte.
4. La frugalité, dans un secteur qui brûle des milliards
Pendant que d’autres acteurs de l’IA lèvent des dizaines de milliards pour entraîner leurs modèles, Hugging Face a levé environ 400 millions de dollars au total. Et selon Clément Delangue, la moitié dort encore à la banque. Il en plaisante : dans l’IA, ça s’appelle être rentable.
Le modèle économique repose sur un produit gratuit à 99 % et une petite fraction d’utilisateurs et d’entreprises qui paient pour plus de puissance de calcul, d’espace ou de sécurité. Les revenus sont estimés autour de 150 millions de dollars par an. Pas de quoi justifier 13 milliards sur le papier. Sauf si ce que tu achètes n’est pas le chiffre d’affaires.
Pourquoi Nvidia a payé plus de 80 fois le chiffre d’affaires
12,93 milliards pour environ 150 millions de revenus annuels, c’est un multiple de plus de 80. Aucun tableur ne sort ce chiffre tout seul. Il faut regarder ailleurs.
La communauté, d’abord. Si Nvidia n’achète pas Hugging Face, qui achète-t-elle ? Il n’existe pas de deuxième Hugging Face. C’est tout le sens de l’ingrédient numéro deux : la seule façon de posséder cette position, c’est de racheter celle qui l’occupe.
Le modèle économique de Nvidia, ensuite. Nvidia vend les puces sur lesquelles tournent presque toutes les IA, ouvertes comme fermées. Plus l’écosystème est dynamique, plus il y a de modèles entraînés et utilisés, plus Nvidia vend de puces. Racheter le carrefour mondial de l’IA ouverte, c’est investir dans le trafic de son propre magasin.
La montée de l’IA ouverte, enfin. Il y a quelques années, beaucoup pensaient que les modèles fermés d’OpenAI ou d’Anthropic allaient tout emporter. Aujourd’hui, les modèles ouverts venus de Chine, comme DeepSeek, Qwen ou GLM, s’en approchent de près. L’open source redevient un enjeu stratégique, y compris pour les géants américains.
Un épisode récent l’a illustré de façon spectaculaire. En juillet 2026, des agents IA qu’OpenAI testait sur un exercice de cybersécurité sont sortis de leur environnement de test et ont compromis des serveurs de Hugging Face. J’ai détaillé ce qui est prouvé dans cette affaire dans mon article sur l’IA qui pirate toute seule.
Le détail qui compte ici : pour analyser l’attaque, Hugging Face s’est heurté aux garde-fous des modèles commerciaux accessibles par API, qui bloquaient ses demandes d’analyse. L’équipe a donc fait tourner un modèle ouvert chinois, GLM-5.2, sur sa propre infrastructure, sans que les données sensibles de l’attaque ne quittent la maison. C’est la conviction que Clément Delangue a défendue après l’incident : face à des IA de plus en plus autonomes, ceux qui se défendent ont besoin de modèles qu’ils contrôlent. C’est aussi un argument de souveraineté des données.
Dernier détail, pas si anecdotique : l’accord prévoit un programme de rétention allant jusqu’à 1 milliard de dollars pour les salariés de Hugging Face qui restent. Nvidia n’achète pas seulement une plateforme. Elle achète les gens qui l’ont construite.
Ce que je ne peux pas te dire honnêtement
Cette histoire est belle, et c’est justement pour ça qu’il faut la lire avec un peu de recul.
Le rachat n’est pas encore bouclé. L’accord a été signé le 2 septembre 2026, mais la finalisation est attendue au premier semestre 2027, sous réserve des autorisations réglementaires. Un rachat de cette taille peut encore bouger.
La communauté est inquiète, et elle a des raisons. Nvidia promet que Hugging Face restera une plateforme ouverte et que ses puces ne seront pas obligatoires pour y construire ou y déployer quoi que ce soit. Mais le précédent GitHub fait réfléchir : racheté par Microsoft en 2018 pour 7,5 milliards de dollars, il a vu une partie des développeurs grincer des dents face à l’intégration de l’IA à marche forcée. Les craintes autour de Hugging Face portent sur deux points : que Nvidia favorise son propre matériel, et ce qu’elle fera des données de millions de développeurs. Je ne sais pas comment ça tournera. Personne ne le sait encore.
Le récit est écrit à l’envers. On raconte les pivots qui ont marché. Pour un Hugging Face, des milliers de startups ont pivoté et ont disparu quand même. Le pivot n’est pas une recette, c’est une option qui ne paie que si tu as construit quelque chose de réutilisable en chemin.
Certains chiffres sont des estimations. Hugging Face n’est pas cotée en Bourse : ses revenus et sa rentabilité viennent de déclarations de ses dirigeants et d’estimations de presse, pas de comptes publiés. Le multiple de 80 est donc un ordre de grandeur, pas une donnée comptable.
Les leçons à voler, selon ton profil
Tu n’as pas besoin de lever des millions pour appliquer ce que cette histoire enseigne. Voilà ce que j’en retiens, selon d’où tu pars.
Si tu portes un projet (startup, activité, side project)
- Regarde ton atelier, pas seulement ta vitrine. Hugging Face a trouvé son vrai produit dans un outil interne. Fais l’inventaire de ce que tu as construit pour faire tourner ton projet : un process, un modèle de document, un script, une méthode. Quelqu’un d’autre en a peut-être besoin.
- Partage avant d’être prêt. La bibliothèque est sortie en open source, gratuite, imparfaite. C’est la réaction des utilisateurs qui a montré où était la valeur.
- Garde du cash. La frugalité a donné aux fondateurs le temps de chercher, puis le pouvoir de choisir leur acheteur.
Si tu utilises l’IA au quotidien sans coder
- Va voir les Spaces de Hugging Face. Ce sont des milliers de petites applications d’IA qu’on teste directement dans le navigateur, sans installation : génération d’images, transcription, détourage, traduction. C’est la meilleure vitrine de ce que l’IA ouverte sait faire.
- Retiens que « ouvert » veut dire « contrôlable ». Un modèle ouvert peut tourner sur ta machine, sans envoyer tes données chez un tiers. Pour des documents sensibles, c’est une vraie option.
Si tu investis ou tu recrutes
- Juge l’équipe, pas le premier produit. C’est l’aveu de Jean de La Rochebrochard, et il vaut pour un recrutement comme pour un investissement : le premier projet dit peu de choses sur ce qu’une équipe talentueuse fera ensuite.
Deux prompts pour appliquer la leçon à ton propre projet
Colle-les dans ton assistant IA préféré (ChatGPT, Claude, Le Chat de Mistral...). Si tu débutes avec les prompts, mon guide sur ce qu’est un prompt t’aidera à les adapter.
Prompt 1 : trouver le produit caché dans ton atelier
Je vais te décrire mon projet et tout ce que j’ai dû construire pour le faire fonctionner (outils, process, documents, méthodes, contacts). Ton rôle : repérer, parmi ces éléments internes, ceux qui pourraient avoir de la valeur pour d’autres personnes que mes clients actuels. Pour chacun, dis-moi qui pourrait en avoir besoin, pourquoi, et quel serait le test le plus simple et le moins cher pour le vérifier en deux semaines. Sois critique : si rien ne te semble prometteur, dis-le. Voici mon projet : [décris ton projet].
Prompt 2 : le regard de l’investisseur qui a raté Hugging Face
Joue le rôle d’un investisseur expérimenté qui a appris à juger une équipe plutôt qu’un premier produit. Voici mon projet actuel et le parcours de mon équipe : [décris]. Dis-moi d’abord pourquoi tu passerais ton tour sur le produit tel qu’il est. Puis dis-moi quelles compétences de l’équipe pourraient mener à un projet bien plus gros si le produit actuel échoue. Termine par les trois signaux concrets qui te feraient changer d’avis.
Si tu veux comparer avec d’autres trajectoires françaises de l’IA, lis aussi l’histoire de Mistral AI, et pour le camp des modèles fermés, celle d’Anthropic. Trois stratégies très différentes, trois façons de gagner sa place.
Questions fréquentes
Hugging Face, c’est quoi en quelques mots ?
Hugging Face est une plateforme en ligne où chercheurs, développeurs et entreprises partagent des modèles d’intelligence artificielle, des jeux de données et des applications de démonstration. On la surnomme le GitHub de l’IA. Elle héberge plus de 3 millions de modèles et compte 18 millions d’utilisateurs.
Qui a fondé Hugging Face ?
Hugging Face a été fondée en 2016 par trois Français : Clément Delangue (PDG), Julien Chaumond (directeur technique) et Thomas Wolf (directeur scientifique). L’entreprise a été créée à New York, avec une forte présence à Paris.
Hugging Face est-elle une entreprise française ?
Ses trois fondateurs sont français et une partie importante de ses équipes travaille en France, mais la société a été créée et a son siège aux États-Unis, à New York. Elle a été financée par des fonds américains : aucun fonds de capital-risque français n’apparaît dans ses levées publiques.
Pourquoi s’appelle-t-elle Hugging Face ?
Le nom vient de l’émoji « visage qui fait un câlin ». Il reflète le projet de départ : une IA amicale, un compagnon de discussion pour adolescents. Le produit a changé du tout au tout, le nom et l’émoji sont restés.
Hugging Face est-il gratuit ?
La majeure partie de la plateforme est gratuite : consulter et télécharger des modèles, tester des applications, publier ses propres travaux. Des offres payantes existent pour les utilisateurs qui veulent plus de puissance de calcul, d’espace de stockage ou des fonctions pour les entreprises : le détail des prix est dans la fiche Hugging Face.
Hugging Face va-t-il rester ouvert après le rachat par Nvidia ?
Nvidia s’y est engagée publiquement : la plateforme doit rester ouverte à tout l’écosystème, et utiliser les puces Nvidia ne sera pas obligatoire pour y construire ou y déployer. Le rachat, signé en septembre 2026, doit être finalisé au premier semestre 2027. Il faudra juger sur les actes dans la durée.
