Hugging Face : entreprise, offres, open source et positionnement

Hugging Face est l'entreprise qui opère le principal point de rencontre de l'IA ouverte : une plateforme où les laboratoires publient leurs modèles, où les chercheurs partagent leurs jeux de données et où les développeurs testent, adaptent et déploient ces ressources. Cette fiche traite l'entreprise et son modèle économique ; le fonctionnement technique du Hub et des bibliothèques est détaillé dans la fiche Hugging Face du lexique.

La société est fondée en 2016 à New York par trois entrepreneurs français : Clément Delangue (directeur général), Julien Chaumond et Thomas Wolf. Son premier produit est une application de chatbot destinée aux adolescents. Le tournant a lieu en 2018 : l'équipe publie en open source une implémentation PyTorch du modèle BERT de Google, qui devient la bibliothèque transformers. Face à son succès, l'entreprise se réoriente vers l'outillage pour développeurs, puis ouvre son Hub aux modèles, aux datasets et aux applications de démonstration. Elle rachète Gradio en 2021, puis la start-up française de robotique Pollen Robotics en 2025, et étend son activité à la robotique ouverte avec la bibliothèque LeRobot et le robot Reachy Mini.

Son siège est à New York, mais une grande partie de ses équipes travaille depuis Paris. En septembre 2026, NVIDIA a annoncé un accord pour acquérir Hugging Face. La finalisation est attendue en 2027, sous réserve des autorisations réglementaires. Selon l'annonce, Hugging Face doit conserver sa marque et rester une plateforme ouverte, multicloud et utilisable sans matériel NVIDIA.

À retenir : Hugging Face n'est pas d'abord un fabricant de modèles comme OpenAI ou Mistral AI. C'est la plateforme qui distribue les modèles ouverts de tout l'écosystème.

Le Hub fonctionne comme un GitHub dédié à l'IA : chaque ressource est un dépôt Git versionné, public ou privé, avec une page de présentation. D'après les chiffres communiqués en 2026, il compte plus de trois millions de modèles, environ un demi-million de datasets et un million d'applications.

La plupart des modèles de fondation à poids ouverts y sont publiés directement par leurs éditeurs : Meta, Google, Mistral AI, Alibaba, DeepSeek, NVIDIA ou OpenAI pour ses modèles gpt-oss. Les propres modèles de Hugging Face sont volontairement compacts : la famille SmolLM, lancée en 2024, se rattache aux SLM et vise l'exécution sur du matériel modeste. À l'inverse, les modèles propriétaires d'Anthropic ou les modèles phares d'OpenAI ne sont pas distribués sur le Hub : on y accède par l'API de leur éditeur.

Côté code, l'entreprise maintient des bibliothèques Python devenues des standards : transformers pour charger et entraîner des modèles, datasets pour les données, diffusers pour la génération d'images, PEFT et TRL pour le fine-tuning de LLM. Leur fonctionnement, avec exemples de code, est présenté dans la fiche du lexique.

L'ouverture est au cœur du positionnement de Hugging Face, mais elle se décline différemment selon les couches de son offre.

• Les bibliothèques sont open source, pour la plupart sous licence Apache 2.0, et développées publiquement avec de nombreux contributeurs externes.
• Les contenus du Hub appartiennent à ceux qui les publient. Chaque modèle et chaque dataset a sa propre licence : Apache 2.0 ou MIT pour certains, licences communautaires ou restrictives pour d'autres. Être sur Hugging Face ne rend pas un modèle open source.
• La plateforme elle-même est un service commercial : son code n'est pas entièrement ouvert, et les offres Team, Enterprise ou Inference Endpoints sont payantes.
• La science ouverte est une constante de l'entreprise. En 2021, elle coordonne BigScience, un atelier de recherche réunissant un millier de chercheurs, qui publie en 2022 le modèle multilingue BLOOM (176 milliards de paramètres) sous une licence d'usage responsable. Elle co-pilote aussi le projet BigCode, à l'origine des modèles de code StarCoder, et publie des datasets d'entraînement documentés comme FineWeb.

Cette stratégie fait de Hugging Face un acteur neutre vis-à-vis des laboratoires : sa valeur dépend de la diversité des modèles publiés, pas de la domination de l'un d'eux.

Les partenariats avec les clouds

Hugging Face ne possède pas d'infrastructure de calcul à grande échelle et s'appuie sur des partenariats. Amazon Web Services est un partenaire de longue date, avec une collaboration élargie en 2023. En janvier 2024, Google Cloud a annoncé un partenariat stratégique permettant d'entraîner et de servir les modèles du Hub sur Vertex AI et GKE. Les modèles du Hub sont aussi déployables sur Microsoft Azure. Ces accords permettent de passer d'un modèle repéré sur le Hub à un déploiement dans le cloud déjà utilisé par l'entreprise.

Amazon Bedrock et Google Vertex AI sont les comparaisons les plus fréquentes : ils proposent eux aussi un catalogue de modèles et de l'inférence managée, mais dans un cloud donné.

Lequel choisir ? Hugging Face s'impose pour explorer, comparer et adapter des modèles ouverts, ou pour garder la liberté de changer de cloud. Bedrock ou Vertex AI conviennent mieux lorsqu'une application vit déjà dans AWS ou Google Cloud et qu'elle a besoin d'un accès managé à des modèles, y compris propriétaires, avec la sécurité et la facturation de ce cloud. Les deux approches se combinent souvent : un modèle repéré sur le Hub peut être déployé sur l'un ou l'autre cloud. Pour exécuter un modèle sur un poste, Ollama reste l'option la plus légère.