Nvidia avale Hugging Face : mettez vos modèles à l'abri avant 2027

Nvidia a signé le rachat de Hugging Face pour 12,9 milliards de dollars, annoncé le 3 septembre. Le dépôt central de l'IA open source — celui d'où votre stack tire probablement ses poids, ses tokenizers et ses datasets — appartient désormais au vendeur de GPU en position dominante. Si votre entreprise fait tourner le moindre modèle open weights, ce deal vous concerne directement, et vous avez jusqu'à la clôture mi-2027 pour organiser votre indépendance à froid plutôt qu'à chaud.

Nvidia rachète Hugging Face : les chiffres de l'accord

Les termes sont publics : environ 11,9 milliards de dollars versés aux actionnaires, plus un programme de rétention en actions d'environ 1 milliard pour les salariés qui rejoignent Nvidia, soit 12,9 milliards au total. Le détail figure dans le 8-K déposé à la SEC le 2 septembre. La clôture est attendue au premier semestre 2027, sous réserve du feu vert des régulateurs. Détail savoureux rapporté par CNBC : c'est Clément Delangue qui a approché Jensen Huang quelques semaines avant l'annonce, pas l'inverse.

Ce que Nvidia achète : 18 millions de développeurs, plus de 3 millions de modèles hébergés, plus de 200 000 entreprises utilisatrices. Autrement dit, la couche de distribution de toute l'IA open source mondiale — y compris les poids de Mistral, ironie qui ne devrait échapper à personne côté français, Hugging Face ayant été cofondée par trois Français avant de grandir à New York.

Le blog officiel Nvidia promet une plateforme qui « restera ouverte à tout l'écosystème », où les développeurs « choisiront leurs modèles, leurs frameworks, leurs clouds et leurs plateformes de calcul », sans obligation d'utiliser du matériel Nvidia.

Prenez cette promesse pour ce qu'elle est : une déclaration d'intention au moment de l'annonce, pas une clause dans vos contrats.

GitHub, Docker Hub, Arm : trois précédents à méditer

Je ne prédis pas la fermeture du Hub. Je constate ce que les rachats de plateformes « neutres » ont produit ces huit dernières années.

GitHub, racheté 7,5 milliards par Microsoft en 2018 : la plateforme est restée ouverte, les promesses ont été tenues en façade — et le corpus de code public a nourri Copilot, produit commercial maison. La monétisation ne passe pas toujours par le péage ; parfois elle passe par vos données. Docker Hub, novembre 2020 : limites de pull imposées du jour au lendemain (100 pulls par 6 heures pour les anonymes), des milliers de pipelines CI cassés un mardi matin. Personne n'avait de clause contre ça. Et Nvidia lui-même a un historique : le rachat d'Arm à 40 milliards, abandonné en février 2022 sous la pression conjointe de la FTC, de Bruxelles et de la CMA britannique. L'appétit d'infrastructure est ancien ; l'issue réglementaire, elle, n'est jamais garantie.

Ajoutez le contexte : Hugging Face sort d'un été compliqué, avec l'intrusion d'agents OpenAI dans ses systèmes en juillet — un épisode qu'on avait décortiqué dans notre article sur les modèles qui se sont évadés de leur sandbox. Une plateforme sous pression financière et sécuritaire qui va se vendre : le timing du rachat n'a rien d'un hasard.

Qu'est-ce qui dépend de Hugging Face dans votre stack ?

Chez nous, j'ai fait l'exercice le soir de l'annonce, et le résultat m'a piqué. Notre image Docker de prod retéléchargeait 8 Go de poids depuis le Hub à chaque build — je le savais « en théorie », je ne l'avais jamais chiffré. Le jour où le Hub a ralenti sous la charge des curieux, notre pipeline est passé de 9 à 41 minutes. Aucune panne, juste une dépendance invisible devenue très visible.

L'audit en 15 minutes

Cherchez dans votre code et vos Dockerfiles : les appels from_pretrained(), les URL huggingface.co, les variables HF_HOME et HF_TOKEN, les pip install de transformers, datasets, tokenizers. Listez aussi les usages moins évidents : Spaces utilisés comme démos clients, Inference Endpoints en prod, datasets d'éval tirés du Hub dans vos scripts de test. Chaque occurrence est un point de défaillance dont les conditions d'accès peuvent changer entre aujourd'hui et 2027. C'est exactement le réflexe qu'on recommandait dans notre guide sur la dépendance à un fournisseur IA unique — sauf qu'ici la dépendance ne porte pas sur une API, mais sur le canal de distribution des poids eux-mêmes.

Comment monter un miroir de vos modèles Hugging Face

Premier essai, première galère : j'ai voulu faire simple avec un git clone LFS du repo de GLM-5.3. Trois timeouts, 200 Go re-téléchargés deux fois, soirée perdue. Le protocole LFS supporte mal les gros artefacts sur connexion moyenne — j'aurais dû le savoir.

La méthode qui marche : snapshot_download + sync objet

Le lendemain, 20 minutes chrono avec l'outillage officiel :

pip install -U huggingface_hub
hf download meta-llama/Llama-3.3-70B-Instruct \
  --revision 6f6073b --local-dir ./mirror/llama-70b
aws s3 sync ./mirror s3://votre-bucket-poids/ --storage-class STANDARD_IA

Ensuite, testez le mode dégradé : HF_HUB_OFFLINE=1 sur un environnement de staging, et vérifiez que tout démarre depuis votre miroir. Si ça casse, vous venez de trouver une dépendance oubliée — mieux vaut la découvrir maintenant. Pour les modèles géants, le calcul change d'échelle : on avait mesuré ce que pèse l'hébergement des 1,4 To de Kimi K3 — gratuit à télécharger, pas gratuit à garder sous la main.

Combien coûte l'hébergement de vos propres poids en 2026 ?

Moins que votre café du matin, pour les cas courants. Un 70B quantisé en Q4 pèse environ 40 Go : sur S3 standard (0,023 $/Go/mois), comptez à peine plus de 1 $/mois. Sur Cloudflare R2 (0,015 $/Go/mois), 0,60 $/mois. Le 1,4 To de Kimi K3 revient à ~32 $/mois sur S3, ~21 $ sur R2. Côté hébergeurs européens, OVHcloud et Scaleway facturent le stockage objet autour du centime d'euro le gigaoctet — on avait comparé leurs offres dans notre comparatif des API et infrastructures IA souveraines.

Précision utile : si votre usage IA passe entièrement par des API managées — ChatGPT, Claude, Gemini —, ce rachat ne change rien pour vous à court terme. Vos poids, c'est le problème de votre fournisseur. C'est d'ailleurs un argument recevable pour les équipes qui hésitent encore entre self-host et API : la simplicité d'un

Clôture mi-2027 : les scénarios réglementaires et votre plan

Trois issues possibles. Un : le deal passe tel quel — probable mais pas acquis, la couverture de CNN rappelle que Nvidia contrôle déjà l'essentiel du marché des GPU datacenter, et l'ajout de la couche de distribution des modèles va attirer Bruxelles, la FTC et la CMA. Deux : le deal passe avec des engagements comportementaux (neutralité matérielle garantie quelques années — voir GitHub). Trois : le deal capote comme Arm en 2022, et Hugging Face se retrouve fragilisé, valorisé, mais seul.

Le point clé : votre plan d'action est le même dans les trois scénarios. Un miroir de vos poids critiques coûte quelques dollars par mois et une soirée de mise en place. Vous ne pariez pas sur la méchanceté de Nvidia — vous arrêtez de parier tout court. Et si vous opérez des données sensibles, la question de la juridiction s'ajoute au dossier : un Hub sous pavillon Nvidia reste un Hub sous droit américain, avec tout ce qu'on avait détaillé sur le Cloud Act et le choix d'hébergement de votre IA.

Mon verdict, sans détour : ce rachat est plutôt une bonne nouvelle pour la survie financière de Hugging Face, et une mauvaise nouvelle pour l'hypothèse confortable d'un commun numérique neutre et éternel. Les 12,9 milliards achètent un canal de distribution, et un canal de distribution finit toujours par servir la stratégie de son propriétaire. Concerné : toute équipe qui télécharge des poids, même occasionnellement. Pas concerné : ceux qui vivent à 100 % sur API managées. Pour les premiers, le miroir n'est pas un projet, c'est une tâche de cette semaine.