Reuters, le 27 août 2026 : Nvidia aurait accepté d’acheter Hugging Face pour 12,9 milliards de dollars.
The Information est citée, ainsi qu’une personne au fait du dossier. TechCrunch reprend la même source, tout en rappelant que Business Insider parlait de pourparlers, pas d’un accord signé. Des pourparlers, ça peut encore rater. Ni Nvidia ni Hugging Face n’ont annoncé de transaction. Au registre public, les propriétaires n’ont pas changé.
On croit tout de suite comprendre.
Nvidia tient déjà le matériel sur lequel on entraîne et on fait tourner l’intelligence artificielle d’aujourd’hui. Elle mettrait la main sur l’un des lieux où l’on trouve, publie, compare et met en service les modèles.
Un rachat de plus. De la consolidation.
Si l’information tient, c’en est bien une.
Elle dit pourtant autre chose.
Dans l’IA, on a pris l’habitude de coller deux mots l’un sur l’autre : ouvert, et souverain.
Ils ne se recouvrent pas.
L’écart commence à peser.
Hugging Face n’a jamais été un bien sans maître
On serait tenté d’y voir le jour où le commun des modèles ouverts se serait trouvé un propriétaire.
Ce serait se tromper d’histoire.
Hugging Face a toujours été une entreprise. Des serveurs avec un maître. Des salariés sous contrat. Une infrastructure qui se paie. Des investisseurs avec des parts. Les choix sur la plateforme reviennent à une organisation : actionnaires, direction, budgets, intérêts.
Le vrai tour de force n’a jamais été de faire disparaître la propriété.
C’est qu’une plateforme d’hébergement, tenue par une société, est devenue assez utile, assez ouverte et assez digne de confiance pour qu’une grande part du monde de l’apprentissage automatique s’y comporte comme autour d’un bien commun.
On y dépose des modèles. On y cherche d’abord. Les entreprises y publient. Les jeux de données s’y empilent. La documentation y pointe. Les bibliothèques s’y branchent. Les tutoriels font comme si le lieu allait de soi. Des chaînes de travail entières commencent par un identifiant hébergé sur le Hub.
En août 2026, la note d’été de Hugging Face indiquait que les modèles publics du Hub étaient passés de 2,43 millions en janvier à 2,96 millions.
Les conditions d’utilisation nomment ce Hub une plateforme d’hébergement de Hugging Face, Inc., société du Delaware. Les bibliothèques open source, elles, vivent sur GitHub. Ce n’est pas la même chose. La même documentation permet de récupérer un dépôt entier à une révision donnée, figée sur un hash de commit complet.
Un bien commun n’a pas besoin d’être orphelin.
Dès que l’infrastructure dessous se concentre, sa gouvernance concerne pourtant tous ceux qui s’appuient dessus.
Le rachat rapporté par Nvidia ne crée pas cette question.
Il la met sous les yeux.
Le modèle n’est qu’une couche
Une organisation dit : nous faisons de l’IA ouverte.
Souvent, cela veut dire qu’elle a téléchargé un modèle à poids ouverts sur Hugging Face. Le modèle tourne dans son propre centre de données. Les consignes ne sortent pas du bâtiment. Les données clients n’entrent dans aucune API externe. Elle possède les serveurs et tient le réseau.
Ce n’est pas rien.
Face à l’envoi d’informations sensibles vers un service d’IA extérieur, le contrôle gagne vraiment.
Il reste à regarder ce qui tient le modèle.
On l’a peut-être trouvé sur Hugging Face. Poids, tokenizer, configuration, fiche et code associé peuvent encore y résider. Le logiciel qui le charge vient souvent du même écosystème. Le moteur d’inférence peut porter une optimisation liée au matériel. Le système peut dépendre des pilotes Nvidia. Ces pilotes parlent à CUDA. Le serveur peut contenir des accélérateurs Nvidia. Les gens qui font tourner l’ensemble ont pu construire leur métier autour de cette pile-là.
La documentation CUDA de Nvidia s’intitule « Build, tune, and deploy accelerated applications with CUDA. » NVIDIA AI Enterprise est une suite commerciale, avec support : microservices, cadres, bibliothèques, orchestration de GPU. Un modèle ouvert peut très bien reposer sur une pile Nvidia payante.
Rien n’est vicieux dans cette architecture.
Le GPU peut être le plus rapide. CUDA peut avoir l’écosystème le plus dense. Le branchement Hugging Face peut épargner des mois. Le moteur d’inférence peut faire chuter le coût. Chaque pièce a pu être choisie avec raison.
Le système, lui, peut tout de même se concentrer.
La souveraineté se perd une optimisation à la fois le disait déjà : les optimisations locales s’empilent jusqu’à ce que l’ensemble ait moins d’issues crédibles que ne le laissait croire chaque choix, pris à part.
La dépendance ne naît pas d’un contrat spectaculaire.
Elle se monte.
Un choix raisonnable après l’autre.
Accessible n’est pas ouvert
Il manque des mots plus nets.
Une capacité d’IA peut être à portée de main sans être ouverte.
Une API commerciale peut offrir à des millions de personnes un modèle d’une puissance extraordinaire. Cela ne leur donne ni le modèle, ni la compréhension de sa fabrication, ni le droit de le faire tourner hors de ce service.
L’IA accessible répond à une seule question :
Puis-je l’utiliser ?
La question a du prix.
Elle ne dit presque rien de la souveraineté.
Et elle n’entraîne pas l’étape d’après.
Ouvert n’est pas possédé
On peut aussi appeler un système ouvert alors qu’il reste hors de la maison qui s’en sert.
Le code source peut être publié. Les poids, disponibles. Une licence peut autoriser la modification et la redistribution.
Open source et poids ouverts ne sont pas synonymes. Une licence sur un logiciel n’est pas une licence sur des paramètres. Ni l’une ni l’autre n’est une plateforme d’hébergement.
L’ouverture décrit des propriétés juridiques et techniques d’un artefact.
Elle ne dit pas que l’organisation a sa copie, qu’elle a gardé les dépendances, ni qu’elle sait entretenir l’ensemble.
Pouvoir posséder n’est pas posséder.
Posséder n’est pas faire tourner
Télécharger le modèle, c’est déjà autre chose.
Les outils de Hugging Face récupèrent un dépôt complet à une révision donnée, si l’on passe le hash de commit en entier, et laissent ces fichiers chez soi.
Une fois les artefacts nécessaires sous contrôle, le tableau change. Si le dépôt public s’éteint, les octets n’ont pas à s’éteindre avec lui. Une copie licitement conservée peut rester disponible, sous sa licence.
Voilà l’une des différences de fond entre une technique qu’on peut emporter et une capacité qui n’existe que derrière une API.
Cela ne suffit toujours pas.
Des poids qui dorment sur un disque ne font pas un service d’IA.
Le modèle a besoin de logiciel. Le logiciel, de dépendances. Les dépendances, d’un matériel compatible. Le matériel, de pilotes et de micrologiciel. Le système, de gens qui savent quoi faire quand ça casse.
Pour certaines formes de souveraineté, posséder est nécessaire.
La souveraineté, ce n’est pas un grenier de fichiers.
C’est la capacité, entretenue, de s’en servir.
Héberger chez soi n’est pas être souverain
On prend trop souvent l’hébergement local pour de la souveraineté.
Il ne faudrait pas.
Héberger chez soi répond à une question nette : où ça tourne ?
La souveraineté en pose une plus large : sous les décisions de qui le système peut-il continuer ?
Les deux se recoupent.
Elles ne se confondent pas.
Accessible, ouvert, possédé, en service : chaque palier ajoute une capacité. Aucun n’entraîne le suivant. Aucun n’est la souveraineté.
Une organisation suisse peut faire tourner un modèle sur un serveur à Bâle et dépendre encore d’une chaîne dont les pièces critiques se décident à l’étranger. Un État peut exiger que les données restent sur le territoire et exploiter un logiciel qu’on ne peut pas vraiment remplacer. Une entreprise peut posséder les machines et rester liée à une architecture d’accélérateur propriétaire.
L’hébergement local n’est pas vain. Données, juridiction, maîtrise de l’exploitation : tout cela compte.
Mettre chez soi la dépendance d’un autre ne la fait pourtant pas disparaître.
Le lieu est une dimension de la souveraineté.
Ce n’est pas la souveraineté.
Le paradoxe de Nvidia
L’affaire Nvidia–Hugging Face n’est donc pas un simple avertissement contre la puissance des entreprises.
Nvidia peut avoir de solides raisons de laisser vivre un écosystème d’IA ouverte.
Les plus grands fournisseurs d’IA fermée ont de plus en plus intérêt à concevoir leurs propres accélérateurs, à négocier d’autres arrangements de calcul, à moins dépendre de Nvidia.
Les modèles ouverts dessinent un autre marché. Des milliers d’organisations peuvent télécharger un modèle et le faire tourner elles-mêmes — et elles ont besoin de matériel.
TechCrunch a proposé la même lecture stratégique : un écosystème de modèles ouverts qui tient la route offre aux clients des alternatives aux laboratoires fermés, tout en gardant davantage de charges d’IA accrochées au matériel d’accélération. C’est une analyse, pas la justification énoncée par Nvidia. Plus tôt en août, Hugging Face elle-même notait qu’AMD et Nvidia figuraient parmi les éditeurs les plus prolifiques de nouveaux modèles ouverts, et soulignait le lien commercial entre modèles ouverts et demande de puces.
Le paradoxe est net.
L’IA ouverte peut se fortifier pendant que la souveraineté de l’IA s’affaiblit.
Il n’y a pas de contradiction.
Davantage de modèles se téléchargent. Davantage de logiciels paraissent. L’inférence coûte moins. Déployer sur place devient plus simple. Et, en même temps, davantage de ces gestes se rassemblent autour d’un seul écosystème matériel et logiciel.
L’ouverture et la concentration peuvent monter ensemble.
La question qui compte n’est donc pas de savoir si Nvidia est bonne ou mauvaise pour l’open source.
C’est celle-ci : quelle part du système reste remplaçable si, à chaque couche, Nvidia devient le choix raisonnable ?
L’attraction des chemins tout tracés
La concentration n’a presque jamais besoin de la contrainte.
Les chemins tout tracés suffisent.
On va là où tout le monde cherche un modèle. Le déploiement le plus commode est déjà optimisé pour un accélérateur. La documentation montre un environnement d’exécution. Le classement s’appuie sur un jeu de bibliothèques. Le point d’accès hébergé le plus simple repose sur le même écosystème. Le support d’entreprise est là. Les collègues le connaissent. Le projet d’avant s’en est servi. Les achats l’ont déjà validé. Le système suivant s’y met donc aussi.
Personne n’a besoin d’interdire AMD. AMD est déjà sur le Hub : elle documente ROCm et publie des modèles. Le Hub n’est pas, aujourd’hui, une porte réservée à Nvidia.
Le risque n’exige pas qu’on écarte AMD ni qu’on étouffe des moteurs concurrents. La propriété peut compter simplement parce que les réglages par défaut, les branchements, la documentation, l’optimisation et l’investissement façonnent, peu à peu, le chemin le plus facile.
L’autre voie devient seulement un peu moins commode. Puis un peu moins fréquentée. Puis moins bien comprise. Puis moins souvent mise à l’épreuve. À la fin, l’alternative existe encore sur le papier. Plus dans les faits.
La souveraineté technologique disparaît souvent ainsi.
Pas par interdiction.
Par gravité.
La plateforme la plus forte attire les branchements. Les branchements attirent les développeurs. Les développeurs produisent du savoir. Le savoir réduit le risque. Un risque plus bas attire les clients. Les clients justifient davantage d’optimisation. L’optimisation renforce la plateforme.
Un bon choix technique devient, à force, un allant de soi de l’écosystème.
Et les allants de soi sont parmi les dépendances les plus dures à voir.
Le registre est une infrastructure
GitHub est utile.
Une organisation qui a mûri ne conçoit pas la production comme si un dépôt GitHub public devait être en ligne à la seconde où le service démarre.
Même traitement pour les registres de conteneurs et les dépôts de paquets. On fige les artefacts critiques, on les met de côté, on les recopie. La production se construit à partir d’entrées connues, pas du dernier état d’Internet.
Les modèles devraient entrer dans la même discipline.
Un hub public de modèles est un formidable canal de distribution.
Il n’a pas à devenir une pièce de l’architecture d’exécution.
Le geste souverain est simple. On découvre dehors. On évalue exprès. On importe en le disant. On vérifie chez soi. On exploite ensuite sans dépendre du hub public.
Un modèle choisi sur Hugging Face devrait franchir une frontière d’organisation. Derrière cette frontière, on sait exactement ce qu’on a fait entrer : poids, configuration, tokenizer, code requis, licence, fiche, révision, hashes, évaluations, notes de sécurité, exigences d’exécution et de matériel. On doit pouvoir reproduire le déploiement sans demander au registre public quelle version circule ce matin-là.
Les outils de Hugging Face permettent déjà un téléchargement à une révision précise. La technique pour tracer cette frontière existe.
Ce qui manque n’est souvent pas l’outil.
C’est l’architecture.
Une chaîne d’approvisionnement pour les modèles
La chaîne des modèles devrait commencer à ressembler aux autres chaînes logicielles qui ont mûri.
D’où vient ce modèle ? Quelle révision exacte ? Sous quelle licence ? Que se passe-t-il si le dépôt d’amont disparaît ?
Questions ordinaires de chaîne. L’industrie du logiciel les pose déjà pour les bibliothèques et les conteneurs. Les systèmes d’IA méritent la même exigence.
L’Europe devrait peser le mot souverain
L’Europe a des raisons de s’intéresser à une IA souveraine.
Le mot circule dans les programmes politiques, les stratégies cloud, les projets de centres de données, les discussions d’achat, la politique industrielle.
Le danger, c’est de réduire l’IA souveraine à la carte.
Un modèle qui tourne en Suisse n’est pas, par magie, une IA souveraine suisse. Un centre de données européen peut encore dépendre de modèles, de piles d’accélérateurs, de logiciels, de dépôts et de savoirs d’exploitation gouvernés surtout hors d’Europe.
Ce peut rester la bonne architecture pour le droit, la vie privée ou l’exploitation.
Il faudrait alors nommer ce qu’on a vraiment obtenu : résidence des données, maîtrise juridictionnelle, indépendance vis-à-vis d’un SaaS, inférence sur place. Ce sont des acquis réels.
Les appeler souveraineté technologique complète rend les dépendances restantes plus difficiles à voir.
La souveraineté n’exige pas que l’Europe refasse chaque transistor, compilateur, cadre, modèle, nuage et bibliothèque dans ses frontières.
Ce serait échanger un vrai problème d’ingénierie contre un rêve d’autosuffisance. La souveraineté n’est pas l’autosuffisance a déjà refusé ce rêve.
L’objectif qui compte n’est pas l’isolement. C’est une interdépendance qu’on peut encore gouverner — la distinction déjà exigée dans La souveraineté numérique n’est pas le nationalisme.
Des fournisseurs étrangers sont compatibles avec la souveraineté.
Les fournisseurs qu’on ne peut plus remplacer : c’est là que le problème commence.
L’épreuve de la substitution
On tient alors une définition plus utile.
Une architecture d’IA souveraine ne se juge pas seulement à l’ouverture. Ni seulement au lieu. Ni à la possession du serveur.
On demande plutôt à quel point chaque couche critique reste remplaçable.
Le modèle ? Le registre ? Le moteur d’inférence ? L’accélérateur ? Le nuage ? L’orchestration ? Le fournisseur d’identité ? Peut-on rétablir le système sans l’intégrateur d’origine ? Une autre équipe comprend-elle comment ça marche ? Combien de temps prendrait la substitution ? Quelle capacité se perdrait en chemin ? Combien d’alternatives ont vraiment été exercées ?
C’est la même discipline que Le test de sortie, appliquée à l’intelligence artificielle.
Une alternative sur le papier ne suffit pas. Un README qui nomme un autre backend non plus. Ni une couche d’abstraction que personne n’a jamais fait travailler. Ni un document d’achat qui promet la portabilité.
La substituabilité doit tenir au contact de l’exploitation.
La compétence, dépendance la plus dure
Une dernière couche est trop souvent oubliée.
Les gens.
On peut recopier chaque modèle, conserver chaque conteneur, tenir plusieurs backends d’accélérateur, posséder chaque serveur — et rater encore l’épreuve, parce qu’un seul cabinet externe sait comment le système marche vraiment. Ou parce que l’équipe interne ne connaît que les outils d’un fournisseur. Ou parce que personne n’a reconstruit l’environnement depuis zéro depuis trois ans. Ou parce qu’on a gardé les artefacts, pas le savoir.
La souveraineté technologique est donc, en partie, une mémoire d’institution. Elle habite la documentation, les cahiers d’exploitation, les exercices, les opérateurs, la compréhension d’architecture, le savoir des achats, la capacité de sécurité, et le cran de choisir autrement.
Un système n’est pas souverain si la maison qui l’exploite a perdu la compétence de le changer.
La dépendance n’est plus forcément dans le centre de données.
Elle est dans les gens.
Et si Hugging Face n’était plus là demain ?
Voilà l’exercice qui sert.
Pas parce que Hugging Face va disparaître. Pas parce qu’il faudrait supposer Nvidia hostile. On retire l’intention de la question.
Demain, pour n’importe quelle raison, huggingface.co n’est plus joignable.
La production s’arrête-t-elle ?
Si non, tant mieux.
Peut-on déployer une instance neuve de chaque modèle critique ? Reconstruire l’environnement d’exécution ? A-t-on la configuration et le tokenizer ? Peut-on montrer la licence sous laquelle le modèle a été obtenu ? Reproduire la révision exacte ? L’équipe sait-elle le faire tourner ?
Maintenant, on retire Nvidia.
Là encore, pas parce que Nvidia doit disparaître. L’approvisionnement peut casser. Une règle d’achat peut changer. L’organisation peut simplement décider de bouger.
Quelle part de l’architecture reste ? Quels logiciels doivent changer ? Quels modèles deviennent impraticables ? Quelles hypothèses d’optimisation sont enfouies dans le système ? Combien de temps jusqu’à une exploitation normale ?
Cette réponse en dit plus sur la souveraineté en IA que l’adresse du centre de données.
L’ouvert compte encore
Rien de cela n’est un plaidoyer contre l’IA ouverte.
C’est le contraire.
Logiciels ouverts et poids téléchargeables ouvrent des possibles que les services fermés ne peuvent pas offrir. Inspecter, conserver, exploiter soi-même, héberger ailleurs, forker. Une communauté peut continuer même si l’organisation d’origine change de cap.
Ces propriétés ont du poids.
Elles font partie du sol sur lequel bâtir la souveraineté.
Ce sont des ingrédients.
Pas l’architecture achevée.
L’avantage décisif de la technique ouverte n’est pas de rendre la souveraineté automatique.
Elle la rend possible.
Que les organisations s’en servent est une autre affaire.
Conclusion
Le rachat rapporté de Hugging Face par Nvidia intéresse par ce qu’il pourrait changer.
Il compte davantage par ce qu’il montre.
Pendant des années, l’écosystème a pris les modèles ouverts pour preuve que le pouvoir technologique se décentralisait.
Dans un sens, c’est vrai. Un modèle qui exigeait l’accès à une poignée de laboratoires se télécharge et se fait tourner, aujourd’hui, par des milliers d’organisations. C’est une vraie redistribution de capacité.
Distribuer des artefacts ne distribue pas, par magie, le contrôle.
Le matériel peut se concentrer. Les environnements d’exécution aussi. La découverte des modèles. La distribution. Le savoir d’exploitation. Le système qui en résulte peut contenir des millions de fichiers librement téléchargeables et dépendre tout de même de très peu d’institutions.
Cela ne rend pas le système fermé.
Cela rend impossible d’ignorer l’écart entre ouverture et souveraineté.
Ouvert, cela veut dire qu’on peut l’inspecter. Cela peut vouloir dire qu’on peut le modifier, le copier, le faire tourner soi-même.
La souveraineté demande ce qui vient ensuite.
Peut-on le conserver ? Le faire tourner ? Le réparer ? Remplacer l’infrastructure dessous ? Choisir un autre fournisseur ? Continuer quand un propriétaire change de stratégie ? Partir ?
C’est le critère plus dur.
Et il mène à un principe simple pour la prochaine génération d’infrastructure d’IA.
On ne mesure pas la souveraineté à l’endroit où le modèle tourne.
On la mesure au nombre de propriétaires qui peuvent disparaître avant que la capacité disparaisse avec eux.
L’ouvert a du prix.
L’ouvert est nécessaire.
Mais ouvert n’est pas souverain.
Sources
La transaction rapportée
- Reuters, Nvidia agrees to buy Hugging Face for $12.9 billion, The Information reports, 26–27 août 2026. https://www.reuters.com/technology/nvidia-talks-acquire-hugging-face-13-billion-deal-business-insider-reports-2026-08-27/
- The Information, Nvidia Agrees to Buy Open Source Model Repository Hugging Face For $12.9 Billion (payant ; cité par Reuters comme une personne au fait du dossier). https://www.theinformation.com/articles/nvidia-agrees-buy-open-source-model-repository-hugging-face-12-9-billion
- Connie Loizos, TechCrunch, Nvidia closes in on Hugging Face acquisition, 26–27 août 2026. Même affirmation de The Information ; rappelle que Business Insider a décrit des pourparlers, pas un accord signé, qui pouvaient encore rater. Lecture stratégique d’une transaction rapportée : les modèles ouverts comme alternatives aux laboratoires fermés, en maintenant davantage de charges d’IA dépendantes du matériel d’accélération. Analyse, pas une déclaration de Nvidia. https://techcrunch.com/2026/08/26/nvidia-closes-in-on-hugging-face-acquisition/
- Au soir du 27 août 2026 à Zurich, la salle de presse de Nvidia publiait d’autres éléments, dont du matériel AWS GPU et destiné à la communauté financière. Elle n’a pas publié d’annonce d’acquisition de Hugging Face. Le blog de Hugging Face n’a publié aucun billet d’acquisition. Ni l’une ni l’autre société n’avait publié de confirmation, de démenti, ni de note de gouvernance. Au registre public, les propriétaires n’avaient pas changé.
Hugging Face, entreprise et hub
- Hugging Face, Terms of Service, en vigueur le 15 septembre 2022 : Hugging Face, Inc., une société du Delaware ; le Hub est une plateforme d’hébergement ; les bibliothèques forment un ensemble distinct sur GitHub ; l’entreprise peut céder le contrat. https://huggingface.co/terms-of-service
- Documentation du Hugging Face Hub, Download files from the Hub :
snapshot_download()télécharge un dépôt entier à une révision donnée ; un hash de commit doit être le hash en longueur complète. https://huggingface.co/docs/huggingface_hub/en/guides/download - Hugging Face, State of Open Models — Summer 2026, 14 août 2026 : modèles publics de 2,43 millions en janvier à 2,96 millions ; AMD et Nvidia parmi les éditeurs les plus prolifiques de nouveaux modèles ouverts ; lien commercial entre modèles ouverts et demande de puces. https://huggingface.co/blog/state-of-open-models-summer-2026
- TechCrunch, Kyle Wiggers, Hugging Face raises $235M, 24 août 2023 (Nvidia et AMD comme participants de la Series D ; pas une source pour la transaction de 2026). https://techcrunch.com/2023/08/24/hugging-face-raises-235m-from-investors-including-salesforce-and-nvidia/
Nvidia dans ses propres mots
- NVIDIA, CUDA Toolkit Documentation. https://docs.nvidia.com/cuda/
- NVIDIA, NVIDIA AI Enterprise. https://www.nvidia.com/en-us/data-center/products/ai-enterprise/
Volumes liés
- La souveraineté numérique n’est pas le nationalisme
- La souveraineté n’est pas l’autosuffisance
- La souveraineté se perd une optimisation à la fois
- Le test de sortie
Ce volume discute d’une transaction rapportée qu’aucune des deux sociétés n’avait confirmée au moment de la rédaction. Ce n’est pas l’affirmation que l’affaire est close. Ce n’est pas un conseil juridique.