Hugging Face
entreprise américaine qui développe une plateforme de machine learning
From Wikipedia, the free encyclopedia
Hugging Face est une entreprise licorne américaine du domaine de l'intelligence artificielle créée en 2016 à New-York[1] et qui développe des outils pour utiliser l'apprentissage automatique. Elle propose notamment une bibliothèque open source de transformeurs conçue pour les applications de traitement automatique des langues et une plate-forme permettant le partage des modèles et des ensembles de données nécessaires à l'apprentissage automatique, permettant notamment l'entraînement de nouveaux modèles, y compris de grands modèles. Hugging Face, en 2023, emploie 80 salariés en France[2]. En 2024, la plate-forme collaborative Hub de l'entreprise stocke 1,3 million de modèles d'intelligence artificielle, 450 000 jeux de données, 680 000 espaces, et traite environ un milliard de requêtes par jour.
| Fondation |
|---|
| Type | |
|---|---|
| Domaine d'activité | |
| Siège | |
| Pays |
| Effectif |
250 employés (), 170 employés (), 160 employés () |
|---|---|
| Fondateurs | |
| Organisme affilié |
Hugging Face SAS (d) |
| Chiffre d'affaires |
15 M$ () |
| Produit |
Hugging Face Hub (d) |
| Site web |
(en) huggingface.co |
| OpenCorporates |
|---|
Histoire
La société a été fondée en 2016 par les entrepreneurs français Clément Delangue, Julien Chaumond et Thomas Wolf[3], initialement pour développer une application de chatbot destinée aux adolescents[4]. Après avoir ouvert le modèle de cette application, l'entreprise développe une plate-forme d'apprentissage automatique. En 2017, Hugging Face déménage aux États-Unis pour espérer lever des fonds[3].
Le , la société annonce mettre à disposition une version entreprise de son Hugging Face Hub public qui prend en charge le déploiement SaaS ou sur site[5].
En , la société présente un partenariat avec Amazon Web Services (AWS) qui rend ses produits disponibles aux clients AWS. La société indique également que la prochaine génération de BLOOM sera exécutée sur Trainium, une puce d'apprentissage automatique créée par Amazon[6],[7].
En 2024, l'entreprise a acheté XetHub pour améliorer ses capacités de stockage et de gestion des données, afin de répondre aux besoins croissants d'intelligence artificielle de plus en plus complexes[8]. XetHub est une start-up américaine, créée en 2021 à Seattle par des anciens de l'équipe de machine learning d'Apple, spécialisée dans la gestion de fichiers de projets d'intelligence artificielle, notamment des fichiers fragmentés et de déduplication (permettant d'importants gains de place et de vitesse), et qui a dopé le logiciel Git pour gérer des référentiels géants de données[8]. Hugging Face pourrait ainsi remplacer Git LFS par une version optimisée de son propre système de stockage et de gestion de versions, intégrant les avancées technologiques de XetHub : la bande passante serait ainsi réduite, de même que le temps de téléchargement et de mise à jour de très gros fichiers (ex. : « dans un scénario où un fichier Parquet de 10 Go nécessite une mise à jour d'une seule ligne, les utilisateurs ne devront plus télécharger l'intégralité du fichier, mais seulement les fragments modifiés »[8].
En , Hugging Face acquiert l'entreprise française Pollen Robotics qui fabrique des robots humanoïdes « open source » et programmables en python[9],[10].
En , l'entreprise fait l'objet d'une intrusion dans son architecture, identifiée comme étant menée par des agents IA autonomes[11]. OpenAI a alors expliqué que deux de ses modèles, dont GPT-5.6 Sol, s'étaient échappés de leur bac à sable et avaient piraté les serveurs de Hugging Face en exploitant des identifiants exposés ainsi que des vulnérabilités zero-day, afin de trouver dans une base de données les réponses au banc d'essai ExploitGym[12]. Hugging Face a tenté de contrer la faille de sécurité en recourant à des modèles de pointe propriétaires américains, mais les dispositifs de sécurité de ces modèles ont rejeté les requêtes de l'entreprise ; Hugging Face a alors utilisé une instance auto-hébergée de GLM-5.2 (un modèle à poids ouverts développé par l'entreprise chinoise Z.ai) pour endiguer l'attaque[13],[14],[15]. Cet incident a été signalé comme le premier cas publiquement documenté de modèles d'IA ayant mené de manière autonome une intrusion en plusieurs étapes contre un tiers[16],[17] et a été qualifié de « premier véritable incident de sécurité lié à l'IA »[18].
Financement
En , Hugging Face lève 40 millions de dollars lors d'un financement de série B.[19]. Le , la société annonce un financement de série C [20] qui la valorise à deux milliards de dollars[21]. En , elle lève 235 millions de dollars auprès de plusieurs grandes multinationales américaines, incluant Google, Amazon et Nvidia, ce qui amène sa valorisation à 4,5 milliards de dollars[22].
La start-up a réalisé un chiffre d'affaires de quinze millions de dollars en 2022, et prévoit de dépasser cent millions en 2024 en profitant de l'essor du secteur[21].
Acquisition
En , Nvidia annonce le rachat de Hugging Face pour 12,9 milliards de dollars[23].
Produits
Hugging Face Hub
La plateforme Hugging Face Hub permet aux utilisateurs d'héberger[24] :
- des dépôts utilisant Git, avec des fonctionnalités similaires à GitHub, y compris des discussions et des propositions de modifications (pull-requests) des projets ;
- des modèles, également enregistrés dans Git. Cinq cent mille modèles mis en ligne par les utilisateurs y sont hébergés[25] ;
- des ensembles de données, principalement sous forme de texte, d'images et d'audio ;
- des applications web (« spaces » et « widgets »), permettant d'héberger des preuves de concept.
La société se veut ouverte et agnostique, à contre-courant des modèles économiques des GAFAM ou d'OpenAI. Le grand public peut accéder à ses services gratuitement, mais Hugging Face fait payer les entreprises lorsqu'elles ont besoin d'importantes puissances de calcul[3],[2]. La société s'est dotée d'une équipe consacrée aux questions d'éthique et de droit qui résultent du déploiement des systèmes d'intelligence artificielle[26].
En , une étude de JFrog[27] affirme que la plateforme héberge au moins une centaine de modèles de machine learning malveillants. En effet, ceux-ci abriteraient des portes dérobées qui permettraient ensuite de prendre le contrôle à distance des appareils concernés[28].
Bibliothèque de transformers
La bibliothèque Transformers est un package Python qui contient des implémentations open source de modèles de transformers pour les tâches de texte, d'image et audio. Il est compatible avec les bibliothèques d'apprentissage profond PyTorch, TensorFlow et JAX et inclut des implémentations de modèles notables tels que BERT et GPT-2[source secondaire souhaitée].
BLOOM
La société lance en 2021 le BigScience Research Workshop en collaboration avec plusieurs autres groupes de recherche pour publier un grand modèle de langage ouvert[29]. Mille chercheurs européens ont participé[21], notamment du CNRS, du GENCI et du ministère de l'Enseignement supérieur et de la Recherche[30].
La collaboration donne naissance l'année suivante à BLOOM (BigScience Large Open-science Open-access Multilingual Language Model), un grand modèle de langage multilingue (comprenant quarante-six langues et treize langages de programmation) disposant de 176 milliards de paramètres[31]. Les chercheurs ont privilégié l’entraînement sur un corpus de 1,4 téraoctet de texte composé de données fiables dans chaque langue. L'apprentissage a été effectué avec huit pétaflops du supercalculateur Jean Zay de l'Institut du développement et des ressources en informatique scientifique. Durant onze semaines, des centaines de processeurs graphiques ont fonctionné en parallèle, totalisant cinq millions d’heures de calcul. Le modèle a la particularité d'être mis à disposition publiquement (open source), mais la licence interdit certaines utilisations comme l'écriture de fake news ou de conseils de santé. L'entreprise travaille à réduire les ressources nécessaires à l'utilisation du modèle pour le rendre plus accessible[32].
Critiques, problèmes
Sécurité des jetons d'API
Des chercheurs en sécurité ont découvert plus de mille cinq cents jetons d'API exposés sur la plateforme Hugging Face, appartenant à des géants de la technologie comme Meta, Microsoft, Google et VMware, ce qui a mis en danger de nombreuses organisations (cf. risques de vol de données, mais aussi d'empoisonnement de modèles d'intelligence artificielle)[33].
Modèles d'intelligence artificielle malveillants
La plateforme héberge ou a hébergé de nombreux modèles d'intelligence artificielle malveillants, malgré les mesures de sécurité mises en place pour empêcher leur diffusion[34].
Droit d'auteur
En , un demi-million d’ouvrages et d'articles scientifiques protégés par le droit d'auteur entraînent l'intelligence artificielle en l’absence des accords pourtant nécessaires[35].
