Hugging Face est une entreprise américaine, dont le siège social est situé à New York, avec une importante présence d'ingénierie à Paris, qui construit une infrastructure ouverte pour apprentissage automatique. Elle a débuté en 2016 comme une application de chatbot destinée aux adolescents, mais a pivoté en 2018-2019 vers des outils open source après que sa bibliothèque de traitement du langage naturel, Transformers, a gagné en popularité auprès des chercheurs travaillant avec l'architecture transformeur. L'entreprise est souvent décrite de manière informelle comme « le GitHub de l'apprentissage automatique » car son Hub héberge des centaines de milliers de points de contrôle de modèles de fondation, des ensembles de données et des applications de démonstration interactives appelées Spaces, dont la plupart sont téléchargés par des développeurs et des laboratoires externes plutôt que par Hugging Face elle-même.
L'entreprise a été cofondée par Clement Delangue, Julien Chaumond et Thomas Wolf. Delangue occupe le poste de directeur général depuis la fondation et est devenu un défenseur public éminent des versions poids ouverts comme contrepoids aux laboratoires fermés tels que OpenAI et Anthropic.
Produits et plateforme
Les bibliothèques open source principales de Hugging Face incluent Transformers (une interface unifiée pour charger et exécuter des modèles pré-entraînés sur PyTorch et TensorFlow), Datasets, Tokenizers et Diffusers pour les pipelines de modèles de diffusion. Le Hub superpose un service d'hébergement et de versioning, similaire dans l'esprit à un référentiel de code, ainsi que des fiches de modèles documentant les données d'entraînement, l'utilisation prévue et les limitations. Les offres payantes incluent Inference Endpoints pour déployer des modèles en tant qu'API, AutoTrain pour le réglage fin sans code, et des contrats de support d'entreprise, qui financent la plateforme publique en grande partie gratuite.
Les grands laboratoires, y compris Meta AI, Mistral AI, Stability AI, DeepSeek et les créateurs de Qwen, publient régulièrement des poids sur le Hub, et il est devenu un canal de distribution standard après la fuite de 2023 des poids de Llama qui s'est rapidement propagée via la plateforme. Hugging Face héberge également des classements qui permettent à la communauté de comparer les modèles ouverts sur des suites de références standard.
Financement et modèle économique
Hugging Face a levé des capitaux auprès d'investisseurs, notamment Google, Amazon, Nvidia, Salesforce et Sequoia Capital, atteignant une valorisation rapportée à environ 4,5 milliards de dollars lors d'un cycle de financement en 2023. Son modèle économique repose sur la conversion d'une partie de sa large base d'utilisateurs gratuits, attirés par l'accès ouvert à des modèles tels que les descendants de BERT et les réglages fins communautaires, en clients d'entreprise payants pour le calcul et le support, un schéma courant parmi les entreprises d'infrastructure open source.
Rôle dans l'écosystème de l'IA
Étant donné qu'une grande partie de la recherche ouverte et de nombreux modèles dérivés passent par son Hub, Hugging Face fonctionne comme un organisme de normalisation de facto pour la manière dont les modèles sont empaquetés, documentés et licenciés dans la communauté de l'IA open source. Elle a publié des recherches sur des sujets tels que la transparence des ensembles de données et l'évaluation des modèles, et son format de fiche de modèle a été largement adopté comme une norme pour documenter les données d'entraînement et les limitations connues d'un modèle, un apport important pour les débats dans éthique de l'IA et gouvernance de l'IA sur les exigences de transparence pour les modèles publiés.