Comme Nvidia Corp. a annoncé ce matin avoir a accepté d'acquérir Hugging Face Inc. pour 12,93 milliards de dollars — l'une des acquisitions les plus importantes de l'histoire de l'entreprise — le PDG Jensen Huang a promis que la plateforme conserverait sa marque, son leadership et, selon les deux sociétés, sa neutralité.
« Hugging Face restera une plate-forme ouverte pour l'ensemble de l'écosystème de l'IA », a déclaré Huang. « Le calcul Nvidia ne sera pas nécessaire pour s'appuyer sur ou se déployer via Hugging Face. »
C'est la nouvelle. La question la plus intéressante est de savoir ce que cela signifie, et je vois quatre éléments qui méritent l'attention des leaders technologiques :
La couche de distribution de l’IA vient d’avoir un propriétaire aux poches profondes
Visage câlin est devenue la porte d’entrée de facto pour ouvrir l’IA. La plateforme héberge plus de 3 millions de modèles, 500 000 ensembles de données et 1 million d'applications, utilisés par plus de 18 millions de développeurs et de chercheurs et plus de 200 000 entreprises. Pour la plupart des entreprises, le chemin pratique vers un modèle ouvert – évaluer, affiner, quantifier, déployer – passe par ce hub.
Pourtant, l’entreprise qui l’exploitait était petite, selon les normes de l’IA. Hugging Face était évalué à 4,5 milliards de dollars lors de son dernier cycle divulgué en 2023 et on estime qu'il a atteint environ 150 millions de dollars de revenus annualisés cette année. Gérer le registre mondial des modèles sur cette base de revenus est un problème structurel. Le stockage, la bande passante, l'analyse de sécurité, le suivi de la provenance, les harnais d'évaluation et les points de terminaison d'inférence sont tous coûteux, et la croissance du modèle ouvert ne ralentit pas.
Lors de la conférence de presse, le co-fondateur et PDG de Hugging Face, Clément Delangue, a déclaré que l'objectif était de passer de 18 millions de constructeurs à 100 millions « dans les prochaines années » et que les ressources de Nvidia permettaient à l'entreprise de « réfléchir aux 10 prochaines années et de vraiment optimiser pour un impact maximum ». Justin Boitano, vice-président de l'IA d'entreprise chez Nvidia, a décrit l'accord comme aidant Hugging Face à « réaliser des choses que nous ne pensons pas qu'aucun de nous n'aurait pu réaliser seul ».
La réalité est que la couche de distribution critique de l’IA ouverte était sous-financée par rapport à son importance, mais ce n’est plus le cas. Les domaines d'investissement déclarés par Nvidia, notamment la fiabilité, la sécurité, l'évaluation des modèles, l'inférence et le déploiement, correspondent presque exactement aux frictions citées par les entreprises lors du passage d'un modèle ouvert d'un ordinateur portable à la production.
Pourquoi cela accélère l'adoption de l'IA en entreprise
Le goulot d’étranglement de l’IA d’entreprise n’est plus lié à la qualité des modèles depuis quelque temps. Les modèles à poids ouvert se rapprochent désormais de la qualité des modèles propriétaires pionniers à un coût bien inférieur. Cette semaine, j'ai assisté Le marais de JFrog et le Équinix Horizon événements, et dans les deux cas, le sujet des modèles à poids ouvert a été abordé, et il est juste de dire que les entreprises les ont adoptés comme une alternative viable et moins coûteuse.
Aujourd'hui, le goulot d'étranglement concerne tout ce qui concerne le modèle : lequel choisir, comment prouver qu'il est sûr, comment le valider par rapport à vos données, comment le servir économiquement et comment défendre ce choix auprès d'un comité des risques.
Ce sont tous des problèmes de plate-forme, pas des problèmes de modèle. De meilleurs outils d’évaluation raccourcissent les cycles de sélection de plusieurs mois à quelques semaines. Une véritable sécurité de la chaîne d'approvisionnement sur le hub, y compris la signature, la provenance et la numérisation, élimine une objection qui a bloqué d'innombrables projets de modèle ouvert dans les secteurs réglementés. Les chemins d'inférence clé en main comblent l'écart entre « Nous l'avons testé » et « Il sert les clients ».
Si Nvidia finance cette couche à grande échelle, l’effet sur l’adoption est significatif et largement indépendant du silicium qui se trouve en dessous. L'argument de Boitano lors de l'appel était que les modèles ouverts permettent à « chaque entreprise de construire sa propre intelligence spécifique à un domaine » et de s'approprier l'avantage concurrentiel de son activité. Cette thèse ne fonctionne que si les outils autour des modèles sont de niveau entreprise. Aujourd’hui, ce n’est généralement pas le cas.
La thèse ouverte obtient un soutien institutionnel
La position de Nvidia n’est pas opportuniste. En juillet, Huang a utilisé son tout premier message X pour partager une lettre ouverte sur les pondérations ouvertes et le leadership américain en matière d'IA, co-signée par plus de 20 organisations. Nvidia est également le plus grand contributeur de modèles et de données ouverts à Hugging Face, avec plus de 500 modèles et 250 ensembles de données ouverts publiés sur la plateforme.
Delangue a présenté un argument solide en faveur de l'acquisition, et c'est un argument que les directeurs de l'information devraient internaliser : la puissance de l'IA se concentre dans des interfaces de programmation d'applications propriétaires, et un hub modèle ouvert est « structurellement, par définition, une plate-forme de déconcentration ». Il a dit que ce raisonnement faisait partie de la réflexion de Hugging Face cet été.
Il existe une tension évidente dans le fait qu’une entreprise de 5 400 milliards de dollars se positionne comme le champion de la déconcentration. Mais les incitations de Nvidia diffèrent véritablement de celles d’un laboratoire modèle. Il n’a pas besoin d’un seul modèle pour gagner ; elle a besoin de nombreux modèles formés, peaufinés et servis partout. Un écosystème florissant de milliers de modèles spécialisés génère plus de demande de calcul globale qu'une poignée d'API fermées dominantes, et protège Nvidia contre les méta-plateformes, OpenAI et Microsoft construisant leurs propres accélérateurs.
Nvidia le gardera-t-il réellement ouvert ?
C’est une question légitime, et elle a été posée lors de l’appel. Certains analystes et développeurs craignent que Nvidia néglige progressivement le matériel rival jusqu'à ce que ses puces deviennent le seul choix pratique. Boitano a expliqué que les poids des modèles ne sont que des nombres exécutés sur des environnements d'exécution d'inférence ouverts tels que vLLM et SGLang, qui ciblent déjà tous les accélérateurs disponibles.
Les commentaires de Delangue étaient plus concrets, car presque tout ce que fait Hugging Face est open source : « Tout le monde peut utiliser notre open source s'il n'en est pas satisfait. » Ce risque fork est le véritable mécanisme de gouvernance, et il est plus fort que n’importe quelle promesse. Nvidia a payé près de 13 milliards de dollars pour la confiance et la portée, qui s'évaporent dès que la plateforme s'incline. Vous n’obtiendrez pas non plus de 18 millions à 100 millions de constructeurs en réduisant le support matériel.
Néanmoins, il est important de surveiller les actions futures de Nvidia plutôt que de simplement accepter les points de discussion. L'optimisation non-Nvidia reste-t-elle de première classe sur les modèles de cartes ? Les fournisseurs d’accélérateurs concurrents maintiennent-ils un pied d’égalité en matière de documentation et d’intégrations ? L'équipe Hugging Face conserve-t-elle des droits de décision indépendants sur la politique du hub ? Ceux-ci sont mesurables et méritent d’être surveillés au cours des 12 prochains mois.
Plus qu'une entreprise de silicium
Nvidia gagne en influence sur le marché tout en augmentant ses bénéfices. Nous avons déjà vu cela. Mellanox a fait de Nvidia une société de mise en réseau en 2019. Run:ai en a fait une société d'orchestration. CUDA, NeMo, NIM et AI Enterprise en ont fait une société de logiciels. L'accord de plus de 900 millions de dollars de l'année dernière pour l'équipe et la technologie d'Enfabrica a élargi l'histoire des systèmes. Hugging Face en fait une plateforme de développement et une société de distribution.
Le fossé de Nvidia n’a jamais vraiment été le silicium ; ce sont les couches accumulées au-dessus. Posséder l'endroit où 18 millions de développeurs découvrent et choisissent des modèles est la position la plus en amont de la pile d'IA, avant le cloud, le framework et la puce.
Pour les acheteurs d’entreprise, la solution pratique est de traiter les modèles ouverts comme une option de premier ordre dans l’architecture d’IA, et non comme une alternative économique. Le manque d’outillage qui a rendu leur adoption plus difficile est sur le point de retenir 13 milliards de dollars d’attention. Gardez simplement une véritable voie de sortie multi-accélérateurs dans votre conception, car la meilleure assurance contre l'inclinaison d'une plate-forme est de ne jamais en avoir besoin.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
