Data / IA
En rachetant Hugging Face, Nvidia veut placer son péage au milieu de l’IA ouverte
Par Laurent Delattre, publié le 31 août 2026
Le probable rachat de Hugging Face par Nvidia pour 12,9 milliards de dollars signifie bien plus qu’une nouvelle extension de l’empire de Jensen Huang. Nvidia cherche à remonter jusqu’au point où entreprises et développeurs choisissent leurs modèles, leurs données et bientôt leurs infrastructures d’inférence. Pour les DSI qui tentent justement de mettre de l’ordre dans une IA agentique pus que difficile à dompter et à gouverner, le changement de propriétaire de ce carrefour « neutre » de l’IA ouverte n’a rien d’anecdotique.
Hugging Face… En dix ans, la startup new-yorkaise, créée par trois français, s’est imposée comme le carrefour mondial de l’IA open-source, la plaque tournante incontournable où se forge, collabore et s’exécute l’autonomie agentique de demain.
On pourrait bien sûr voir dans l’acquisition d’Hugging Face par Nvidia une simple opération de plus dans la vaste consolidation de l’IA. Mais ce serait probablement passer à côté du sujet.
Dévoilée par The Information, relayée par Reuters, l’opération n’a pas encore été officiellement annoncée par les deux entreprises, certaines sources précisant même qu’aucun accord définitif n’a été signé. Mais Nvidia aurait accepté de payer 12,9 milliards de dollars pour s’emparer du terrain de jeu universel de l’écosystème IA. C’est une belle somme pour une entreprise qui génère quelque 150 millions de dollars de revenus annualisés.
Il faut bien comprendre que si l’opération se finalise, Nvidia ne s’offre pas seulement une startup très en vue. Le géant de l’IA et de Wall Street (rappelons que la firme de Jensen Huang est la seule entreprise à dépasser les 5.000 milliards de dollars de capitalisation) achète un emplacement.
Et dans l’économie de l’IA, cet emplacement est exceptionnel.
Contrôler le catalogue pour influencer le moteur
Hugging Face approche les trois millions de modèles publics et le million de datasets. Plus de 50 000 organisations utilisent la plateforme. Surtout, son rôle change. Le Hub n’est plus uniquement ce grand bazar sympathique où chercheurs et développeurs déposent des poids de modèles (qui lui a valu le surnom de GitHub de l’IA).
On y découvre désormais un modèle, on compare ses variantes, on télécharge ses poids, on récupère ses datasets, on teste une démo, on le fine-tune, puis on peut appeler directement différents fournisseurs d’inférence derrière une API commune. Pour les entreprises s’ajoutent gestion des identités, RBAC, audit, contrôle des tokens, régions de stockage et facturation centralisée.
Dit autrement, Hugging Face dérive doucement du repository vers le control plane de l’IA ouverte.
Et c’est bien ça qui intéresse Nvidia au plus haut point !
Depuis quinze ans, sa technologie CUDA forme un véritable fossé défensif qui freine la concurrence. Mais ce fossé est désormais attaqué de toutes parts. AMD a beaucoup amélioré ROCm au point d’offrir désormais une plateforme à même de concurrencer « Nvidia Enterprise AI » et d’animer des packages « AI on-premise » clés-en-main de fournisseurs.
Parallèlement, les hyperscalers s’affranchissent de plus en plus de Nvidia pour leurs services à grande échelle : Google dispose de ses TPU, AWS pousse Trainium à toutes les sauces, Microsoft exploite ses puces Maia sur tous ses grands services. Les hyperscalers ont compris qu’abandonner à Nvidia la totalité de leur économie du calcul IA devenait un luxe intenable à long terme.
Même les grands laboratoires, OpenAI compris (avec sa puce Jalapeno), veulent leurs propres accélérateurs ou cherchent de nouveaux leviers de pression sur Nvidia en adoptant des technologies concurrentes comme celle de Celebras ou Rebellions.
Réputée pour être quelque peu paranoïaque, Nvidia multiplie les partenariats et les acquisitions pour renforcer ses positions, surfer sur toutes nouvelles tendances, et répondre à la concurrence en remontant la pile technologique de l’IA pour mieux la maîtriser de bout en bout.
GPU, réseaux, systèmes DGX, CUDA, TensorRT-LLM, NIM, NeMo, modèles Nemotron, outils agentiques… puis désormais, potentiellement, le lieu où l’on vient chercher les modèles eux-mêmes.
Il y a longtemps que Nvidia ne s’inscrit plus dans une stratégie de composants. Elle impose une vraie stratégie de plateforme, du hardware jusqu’aux applications.
L’open source comme assurance-vie du GPU ?
Une phrase extraite du dernier rapport financier de Nvidia résume à elle seule presque toute l’opération. Le constructeur y reconnaît explicitement que « la progression des foundation models open source stimule la demande mondiale » pour ses produits. L’éditeur va même jusqu’à citer les chinois DeepSeek, Qwen et Kimi plutôt en quête d’autonomie pour s’affranchir des verrous américains.
Un monde dominé par quatre ou cinq gigantesques API propriétaires est dangereux pour Nvidia. Ces acteurs ont la taille nécessaire pour développer leur silicium et négocier férocement chaque génération de GPU.
Un monde peuplé de dizaines de milliers de modèles, de centaines de fournisseurs et de millions d’instances d’inférence est beaucoup plus confortable. Cette fragmentation recrée en permanence de nouveaux acheteurs de calcul généraliste. D’autant qu’elle s’aligne avec la quête de contrôle des données et des modèles de bien des entreprises de secteurs critiques et la quête d’autonomie numérique de l’Europe.
Dit autrement, le modèle ouvert est devenu une machine à vendre du GPU.
Hugging Face l’observe d’ailleurs directement. Son étude publiée cet été montre que Nvidia et AMD comptent parmi les organisations américaines publiant le plus de variantes de modèles ouverts. Selon la startup, les fabricants de matériel ont bien compris qu’un modèle optimisé pour leur architecture constitue l’une des meilleures démonstrations commerciales possibles.
Nvidia pousse donc Nemotron, Cosmos, GR00T et ses autres familles ouvertes. Il vient parallèlement de renforcer massivement ses capacités de développement de modèles. Alors, forcément, s’emparer de leur principal canal de distribution complète assez naturellement le dispositif mis en place par Jensen Huang.
Et voilà l’IA agentique
Un autre chiffre de Hugging Face doit aussi interpeler les DSI : en 2026, les agents sont devenus pour la première fois les principaux utilisateurs du Hub d’Hugging Face !
Jusqu’ici, choisir un modèle était essentiellement une décision humaine. Une équipe Data ou IA évaluait Llama, Mistral, Qwen ou Nemotron, téléchargeait une version, conduisait quelques benchmarks puis tentait d’industrialiser.
Avec les agents, cette mécanique a déjà changé, alors même que l’IA agentique n’en est qu’à ses balbutiements. Les systèmes commencent à sélectionner dynamiquement modèles et outils en fonction de la tâche, du prix, de la latence ou du contexte. Un modèle en appelle un autre. Un routeur arbitre. Un agent de développement télécharge une dépendance. Un workflow peut même aujourd’hui changer de modèle sans que l’utilisateur final en sache quoi que ce soit.
Bien sûr, au passage, la chaîne de dépendances explose. Ce qui complexifie un peu plus encore le principal défi IA des entreprises : la gouvernance d’agents autonomes.
Et voici que l’un des principaux points de passage de cette chaîne pourrait bientôt appartenir au principal fournisseur mondial d’accélérateurs IA.
Pour les DSI, la question ne consiste donc plus simplement à savoir si Hugging Face restera « ouvert ». Elle prend une tournure plus opérationnelle : où se situe désormais la frontière entre commodité et dépendance ? La réponse est très loin d’être évidente…
Le verrouillage de l’IA n’est pas le verrouillage de papa…
Ce rapprochement illustre, en effet, à quel point les classiques débats sur le vendor lock-in deviennent dépassés, insuffisants.
Personne n’obligera une entreprise à utiliser Nemotron parce qu’elle télécharge ses modèles depuis Hugging Face. Nvidia n’a même probablement aucun intérêt à rendre la plateforme brutalement hostile à AMD ou aux autres architectures. Hugging Face perdrait aussitôt ce qui fait sa valeur.
Mieux vaut viser un verrouillage beaucoup plus subtil, voire sournois. Un modèle mieux benchmarké sur Nvidia. Une conversion disponible plus rapidement. Une image optimisée TensorRT prête à l’emploi. Un déploiement NIM proposé en un clic. Une documentation plus complète. Un chemin d’inférence naturellement orienté vers une infrastructure GPU Nvidia. Une friction retirée ici, deux clics économisés là. À l’échelle de millions de développeurs, l’architecture finit par suivre le chemin de moindre résistance.
Microsoft maîtrise depuis longtemps cette mécanique. AWS aussi. Nvidia pourrait désormais l’appliquer à la chaîne industrielle de l’IA ouverte.
Pour les DSI, l’heure du registre interne a sonné
Ce rapprochement devrait, théoriquement, avoir une conséquence assez immédiate dans les architectures d’entreprise : il devient difficile de considérer un hub public de modèles comme une simple dépendance technique neutre. Et Nvidia compte aussi là-dessus.
Décryptons en traçant un parallèle avec les dépôts de packages logiciels. Aujourd’hui aucun RSSI sérieux ne souhaite qu’un serveur de production télécharge au hasard sa dernière dépendance directement depuis Internet. Les packages sont sélectionnés, scannés, approuvés, copiés puis conservés dans des registres internes.
Les modèles devraient suivre exactement le même chemin.
Version exacte des poids, licence, provenance, datasets associés, composants logiciels, tests de sécurité, benchmarks internes, contexte d’autorisation, matériel certifié, coût d’inférence : tout cela doit progressivement rejoindre une sorte de Model Bill of Materials gouvernée par l’entreprise.
Et l’IA agentique rend cette discipline encore plus urgente. Un agent ne devrait jamais décider seul qu’un modèle découvert quelques minutes auparavant sur un hub public peut rejoindre une chaîne métier critique.
L’incident de juillet – cf. notre article « Quand les IA franchissent leurs propres barrières : l’affaire Hugging Face » – donne d’ailleurs au sujet une ironie assez mordante. Hugging Face a lui-même été compromis par des agents IA autonomes ayant exploité plusieurs failles d’infrastructure. Une façon comme une autre de rappeler que depuis cet été, le problème n’est plus théorique ( cf. On pensait l’IA sous contrôle… les dérapages incontrôlables de l’été 2026 ont montré que non ! ).
Un risque stratégique pour Nvidia lui-même
Reste que Nvidia avance ici sur une ligne de crête. La partition de l’équilibriste neutre sera difficile à jouer. La valeur de Hugging Face vient précisément du fait que Meta, Google, Microsoft, AMD, Intel, Alibaba, DeepSeek ou Z.ai peuvent y côtoyer Nvidia sans avoir le sentiment d’entrer chez Nvidia.
Cette neutralité explique aussi pourquoi Hugging Face avait refusé fin 2025 une proposition d’investissement de 500 millions de dollars de Nvidia qui l’aurait valorisé 7 milliards : ses dirigeants redoutaient alors qu’un investisseur dominant puisse influencer la société. Quelques mois plus tard, la valorisation proposée a presque doublé. Les principes moraux ont parfois un prix.
Si l’opération se réalise, les concurrents pourraient accélérer des alternatives, multiplier les miroirs ou pousser leurs propres hubs. La Chine dispose déjà notamment de ModelScope. Les entreprises elles-mêmes pourraient renforcer leurs registres privés.
Et les autorités de concurrence examineront probablement avec attention la prise de contrôle par le leader des accélérateurs IA de la principale plateforme mondiale de distribution des modèles ouverts.
Car le paradoxe est là.
Nvidia doit acheter Hugging Face parce qu’il est neutre. Mais dès qu’il l’aura acheté, il le sera mécaniquement un peu moins. Microsoft a affronté un peu le même paradoxe en faisant l’acquisition de GitHub, ça lui a plutôt réussi au final.
Pour les DSI, c’est probablement la vraie leçon de l’opération : dans l’IA agentique, la souveraineté ne se limite plus à pouvoir changer de modèle ou de cloud. Elle consiste à conserver la maîtrise des couches qui permettent de découvrir, valider, distribuer et exécuter ces modèles.
Après le multicloud, voici venu le temps du multimodèle. Aux DSI de s’assurer, dès maintenant, que la découverte, la validation et l’exécution de leurs modèles ne dépendent pas d’un seul et même fournisseur… fût-il le plus puissant du monde.
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
